Estimating Volatility of Saudi Stock Market Using Hybrid Dynamic Evolving Neural Fuzzy Inference System Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper examines the volatility risk in the KSA stock market (Tadawul), with a specific focus on predicting volatility using the logarithm of the standard deviation of stock market prices (LSCP) as the output variable. To enhance volatility prediction, it proposes the combined use of the dynamic evolving neural fuzzy inference system (DENFIS) and the nonlinear spectral model, maximum overlapping discrete wavelet transform (MODWT). This study utilizes a dataset comprising 4609 observations and investigates the inputs of lag 1 of the close stock price (LCP), the natural logarithm of oil price (Loil), the natural logarithm of cost of living (LCL), and the interbank rate (IB), determined through autocorrelation (AC), partial autocorrelation (PAC), correlation, and Granger causality tests. Regression analysis reveals significant effects of variables on LSCP: LCP has a negative effect, and Loil has a positive effect in the ordinary least square (OLS) model, while LCL and IB have positive effects in the fixed effect model and negative effects in the random effect model. The MODWT-Haar-DENFIS model was developed as we found that the model has the potential to be an effective model for stock market forecasting. The results provide valuable insights for investors and policymakers, aiding in risk management, investment decisions, and the development of measures to mitigate stock market volatility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle