研究成果：基于混频数据驱动神经网络模型的波动率预测研究
作者：汪刘凯，张小波，闫相斌，王未卿
发表期刊：系统工程理论与实践
发表时间：2023年9月
金融市场价值波动与经济政策等宏观环境密切相关, 其影响要素多源, 价值波动往往表现出复杂的统计特征与变化规律, 现有的波动率预测模型难以有效地预测其价值波动规律. 面对供应链金融质押物价值波动中风险要素多源、频率多样、 关系非线性的潜在挑战, 考虑到深度学习框架下 CNN 和 LSTM 的计算优势, 本文提出了基于混频数据反向抽样的 CNN-LSTM 的波动预测模型: MDNN(Mixed frequency Data-driven Neural Network), 该模型既有效提取多元时序数据的时空特征、 又充分利用混频信息, 使其预测能力与泛化能力得到有效提升. 选取常见的供应链金融质押物铜、铝和锌作为研究对象, 样本外预测结果表明: 相比于基准模型, MDNN 更加准确、有效地预测出质押物已实现波动率, 其稳健性检验也表明实证结论的可靠性.