神经广义自回归条件异方差模型
机器学习
2022-02-24 v1 统计金融
机器学习
摘要
我们提出 Neural GARCH，一类用于建模金融时间序列条件异方差的方法。Neural GARCH 是单变量情形下 GARCH 1,1 模型以及多变量情形下对角 BEKK 1,1 模型的神经网络适配。我们允许 GARCH 模型的系数随时间变化，以反映金融市场不断变化的动态。时变系数由以随机梯度变分贝叶斯训练的循环神经网络参数化。我们提出模型的两种变体，一种具有正态新息，另一种具有学生 t 新息。我们在广泛的单变量与多变量金融时间序列上测试了模型，发现 Neural 学生 t 模型始终优于其他模型。
引用
@article{arxiv.2202.11285,
title = {Neural Generalised AutoRegressive Conditional Heteroskedasticity},
author = {Zexuan Yin and Paolo Barucca},
journal= {arXiv preprint arXiv:2202.11285},
year = {2022}
}