LSTM能胜过波动性计量模型吗？
摘要：金融资产的波动性预测是理解金融风险和二次价格变动的重要问题之一。然而，尽管最近提出了许多新颖的深度学习模型，它们仍然很难超过强大的计量波动性模型。为什么会这样呢？波动性预测任务由于噪声、市场微观结构、异方差性、新闻的外生和非对称效应以及不同时间尺度的存在等诸多因素而具有非常复杂的性质。在本文中，我们分析了长短期记忆（LSTM）循环神经网络在波动性预测任务中的应用，并将其与强大的波动性计量模型进行比较。
作者：German Rodikov, Nino Antulov-Fantulin
论文ID：2202.11581
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2022-02-24