波动性启发的 $sigma$-LSTM 细胞
摘要：使用神经网络对价格波动的波动模型进行了广泛的研究，在经济计量学文献中有超过50年的理论和实证研究成果。深度学习领域中神经网络的最新进展自然地提供了新的计量建模工具。然而，使用神经网络进行波动率建模仍然缺乏可解释性和风格化知识；使用风格化事实可以提高神经网络在波动率预测任务中的性能。在本文中，我们研究了如何利用对波动率过程的“物理”知识作为归纳偏见来设计或约束长短期记忆(LSTM)的细胞状态，以进行波动率预测。我们引入了一种新型的$sigma$-LSTM细胞，具有随机处理层，设计了其学习机制，并展示了良好的样本外预测性能。
作者：German Rodikov and Nino Antulov-Fantulin
论文ID：2205.07022
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2022-05-17