文档价格: | 100 金币 立即充值 | 文章语言: | 英语-中文 | 原文出处: | 请在文档内查看 | |||||
译文字数: | 8088 字 (节选翻译) | 译文格式: | Doc.docx (Word) | 更新时间: | 2018-04-07 |
基于回归支持向量机的金融收益波动预测模型, 工业工程外文翻译,支持向量机,信息粒化,证券市场
译文(字数:8088):
摘要
近年来,GARCH模型(特别是ARMA-GARCH模型),基于计算智能技术的支持向量机(SVM)和相关向量机(RVM)模型已成功地应用于财务预测方面。本文介绍了ARMA-GARCH,SVM回归(RSVM)和RVM回归(RRVM)在波动率预测中的应用。基于RSVM和RRVM的模型,使用两种GARCH方法,并在参数GARCH(Pure和ARMA-GARCH)的多周期预测能力方面进行比较。这些模型将从以下四个性能指标进行评估:MSE,MAE,DS和线性回归R平方。这项研究的实际数据,采用的是亚洲股票市场的两个综合指数,BSE Sensex指数和日经225指数。本文还检验异常值对模型和预测波动性的影响。我们的实验表明,RSVM和RRVM的性能几乎相同,并且优于GARCH类模型的预测。 ARMA-GARCH模型优于纯GARCH,并且只有具有RSVM的RRVM在预测中保持鲁棒性属性。
关键词:RSVM,RRVM,ARMA-GARCH,异常值,波动率预测
1.介绍
在金融市场中,波动率是很重要的,因为它是股票价格的预测,投资组合选择,定价衍生品,风险度量和对冲策略的一个重要参考标准。一个风险经理必须知道他今天的投资组合在未来是否会下降,他可能想在它变得太大波动之前卖掉它[1]。根据Merton模型 [2],预期市场收益率与可预测的股市波动是相关的。由于波动率预测的必要性,自从Engle [3]的ARCH模型的成熟后就流行起来了,那时已经开发了大量基于时间序列的波动率模型。后来Bolleslev [4]将模型推广为GARCH模型,以捕获ARCH的更高阶;见参考文献。[5]供审查和参考。为了处理复杂性,Wong 等人[ 6 ]采用了所谓的GARCH模型,即所谓的在汇率预测中的AR-GARCH混合形式模型。另外,唐等人[7]探讨了股票价格预测的ARMA-GARCH混合模型; 更多详细信息,请参见参考文献[8]。GARCH模型的预测能力的证据有点混杂。Anderson和Bollerslev [9]表明GARCH模型提供了良好的波动率预测。但,一些实证研究也表明,GARCH模型往往给出了不良的预测性能。
原文(未统计字数):