GARCH-Informed神经网络用于金融市场波动率预测
计算金融
2024-10-02 v1 机器学习
摘要
波动率指的是收益率的离散程度，作为风险衡量标准，广泛用于定价和区分不同金融投资品种。因此，准确的波动率预测受到广泛关注。广义自回归条件异方差（GARCH）模型及其后续变体是股票波动率预测中成熟的模型。近期来，深度学习模型因在特定时间序列预测任务中展现出悦目的准确性而日益流行。灵感来源于物理信息神经网络（PINN），我们构建了一种新型混合深度学习模型，将GARCH模型的优势与长短期记忆（LSTM）深度神经网络（DNN）的灵活性相结合，从而更准确地捕捉和预测市场波动率。我们将这种新型模型称为GARCH-Informed神经网络（GINN）。在与其他时间序列模型进行比较时，GINN在决定系数（）、均方误差（MSE）和平均绝对误差（MAE）等指标上表现优异。
引用
@article{arxiv.2410.00288,
title = {GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets},
author = {Zeda Xu and John Liechty and Sebastian Benthall and Nicholas Skar-Gislinge and Christopher McComb},
journal= {arXiv preprint arXiv:2410.00288},
year = {2024}
}