Sökning: "och Återkopplande Neurala Nätverk: En jämförelse mellan deras förmåga att prognostisera aktieindexavkastning för att konstruera effektiva portföljer"

Hittade 1 uppsats innehållade orden och Återkopplande Neurala Nätverk: En jämförelse mellan deras förmåga att prognostisera aktieindexavkastning för att konstruera effektiva portföljer.

  1. 1. PC Regression, Vector Autoregression, and Recurrent Neural Networks: How do they compare when predicting stock index returns for building efficient portfolios?

    Master-uppsats, KTH/Optimeringslära och systemteori; KTH/Optimeringslära och systemteori

    Författare :David Hallberg; Erik Renström; [2019]
    Nyckelord :PC Regression; Vektorautoregression; och Återkopplande Neurala Nätverk: En jämförelse mellan deras förmåga att prognostisera aktieindexavkastning för att konstruera effektiva portföljer; Huvudkomponentregression; vektorautoregression; LSTM; återkopplande neurala nätverk; portföljteori; portföljoptimering; maskininlärning; makroekonomi; finans; aktieavkastning; aktieindex;

    Sammanfattning : This thesis examines the statistical and economic performance of modeling and predicting equity index returns by application of various statistical models on a set of macroeconomic and financial variables. By combining linear principal component regression, vector autoregressive models, and LSTM neural networks, the authors find that while a majority of the models display high statistical significance, virtually none of them successfully outperform classic portfolio theory on efficient markets in terms of risk-adjusted returns. LÄS MER