dc.contributor.author |
Bouteska, Ahmed
|
cze |
dc.contributor.author |
Hájek, Petr
|
cze |
dc.contributor.author |
Fisher, Ben
|
cze |
dc.contributor.author |
Abedin, Mohammad Zoynul
|
cze |
dc.date.accessioned |
2024-08-24T07:22:54Z |
|
dc.date.available |
2024-08-24T07:22:54Z |
|
dc.date.issued |
2023 |
eng |
dc.identifier.issn |
0275-5319 |
eng |
dc.identifier.uri |
https://hdl.handle.net/10195/83743 |
|
dc.description.abstract |
This paper aims to develop an artificial neural network-based forecasting model employing a nonlinear focused time-delayed neural network (FTDNN) for energy commodity market forecasts. To validate the proposed model, crude oil and natural gas prices are used for the period 2007-2020, including the Covid-19 period. Empirical findings show that the FTDNN model outperforms existing baselines and artificial neural network-based models in forecasting West Texas Intermediate and Brent crude oil prices and National Balancing Point and Henry Hub natural gas prices. As a result, we demonstrate the predictability of energy commodity prices during the volatile crisis period, which is attributed to the flexibility of the model parameters, implying that our study can facilitate a better understanding of the dynamics of commodity prices in the energy market. |
eng |
dc.format |
p. 101863 |
eng |
dc.language.iso |
eng |
eng |
dc.publisher |
Elsevier Science BV |
eng |
dc.relation.ispartof |
Research in International Business and Finance, volume 64, issue: January |
eng |
dc.rights |
Práce není přístupná |
eng |
dc.subject |
Energy market |
eng |
dc.subject |
Natural gas |
eng |
dc.subject |
Crude oil |
eng |
dc.subject |
Nonlinear focused time-delayed neural network |
eng |
dc.subject |
Energetický trh |
cze |
dc.subject |
zemní plyn |
cze |
dc.subject |
ropa |
cze |
dc.subject |
nelineární neuronová síť s časovým zpožděním |
cze |
dc.title |
Nonlinearity in forecasting energy commodity prices: Evidence from a focused time-delayed neural network |
eng |
dc.title.alternative |
Nelinearita při předpovídání cen energetických komodit: Důkazy z neuronové sítě s cíleným časovým zpožděním |
cze |
dc.type |
article |
eng |
dc.description.abstract-translated |
Cílem tohoto článku je vyvinout predikční model založený na umělé neuronové síti využívající nelineární neuronovou síť s časovým zpožděním (FTDNN) pro předpovědi trhu s energetickými komoditami. K ověření navrhovaného modelu jsou použity ceny ropy a zemního plynu pro období 2007-2020, včetně období Covid-19. Empirická zjištění ukazují, že model FTDNN překonává stávající základní modely a modely založené na umělých neuronových sítích při předpovídání cen ropy West Texas Intermediate a Brent a cen zemního plynu National Balancing Point a Henry Hub. V důsledku toho prokazujeme předvídatelnost cen energetických komodit během volatilního krizového období, což přisuzujeme flexibilitě parametrů modelu, z čehož vyplývá, že naše studie může usnadnit lepší pochopení dynamiky cen komodit na trhu s energiemi. |
cze |
dc.peerreviewed |
yes |
eng |
dc.publicationstatus |
postprint |
eng |
dc.identifier.doi |
10.1016/j.ribaf.2022.101863 |
eng |
dc.relation.publisherversion |
https://www.sciencedirect.com/science/article/pii/S0275531922002495?via%3Dihub |
eng |
dc.identifier.wos |
000916569300001 |
eng |
dc.identifier.scopus |
2-s2.0-85144919650 |
eng |
dc.identifier.obd |
39889263 |
eng |