In this paper we focus on the use of Extreme Learning Machines (ELMs) to appropriately capture the nonlinear dynamics of the range based estimators. The results on all the assets in the S&P500 index show that ELMs produce residuals without neglected nonlinearities

Exploring Non Linear Structures in Range-Based Volatility Time Series

Michele La Rocca;Cira Perna
2022

Abstract

In this paper we focus on the use of Extreme Learning Machines (ELMs) to appropriately capture the nonlinear dynamics of the range based estimators. The results on all the assets in the S&P500 index show that ELMs produce residuals without neglected nonlinearities
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11386/4783126
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact