Buchumschlag

GARCH-FIS: A Hybrid Forecasting Model with Dynamic Volatility-Driven Parameter Adaptation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Wen-Jing, Zhang, Da-Qing
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Autoencoder Enhanced Realised GARCH on Volatility Forecasting
von: Zhao, Qianli, et al.
Veröffentlicht: (2024)

From GARCH to Neural Network for Volatility Forecast
von: Zhao, Pengfei, et al.
Veröffentlicht: (2024)

The Hybrid Forecast of S&P 500 Volatility ensembled from VIX, GARCH and LSTM models
von: Roszyk, Natalia, et al.
Veröffentlicht: (2024)

GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets
von: Xu, Zeda, et al.
Veröffentlicht: (2024)

highFIS
von: França, Daniel
Veröffentlicht: (2026)

highFIS
von: França, Daniel
Veröffentlicht: (2026)

highFIS
von: França, Daniel
Veröffentlicht: (2026)

Orthogonal Subspace Clustering: Enhancing High-Dimensional Data Analysis through Adaptive Dimensionality Reduction and Efficient Clustering
von: Wen, Qing-Yuan, et al.
Veröffentlicht: (2026)

Pairwise Markov Chains for Volatility Forecasting
von: Azeraf, Elie
Veröffentlicht: (2024)

A Large Language Model-Driven Reward Design Framework via Dynamic Feedback for Reinforcement Learning
von: Sun, Shengjie, et al.
Veröffentlicht: (2024)

Stochastic Volatility Modelling with LSTM Networks: A Hybrid Approach for S&P 500 Index Volatility Forecasting
von: Perekhodko, Anna, et al.
Veröffentlicht: (2025)

PhaseNAS: Language-Model Driven Architecture Search with Dynamic Phase Adaptation
von: Kong, Fei, et al.
Veröffentlicht: (2025)

Mixture of Low Rank Adaptation with Partial Parameter Sharing for Time Series Forecasting
von: Pan, Licheng, et al.
Veröffentlicht: (2025)

Accurate Parameter-Efficient Test-Time Adaptation for Time Series Forecasting
von: Medeiros, Heitor R., et al.
Veröffentlicht: (2025)

ProbRes: Volatility Learning for Probabilistic Time-Series Forecasting
von: Wang, Tingting, et al.
Veröffentlicht: (2026)

PETAH: Parameter Efficient Task Adaptation for Hybrid Transformers in a resource-limited Context
von: Augustin, Maximilian, et al.
Veröffentlicht: (2024)

Volatility Modeling via EWMA-Driven Time-Dependent Hurst Parameters
von: Athipatla, Jayanth
Veröffentlicht: (2025)

Dynamic Low-Rank Sparse Adaptation for Large Language Models
von: Huang, Weizhong, et al.
Veröffentlicht: (2025)

COMEX Copper Futures Volatility Forecasting: Econometric Models and Deep Learning
von: Wang, Zian, et al.
Veröffentlicht: (2024)

Adaptive regularization parameter selection for high-dimensional inverse problems: A Bayesian approach with Tucker low-rank constraints
von: Yang, Qing-Mei, et al.
Veröffentlicht: (2026)

A Hybrid Quantum-Classical Framework for Financial Volatility Forecasting Based on Quantum Circuit Born Machines
von: Chen, Yixiong
Veröffentlicht: (2026)

Volatility Forecasting in Global Financial Markets Using TimeMixer
von: Li, Alex
Veröffentlicht: (2024)

Probabilistic Forecasting Cryptocurrencies Volatility: From Point to Quantile Forecasts
von: Dudek, Grzegorz, et al.
Veröffentlicht: (2025)

Efficiently Aligning Draft Models via Parameter- and Data-Efficient Adaptation
von: Lin, Luxi, et al.
Veröffentlicht: (2026)

Heterogeneity-Informed Meta-Parameter Learning for Spatiotemporal Time Series Forecasting
von: Dong, Zheng, et al.
Veröffentlicht: (2024)

Nonstationary Time Series Forecasting via Unknown Distribution Adaptation
von: Li, Zijian, et al.
Veröffentlicht: (2024)

Stabilizing Recurrent Dynamics for Test-Time Scalable Latent Reasoning in Looped Language Models
von: Yang, Xiao-Wen, et al.
Veröffentlicht: (2026)

Dynamic Domain Adaptation-Driven Physics-Informed Graph Representation Learning for AC-OPF
von: Zhu, Hongjie, et al.
Veröffentlicht: (2025)

A Hybrid Deep Learning based Carbon Price Forecasting Framework with Structural Breakpoints Detection and Signal Denoising
von: Ren, Runsheng, et al.
Veröffentlicht: (2025)

KnowLA: Enhancing Parameter-efficient Finetuning with Knowledgeable Adaptation
von: Luo, Xindi, et al.
Veröffentlicht: (2024)

UniDiff: A Unified Diffusion Framework for Multimodal Time Series Forecasting
von: Zhang, Da, et al.
Veröffentlicht: (2025)

How (Not) to Hybridize Neural and Mechanistic Models for Epidemiological Forecasting
von: Su, Yiqi, et al.
Veröffentlicht: (2026)

Dynamic Continual Learning: Harnessing Parameter Uncertainty for Improved Network Adaptation
von: Angelini, Christopher, et al.
Veröffentlicht: (2025)

Parameter Importance-Driven Continual Learning for Foundation Models
von: Wang, Lingxiang, et al.
Veröffentlicht: (2025)

LiveTune: Dynamic Parameter Tuning for Feedback-Driven Optimization
von: Shabgahi, Soheil Zibakhsh, et al.
Veröffentlicht: (2023)

XRMDN: An Extended Recurrent Mixture Density Network for Short-Term Probabilistic Rider Demand Forecasting with High Volatility
von: Li, Xiaoming, et al.
Veröffentlicht: (2023)

Domain Adaptation for Industrial Time-series Forecasting via Counterfactual Inference
von: Min, Chao, et al.
Veröffentlicht: (2024)

Multivariate Forecasting of Bitcoin Volatility with Gradient Boosting: Deterministic, Probabilistic, and Feature Importance Perspectives
von: Dudek, Grzegorz, et al.
Veröffentlicht: (2025)

TimeCatcher: A Variational Framework for Volatility-Aware Forecasting of Non-Stationary Time Series
von: Chen, Zhiyu, et al.
Veröffentlicht: (2026)

Feed-Forward Latent Domain Adaptation
von: Bohdal, Ondrej, et al.
Veröffentlicht: (2022)