基于GARCH-Informed神经网络进行金融市场波动性预测，在七个全球代表性股票市场指数上均表现优异

文章预览

“ GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets ” 市场趋势预测一直是金融界的关注点，波动性是风险的重要指标，广泛用于金融投资定价。本文提出了一种新型混合模型，称为GARCHInformed Neural Network (GINN)，结合了机器学习与GARCH模型的市场模式，提升市场波动性预测准确性。GARCH模型作为正则化机制嵌入到人工神经网络（ANN）的损失函数中，以防止过拟合。GINN模型同时学习真实数据和GARCH模型的知识，旨在捕捉市场的整体趋势和细节。在七个全球代表性股票市场指数上进行训练和测试，使用R²、均方误差（MSE）和平均绝对误差（MAE）评估预测准确性。 论文地址 ： https://arxiv.org/pdf/2410.00288v1 摘要 波动性是风险的重要指标，广泛用于金融投资定价。GARCH模型及其变体是股票波动性预测的经典模型。深度学习模型在波动性预测中逐渐受到 ………………………………