發(fā)布時間：2023-06-16 19:14

　　波動率作為金融投資領域的核心指標,它在期權的定價、風險管理、資產(chǎn)配置等方面具有著尤為重要的應用價值。對于波動率的準確預測也是學術界一直研究的重點和熱點。不過由于條件的限制,在早期對于波動率的預測研究中,僅能夠利用傳統(tǒng)的計量模型對低頻波動率數(shù)據(jù)進行刻畫和預測,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)計量經(jīng)濟學模型時,模型的設計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、宏觀政策等高度復雜的信息所引發(fā)的波動也不能及時捕捉。而隨著大數(shù)據(jù)時代的到來,諸多學者對基于金融高頻數(shù)據(jù)的已實現(xiàn)波動率進行了研究和預測,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)噪聲以及更復雜的非線性特征,如若不對這些高頻數(shù)據(jù)噪聲進行處理,可能對預測結(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)的已實現(xiàn)波動率更好的進行刻畫,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行學習�；谝陨媳尘�,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)交易信息的同時保留數(shù)據(jù)波動特征的基礎上,利用深度學習...

【文章頁數(shù)】：62 頁

【學位級別】：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 文獻述評
    1.3 研究內(nèi)容
    1.4 研究創(chuàng)新點
2 相關基礎理論
    2.1 波動率相關理論
        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(RNN)與長短期記憶神經(jīng)網(wǎng)絡(LSTM)
        2.3.1 循環(huán)神經(jīng)網(wǎng)絡(RNN)
        2.3.2 長短時記憶神經(jīng)網(wǎng)絡(LSTM)
    2.4 Wide&Deep模型
3 組合預測模型的構建
    3.1 實驗環(huán)境及數(shù)據(jù)處理
        3.1.1 實驗環(huán)境與數(shù)據(jù)來源
        3.1.2 已實現(xiàn)波動率的計算
    3.2 組合預測模型搭建
        3.2.1 數(shù)據(jù)噪聲處理
        3.2.2 預測主體模型構建
        3.2.3 預測模型超參數(shù)優(yōu)化
    3.3 模型評價指標體系構建
4 滬深300指數(shù)已實現(xiàn)波動率預測分析
    4.1 基于VMD-Wide&Deep-LSTM組合模型的波動率預測
    4.2 基于長短時記憶神經(jīng)網(wǎng)絡的波動率預測
    4.3 基于BP神經(jīng)網(wǎng)絡的波動率預測
    4.4 預測方法整體評價
5 總結(jié)與展望
參考文獻
后記



本文編號：3833819