基于百度搜索量的 LSTM 网络预测沪深300波动率
统计金融
2018-05-31 v1 机器学习
机器学习
摘要
金融市场的剧烈波动影响全球人类。因此,相对准确地预测波动率至关重要。我们认为,人类与互联网交互产生的大量数据源可能为市场参与者在大市场运动时期的行为提供新视角。我们首先选取与金融相关的 28 个关键词作为公众情绪与宏观经济因素的指标。然后手动收集了 2006 年 6 月 1 日至 2017 年 10 月 29 日期间基于百度指数的这 28 个词的日搜索量。我们应用长短期记忆(LSTM)神经网络利用这些搜索量数据预测沪深300波动率。与基准 GARCH 模型相比,我们的预测更准确,证明了 LSTM 神经网络在波动率预测中的有效性。
引用
@article{arxiv.1805.11954,
title = {Long Short-Term Memory Networks for CSI300 Volatility Prediction with Baidu Search Volume},
author = {Yu-Long Zhou and Ren-Jie Han and Qian Xu and Wei-Ke Zhang},
journal= {arXiv preprint arXiv:1805.11954},
year = {2018}
}
备注
7 pages, 3 figures, 2 tables. arXiv admin note: text overlap with arXiv:1512.04916 by other authors