《表1 21种波动率预测模型样本外的波动率预测精度及排名》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习和股票论坛数据的股市波动率预测精度研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

21种波动率预测模型在6种损失函数下样本外波动率的预测精度及其排名如表1所示。从表1可以获得如下几个结论:（1）深度学习模型在各损失函数下均排在前两位；（2）深度学习模型在对应的损失函数下与排名第3位的对比模型相比，预测精度分别能够提升3.9%、6.1%、4.3%、0.7%、10.8%、13.2%，这说明深度学习相较于其他19种对比模型来说有更加稳健的预测效果和更加精确的预测能力；（3）加入股吧发帖数增长率解释变量以后，深度学习预测波动率的精度在多数损失函数下均得到提高，但最大仅提高4.4%，说明股吧发帖数增长率对深度学习预测波动率的精度提高有所贡献，但贡献有限；（4）在不同损失函数下，各种波动率模型预测精度排名不尽相同，但总体来说，ARFIMA族模型和HAR模型预测效果好于GARCH族模型及其拓展和SV模型，而SV模型的预测效果比GARCH族模型及其拓展好。