当美联储发声时：波动率曲面的动态与预测

我们的主要目标是预测并实证检验隐含波动率（IV）曲面的演变，特别关注联邦公开市场委员会（FOMC）预定会议的日期。首先，我们检验IV是否在公告前上升，以及这种效应在高波动率机制下对短期、价外（OTM）期权是否更强。在第二部分，我们将焦点转向验证机器学习（ML）框架能否在预测这种效应时击败基准随机游走。一个与FOMC预定会议日期相关的特征增强了模型，这使我们能够发现它是否能学习到公告前不确定性升高的效应。我们的贡献主要在于对公告前效应的定量预测，以及在用于IV曲面预测的ML框架中纳入外生信息。这也是首批尝试直接对IV曲面应用ML模型而不依赖降维的研究之一。为实现这一目标，我们采用了一个卷积二维LSTM模型，该模型能够学习曲面中的时空信号。我们的分析表明，由于IV曲面的噪声特性，ML框架的优势可能有限。尽管如此，我们的研究强化了这样一种观点：即使在异常时期，ML模型也能有效预测IV曲面。