波動率作為金融投資領(lǐng)域的核心指標(biāo),它在期權(quán)的定價(jià)、風(fēng)險(xiǎn)管理、資產(chǎn)配置等方面具有著尤為重要的應(yīng)用價(jià)值。對于波動率的準(zhǔn)確預(yù)測也是學(xué)術(shù)界一直研究的重點(diǎn)和熱點(diǎn)。不過由于條件的限制,在早期對于波動率的預(yù)測研究中,僅能夠利用傳統(tǒng)的計(jì)量模型對低頻波動率數(shù)據(jù)進(jìn)行刻畫和預(yù)測,但低頻金融交易數(shù)據(jù)相較高頻金融交易數(shù)據(jù)會損失掉過多的日內(nèi)交易信息,而且使用傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)模型時(shí),模型的設(shè)計(jì)會過度依賴于研究人員的主觀處理,模型的組成也較為單一,此類模型對投資者心理、宏觀政策等高度復(fù)雜的信息所引發(fā)的波動也不能及時(shí)捕捉。而隨著大數(shù)據(jù)時(shí)代的到來,諸多學(xué)者對基于金融高頻數(shù)據(jù)的已實(shí)現(xiàn)波動率進(jìn)行了研究和預(yù)測,雖然高頻數(shù)據(jù)相較低頻數(shù)據(jù)包含了更多的交易信息,但其也包含了更多市場微觀高頻數(shù)據(jù)噪聲以及更復(fù)雜的非線性特征,如若不對這些高頻數(shù)據(jù)噪聲進(jìn)行處理,可能對預(yù)測結(jié)果產(chǎn)生不可估量的影響。所以而為了更好的對基于金融高頻數(shù)據(jù)的已實(shí)現(xiàn)波動率更好的進(jìn)行刻畫,首先需要去除市場微觀數(shù)據(jù)噪聲的影響,再對波動率中的非線性特征進(jìn)行學(xué)習(xí)。基于以上背景,為了更好的提取金融市場的日內(nèi)高頻交易信息,在保留日內(nèi)交易信息的同時(shí)保留數(shù)據(jù)波動特征的基礎(chǔ)上,利用深度學(xué)習(xí)...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 波動率研究現(xiàn)狀
        1.2.2 信號處理算法研究現(xiàn)狀
        1.2.3 文獻(xiàn)述評
    1.3 研究內(nèi)容
    1.4 研究創(chuàng)新點(diǎn)
2 相關(guān)基礎(chǔ)理論
    2.1 波動率相關(guān)理論
        2.1.1 波動率的界定
        2.1.2 波動率的分類
        2.1.3 波動率的特性
    2.2 變分模態(tài)分解(VMD)
    2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)與長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)
        2.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)
        2.3.2 長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(LSTM)
    2.4 Wide&Deep模型
3 組合預(yù)測模型的構(gòu)建
    3.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)處理
        3.1.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)來源
        3.1.2 已實(shí)現(xiàn)波動率的計(jì)算
    3.2 組合預(yù)測模型搭建
        3.2.1 數(shù)據(jù)噪聲處理
        3.2.2 預(yù)測主體模型構(gòu)建
        3.2.3 預(yù)測模型超參數(shù)優(yōu)化
    3.3 模型評價(jià)指標(biāo)體系構(gòu)建
4 滬深300指數(shù)已實(shí)現(xiàn)波動率預(yù)測分析
    4.1 基于VMD-Wide&Deep-LSTM組合模型的波動率預(yù)測
    4.2 基于長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的波動率預(yù)測
    4.3 基于BP神經(jīng)網(wǎng)絡(luò)的波動率預(yù)測
    4.4 預(yù)測方法整體評價(jià)
5 總結(jié)與展望
參考文獻(xiàn)
后記



本文編號：3833819