2025
Optimizing Precious Metal Price Forecasting with Hybrid Deep Learning Models: An Operational Research Perspective
KAYATHINGAL, Harinarayanan; Marek VOCHOZKA a Zuzana ROWLANDZákladní 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.