Los modelos autorregresivos heterogéneos (HAR) de volatilidad realizada de alta frecuencia están inspirados en la Hipótesis del Mercado Heterogéneo e incorporan volatilidades realizadas diarias, semanales y mensuales en la dinámica de volatilidad con una estructura de horizonte temporal (1,5,22). Nos basamos en los modelos HAR y proponemos un nuevo marco, los modelos autorregresivos heterogéneos adaptativos (AHAR), cuyas estructuras de horizonte temporal son optimizadas por un algoritmo genético. Nuestros modelos pueden aplicarse a mercados con diferentes estructuras heterogéneas, y sus estructuras de horizonte temporal pueden ajustarse de forma adaptativa a medida que varía la estructura heterogénea del mercado. Las pruebas de ventana móvil con rendimientos de cinco minutos del índice CSI 300 indican que la estructura (1,5,22) originalmente propuesta para los mercados bursátiles estadounidenses no es la mejor opción para los mercados bursátiles chinos,
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Soluciones nodales del -Laplaciano con peso que cambia de signo
Artículo:
Un método de descripción abstracta de Map-Reduce-Merge utilizando Haskell
Artículo:
Solución numérico-analítica de una ecuación de difusión bajo condiciones de incertidumbre utilizando DTM y Monte Carlo
Artículo:
Estimaciones de regularidad de segundo orden para ecuaciones de Schrödinger singular en dominios convexos
Artículo:
Efecto del proceso de entrenamiento y prueba en el aprendizaje automático de conjuntos de datos biomédicos
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Análisis socioeconómico de la problemática de los desechos plásticos en el mar
Artículo:
Los web services como herramienta generadora de valor en las organizaciones