基于高斯分布的金融波动预测新方法

预测性能onEUR/CHF（无参数更新）MSE1 MSE2 MAE1 MAE2GARCH 1.0937 6.2433 0.7561 0.9929EGARCH 0.6756 12.7247 0.6175 1.7952GJR 0.6270 7.3639 0.6173 1.2519平方收益1.0743 6.0431 0.7459 0.9711绝对收益1.0490 6.0056 0.7450 0.9685绝对收益0.7195 13.5619 0.5917 1.7312组合收益0.5403 5.3321 0.5544 1.062表6。使用参数更新MSE1 MSE2 MAE1 MAE2GARCH 1.0806 6.1859 0.7447 0.9841EGARCH 0.6135 12.6121 0.6087 1.7638GJR 0.6171 7.2582 0.6148 1.2396平方收益1.0190 5.6786 0.7147 0.9179绝对收益0.9972 5.7519 0.7121 1.0142绝对收益0.6751 12.7272 0.5667 1.6245组合收益0.5113 5.0875 0.5249 2年内四种货币对的波动率为0.9205周期，每小时一次。从内核中，我们为我们的数据选择了性能最好的内核，该内核显示为Mat'ern-3/2。根据所使用的指标，未发现绝对回报率优于平方回报率的显著性或一致性证据，以提高预测能力。我们使用来自m竞争的两个精度度量和4个统计损失函数来评估GARCH与GPs的预测能力。一般来说，GPs在均方误差上优于GARCH 45%，基于包络的GP方法优于其他GP方法30%，使用超参数更新的方法在预测精度上提高了5%。参考文献1。MATLAB：函数fminsearch的在线帮助-R2013b版本http://www.mathworks.com（2013）2。Andersen，T.G.、Bollerslev，T.、Diebold，F.X.：参数和非参数脆弱性测量。摘自：Hansen，L.，Ait Sahalia，Y.（编辑）《金融计量经济学手册》。阿姆斯特丹：北荷兰（2005）3。Armstrong，J.：预测的标准和实践。In：阿姆斯特朗，J.S。

（ed.）预测原则：研究人员和从业者手册。马萨诸塞州诺威尔：Kluwer学术出版社（2001）4。Armstrong，J.，Collopy，F.：预测方法推广的误差度量：实证比较。《国际预测杂志》8（1），69–80（1992）5。Bollerslev，T.：广义自回归条件异方差。《计量经济学杂志》31307–327（1986）6。De Gooijer，J.G.，Hyndman，R.J.：25年时间序列预测。《国际预测杂志》22（3），443–473（2006）7。Dorion，C.，Chapados，N.：《波动率预测和解释变量：随机波动率的可校正贝叶斯方法》。可查阅SSRN 1747945（2013）8。Engle，R.：英国通货膨胀方差估计的自回归条件异方差。计量经济学：计量经济学学会杂志50（4），987–1007（1982）16 S.A.A Rizvi等人9。Hansen，P.R.，Lunde，A.：波动率模型的一致排名。《计量经济学杂志》131（1-2），97–121（2006）10。Hansen，P.，Lunde，A.：波动率模型的预测比较：有什么东西能击败GARCH（1，1）？《应用计量经济学杂志》（2000），1–41（2005）11。Hansen，P.、Lunde，A.、Nason，J.：选择最佳波动率模型：模型置信集方法*。牛津经济公报。（401）（2003）12。Makridakis，S.，Hibon，M.：《M3竞赛：结果、结论和影响》。《国际预测杂志》16（4），451–476（2000）13。Osborne，M.A.、Roberts，S.J.、Rogers，A.、Ramcrour，S.D.、Jennings，N。R、 ：使用计算效率高的多输出高斯过程对传感器网络数据进行实时信息处理。2008年传感器网络信息处理国际会议（IPSN 2008）第109–120页（2008）14。

Platanios，E.，Chatzis，S.《波动率建模的多输出异方差高斯过程的非参数混合》，第1-4页（2013年），http://www.academia.edu/download/30490812/Nonparametric_Mixtures_of_Multi-Output_Heteroscedastic_Gau15.Poon，S.H.，Granger，C.：预测波动性的实际问题Ser Huang Poon和Clive Granger。《金融分析师杂志》61（1），45–56（2005）16。Poon，S.，Granger，C.：《金融市场波动预测：综述》。《经济文学杂志》第四十一期（6月），478–539（2003）17。Rasmussen，C.E.，Williams，C.K.I.：《机器学习的高斯过程》。，第14卷。麻省理工学院出版社（2006）18。Roberts，S.、O sborne，M.、Ebden，M.、Reece，S.、Gibson，N.、Aigrain，S.：时间序列建模的高斯过程。哲学交易。A辑，数学、物理和工程科学371（2013）19。Williams，C.，Rasmu-ssen，C.：回归的高斯过程。摘自：Touretzk y，D.S.，Mozer，M.C.，Hasselmo，M.E.（编辑）神经信息处理系统进展8。第1-7页。麻省理工学院出版社（1996）