Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/309441Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Гарафутдинов, Р. В. | |
| dc.contributor.author | Патласов, Д. А. | |
| dc.date.accessioned | 2024-02-19T06:50:44Z | - |
| dc.date.available | 2024-02-19T06:50:44Z | - |
| dc.date.issued | 2023 | |
| dc.identifier.citation | Цифровая трансформация – шаг в будущее : материалы IV Междунар. науч.-практ. конф. молодых ученых, Минск, 13 окт. 2023 г. / Белорус. гос. ун-т ; редкол.: И. А. Карачун (гл. ред.), А. А. Королёва, Б. Н. Паньшин. – Минск : БГУ, 2023. – С. 146-149. | |
| dc.identifier.isbn | 978-985-881-547-9 | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/309441 | - |
| dc.description.abstract | В работе проверяется гипотеза о том, что применение модели ARFIMA-GARCH для сглаживания ряда доходностей финансового актива (на примере индекса S&P 500) позволяет повысить точность прогнозирования доходности при помощи статистических моделей (на примере ARIMA). Для обеспечения статистической значимости результатов исследования применяется метод скользящего окна. Получены следующие результаты: выдвинутая гипотеза подтверждается, обученная на сглаженных данных модель делает более точные прогнозы | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ОБЩЕСТВЕННЫЕ НАУКИ::Экономика и экономические науки | |
| dc.title | Применение модели ARFIMA-GARCH для повышения точности прогнозирования на фондовых рынках | |
| dc.title.alternative | Improving accuracy of stock market forecasting with ARFIMA-GARCH model / R. V. Garafutdinov, D. A. Patlasov | |
| dc.type | conference paper | |
| dc.description.alternative | The study examines the hypothesis that using the ARFIMA-GARCH model to smooth the returns of a financial asset (using the example of the S&P 500 stock index) improves the accuracy of return forecasting compared to statistical models (such as ARIMA). To ensure the statistical significance of the research results, the rolling window method is employed. The following results have been obtained: the proposed hypothesis is confirmed, because the model trained on smoothed data provides more accurate forecasts | |
| Располагается в коллекциях: | 2023. Цифровая трансформация – шаг в будущее | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 146-149.pdf | 324,98 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.