使用可解释Kolmogorov-Arnold网络预测VIX
机器学习
2025-02-04 v1 人工智能
计算工程、金融与科学
摘要
本文提出了使用Kolmogorov-Arnold网络（KAN）对CBOE波动率指数（VIX）进行预测。与传统基于多层感知机（MLP）的神经网络相比，后者常因其黑箱本质而受到批评，而KAN通过可学习的样条基函数和符号化方法提供了可解释性。基于简洁的架构，KAN以闭式形式表达VIX的预测，并就VIX的关键特征（包括均值回归和杠杆效应）提供可解释的见解。通过对多个数据集和时期的深入实证分析，我们展示KAN在预测性能上与MLP-based神经网络模型相当，同时所需参数显著更少。我们的发现表明，KAN作为一种可解释的金融时间序列预测方法具有一定的能力和潜力。
引用
@article{arxiv.2502.00980,
title = {Forecasting VIX using interpretable Kolmogorov-Arnold networks},
author = {So-Yoon Cho and Sungchul Lee and Hyun-Gyoon Kim},
journal= {arXiv preprint arXiv:2502.00980},
year = {2025}
}