基于深度学习的上证综指波动率预测效果比较研究

摘要：

在高频波动率预测领域,首次运用深度学习对波动率进行样本外预测,以提高波动率预测精度,并将预测结果与19种经典模型作对比以评价预测效果.研究发现:深度学习在5种损失函数下预测精度都排第1.与排名第2的对比模型相比,预测精度在不同损失函数下最大提升13.16%,最小提升9.72%.最后,深度学习受关键参数历史天数变化影响较小,在大多数历史天数下,LSTM模型在检验模型中预测效果依旧最好,而且随着历史天数的增加,模型的预测效果趋于稳定.

关键词：深度学习、LSTM模型、已实现波动率模型

所属期刊栏目：33

分类号：F830(金融、银行)

资助基金：国家社会科学基金重点项目《我国创新驱动转型发展评价指数的构建与应用研究》16ATJ004

在线出版日期：2018-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：99-106