机器学习、混合与深度学习预测模型的比较分析：来自欧洲金融市场与比特币的证据
统计金融
2023-07-26 v1 计量经济学
风险管理
摘要
本研究分析了在涵盖疫情前、疫情期间和疫情后的较长时期内，市场不确定性对欧洲关键金融市场与加密货币市场的传导。使用每日金融市场指数与价格观测来评估预测模型。我们比较了统计、机器学习和深度学习预测模型以评估金融市场，例如ARIMA、混合ETS-ANN和kNN预测模型。研究结果表明，预测金融市场波动具有挑战性，且在若干情形下准确度普遍较低。与kNN模型相比，ARIMA和混合ETS-ANN模型在较长时期内表现更好，其中ARIMA在2018–2021年表现最佳，混合ETS-ANN模型在大多数其他子时期表现最佳。不过，取决于所观测的准确度度量，kNN模型在若干时期内优于其他模型。研究者提倡使用参数与非参数建模组合以产生更好的结果。本研究中，结果表明混合ETS-ANN模型虽准确度中等，却是最佳表现模型。因此，混合ETS-ANN模型是一种有前景的金融时间序列预测方法。研究结果为金融分析师提供了可为其投资决策提供有价值见解的额外来源。
引用
@article{arxiv.2307.08853,
title = {Comparative Analysis of Machine Learning, Hybrid, and Deep Learning Forecasting Models Evidence from European Financial Markets and Bitcoins},
author = {Apostolos Ampountolas},
journal= {arXiv preprint arXiv:2307.08853},
year = {2023}
}