基于双重XGBoost模型的农产品期货波动率预测——以玉米期货为例

作     者：胡越 王桑原 覃浩恒 徐亮 张一苇 HU Yue;WANG Sangyuan;QIN Haoheng;XU Liang;ZHANG Yiwei

作者机构：西南财经大学工商管理学院成都611130 亚利桑那州立大学商学院美国亚利桑那州850003 华期创一成都投资有限公司成都610213 

出 版 物：《系统管理学报》 (Journal of Systems & Management)

年 卷 期：2023年第32卷第2期

页      面：332-342页

核心收录：

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 07[理学] 070104[理学-应用数学] 0701[理学-数学] 

基　　金：国家自然科学基金资助项目(71971177 U1811462) 

主　　题：农产品期货 机器学习 波动率预测 XGBoost模型 

摘      要：农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用。对波动率进行预测,投资者可以依据波动率预测结果,对预期可能面临的风险采取相应的应对策略,更加精准地进行农产品风险管理。但波动率预测领域存在如下挑战:①波动率的预测期限较短,仅为1天或3天,难以反映资产在未来较长时间的价格波动率情况;②以往研究多关注于价格等信息,在波动率预测中对于基本面信息考虑较少;③神经网络、深度学习等预测模型的可解释性较差,网络构建和超参数的选择多依赖于经验选择。本文提出了一个基于XGBoost模型的波动率预测框架,考虑价格和基本面数据,对于波动率的长期趋势和短期变化进行了分析。实证结果表明,加入了更多信息维度的模型有助于提升波动率预测的精度,相比于传统的GARCH模型,均方误差MSE缩小了35%以上。