基于双重XGBoost模型的农产品期货波动率预测——以玉米期货为例

摘要：

农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用.对波动率进行预测,投资者可以依据波动率预测结果,对预期可能面临的风险采取相应的应对策略,更加精准地进行农产品风险管理.但波动率预测领域存在如下挑战:①波动率的预测期限较短,仅为1天或3天,难以反映资产在未来较长时间的价格波动率情况;②以往研究多关注于价格等信息,在波动率预测中对于基本面信息考虑较少;③ 神经网络、深度学习等预测模型的可解释性较差,网络构建和超参数的选择多依赖于经验选择.本文提出了一个基于XGBoost模型的波动率预测框架,考虑价格和基本面数据,对于波动率的长期趋势和短期变化进行了分析.实证结果表明,加入了更多信息维度的模型有助于提升波动率预测的精度,相比于传统的GARCH模型,均方误差MSE缩小了 35％以上.

关键词：农产品期货、机器学习、波动率预测、XGBoost模型

所属期刊栏目：32

分类号：F224;F832.5(经济计算、经济数学方法)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：332-342