Forecasting Dynamic Term Structure Models with Autoencoders
El Análisis de Componentes Principales (PCA) es un método estadístico para construir modelos factoriales en finanzas. PCA es también un caso particular de un tipo de red neuronal conocido como Autoencoder. Recientemente los autoencoders han sido utilizados satisfactoriamente en modelos factoriales e...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- eng
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/31955
- Acceso en línea:
- https://doi.org/10.48713/10336_31955
https://repository.urosario.edu.co/handle/10336/31955
- Palabra clave:
- Uso de redes neuronales recurrentes para la estimación de tasas de interés
Comparación entre Autoencoder de modelos de estructura a plazos en la determinación de tasas de interés dinámicas
Uso de redes neuronales recurrentes en evaluación financiera
Modelos factoriales y estructura a plazos de tasas de interés
Comparación entre de técnicas predictivas de tasas de interés en finanzas
Economía financiera
C45
C53
C58
Comparison of predictive techniques of interest rates in surety bonds
Use of recurrent neural networks to estimate interest rates
Comparison between Autoencoder of term structure models in the determination of dynamic interest rates
Use of recurrent neural networks in financial evaluation
Factor models and term structure of interest rates
- Rights
- License
- http://creativecommons.org/licenses/by-sa/2.5/co/