עבור לתוכן
כל מסמכי הספרייה

שילוב רשתות LSTM עם GARCH ממומש לחיזוי תנודתיות

מאמר arXiv papers · מחבר: Chen Liu et al.
לקריאת המקור

סיכום

מסגרת זו משלבת מדדי תנודתיות ממומשת עם מודל GARCH ממומש משופר ב־LSTM, כדי לייצג יחד תשואות ותנודתיות ממומשת. היא משתמשת ב־Sequential Monte Carlo להסקה בייסיאנית ולחיזוי, ומשלבת אקונומטריקה פיננסית, נתוני תדירות גבוהה ולמידה עמוקה. המחקר מעריך את המסגרת לחיזוי תנודתיות, לחיזוי סיכון זנב ולתמחור אופציות, לצד התאמת המודל הנמדדת באמצעות הסתברות שולית.

הניתוח האמפירי כולל 31 מדדי מניות הנסחרים בהיקף נרחב, בתקופה הכוללת את מגפת COVID-19. המחברים מדווחים על התאמה חזקה בתוך המדגם ועל ביצועי חיזוי טובים יותר מכמה מודלי בסיס, וכן על התאמה למאפיינים מוכרים של תנודתיות. התיאור אינו מציין את מודלי הבסיס או ערכי מדדים, ולכן אי אפשר להעריך על סמך דיווח זה בלבד את היקף השיפור ואת עמידותו.

רעיונות מרכזיים

  • המודל מתאר יחד תשואות ותנודתיות ממומשת באמצעות מבנה GARCH ממומש המשופר ב־LSTM.
  • ההסקה והחיזוי הבייסיאניים מבוססים על Sequential Monte Carlo.
  • ההערכה כוללת תחזיות תנודתיות, סיכון זנב, תמחור אופציות והסתברות שולית.
  • המחקר האמפירי משתמש ב־31 מדדי מניות ומדווח על שיפורים לעומת כמה מודלי בסיס שלא פורטו.

תגיות

תנודתיותלמידת מכונהסטטיסטיקהאופציות
הטקסט המלא
# Deep Learning Enhanced Realized GARCH


# Deep Learning Enhanced Realized GARCH









We propose a new approach to volatility modeling by combining deep learning (LSTM) and realized volatility measures. This LSTM-enhanced realized GARCH framework incorporates and distills modeling advances from financial econometrics, high frequency trading data and deep learning. Bayesian inference via the Sequential Monte Carlo method is employed for statistical inference and forecasting. The new framework can jointly model the returns and realized volatility measures, has an excellent in-sample fit and superior predictive performance compared to several benchmark models, while being able to adapt well to the stylized facts in volatility. The performance of the new framework is tested using a wide range of metrics, from marginal likelihood, volatility forecasting, to tail risk forecasting and option pricing. We report on a comprehensive empirical study using 31 widely traded stock indices over a time period that includes COVID-19 pandemic.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.