연구동향 분석

시계열 분해와 하이브리드 순환신경망 기반 스프레드 예측: 국제 에너지 선물 시장을 중심으로

김민경 황수정 김하영 2022년

논문상세정보
인용/피인용
' 시계열 분해와 하이브리드 순환신경망 기반 스프레드 예측: 국제 에너지 선물 시장을 중심으로' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • Energy Futures
  • Keywords：Spread Trading
  • Spread Prediction
  • Time-series Decomposition
  • rnn
  • 스프레드 예측
  • 시계열 분해
  • 에너지 선물
  • 주제어：스프레드 트레이딩
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
139 0

0.0%

' 시계열 분해와 하이브리드 순환신경망 기반 스프레드 예측: 국제 에너지 선물 시장을 중심으로' 의 참고문헌

  • 페어트레이딩 전략의 수익성 연구 : 해외 선물시장을 중심으로
    김범수 [2016]
  • 주가지수 선물의 가격 비율에 기반한 차익거래 투자전략을 위한 페어트레이딩 규칙 개발
    김영민 [2014]
  • 주가 추세요인의 추출방법과 수익성 분석
    고봉찬 [2021]
  • 제1장: 셰일혁명과 신국제 에너지 질서
    김연규 [2015]
  • 시계열 분석 이론 및 SAS 실습
    이상열 [2013]
  • 비대칭 오차수정모형을 활용한 유가와 주가지수의 관계 분석: 유가증권시장을 중심으로
    김상배 [2019]
  • 리포트-제 2 의 셰일혁명은 무엇이 다른가?
    진우성 [2017]
  • 구조적 변화 감지 과정이 포함된 페어트레이딩 알고리즘의 성과분석
    정인곤 [2017]
  • pmdarima: ARIMA Estimators for Python
  • WHO, 코로나19 팬데믹 선언
  • Trading Futures Spreads: An Application of Correlation and Threshold Filters
  • Time Series Forecasting Using Hybrid ARIMA and ANN Models Based on DWT Decomposition
  • Stock Price Correlation Coefficient Prediction with ARIMA-LSTM Hybrid Model
  • Stock Prediction Using Hybrid ARIMA and GRU Models
  • Seasonal and Trend Forecasting of Tourist Arrivals: An Adaptive Multiscale Ensemble Learning Approach
  • STL: A Seasonal-Trend Decomposition Procedure Based on Loess (With Discussion)
  • SAS/ ETS를 이용한 시계열자료분석 I
    박유성 [2002]
  • RobustSTL: A Robust Seasonal-Trend Decomposition Algorithm for Long Time Series
    Wen, Q [2019]
  • Robust Regression Shrinkage and Consistent Variable Selection Through the Lad-Lasso
    Wang, H. [2007]
  • Price Spread and Convenience Yield Behaviour in the International Oil Market
  • Prediction of Financial Time Series Using LSTM and Data Denoising Methods
  • Prediction and Improved Estimation in Linear Models
    Bibby, J. [1977]
  • Physical Markets, Paper Markets and the WTI-Brent Spread
  • Pairs trading: Performance of a relative-value arbitrage rule
    Gatev, E. [2006]
  • Optuna: A Next-Generation Hyperparameter Optimization Framework
    Akiba, T. [2019]
  • Normalization: A Preprocessing Stage
  • Mean absolute percentage error for regression models
  • Long short-term Memory
  • Learning phrase representations using RNN encoder-decoder for statistical machine translation
  • Introduction to Crack Spreads
  • International Crude Oil Market Handbook
  • Improving Artificial Neural Networks’ Performance in Seasonal Time Series Forecasting
  • Hybrid Deep Reinforcement Learning for Pairs Trading
    Kim, S. -H. [2022]
  • Hudson and Thames
  • Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
    Géron, A [2019]
  • Forecasting: Principles and Practice
  • Forecasting Stock Market Indices Using Padding-Based Fourier Transform Denoising and Time Series Deep Learning Models
    Song, D. [2021]
  • Forecasting Seasonals and Trends by Exponentially Weighted Moving Averages
    Holt, C. C [1957]
  • Feedforward Ankle Strategy of Balance during Quiet Stance in Adults
    Gatev, P. [1999]
  • Distribution of the estimators for autoregressive time series with a unit root
  • Deep Reinforcement Learning Pairs Trading with a Double Deep Q-Network
    Brim, A. [2020]
  • Carbon Futures Price Forecasting Based With ARIMA-CNN-LSTM Model
    Ji, L [2019]
  • Analysis of Selected Seasonality Effects in Markets of Futures Contracts With the Following Underlying Instruments: Crude Oil, Brent Oil, Heating Oil, Gas Oil, Natural Gas, Feeder Cattle, Live Cattle, Lean Hogs and Lumber
  • A Deep Learning Framework for Financial Time Series Using Stacked Autoencoders and Long-Short Term Memory
    Bao, W. [2017]
  • A Comparison of LSTM and GRU Networks for Learning Symbolic Sequences