پیش‌بینی نوسان سهام جهانی با گراف‌های پویای بازار

خلاصه

این مقاله مدلی برای پیش‌بینی نوسان تحقق‌یافته در بازارهای سهام جهان ارائه می‌کند. بازارها را به‌صورت شبکه‌ای پویا نمایش می‌دهد و با استفاده از شاخص سرریز نوسان، توضیح می‌دهد که شوک‌های یک بازار چگونه ممکن است به بازارهای دیگر منتقل شوند. سپس یک شبکه عصبی گرافی مکانی‌ـ‌زمانی این روابط را همراه با اطلاعات زمانی به کار می‌گیرد تا پیش‌بینی‌هایی تولید کند.

این مطالعه تجربی هشت شاخص بازار جهانی را پوشش می‌دهد و گزارش می‌کند که مدل پیشنهادی در سناریوهای پیش‌بینی بررسی‌شده از مدل‌های مبنا بهتر عمل می‌کند. این نتیجه از سودمندی گنجاندن پیوندهای بین‌بازاری و پوشش روزهای معاملاتی در چارچوب پیش‌بینی پشتیبانی می‌کند. توضیحات ارائه‌شده نام مدل‌های مبنا را ذکر نمی‌کند، معیارهای پیش‌بینی را ارائه نمی‌دهد و دوره ارزیابی یا طراحی اعتبارسنجی را مشخص نمی‌کند. بنابراین، برتری گزارش‌شده به شاخص‌ها و سناریوهای آزموده‌شده در این مطالعه محدود است؛ چکیده به‌تنهایی عملکرد در بازارهای دیگر یا معامله زنده را اثبات نمی‌کند.

ایده‌های کلیدی

• مدل، نوسان تحقق‌یافته بازارهای سهام سراسر جهان را پیش‌بینی می‌کند.
• برای ساخت گراف پویای روابط بازارها از شاخص سرریز نوسان استفاده می‌شود.
• یک شبکه عصبی گرافی مکانی‌ـ‌زمانی، پیوندهای بازار را با داده‌های وابسته به زمان ترکیب می‌کند.
• تحلیل تجربی شامل هشت شاخص بازار جهانی است.
• گزارش شده است که مدل در سناریوهای آزموده‌شده از مدل‌های مبنا بهتر عمل می‌کند، اما تعمیم‌پذیری گسترده‌تر در این خلاصه اثبات نشده است.

برچسب‌ها

# Global Stock Market Volatility Forecasting Incorporating Dynamic Graphs and All Trading Days


# Global Stock Market Volatility Forecasting Incorporating Dynamic Graphs and All Trading Days









This paper introduces a global stock market volatility forecasting model that enhances forecasting accuracy and practical utility in real-world financial decision-making by integrating dynamic graph structures and encompassing all active trading days of different stock markets. The model employs a spatial-temporal graph neural network architecture to capture the volatility spillover effect, where shocks in one market spread to others through the interconnective global economy. By calculating the volatility spillover index to depict the volatility network as graphs, the model effectively mirrors the volatility dynamics for the chosen stock market indices. In the empirical analysis covering 8 global market indices, the realized volatility forecasting performance of the proposed model surpasses the baseline models in all forecasting scenarios.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.