A Finite Mixture GARCH Approach with EM Algorithm for Energy Forecasting Applications

Enhancing forecasting performance in terms of both the expected mean value and variance has been a critical challenging issue for energy industry. In this paper, the novel methodology of finite mixture Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) approach with Expectation–Maximi...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Energies (Basel) Ročník 14; číslo 9; s. 2352
Hlavní autoři:	Zhang, Yang, Peng, Yidong, Qu, Xiuli, Shi, Jing, Erdem, Ergin
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Basel MDPI AG 01.05.2021
Témata:	Algorithms Alternative energy sources COVID-19 Electricity EM algorithm finite mixture Forecasting GARCH Literature reviews Neural networks Parameter estimation Performance evaluation Prices Renewable resources Stochastic models Time series Volatility wind energy Wind farms Wind power wind speed
ISSN:	1996-1073, 1996-1073
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!