Multivariate Realized Volatility Forecasting with Graph Neural Network¶
书目记录。出版内容请通过原始来源链接查看。
| 字段 | 内容 |
|---|---|
| 主领域 | 波动率、曲面动态与方差风险 |
| 其他领域 | — |
| 方法 | 金融机器学习 |
| 检索标签 | — |
| 作者 | Qinkai Chen, Christian-Yann Robert |
| 发布时间 | 2021-12-17 |
| 来源 | arXiv Quantitative Finance History |
| 外部标识 | arxiv:2112.09015 |
| URL | 打开原始来源 |
编辑综合¶
为什么值得关注¶
在短期波动率预测中融入关系图结构，可能提高对股票横截面联动的捕捉能力；摘要未证明这些预测可转化为可交易信号。 (abstract:S1, abstract:S2, abstract:S3, abstract:S4, abstract:S5, abstract:S6)
作者主要主张¶
- 作者提出基于图转换器的多变量短期实现波动率预测模型。 (
abstract:S3,abstract:S4) - 作者报告：模型被设计为结合LOB特征和跨来源时间及横截面关系。 (
abstract:S5) - 作者报告：在约500只S&P500成分股的实验中报告性能优于基准。 (
abstract:S6)
数据、方法或讨论范围¶
基于约500只S&P 500股票，用LOB与图模型进行短期RV多元预测并与其它方法比较。 (abstract:S3, abstract:S5, abstract:S6)
主要限制¶
摘要未披露数据对齐窗口、图边定义、基准集定义和计算成本，且未给出模型泛化外部验证。 (abstract:S4, abstract:S5, abstract:S6)
研究关系¶
- 暂无已记录关系。