Direkt zur Hauptnavigation springen Direkt zum Inhalt springen
info(at)avldigital.remove-this.de
Deutsch English
Filtern nach
Aktive Filter
Letzte Suchanfragen

Ergebnisse für *

Zeige Ergebnisse 1 bis 3 von 3.

  1. Der Berg, der Menschen frisst
    In den Minen von Potosí, Bolivien
    Autor*in: Izagirre, Ander
    Erschienen: 2022
    Verlag:  Rotpunktverlag, Zürich

    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
  2. A Critical Discourse Analysis of the Syrian Crisis News in CNN and RT
    How the Russian Military Involvement in Syria Affected the News Discourse
    Autor*in: Atatfa, Omar; Al-Mamoory, Salih
    Erschienen: 2018
    Verlag:  LAP LAMBERT Academic Publishing, Saarbrücken

    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Quelle: Verbundkataloge
    Sprache: Englisch
    Medientyp: Ebook
    Format: Online
    ISBN: 9786137378908; 613737890X
    Weitere Identifier:
    9786137378908
    Auflage/Ausgabe: 1. Auflage
    Weitere Schlagworte: (Produktform)Electronic book text; CNN; Critical Discourse Analysis; ideology; Language Manipulation; RT; The Syrian Crisis; (VLB-WN)1564: Englische Sprachwissenschaft, Literaturwissenschaft
    Umfang: Online-Ressourcen, 168 Seiten
    Bemerkung(en):

    Lizenzpflichtig. - Vom Verlag als Druckwerk on demand und/oder als E-Book angeboten
  3. Historical calibration of SVJD models with deep learning
    Autor*in: Fičura, Milan; Witzany, Jiří
    Erschienen: [2023]
    Verlag:  Institute of Economic Studies, Faculty of Social Sciences, Charles University in Prague, Prague

    We propose how deep neural networks can be used to calibrate the parameters of Stochastic-Volatility Jump-Diffusion (SVJD) models to historical asset return time series. 1-Dimensional Convolutional Neural Networks (1D-CNN) are used for that purpose.... mehr

    Zugang:
    Verlag (kostenfrei)
    Verlag (kostenfrei)
    Resolving-System (kostenfrei)

    Standort:
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    Signatur:
    DS 167
    Fernleihe:
    keine Fernleihe

     

    We propose how deep neural networks can be used to calibrate the parameters of Stochastic-Volatility Jump-Diffusion (SVJD) models to historical asset return time series. 1-Dimensional Convolutional Neural Networks (1D-CNN) are used for that purpose. The accuracy of the deep learning approach is compared with machine learning methods based on shallow neural networks and hand-crafted features, and with commonly used statistical approaches such as MCMC and approximate MLE. The deep learning approach is found to be accurate and robust, outperforming the other approaches in simulation tests. The main advantage of the deep learning approach is that it is fully generic and can be applied to any SVJD model from which simulations can be drawn. An additional advantage is the speed of the deep learning approach in situations when the parameter estimation needs to be repeated on new data. The trained neural network can be in these situations used to estimate the SVJD model parameters almost instantaneously.

     
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Quelle: Verbundkataloge
    Sprache: Englisch
    Medientyp: Buch (Monographie)
    Format: Online
    Weitere Identifier:
    hdl: 10419/286365
    Schriftenreihe: IES working paper ; 2023, 36
    Schlagworte: Stochastic volatility; price jumps; SVJD; neural networks; deep learning; CNN
    Umfang: 1 Online-Ressource (circa 26 Seiten), Illustrationen