Deep Learning for Time Series Forecasting with Applications to Finance

A tétel rövid nézete
dc.contributor.advisorGáll, József Mihály
dc.contributor.authorPetneházi, Gábor
dc.contributor.departmentMatematika- és számítástudományok doktori iskolahu
dc.contributor.submitterdepDE--Informatikai Kar -- Alkalmazott Matematika és Valószínűségszámítás Tanszék
dc.date.accessioned2021-06-30T13:26:29Z
dc.date.available2021-06-30T13:26:29Z
dc.date.defended2022-02-14
dc.date.issued2021
dc.description.abstractA gyors ütemben fejlődő gépi tanulás új eszközöket szolgáltat az idősor-előrejelzés számára. Bizonyos mély neurális hálózatok különösen jól alkalmazhatók szekvenciális adatok elemzésére (mint például az idősorok). A disszertáció első része bemutat két ilyen hálózattípust (rekurrens és konvolúciós neurális hálózatokat), és a legfontosabb szempontokat azok előrejelzésre való alkalmazása kapcsán. A második rész a módszerek empirikus alkalmazásait ismerteti a pénzügyi előrejelzések (kockázat, illetve mortalitás előrejelzése) területén.hu_HU
dc.description.abstractThe quickly evolving field of machine learning delivers powerful tools for time series forecasting. Certain deep neural network architectures are particularly well-suited to sequential data (such as time series). The first part of the dissertation describes two such architectures (recurrent and convolutional neural networks), together with the most important considerations regarding their applications to forecasting. The second part describes empirical applications in the field of financial time series forecasting: risk forecasting and mortality forecasting.hu_HU
dc.description.correctorhbk
dc.format.extent106hu_HU
dc.identifier.urihttp://hdl.handle.net/2437/319900
dc.language.isohuhu_HU
dc.language.isoenhu_HU
dc.subjectdeep learninghu_HU
dc.subjectmélytanuláshu_HU
dc.subjecttime series forecastinghu_HU
dc.subjectidősor-előrejelzéshu_HU
dc.subjectfinancehu_HU
dc.subjectpénzügyhu_HU
dc.subject.disciplineMatematika- és számítástudományokhu
dc.subject.sciencefieldTermészettudományokhu
dc.titleDeep Learning for Time Series Forecasting with Applications to Financehu_HU
dc.title.translatedIdősor-előrejelzés mélytanulással, pénzügyi alkalmazásokkalhu_HU
dc.typePhD, doktori értekezéshu
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 3 (Összesen 3)
Bélyegkép
Név:
Dissertation.pdf
Méret:
1.47 MB
Formátum:
Adobe Portable Document Format
Leírás:
Dissertation
Letöltés
Bélyegkép
Név:
Tezisfuzet.pdf
Méret:
1.36 MB
Formátum:
Adobe Portable Document Format
Leírás:
Tézisfüzet
Letöltés
Bélyegkép
Név:
Petneházi_Gábor_meghívó.pdf
Méret:
571.03 KB
Formátum:
Adobe Portable Document Format
Letöltés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
1.93 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Matematika- és Számítástudományok Doktori Iskola