GARCH增强LSTM波动率模型

融合波动率特征

将GARCH模型嵌入循环神经网络，在不牺牲深度学习灵活性的前提下引入金融波动率先验，让预测更贴合市场规律。

赵鹏飞 · Haoren, Zhu · Ng, Wilfred · Lee, Dik Lun

2024

技术优势

预测精度更高

通过将GARCH族模型的神经网络对应物集成到现有神经网络架构中，模型能够利用波动率特征先验，从而提升预测性能。

两种方法融合

通过建立GARCH模型与神经网络的等价关系，将两个独立发展的研究路线统一起来，为波动率建模提供新的框架。

应用场景

• 金融风险管理：提供更准确的波动率预测，帮助更精准地评估和管理市场风险。
• 市场波动率预测：融合计量经济学先验与深度学习，提升市场波动率预测的准确度。