基于深度学习和股票论坛数据的股市波动率预测精度研究

被引：32

作者：

陈卫华 ^{[1
]}

徐国祥 ^{[1
]}

机构：

[1] 上海财经大学统计与管理学院

来源：

管理世界 | 2018年 / 01期

关键词：

深度学习; LSTM模型; 预测精度;

D O I：

10.19744/j.cnki.11-1235/f.2018.01.016

中图分类号：

F832.51 [];

学科分类号：

020204 ; 1201 ;

摘要：

本文利用深度学习和股吧发帖数增长率数据对沪深300指数波动率进行样本外预测,将预测结果与19种波动率预测模型作对比,并用MCS方法检验各模型的预测精度。研究发现:深度学习预测效果明显好于选取的其他对比模型。另外,股票论坛数据对提升波动率预测精度有所贡献,但贡献有限。本文为波动率预测提供了一种更精确和更稳健的实现方法,探索了股票论坛数据在波动率预测上的应用,并拓展了深度学习在金融领域的运用。

引用

页码：180 / 181

页数：2

共 6 条

[1]

Deep learning. Yann LeCun,Yoshua Bengio,Geoffrey Hinton. Nature . 2015

[2]

The model confidence set. Peter R. Hansen,Asger Lunde,James M. Nason. Econometrica . 2011

[3] 中国股票市场波动率的高频估计与特性分析 [J].