Συλλογές
Τίτλος Value at risk in cryptocurrency: machine learning
Εναλλακτικός τίτλος Aξία σε κίνδυνο σε κρυπτονομίσματα: μηχανική μάθηση
Δημιουργός Μποζιώρη, Ιωάννα, Boziori, Ioanna
Συντελεστής Athens University of Economics and Business, Department of Economics
Tzavalis, Elias
Antoniou, Fabio
Dendramis, Yiannis
Τύπος Text
Φυσική περιγραφή 75p.
Γλώσσα en
Αναγνωριστικό http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=10248
Περίληψη The research underlines the major originality of the proposed architecture, which ensures the reliability of deep learning model predictions regardless of the time series data utilised.The majority of time series prediction approaches in the scientific literature employ machine learning and deep learning algorithms to surpass existing or suggested benchmarks. As a result of globalization, economic integration, and the advent of electronic currencies, the global financial system is undergoing a period of transformation to an unprecedented level of development.
Η έρευνα υπογραμμίζει τη βασική πρωτοτυπία της προτεινόμενης αρχιτεκτονικής, η οποία διασφαλίζει την αξιοπιστία των προβλέψεων μοντέλων βαθιάς μάθησης ανεξάρτητα από τα δεδομένα χρονοσειρών που χρησιμοποιούνται.Οι περισσότερες προσεγγίσεις πρόβλεψης χρονοσειρών στην επιστημονική βιβλιογραφία χρησιμοποιούν αλγόριθμους μηχανικής μάθησης και βαθιάς μάθησης για να ξεπεράσουν τα υπάρχοντα ή προτεινόμενα σημεία αναφοράς.Ως αποτέλεσμα της παγκοσμιοποίησης, της οικονομικής ολοκλήρωσης και της έλευσης των ηλεκτρονικών νομισμάτων, το παγκόσμιο χρηματοπιστωτικό σύστημα διέρχεται μια περίοδο μετασχηματισμού σε ένα άνευ προηγουμένου επίπεδο ανάπτυξης.
Λέξη κλειδί Κρυπτονομίσματα
Μηχανική μάθηση
Αξία σε κίνδυνο
Cryptocurrency
Machine learning (ML)
Value at Risk (VaR)
Διαθέσιμο από 2023-03-21 14:07:16
Ημερομηνία έκδοσης 28-02-2023
Ημερομηνία κατάθεσης 2023-03-21 14:07:16
Δικαιώματα χρήσης Free access
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/