par KeAi Communications Co.
Dans un nouveau étude Publié dans Le Journal de la Finance et de la Science des Donnéesun chercheur de l’International School of Business de l’Université des sciences appliquées HAN aux Pays-Bas a présenté la théorie de la dépendance topologique extrême, une nouvelle méthodologie permettant de prédire la volatilité des marchés boursiers en période de turbulences.
« La recherche comble le fossé entre le domaine abstrait de la topologie et le monde pratique de la finance. Ce qui est vraiment passionnant, c’est que cette fusion nous a fourni un outil puissant pour mieux comprendre et prédire le comportement des marchés boursiers en période de turbulences », a déclaré Hugo Gobato Souto. , seul auteur de l’étude.
Grâce à des tests empiriques, Souto a démontré que l’incorporation d’informations d’homologie persistante (PH) améliore considérablement la précision des modèles de réseaux non linéaires et neuronaux dans la prévision de la volatilité des marchés boursiers pendant les périodes de turbulences.
« Ces résultats signalent un changement significatif dans le monde des prévisions financières, offrant des outils plus fiables aux investisseurs, aux institutions financières et aux économistes », a ajouté Souto.
Notamment, l’approche contourne la barrière de la dimensionnalité, ce qui la rend particulièrement utile pour détecter des corrélations complexes et des modèles non linéaires qui échappent souvent aux méthodes conventionnelles.
« C’était fascinant d’observer les améliorations constantes de la précision des prévisions, en particulier pendant la crise de 2020 », a déclaré Souto.
Les résultats ne se limitent pas à un type spécifique de modèle. Il couvre différents modèles, des modèles de réseaux neuronaux linéaires aux non linéaires, et même avancés. Ces résultats ouvrent la porte à de meilleures prévisions financières à tous les niveaux.
« Les résultats confirment la validité de la théorie et encouragent la communauté scientifique à approfondir cette nouvelle intersection passionnante des mathématiques et de la finance », a conclu Souto.
Plus d’information:
Hugo Gobato Souto, Dépendance topologique de la queue : preuves de la prévision de la volatilité réalisée, Le Journal de la Finance et de la Science des Données (2023). DOI : 10.1016/j.jfds.2023.100107
Fourni par KeAi Communications Co.