《表2 预测性能比较:沪深300高频波动率的预测及应用——基于深度学习的方法》
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
《沪深300高频波动率的预测及应用——基于深度学习的方法》
表2是四种模型不同损失函数的计算结果,从中可以看出基于收盘价格序列建模的LSTM(Price)模型在所有损失函数中都明显优于其他三个模型,在7种损失函数中排名均为第一,对比基于已实现波动率建模的LSTM(Rv)模型,该模型充分利用了高频价格序列的记忆性,特征提取能力更强,预测效果更稳健,充分发挥了LSTM模型在长记忆时间序列预测上的能力。四种模型的拟合情况如图8所示。基于已实现波动率建模的LSTM(Rv)模型预测性能最差,不及ARFIMA及LSTM+ARFIMA混合模型,主要原因在于将已实现波动率Rv作为LSTM网络的输入时,数据记忆性不强,难以对其进行特征提取,且数据量较小,容易导致过拟合问题,影响样本外的预测能力。
图表编号 | XD0090139300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 周子昂、尚瑞琪 |
绘制单位 | 天津财经大学、天津财经大学 |
更多格式 | 高清、无水印(增值服务) |