实验表现以LSTM为代表的机器学习模型比所有HAR-family模型有更强的预测能力 。
05
Can LSTM outperform volatility-econometric models?
由于噪声、市场微观结构、异方差、新闻外生和非对称效应以及不同时间尺度的存在等因素 ， 波动率预测任务具有非常大的复杂性 。 本文研究了LSTM和GRU类型的方法实现波动率预测任务 ， 并比较了神经网络与广泛应用的EWMA、HAR、GARCH家族模型的预测能力 。 LSTM优于该领域的知名模型 ， 比如HAR-RV 。 样本外准确度测试表明 ， LSTM在这两种类型的市场中都具有显著的优势 。
---
LSTM也有春天 ， 虽然在收益预测上LSTM的表现并不如人意 。 但在呈现均值回归的波动率预测上 ， LSTM已经吊打了大部分传统计量模型 。
所以很多还在怀疑深度学习到底能不能用在量化上的顾虑可以打消了 。
论文下载
后台回复：LSTMYYDS