Combination of forecasts from ARIMA, Neural Networks and Hybrid models

Abstract

Lo scopo della tesi è mostrare se una combinazione di previsioni di diversi tipi di modelli possa migliorare le capacità predittive rispetto ai modelli presi separatamente. Sono state utilizzate tre diverse classi di modelli: modelli ARIMA-GARCH, reti neurali e una ibridazione tra queste due classi. La combinazione delle previsioni di queste diverse classi cerca di estrarne le capacità uniche nello spiegare una serie storica, andando oltre la generalizzazione fornita da un unico modello ibrido. Viene presentata una applicazione sulla previsione dell'indice VIX.