Un nuevo marco de pronóstico determinista probabilístico para el precio del oro con un nuevo índice de pandemia basado en aprendizaje profundo de regresión cuantil y optimización multiobjetivo
Autores: Wang, Yan; Lin, Tong
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un nuevo marco de pronóstico determinista probabilístico para el precio del oro con un nuevo índice de pandemia basado en aprendizaje profundo de regresión cuantil y optimización multiobjetivo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Pronóstico del precio del oro
Atributos financieros
Incertidumbres del mercado
Aversión al riesgo del inversor
COVID-19
Problemas geopolíticos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La importancia de pronosticar con precisión el precio del oro se acentúa por sus atributos financieros, reflejando las condiciones económicas globales, las incertidumbres del mercado y la aversión al riesgo de los inversores. Sin embargo, predecir el precio del oro es desafiante debido a su volatilidad inherente, influenciada por múltiples factores, como COVID-19, crisis financieras, problemas geopolíticos y fluctuaciones en otros metales y precios de energía. Estas complejidades a menudo conducen a series temporales no estacionarias, lo que hace que los métodos tradicionales de modelado de series temporales sean inadecuados. Nuestro documento presenta un algoritmo de optimización multiobjetivo que perfecciona el marco de predicción de intervalos con aprendizaje profundo de regresión cuantil en respuesta a este problema. Este marco responde de manera integral a la dinámica del mercado financiero del oro y a las incertidumbres con un proceso de selección de varios factores, incluidos índices relacionados con la pandemia, índices geopolíticos, el índice del dólar estadounidense y precios de varios productos básicos. Los modelos de aprendizaje profundo de regresión cuantil optimizados por algoritmos de optimización multiobjetivo ofrecen predicciones sólidas, interpretables y altamente precisas para manejar relaciones no lineales y estructuras de datos complejas, y mejorar el rendimiento predictivo general. Los resultados demuestran que el modelo QRBiLSTM, optimizado usando el algoritmo MOALO, ofrece un excelente rendimiento de pronóstico. El indicador compuesto AIS alcanza -15.6240 y -11.5581 en niveles de confianza del 90% y 95%, respectivamente. Esto subraya la alta precisión de pronóstico del modelo y su potencial para ofrecer ideas valiosas para evaluar las tendencias futuras en los precios del oro. El marco de pronóstico determinista y probabilístico para los precios del oro captura la dinámica del mercado con el nuevo índice de pandemia y establece de manera integral un nuevo punto de referencia para el modelado predictivo en productos básicos de mercado volátiles como el oro.
Descripción
La importancia de pronosticar con precisión el precio del oro se acentúa por sus atributos financieros, reflejando las condiciones económicas globales, las incertidumbres del mercado y la aversión al riesgo de los inversores. Sin embargo, predecir el precio del oro es desafiante debido a su volatilidad inherente, influenciada por múltiples factores, como COVID-19, crisis financieras, problemas geopolíticos y fluctuaciones en otros metales y precios de energía. Estas complejidades a menudo conducen a series temporales no estacionarias, lo que hace que los métodos tradicionales de modelado de series temporales sean inadecuados. Nuestro documento presenta un algoritmo de optimización multiobjetivo que perfecciona el marco de predicción de intervalos con aprendizaje profundo de regresión cuantil en respuesta a este problema. Este marco responde de manera integral a la dinámica del mercado financiero del oro y a las incertidumbres con un proceso de selección de varios factores, incluidos índices relacionados con la pandemia, índices geopolíticos, el índice del dólar estadounidense y precios de varios productos básicos. Los modelos de aprendizaje profundo de regresión cuantil optimizados por algoritmos de optimización multiobjetivo ofrecen predicciones sólidas, interpretables y altamente precisas para manejar relaciones no lineales y estructuras de datos complejas, y mejorar el rendimiento predictivo general. Los resultados demuestran que el modelo QRBiLSTM, optimizado usando el algoritmo MOALO, ofrece un excelente rendimiento de pronóstico. El indicador compuesto AIS alcanza -15.6240 y -11.5581 en niveles de confianza del 90% y 95%, respectivamente. Esto subraya la alta precisión de pronóstico del modelo y su potencial para ofrecer ideas valiosas para evaluar las tendencias futuras en los precios del oro. El marco de pronóstico determinista y probabilístico para los precios del oro captura la dinámica del mercado con el nuevo índice de pandemia y establece de manera integral un nuevo punto de referencia para el modelado predictivo en productos básicos de mercado volátiles como el oro.