新的已实现GARCH模型通过非线性降维增强波动性预测能力

提出了一种新的已实现GARCH模型扩展，通过综合多个已实现波动率度量的信息来改进波动性预测。该模型利用自编码器进行非线性降维，其表现优于主成分分析和独立成分分析等传统线性方法。在包括COVID-19时期在内的四个主要股票市场进行的实证评估表明，该模型在一步预测滚动波动率方面具有卓越的有效性，并增强了参数估计的灵活性。 AI

影响 这项研究可能通过利用先进的机器学习技术进行数据综合和降维，从而实现更准确的金融风险预测。

排序理由 该条目是一篇提交至arXiv的学术论文，详细介绍了一种新模型和方法论。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• COVID-19
• DagsHub
• Gotit.pub
• Hugging Face
• independent component analysis
• principal component analysis
• Qianli Zhao
• Realised GARCH
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →