神经网络在经济市场波动率建模与预测中的应用

谢荣燕

(河海大学商学院，江苏 南京 211100)

0 引 言

股市市场的波动率建模与预测长期以来是经济学领域众多学者研究的重要课题。1980年以来，在波动率建模与预测研究中，通常应用基于低频数据的SV模型和GARCH模型来处理波动率建模与预测。1988年，Andersen和Bollerslev[1]使用非参数建模方法，提出了高频数据的波动率的度量方法。此后，Andersen等人[2-3]利用波动率的市场异质性和长记忆性，建立了HAR-RV模型。2010年，在已实现的波动率研究的基础上，文献[4]在GARCH模型和SV模型中加入已实现波动率作为其额外的解释变量，使用SPA检验进行评估，极大提高了模型的预测能力。

随着人工智能技术的发展，神经网络在各领域的应用越来越广泛。文献[5]提出了一种基于小波神经网络(WNN)预测模型，能够在短期内准确地预测风力发电，并适用于一年四季。文献[6]应用人工神经网络预测经济增长趋势。文献[7]利用人工神经网络模型对转型国家的GDP增长进行10年的预测。文献[8]使用递归神经网络对经济波动率进行了预测建模。文献[9]利用具有个体用户特征参数的非线性混合效应模型预测每日燃气需求量。文献[10]介绍了加拿大居民住宅能耗建模的神经网络(MLP)，并进行了条件需求分析和工程方法的比较。文献[11]提出一种基于多个经济指标的人工神经网络模型对韩国能源需求进行预测。文献[12]提出一种利用Cobbe Douglas函数的神经网络动态计量模型进行孟加拉的天然气需求的年度预测。有关人工神经网络在金融经济领域的研究可参考文献[13-17]。……