SpotV2Net：基于波动率之波动率信息的图注意力网络进行多元日内现货波动率预测
统计金融
2025-01-14 v4 计算金融
摘要
本文介绍了SpotV2Net，一个基于图注意力网络架构的多元日内现货波动率预测模型。SpotV2Net将资产表示为图中的节点，并将现货波动率和协波动率的非参数高频傅里叶估计作为节点特征。此外，它还将波动率的波动率及协波动率的波动率的傅里叶估计作为节点边的特征，以捕捉溢出效应。我们利用道琼斯工业平均指数的成分股进行了一项广泛的实证研究，测试了SpotV2Net的预测准确性。所得结果表明，与面板异质自回归模型和其他机器学习模型相比，SpotV2Net在单步和多步预测中均能产生统计上显著的预测准确性提升。为了解释SpotV2Net产生的预测，我们采用了与模型无关的可解释性工具GNNExplainer \citep{ying2019gnnexplainer}，从而揭示了对于节点预测至关重要的子图。
引用
@article{arxiv.2401.06249,
title = {SpotV2Net: Multivariate Intraday Spot Volatility Forecasting via Vol-of-Vol-Informed Graph Attention Networks},
author = {Alessio Brini and Giacomo Toscano},
journal= {arXiv preprint arXiv:2401.06249},
year = {2025}
}
备注
33 pages, 5 figures. Accepted on the International Journal of Forecasting