コンテンツへスキップ
ライブラリの全資料

動的市場グラフによる世界株式ボラティリティ予測

記事 arXiv papers · 著者: Zhengyang Chi et al.
原文を読む

サマリー

この論文は、世界の株式市場における実現ボラティリティを予測するモデルを提示しています。市場を変化するネットワークとして表し、ボラティリティ波及指数を使って、ある市場のショックが他市場へどう伝わるかを記述します。時空間グラフニューラルネットワークが、こうした関係と時間情報を組み合わせて予測を生成します。

実証研究は世界の市場指数8種を対象とし、検討した予測シナリオ全体で提案モデルがベースラインを上回ったと報告しています。この結果は、市場間のつながりと取引日の範囲を予測に組み込む有用性を裏付けています。提示された説明にはベンチマーク名や予測指標がなく、評価期間と検証設計の詳細もありません。したがって、報告された優位性は研究で検証した指数とシナリオに限られ、要約だけでは他市場や実運用での成績を示せません。

主なアイデア

  • 世界各地の株式市場で実現ボラティリティを予測します。
  • ボラティリティ波及指数を使い、市場関係の変化するグラフを構築します。
  • 時空間グラフニューラルネットワークが、市場のつながりと時間依存データを組み合わせます。
  • 実証分析では世界の市場指数8種を対象としています。
  • 検証したシナリオではベースラインを上回ったと報告されていますが、より広い範囲への一般化は要約から確認できません。

タグ

株式ボラティリティ機械学習統計
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。