时间序列和机器学习波动率预测

时间序列和机器学习波动率预测

• 帕斯卡一起威斯康星大学白水分校
• 佬司Stentoft毕业于加拿大西部大学

文摘:

本研究回顾了期权定价与期权交易背景下股票波动率的预测. 我们发现选择最佳模型和超参数取决于所使用的度量. 特别是, 结果表明，对于简单的模型, 必须在估计样本的大小上做出妥协, 然而，更复杂的模型不会因为使用更大的估计样本而受到影响. 与一般观念相反, 非常灵活的GARCH规范不会受到过拟合的影响，并提供相同或更好的样本外预测. 为了进一步提高预测质量，我们将集合袋树下的时间序列预测结合起来. 最后，我们展示了如何将改进的波动率预测应用于期权交易策略.

 

所有伊利诺伊理工学院的教师、学生和工作人员都被邀请参加.

的 周五研究报告 系列展示了斯图尔特商学院教师和学生正在进行的学术研究项目, 以及威尼斯人平台同事的客座演讲, 商业人士, 以及其他顶尖商学院的教职员工.

加入Blackboard协作会议