论文摘要
汇率波动性预测在金融和计算领域一直受到广泛关注,然而由于缺乏可以捕捉汇率波动动态变化的预测模型,高频汇率的波动率预测至今没有得到彻底的研究.文章提出了基于神经网络的双成分混合汇率波动率模型,该模型利用低通Hodrick-Prescott滤波器将已实现波动率分解为长期分量和短期分量,使用自回归神经网络模拟长期分量,一阶自回归过程模拟短期分量,通过实证分析确定自回归神经网络参数（10个隐神经元和四阶滞后输入神经元）,以6种主要高频率汇率（英镑/人民币,美元/人民币,澳元/人民币,欧元/人民币,日元/人民币,和瑞士法郎/人民币）,在5 h（d）、20 h（d）、100 h（d）、200 h（d）、360 h（d）和500 h（d）的预测区间构建1 h和1 d已实现波动率,并与双成分GARCH模型、EGARCH模型、四阶滞后自回归神经网络模型3个基准模型进行对比,分析模型的预测性能,实验评估表明,提出的混合预测模型在所有预测的范围内均显著地优于传统人民币汇率波动模型.
论文目录
文章来源
类型: 期刊论文
作者: 姚远,刘振清,翟佳,曹弋
关键词: 已实现波动率,汇率,人工神经网络,成分,滤波器
来源: 管理科学学报 2019年11期
年度: 2019
分类: 经济与管理科学,信息科技
专业: 无线电电子学,自动化技术,金融
单位: 河南大学管理科学与工程研究所,索尔福德大学商学院,爱丁堡大学商学院
基金: 国家社会科学基金资助项目(17BJY194),河南大学哲学社会科学重大项目培育计划资助项目(2019ZDXM016)
分类号: F832.6;TP183;TN713
页码: 91-105
总页数: 15
文件大小: 3529K
下载量: 205