این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Numerical Analysis and Optimization، جلد ۱۳، شماره ۱، صفحات ۱۹-۳۷
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Finding an efficient machine learning predictor for lesser liquid credit default swaps in equity markets
چکیده انگلیسی مقاله To solve challenges occurred in the existence of large sets of data, recent improvements of machine learning furnish promising results. Here to pro-pose a tool for predicting lesser liquid credit default swap (CDS) rates in the presence of CDS spreads over a large period of time, we investigate different machine learning techniques and employ several measures such as the root mean square relative error to derive the best technique, which is useful for this type of prediction in finance. It is shown that the nearest neighbor is not only efficient in terms of accuracy but also desirable with respect to the elapsed time for running and deploying on unseen data.
کلیدواژه‌های انگلیسی مقاله Credit default swap (CDS), Machine learning, prediction, Liquidity, spread
نویسندگان مقاله F. Soleymani |
Department of Mathematics, Institute for Advanced Studies in Basic Sciences (IASBS), Zanjan 45137-66731, Iran.

نشانی اینترنتی https://ijnao.um.ac.ir/article_41947_9f637cef0bc2b1e7536d3f1002dc6041.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات