Fitting and Forecasting Brent and WTI future prices curve using Machine Learning/ (Record no. 38821)

MARC details
000 -LEADER
fixed length control field 02173n a2200289#a 4500
001 - CONTROL NUMBER
control field 40180
003 - CONTROL NUMBER IDENTIFIER
control field P5A
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20230123132003.0
007 - PHYSICAL DESCRIPTION FIXED FIELD--GENERAL INFORMATION
fixed length control field cr cuuuuuauuuu
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field 210928s2021 bl por d
035 ## - SYSTEM CONTROL NUMBER
System control number ocm51338542
040 ## - CATALOGING SOURCE
Original cataloging agency P5A
Transcribing agency P5A
090 ## - IMPA CODE FOR CLASSIFICATION SHELVES
IMPA CODE FOR CLASSIFICATION SHELVES Teses do IMPA
100 1# - MAIN ENTRY--PERSONAL NAME
Personal name Figueiredo Neto, Mario de Mello
9 (RLIN) 1278
245 10 - TITLE STATEMENT
Title Fitting and Forecasting Brent and WTI future prices curve using Machine Learning/
Statement of responsibility, etc. Mario Figueiredo.
260 ## - PUBLICATION, DISTRIBUTION, ETC.
Place of publication, distribution, etc. Rio de Janeiro:
Name of publisher, distributor, etc. IMPA,
Date of publication, distribution, etc. 2021.
300 ## - PHYSICAL DESCRIPTION
Extent video online
500 ## - GENERAL NOTE
General note Defesa de Tese - Dissertação de Mestrado.
500 ## - GENERAL NOTE
General note Banca examinadora: Yuri Saporito (IMPA-FGV) Paulo Orenstein (IMPA) Fernando Aiube (UERJ) Suplente: Rodrigo Targino (IMPA-FGV)
505 1# - FORMATTED CONTENTS NOTE
Formatted contents note Resumo: Nesse trabalho, nós ajustamos os modelos Nelson-Siegel dinâmico e Schwartz-Smith de três fatores à curva de preços futuros do Brent e do WTI. Também estudamos a previsão de preços um dia à frente para toda a curva para cada modelo. Para isso, utilizamos duas abordagens diferentes: por OLS (minimização do erro quadrático) e por Filtragem. Para o modelo Nelson- Siegel dinâmico, nós utilizamos o passeio aleatório, o VAR e modelos baseados em LSTM, incluindo uma versão de LSTM com filtragem (LSTM-KF). Para o modelo de Schwartz-Smith de três fatores, utilizamos as equações que são dadas pelo modelo, assumindo não arbitragem. Nós também testamos um método de previsão a partir da curva diretamente, a que referimos como Basic Model. Nós mostramos que o modelo de Nelson-Siegel dinâmico foi o melhor no ajuste de dados em comparação com o de Schwartz-Smith e que a utilização de LSTM na abordagem OLS gerou as melhores previsões .
650 04 - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element Matematica.
Source of heading or term larpcal
9 (RLIN) 19899
697 ## - LOCAL SUBJECT
Local Subject Teses do IMPA
Linkage 24311
700 1# - ADDED ENTRY--PERSONAL NAME
Personal name Saporito, Yuri
Affiliation (IMPA)
Relator term orientador
9 (RLIN) 8522
711 2# - ADDED ENTRY--MEETING NAME
Meeting name or jurisdiction name as entry element Defesa de Tese
9 (RLIN) 10070
856 4# - ELECTRONIC LOCATION AND ACCESS
Public note VIDEO
Uniform Resource Identifier <a href="https://bit.ly/3kLr2M7">https://bit.ly/3kLr2M7</a>
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Source of classification or shelving scheme Instituto de Matemática Pura e Aplicada
Koha item type VIDEO

No items available.

© 2023 IMPA Library | Customized & Maintained by Sérgio Pilotto


Powered by Koha