Autoregression and artificial neural networks for financial market forecast

DE LEONE, Renato; Quaranta, A. G.; Marchitto, E.

CAMPUS è l'Archivio istituzionale delle pubblicazioni scientifiche dell’Università di Camerino. E’ un sistema aperto, pubblico e interoperabile che raccoglie, conserva ed espone i dati relativi alle attività e ai prodotti della ricerca dell’Ateneo con lo scopo di migliorarne la visibilità e di favorirne l’impatto a livello nazionale e internazionale.

In recent years the interest of the investors in e±cient methods for the forecasting price trend of a share in financial markets has grown steadily. The aim is to accurately forecast the future behavior of the market in order to identificate the so-called "correct timing". In this paper we analyze three di®erent approaches for forecasting financial data: Autoregression, artificial neural networks and support vector machines and we will determine potentials and limits of these methods. Application to the Italian financial market is also presented.

Scheda prodotto non validato

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Titolo:	Autoregression and artificial neural networks for financial market forecast
Autori:	DE LEONE, Renato QUARANTA A. G. MARCHITTO E. mostra contributor esterni nascondi contributor esterni
Data di pubblicazione:	2006
Rivista:	NEURAL NETWORK WORLD
Abstract:	In recent years the interest of the investors in e±cient methods for the forecasting price trend of a share in financial markets has grown steadily. The aim is to accurately forecast the future behavior of the market in order to identificate the so-called "correct timing". In this paper we analyze three di®erent approaches for forecasting financial data: Autoregression, artificial neural networks and support vector machines and we will determine potentials and limits of these methods. Application to the Italian financial market is also presented.
Handle:	http://hdl.handle.net/11581/115686
Appare nelle tipologie:	Articolo

File in questo prodotto:

Non ci sono file associati a questo prodotto.

Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/11581/115686

Citazioni

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.