Quantile convolutional neural networks for Value at Risk forecasting

A tétel rövid nézete
dc.contributor.authorPetneházi, Gábor
dc.date.accessioned2021-11-28T18:39:45Z
dc.date.available2021-11-28T18:39:45Z
dc.date.issued2021
dc.date.oa2021-11-29
dc.date.pasync2025-06-10T23:13:27Z
dc.date.updated2021-12-08T01:30:14Z
dc.description.correctorLB
dc.identifier.citationMachine Learning with Applications. -6 (2021), p. 1-3. -(cikkazonosító)100096. -Machine Learning with Applications. - 2666-8270
dc.identifier.doihttp://dx.doi.org/10.1016/j.mlwa.2021.100096
dc.identifier.issn2666-8270
dc.identifier.opachttp://webpac.lib.unideb.hu:8082/ebib/CorvinaWeb?action=cclfind&resultview=long&ccltext=idno+BIBFORM098830
dc.identifier.urihttp://hdl.handle.net/2437/325770
dc.identifier.urlhttps://linkinghub.elsevier.com/retrieve/pii/S2666827021000487
dc.languageeng
dc.rights.accessopen access article
dc.subject.mabTársadalomtudományok
dc.subject.mabKözgazdaságtudományok
dc.titleQuantile convolutional neural networks for Value at Risk forecasting
dc.typefolyóiratcikk
dc.typeidegen nyelvű folyóiratközlemény külföldi lapban
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
FILE_UP_4_1-s2.0-S2666827021000487-main.pdf
Méret:
390.76 KB
Formátum:
Adobe Portable Document Format
Leírás:
kiadói változat
Letöltés
Gyűjtemények
Publikációs Adatbázis