高频数据下基于LSTM的协方差矩阵预测模型OA
Covariance Matrix Prediction Model Based on LSTM Using High Frequency Data
协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要.针对时间序列模型对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已实现协方差矩阵预测模型.利用金融高频数据得到已实现协方差矩阵,对其进行DRD分解,针对相关系数矩阵R进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵R;针对已实现波动率矩阵D,利用半协方差(semi covariance)思想,结合LSTM模型,得…查看全部>>
包悦妍
南京审计大学统计与数据科学学院,南京 211815
数理科学
LSTM模型协方差矩阵预测已实现半协方差Markowitz有效前沿
《重庆工商大学学报（自然科学版）》 2022 (6)
65-70,6
国家社会科学基金(19BTJ035)江苏省研究生科研创新计划项目(KYCX20-1675).
评论