共 29 条
基于机器学习算法的金融期权波动率预测
被引：6
作者：
马天平
[1
]
吴卫星
[2
]
机构：
[1] 对外经济贸易大学
[2] 对外经济贸易大学金融系
来源：
基金：
国家自然科学基金重点项目;
关键词：
机器学习;
期权交易;
波动率预测;
D O I：
10.16091/j.cnki.cn32-1308/c.2018.05.029
中图分类号：
F224 [经济数学方法];
F832.5 [金融市场];
学科分类号：
0701 ;
070104 ;
摘要：
期权波动率预测是期权风险预警管理的关键问题,传统方法采取GARCH等时间序列模型。与传统方法不同,本文创建了基于机器学习算法的"SKRG递进集成"新预警体系,体系以中国波指为对象,采取48个相关指标作为对中国波指预测的特征(Feature),依次引入SVM机器学习、KNN样本不平衡机器学习、RF划分、GBDT优化完成机器学习建模过程,逐步提高预测精准率。测试样本显示,基于机器学习的预测效果好于传统的GARCH模型。本文的理论价值在于丰富了期权随机波动率预测领域的相关文献,应用价值在于为波动率的预测进而期权风险预警提供了新的方法。
引用
收藏
页码：201 / 209
页数：9
相关论文