J 2025

Optimizing Precious Metal Price Forecasting with Hybrid Deep Learning Models: An Operational Research Perspective

KAYATHINGAL, Harinarayanan; Marek VOCHOZKA a Zuzana ROWLAND

Základní údaje

Originální název

Optimizing Precious Metal Price Forecasting with Hybrid Deep Learning Models: An Operational Research Perspective

Vydání

Acta Montanistica Slovaca, 2025, 1335-1788

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

50200 5.2 Economics and Business

Stát vydavatele

Slovensko

Utajení

není předmětem státního či obchodního tajemství

Odkazy

Impakt faktor

Impact factor: 1.400 v roce 2024

Označené pro přenos do RIV

Ano

Kód RIV

RIV/75081431:_____/25:00002900

Organizační jednotka

Vysoká škola technická a ekonomická v Českých Budějovicích

EID Scopus

Klíčová slova anglicky

Correlation; Neural Network; Prediction; LSTM; CNN; MLP; Gold; Silver; Palladium

Štítky

Změněno: 12. 8. 2025 10:28, Ing. Barbora Langšádlová

Anotace

V originále

In the current study, Wolfram Mathematica is employed to study the application of seven deep neural network architectures in predicting precious metal prices: LSTM, CNN, MLP, MLP-CNN, MLP-LSTM, LSTM-CNN, and LSTM-CNN-LSTM. We will utilize a daily price series over ten years for gold, silver, and platinum. Model performances were evaluated using RMSE, MAPE, and RMSE metrics.

Přiložené soubory