IDEAS主页打印自https://ideas.repec.org/p/aah/create/2021-03.html
  我的参考书目  保存此纸张

波动率预测的机器学习方法

作者

上市的：
  • 吉姆·克里斯滕森

    （奥胡斯大学和CREATES）

  • 马蒂亚斯·西格加德

    （奥胡斯大学和CREATES）

  • 贝齐尔根·维利耶夫

    （奥胡斯大学和CREATES）

摘要

我们表明，机器学习（ML）算法改进了2001-2017年样本期内29只道琼斯工业平均指数股票实现方差的单日预测。我们考察了几种ML方法：正则化、基于树的算法和神经网络。即使使用的唯一预测因子是已实现方差的每日、每周和每月滞后，非自助ML实现也击败了异构AutoRegressive（HAR）模型。此外，相对于扩展HAR模型（HAR-X），ML算法能够从其他波动性预测因子中提取更多信息，包括公司特定特征和宏观经济指标。ML自动破译变量之间的非线性关系，从而识别驱动波动性的关键关联。在累积局部效应（ALE）图中，我们发现对于最主要的预测因子集有一个普遍的一致性，但对它们的排名存在分歧。我们研究了在信息集中加入大量表现出序列相关性和条件异方差的无关变量时，ML的稳健性。我们还记录了这种情况下持续的预测改进。

建议引用

  • Kim Christensen&Mathias Siggaard&Bezirgen Veliyev，2021年。"波动率预测的机器学习方法,"创建研究论文2021-03，奥胡斯大学经济与商业经济系。
    • 手柄：RePEc:aah:创建：2021-03
    作为

    从出版商下载全文

    文件URL: https://repec.econ.au.dk/repec/creates/rp/21/rp21_03.pdf
    下载限制：不
    ---><---

    此项目的其他版本：

    IDEAS上列出的参考文献

    作为
    1. 安德烈亚·布奇（Andrea Bucci），2020年。"用神经网络实现波动率预测,"金融计量经济学杂志，牛津大学出版社，第18卷（3），第502-531页。
    2. Aruoba，S.Bora aluaŸan&Diebold，Francis X.&Scotti，Chiara，2009年。"实时测量业务状况,"商业与经济统计杂志，美国统计协会，第27卷（4），第417-427页。
    3. Fernandes，Marcelo&Medeiros，Marcela C.&Scharth，Marcel，2014年。"CBOE市场波动指数建模与预测,"银行与金融杂志爱思唯尔，第40卷（C），第1-10页。
    4. Asger Lunde和Peter R.Hansen，2005年。"波动率模型的预测比较：有什么比GARCH（1,1）更好的吗？,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第20卷（7），第873-889页。
    5. Francesco Audrino和Simon D.Knaus，2016年。"固定HAR模型：基于已实现波动动力学的模型选择视角,"计量经济评论《泰勒与弗朗西斯杂志》，第35卷（8-10），第1485-1521页，12月。
    6. Scott R.Baker、Nicholas Bloom和Steven J.Davis，2016年。"衡量经济政策的不确定性,"经济学季刊《哈佛大学校长和研究员》，第131卷（4），第1593-1636页。
    7. 顾世浩（Shihao Gu）、布莱恩·凯利（Bryan Kelly）和大成秀（Dacheng Xiu），2020年。"基于机器学习的实证资产定价,"财务审查欧洲金融协会，第33卷（5），第2223-2273页。
    8. 富尔维奥·科尔西，2009年。"已实现波动率的简单近似长记忆模型,"金融计量经济学杂志牛津大学出版社，第7卷（2），第174-196页，春季。
    9. Hui Zou和Trevor Hastie，2005年。"补遗：通过弹性网进行规则化和变量选择,"英国皇家统计学会学报B辑英国皇家统计学会，第67卷（5），第768-768页，11月。
    10. 哈尔·R·瓦里安，2014年。"大数据：计量经济学的新把戏,"经济展望杂志，美国经济协会，第28卷（2），第3-28页，春季。
    11. Donaldson，R.Glen和Kamstra，Mark，1997年。"国际股票收益波动的人工神经网络GARCH模型,"实证金融杂志爱思唯尔，第4卷（1），第17-46页，1月。
    12. Christensen，Kim&Thysgaard，Martin&Veliyev，Bezirgen，2019年。"随机方差经验分布函数的实现及其在产品质量检验中的应用,"计量经济学杂志爱思唯尔，第212（2）卷，第556-583页。
    13. Peter R.Hansen和Asger Lunde以及James M.Nason，2011年。"模型置信集,"计量经济学，《计量经济学学会》，第79卷（2），第453-497页，3月。
    14. Chung Luong&Nikolai Dokuchaev，2018年。"用随机森林算法预测实际波动率,"JRFM公司，MDPI，第11卷（4），第1-15页，10月。
    15. 顾世浩（Shihao Gu）、布莱恩·凯利（Bryan Kelly）和大成秀（Dacheng Xiu），2020年。"基于机器学习的实证资产定价,"金融研究综述《金融研究学会》，第33卷（5），第2223-2273页。
    16. Mittnik，Stefan&Robinzonov，Nikolay&Spindler，Martin，2015年。"股市波动：确定主要驱动因素及其影响的性质,"银行与金融杂志爱思唯尔，第58卷（C），第1-14页。
    17. Bollerslev，Tim&Patton，Andrew J.&Quaedvlieg，Rogier，2016年。"利用误差：改进波动率预测的简单方法,"计量经济学杂志爱思唯尔，第192（1）卷，第1-18页。
    18. 安德鲁·巴顿（Andrew J.Patton）和凯文·谢泼德（Kevin Sheppard），2015年。"好波动率，坏波动率：有符号跳跃和波动率的持续性,"经济学与统计学综述麻省理工学院出版社，第97卷（3），第683-697页，7月。
    19. Torben G.Andersen和Tim Bollerslev以及Francis X.Diebold，2007年。"粗加工：在收益波动的测量、建模和预测中包含跳跃成分,"经济学与统计学综述麻省理工学院出版社，第89卷（4），第701-720页，11月。
    20. Busch，Thomas&Christensen，Bent Jesper&Nielsen，MortenØrregaard，2011年。"隐含波动率在预测外汇、股票和债券市场未来已实现波动率和跳跃中的作用,"计量经济学杂志爱思唯尔，第160卷（1），第48-57页，1月。
    21. Fulvio Corsi和Roberto Renou，2012年。"具有持续杠杆效应的离散时间波动率预测及其与连续时间波动率建模的联系,"商业与经济统计杂志《泰勒与弗朗西斯杂志》，第30卷（3），第368-380页，1月。
    22. Tim Bollerslev&Jia Li&Yuan Xue，2018年。"成交量、波动性和公共新闻公告,"经济研究综述《经济研究评论》，第85卷（4），2005-2041页。
    23. 安徒生、托本·G·和波勒斯列夫、蒂姆·和迪博尔德、弗朗西斯·X·和埃本斯、海科，2001年。"已实现股票收益波动率的分布,"金融经济学杂志，爱思唯尔，第61卷（1），第43-76页，七月。
    24. Robert F.Engle和Eric Ghysels&Bumjean Sohn，2013年。"股市波动与宏观经济基本面,"经济学与统计学综述麻省理工学院出版社，第95卷（3），第776-797页，7月。
    25. 埃里克·希勒布兰德（Eric Hillebrand）和马塞洛·梅德罗斯（Marcelo Medeiros），2010年。"打包对已实现波动率预测模型的好处,"计量经济评论《泰勒与弗朗西斯杂志》，第29卷（5-6），第571-593页。
    26. Audrino，Francesco&Corsi，Fulvio，2010年。"建模逐点实现的相关性,"计算统计与数据分析爱思唯尔，第54卷（11），第2372-2382页，11月。
    27. Christensen，B.J.和Prabhala，N.R.，1998年。"隐含波动率和已实现波动率之间的关系,"金融经济学杂志爱思唯尔，第50卷（2），第125-150页，11月。
    28. Audrino，Francesco&Sigrist，Fabio&Ballinari，Daniele，2020年。"情绪和注意力措施对股市波动的影响,"国际预测杂志，爱思唯尔，第36卷（2），第334-357页。
    29. Daniel W.Apley和Jingyu Zhu，2020年。"可视化黑箱监督学习模型中预测变量的影响,"英国皇家统计学会学报B辑英国皇家统计学会，第82卷（4），第1059-1086页，9月。
    30. Hui Zou和Trevor Hastie，2005年。"通过弹性网进行正则化和变量选择,"英国皇家统计学会学报B辑英国皇家统计学会，第67卷（2），第301-320页，4月。
    31. Peter Carr、Liuren Wu和Zhibai Zhang，2019年。"利用机器学习预测已实现方差,"论文1909.10035，arXiv.org。
    32. Massimiliano Caporin和Francesco Poli，2017年。"从文本数据构建新闻测度及其在波动性预测中的应用,"计量经济学，MDPI，第5卷（3），第1-46页，8月。
    33. 罗伯特·F·恩格尔，1982年。"英国通货膨胀方差估计的自回归条件异方差,"计量经济学《计量经济学协会》，第50卷（4），第987-1007页，7月。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    引文

    博客提及

    由发现EconAcademics.org公司，经济研究博客聚合器：
    1. 实现波动率预测的机器学习
      弗朗西斯·迪博尔德（Francis Diebold）没有犹豫2021-02-01 12:16:00

    引文

    引文由CitEc项目，订阅其RSS源用于此项目。
    作为


    引用人：

    1. Kaczmarek，Tomasz&Będowska-Sójka，Barbara&Grobelny，Przemysław&Perez，Katarzyna，2022年。"虚假避险资产：基于递归神经网络的目标波动策略证据,"国际商业与金融研究爱思唯尔，第60（C）卷。
    2. 贾文·罗（Jiawin Luo）、奥古赞·塞普尼（Oguzhan Cepni）、里扎·德米雷尔（Riza Demirer）和兰甘·古普塔（Rangan Gupta），2022年。"利用外部预测因子预测多元波动：在产业多元化战略中的应用,"工作文件202258年，比勒陀利亚大学经济系。
    3. M.Shabani&M.Magris&George Tzagkarakis&J.Kanniainen&A.Iosifidis，2023年。"利用交叉递归图预测金融时间序列的同步状态,"打印后哈尔-04415269，哈尔。
    4. 朱、海滨和白、卢和、李丹和刘、志，2023。"用机器学习预测已实现的波动：面板数据透视,"实证金融杂志爱思唯尔，第73卷（C），第251-271页。
    5. 张超（Chao Zhang）、张一煌（Yihuang Zhang）、米海（Mihai Cucuringu）和钱忠民（Zhongmin Qian），2022年。"基于机器学习和日内通用性的波动率预测,"论文2202.08962，arXiv.org，2023年2月修订。
    6. Rafael Reisenhofer&Xandro Bayer&Nikolaus Hautsch，2022年。"HARNet：一种用于波动率预测的卷积神经网络,"论文2205.07719，arXiv.org。
    7. Daniel Borup和Rabach、David E.&Schütte、Erik Christian Montes，2023年。"混频机器学习：使用每日互联网搜索量数据进行每周初始索赔的即时广播和回溯,"国际预测杂志爱思唯尔，第39卷（3），第1122-1144页。
    8. TimothéGronier&William Maréchal&Christophe Geissler&Stéphane Gibout，2022年。"使用基于GAMS的数字孪生和集群来改进能量系统控制,"能源，MDPI，第16卷（1），第1-17页，12月。
    9. 罗伯特·斯托克和保罗·比洛肯，2023年。"从深度过滤到深度计量经济学,"论文2311.06256，arXiv.org。

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. 朱、海滨和白、卢和、李丹和刘、志，2023。"用机器学习预测已实现的波动：面板数据透视,"实证金融杂志爱思唯尔，第73卷（C），第251-271页。
    2. Chun，Dohyun&Cho，Hoon&Ryu，Doojin，2023年。"在数据丰富的世界中发现股市波动的驱动因素,"国际金融市场、机构和货币杂志爱思唯尔，第82（C）卷。
    3. Petropoulos、Fotios&Apiletti、Daniele&Assimakopoulos、Vassilios&Babai、Mohamed Zied&Barrow、Devon K.&Ben Taieb、Souhaib&Bergmeir、Christoph&Bessa、Ricardo J.&Bijak、Jakub&Boylan、Joh，2022年。"预测：理论与实践,"国际预测杂志爱思唯尔，第38卷（3），第705-871页。
      • Fotios Petropoulos&Daniele Apiletti&Vassilios Assimakopoulos&Mohamed Zied Babai&Devon K.Barrow&Souhaib Ben Taieb&Christoph Bergmeir&Ricardo J.Bessa&Jakub Bijak&John E.Boylan&Jet，2020年。"预测：理论与实践,"论文2012.03854，arXiv.org，2022年1月修订。
    4. 张超（Chao Zhang）、张一煌（Yihuang Zhang）、米海（Mihai Cucuringu）和钱忠民（Zhongmin Qian），2022年。"基于机器学习和日内通用性的波动率预测,"论文2202.08962，arXiv.org，2023年2月修订。
    5. 薛功、张卫国、赵元、叶欣，2023年。"用大量预测因子预测股票波动：一种新的预测组合方法,"预测杂志，John Wiley&Sons，Ltd.，第42卷（7），第1622-1647页，11月。
    6. Byounghyun Jeon&Sung Won Seo&Jun Sik Kim，2020年。"不确定性与期权隐含波动率的波动预测能力,"期货市场杂志，John Wiley&Sons，Ltd.，第40卷（7），第1109-1126页，七月。
    7. Cheng，Mingmian&Swanson，Norman R.&Yang，Xiye，2021年。"使用双重收缩法预测波动率,"实证金融杂志爱思唯尔，第62卷（C），第46-61页。
    8. Audrino，Francesco&Sigrist，Fabio&Ballinari，Daniele，2020年。"情绪和注意力措施对股市波动的影响,"国际预测杂志爱思唯尔，第36卷（2），第334-357页。
    9. Wilms，Ines&Rombouts，Jeroen&Croux，Christophe，2021年。"股票市场指数的多元波动预测,"国际预测杂志爱思唯尔，第37卷（2），第484-499页。
    10. TomášPlíhal，2021年。"预定宏观经济新闻公告和外汇波动预测,"预测杂志，John Wiley&Sons，Ltd.，第40卷（8），第1379-1397页，12月。
    11. 里卡多·马西尼（Ricardo P.Masini）、马塞洛·梅德罗斯（Marcelo C.Medeiros）和爱德华多·门德斯（Eduardo F.Mendes），2023年。"时间序列预测的机器学习进展,"经济调查杂志Wiley Blackwell，第37卷（1），第76-111页，2月。
    12. 龚，薛&叶，辛&张，卫国&张，岳，2023。"使用技术指标预测能源期货高频波动：互动的作用,"能源经济学爱思唯尔，第119（C）卷。
    13. Kaminska，Iryna&Roberts-Sklar，Matt，2018年。"股市波动与货币政策利率不确定性,"实证金融杂志爱思唯尔，第45卷（C），第68-83页。
    14. Degianakis、Stavros&Filis、George&Hassani、Hossein，2018年。"预测全球股市隐含波动指数,"实证金融杂志爱思唯尔，第46卷（C），第111-129页。
    15. 姚兴志、伊泽尔丁、马尔旺、李振雄，2019年。"一种预测已实现波动率的新型聚类HAR模型,"国际预测杂志爱思唯尔，第35卷（4），第1318-1331页。
    16. Chen，Wang&Lu，Xinjie&Wang，Jiqian，2022年。"使用MRS-MIDAS模型建模和管理股市波动,"国际经济与金融评论爱思唯尔，第82卷（C），第625-635页。
    17. 马，冯&李，于&刘，李&张，姚杰，2018。"低频数据真的没有信息吗？预测组合视角,"北美经济与金融杂志爱思唯尔，第44卷（C），第92-108页。
    18. 王普、陈一香、马峰，2016。"预测中国股市已实现的波动性：进一步证据,"应用经济学《泰勒与弗朗西斯杂志》，第48卷（33），第3116-3130页，7月。
    19. Andrew J.Patton和Yasin Simsek，2023年。"广义自回归得分树与森林,"论文2305.18991，arXiv.org。
    20. Lyócsa，Štefan&Molnár，Peter&Vírost，Tomásh，2021年。"股市波动预测：我们需要高频数据吗？,"国际预测杂志爱思唯尔，第37卷（3），第1092-1110页。

    有关此项目的更多信息

    关键词

    梯度增强;高频数据;机器学习;神经网络;随机森林;已实现差异;正规化;波动性预测;
    所有这些关键字.

    JEL公司分类：

    • C10号机组-数学和定量方法——计量经济和统计方法与方法：总则——总则
    • C50元-数学和定量方法--计量经济学建模--概述

    NEP字段

    这篇论文已在下面宣布NEP报告:

    统计

    访问和下载统计

    更正

    本网站上的所有材料均由各自的出版商和作者提供。你可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:aah:创建：2021-03。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：负责人（以下电子邮件可用）。供应商的一般联系方式：网址：http://www.econ.au.dk/afn/.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。