Buchumschlag

Forecasting corporate financial performance with deep learning and interpretable ALE method: Evidence from China

Fuente: Wiley Open Access

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Longyue Liang, Bo Liu, Zhi Su, Xuanye Cai
Format:	Artículo Open Access
Veröffentlicht:	Wiley 2024
Schlagworte:	Journal of Forecasting
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Forecasting agricultures security indices: Evidence from transformers method
von: Ammouri Bilel
Veröffentlicht: (2024)

A novel semisupervised learning method with textual information for financial distress prediction
von: Yue Qiu, et al.
Veröffentlicht: (2024)

The Information Content of Overnight Information for Volatility Forecasting: Evidence From China's Stock Market
von: Yi Zhang, et al.
Veröffentlicht: (2025)

Forecasting stock market returns with a lottery index: Evidence from China
von: Yaojie Zhang, et al.
Veröffentlicht: (2024)

Forecasting multi‐frequency intraday exchange rates using deep learning models
von: Muhammad Arslan, et al.
Veröffentlicht: (2024)

Credit risk prediction based on causal machine learning: Bayesian network learning, default inference, and interpretation
von: Jiaming Liu, et al.
Veröffentlicht: (2024)

Embedding the weather prediction errors (WPE) into the photovoltaic (PV) forecasting method using deep learning
von: Adela Bâra, et al.
Veröffentlicht: (2024)

New forecasting methods for an old problem: Predicting 147 years of systemic financial crises
von: Emile du Plessis, et al.
Veröffentlicht: (2024)

Forecast performance of noncausal autoregressions and the importance of unit root pretesting
von: Frédérique Bec, et al.
Veröffentlicht: (2024)

Inflation Forecasting Post‐COVID‐19: Evidence From Germany
von: Tiphaine Wibault
Veröffentlicht: (2026)

Forecasting healthcare service volumes with machine learning algorithms
von: Dong‐Hui Yang, et al.
Veröffentlicht: (2024)

When Are Statistical Forecast Gains Economically Relevant? Evidence From Bitcoin Returns
von: Rehan Arain, et al.
Veröffentlicht: (2025)

Forecasting sovereign CDS spreads with a regime‐switching combination method
von: Jianping Li, et al.
Veröffentlicht: (2024)

Using deep (machine) learning to forecast US inflation in the COVID‐19 era
von: David Stoneman, et al.
Veröffentlicht: (2024)

Forecasting Bitcoin returns: Econometric time series analysis vs. machine learning
von: Theo Berger, et al.
Veröffentlicht: (2024)

Forecasting realized volatility of crude oil futures prices based on machine learning
von: Jiawen Luo, et al.
Veröffentlicht: (2024)

Volatility forecasting incorporating intraday positive and negative jumps based on deep learning model
von: Yilun Zhang, et al.
Veröffentlicht: (2024)

Can intraday data improve the joint estimation and prediction of risk measures? Evidence from a variety of realized measures
von: Zhimin Wu, et al.
Veröffentlicht: (2024)

A novel hybrid forecasting model with feature selection and deep learning for wind speed research
von: Xuejun Chen, et al.
Veröffentlicht: (2024)

Incorporating media news to predict financial distress: Case study on Chinese listed companies
von: Lifang Zhang, et al.
Veröffentlicht: (2024)

Climate Change Risk and Financial Market Response: An International Evidence From Performance Forecasts by Financial Analysts
von: Cyrine Khiari, et al.
Veröffentlicht: (2025)

Explainable machine learning techniques based on attention gate recurrent unit and local interpretable model‐agnostic explanations for multivariate wind speed forecasting
von: Lu Peng, et al.
Veröffentlicht: (2024)

Forecasting Transition of Personal Travel Behavior in a Sharing Economy: Evidence From Consumer Preferences of Travel Modes
von: Stephen Youngjun Park, et al.
Veröffentlicht: (2025)

Corporate financial distress prediction in a transition economy
von: Minh Nguyen, et al.
Veröffentlicht: (2024)

A Comparative Forecasting Framework for Turkey–Germany Trade: Evidence From Time Series and Artificial Neural Networks Models
von: Seyma Nur Unal, et al.
Veröffentlicht: (2025)

Fiscal Forecasting Rationality Among Expert Forecasters
von: Belen Chocobar, et al.
Veröffentlicht: (2024)

Whether Uncertainty Theory Can Enhance GDP Forecasting From Energy: A New Uncertain MIDAS Model
von: Yuxin Shi, et al.
Veröffentlicht: (2025)

Forecasting the containerized freight index with AIS data: A novel information combination method based on gray incidence analysis
von: Yanhui Chen, et al.
Veröffentlicht: (2024)

Machine Learning Forecasts of Tail‐Risk Spillovers in Carbon and Energy Markets
von: Shengnan Liu, et al.
Veröffentlicht: (2026)

A Novel Approach to Forecasting After Large Forecast Errors
von: Jennifer L. Castle, et al.
Veröffentlicht: (2025)

Forecasting the high‐frequency volatility based on the LSTM‐HIT model
von: Guangying Liu, et al.
Veröffentlicht: (2024)

Forecasting the High‐Frequency Covariance Matrix Using the LSTM‐MF Model
von: Guangying Liu, et al.
Veröffentlicht: (2025)

Forecasting in turbulent times
von: Nikolaos Giannellis, et al.
Veröffentlicht: (2024)

Macroeconomic and Financial Forecasting in the Aftermath of the Covid Shock: Inflation Forecasting With Large Language Models
von: Nikolaos Giannellis, et al.
Veröffentlicht: (2026)

Crossproduct Effect and Volatility Forecasting
von: Jiafu Xu, et al.
Veröffentlicht: (2024)

Coherent Forecasting of Realized Volatility
von: Marius Puke, et al.
Veröffentlicht: (2026)

Forecasting Realized Volatility With Tree‐Based HAR‐Type Models Incorporating Macroeconomic Uncertainty
von: Wei Liu, et al.
Veröffentlicht: (2026)

Nonstationary Functional Time Series Forecasting
von: Han Lin Shang, et al.
Veröffentlicht: (2024)

Forecasting and Pricing in the Carbon Credits Market
von: Yiyang Chen, et al.
Veröffentlicht: (2026)

Mortality Forecasting Using Variational Inference
von: Patrik Andersson, et al.
Veröffentlicht: (2025)