基于混频数据驱动神经网络模型的波动率预测研究

作     者：汪刘凯 张小波 闫相斌 王未卿 WANG Liukai;ZHANG Xiaobo;YAN Xiangbin;WANG Weiqing

作者机构：北京科技大学经济管理学院北京100083 广东外语外贸大学商学院广州510420 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2023年第43卷第12期

页      面：3488-3504页

核心收录：

学科分类：020209[经济学-数量经济学] 02[经济学] 0202[经济学-应用经济学] 

基　　金：国家自然科学基金(72025101,72301025,71729001) 中国博士后科学基金(2021M700380) 中央高校基本科研业务经费(FRF-TP-22-060A1,FRF-BR-23-08B) 北京市社会科学基金(23GLB022) 

主　　题：已实现波动率 混频数据 深度学习 MDNN 

摘      要：金融市场价值波动与经济政策等宏观环境密切相关,其影响要素多源,价值波动往往表现出复杂的统计特征与变化规律,现有的波动率预测模型难以有效地预测其价值波动规律.面对价值波动中风险要素多源、频率多样、关系非线性的潜在挑战,考虑到深度学习框架下CNN和LSTM的计算优势,本文提出了基于混频数据反向抽样的CNN-LSTM的波动预测模型:MDNN (mixed frequency data-driven neural network),该模型既有效提取多元时序数据的时空特征、又充分利用混频信息,使其预测能力与泛化能力得到有效提升.选取常见的供应链金融质押物铜、铝和锌作为研究对象,样本外预测结果表明:相比于基准模型,MDNN更加准确、有效地预测出质押物已实现波动率,其稳健性检验也表明实证结论的可靠性.