Buchumschlag

Forecasting the High‐Frequency Covariance Matrix Using the LSTM‐MF Model

Fuente: Wiley Open Access

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guangying Liu, Kewen Shi, Meng Yuan
Format:	Artículo Open Access
Veröffentlicht:	Wiley 2025
Schlagworte:	Journal of Forecasting
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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)

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

Forecasting USD/RMB exchange rate using the ICEEMDAN‐CNN‐LSTM model
von: Yun Zhou, et al.
Veröffentlicht: (2024)

HyperVIX: A GWO‐Optimized ARIMA‐LSTM Hybrid Model for CBOE Volatility Index (VIX) Forecasting
von: Ran Wu, 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)

Modelling and Forecasting of Exchange Rate Pairs Using the Kalman Filter
von: Paresh Date, et al.
Veröffentlicht: (2024)

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

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

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

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

Forecasting House Prices: The Role of Market Interconnectedness
von: Zac Chen, et al.
Veröffentlicht: (2026)

Data‐Driven Prediction of Climate Variables in Agricultural Cities of India With Hybrid GA‐TCN‐LSTM Model
von: Anil Utku
Veröffentlicht: (2025)

Stock movement prediction: A multi‐input LSTM approach
von: Pan Tang, et al.
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 Realized Volatility With Tree‐Based HAR‐Type Models Incorporating Macroeconomic Uncertainty
von: Wei Liu, et al.
Veröffentlicht: (2026)

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

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

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

A Matrix‐Based Hidden Markov Model for Consumer Credit Analysis
von: Borui Qi, et al.
Veröffentlicht: (2026)

Forecasting Energy Efficiency in Manufacturing: Impact of Technological Progress in Productive Service and Commodity Trades
von: Zixiang Wei, et al.
Veröffentlicht: (2025)

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)

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

Forecasting peak electric load: Robust support vector regression with smooth nonconvex ϵ‐insensitive loss
von: Rujia Nie, et al.
Veröffentlicht: (2024)

A Novel Approach to Forecasting After Large Forecast Errors
von: Jennifer L. Castle, 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)

A Multiscale Transformer Model for Long Time Series Forecasting Based on Discrete Wavelet Transform and Residual Learning Modules
von: Menghan Li, et al.
Veröffentlicht: (2025)

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

Forecasting COVID‐19 Transmission: Insights From the Logistic Smooth Transition Model
von: Yeliz Uymaz, 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)