荷兰HAN应用科学大学国际商学院的研究人员在《金融与数据科学杂志》发表的一项新研究中介绍了拓扑尾部依赖理论——一种预测动荡时期股市波动的新方法。

雨果·戈巴托·苏托(HugoGobatoSouto)表示：“这项研究弥合了拓扑学抽象领域与金融实际世界之间的差距。真正令人兴奋的是，这次合并为我们提供了一个强大的工具，可以更好地理解和预测动荡时期的股票市场行为。”，该研究的唯一作者。

通过实证测试，Souto证明，持久同源(PH)信息的结合可显着提高非线性和神经网络模型在预测动荡时期股市波动时的准确性。

苏托补充道：“这些发现标志着金融预测领域的重大转变，为投资者、金融机构和经济学家提供了更可靠的工具。”

值得注意的是，该方法避开了维数障碍，使其特别适用于检测传统方法通常无法解决的复杂相关性和非线性模式。

“观察预测准确性的持续提高是令人着迷的，特别是在2020年危机期间，”Souto说。

研究结果并不局限于一种特定类型的模型。它跨越各种模型，从线性到非线性，甚至高级神经网络模型。这些发现为全面改进财务预测打开了大门。

苏托总结道：“研究结果证实了该理论的有效性，并鼓励科学界更深入地研究数学和金融这一令人兴奋的新交叉点。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：