基于机器学习和模糊参数的广义BN-S模型对股票指数的分析
摘要：使用数据科学和模糊理论的结合，改进经典的Barndorff-Nielsen和Shephard模型，并应用于研究S＆P 500指数。我们基于模糊理论对指数数据进行预处理。然后，对过去十年的S＆P 500股票指数数据进行分析，使用各种机器学习和深度学习方法提取确定性参数。结果表明，新模型可以将模糊参数纳入其中，从而可以将长期依赖性纳入经典的Barndorff-Nielsen和Shephard模型中。与经典模型相比，此修改仅有少量改变。同时，所得到的分析有效地捕捉了股票指数时间序列的随机动态。
作者：Xianfei Hui, Baiqing Sun, Hui Jiang, Indranil SenGupta
论文ID：2101.08984
分类：Mathematical Finance
分类简称：q-fin.MF
提交时间：2022-02-08