A Multivariate and Multi-step Ahead Machine Learning Approach to Traditional and Cryptocurrencies Volatility Forecasting

Référence ECML-PKDD 2018(Dublin), ECML PKDD 2018 Workshops, Springer
Publication Publié, 2019-02-07

Publication dans des actes

Titre:	A Multivariate and Multi-step Ahead Machine Learning Approach to Traditional and Cryptocurrencies Volatility Forecasting
Auteur:	De Stefani, Jacopo; Caelen, Olivier; Hattab, Dalila; Le Borgne, Yann-Aël; Bontempi, Gianluca
Informations sur la publication:	ECML-PKDD 2018(Dublin), ECML PKDD 2018 Workshops, Springer
Statut de publication:	Publié, 2019-02-07
series:	Lecture Notes in Computer Science, 11054, 11054
Sujet CREF:	Informatique générale
Mots-clés:	Multivariate time series forecasting
	Volatility forecasting
	Multi-step ahead forecast
	Dynamic factor models
Note générale:	SCOPUS: cp.k
Langue:	Anglais
Identificateurs:	urn:isbn:978-3-030-13462-4
	info:doi/10.1007/978-3-030-13463-1_1
	info:scp/85063442106

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.