Buchumschlag

Modelling and Forecasting of Exchange Rate Pairs Using the Kalman Filter

Fuente: Wiley Open Access

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Paresh Date, Janeeta Maunthrooa
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

Threshold MIDAS Forecasting of Canadian Inflation Rate
von: Chaoyi Chen, et al.
Veröffentlicht: (2025)

Forecasting With Machine Learning Shadow‐Rate VARs
von: Michael Grammatikopoulos
Veröffentlicht: (2025)

Combined Effects of Fat‐Tail and Spread Forecasting on Pairs Trading: A Hybrid Model Based on Integrating VAR With GRU Models
von: Yuhee Kwon, et al.
Veröffentlicht: (2025)

Scaling‐Aware Rating of Poisson‐Limited Demand Forecasts
von: Malte C. Tichy, et al.
Veröffentlicht: (2025)

Using a Wage–Price‐Setting Model to Forecast US Inflation
von: Nguyen Duc Do
Veröffentlicht: (2024)

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

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

Regime‐Switching Density Forecasts Using Economists' Scenarios
von: Graziano Moramarco
Veröffentlicht: (2024)

Forecasting Beta Using Ultra High Frequency Data
von: Jian Zhou
Veröffentlicht: (2024)

Using DSGE and Machine Learning to Forecast Public Debt for France
von: Emmanouil Sofianos, et al.
Veröffentlicht: (2026)

Forecasting and Modeling Macroeconomic Vulnerabilities in CESEE
von: Florian Huber, et al.
Veröffentlicht: (2025)

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

Modeling and Forecasting the CBOE VIX With the TVP‐HAR Model
von: Wen Xu, et al.
Veröffentlicht: (2025)

Forecasting of S&P 500 ESG Index by Using CEEMDAN and LSTM Approach
von: Divya Aggarwal, et al.
Veröffentlicht: (2024)

Trade and Economic Activity: Nonlinear Modeling and Forecasting
von: Alessandro Borin, et al.
Veröffentlicht: (2024)

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

On Capturing Multi‐Scale Market Dynamics for High‐Frequency Stock Price Forecasting Using a Hybrid Attention‐Based Deep Learning Model
von: Runze Jiang, et al.
Veröffentlicht: (2026)

Forecasting Natural Gas Futures Prices Using Hybrid Machine Learning Models During Turbulent Market Conditions: The Case of the Russian–Ukraine Crisis
von: Pavan Kumar Nagula, et al.
Veröffentlicht: (2025)

Enhancing Neural Network Volatility Forecasting: Decomposed Volatility Modeling
von: Xuzheng Ren, et al.
Veröffentlicht: (2026)

Forecasting With Dynamic Factor Models Estimated by Partial Least Squares
von: Samuel Rauhala
Veröffentlicht: (2026)

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

Potential Demand Forecasting for Steel Products in Spot Markets Using a Hybrid SARIMA‐LSSVM Approach
von: Junting Huang, et al.
Veröffentlicht: (2025)

Forecasting New Employment Using Nonrepresentative Online Job Advertisements With an Application to the Italian and EU Labor Market
von: Pietro Giorgio Lovaglio, et al.
Veröffentlicht: (2026)

A New Proposal for Forecasting Inflation in the Eurozone: A Global Model
von: Georgios Angelopoulos, et al.
Veröffentlicht: (2026)

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

Forecasting COVID‐19 Transmission: Insights From the Logistic Smooth Transition Model
von: Yeliz Uymaz, et al.
Veröffentlicht: (2026)

Support Vector Machine to Forecast Reexamination Invalidation Decisions for Utility Model Patent
von: Mei‐Hsin Wang, et al.
Veröffentlicht: (2025)

Adaptive Model Integration for Stock Price Forecasting With CNN‐ATTN‐BiLSTM
von: Yi Xiao, et al.
Veröffentlicht: (2026)

Modeling and Forecasting Stochastic Seasonality: Are Seasonal Autoregressive Integrated Moving Average Models Always the Best Choice?
von: Evangelos E. Ioannidis, et al.
Veröffentlicht: (2025)

Correction to “Smart Forecasting of Carbon Prices Using Machine Learning and Neural Networks: When ARIMA Meets XGBoost and LSTM”
Veröffentlicht: (2026)

Forecasting European Union Electronic Trading Systems Phase 4 Spot Prices Using Data‐Driven Hybrid Deep Learning Models: Integrating Energy and Market Activity as Controls
von: Noman Arshed, et al.
Veröffentlicht: (2026)

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

Parametric Quantile Autoregressive Conditional Duration Models With Application to Intraday Value‐at‐Risk Forecasting
von: Helton Saulo, 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)

Neural Network Particle Filter for Time Series Data
von: Dewi E. W. Peerlings, 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)

A Universal Multivariate Long‐Term Time‐Series Robust Forecasting Model With Distinguishable Variable Identifier
von: Xin‐ji Chen, et al.
Veröffentlicht: (2026)

Visualizing Uncertainty in Time Series Forecasts: The Impact of Uncertainty Visualization on Users' Confidence, Algorithmic Advice Utilization, and Forecasting Performance
von: Dirk Leffrang, et al.
Veröffentlicht: (2024)