海外文献速览系列之十六：高频数据下基于文本挖掘和深度学习的股票波动性预测
创建于 更新于
摘要
本报告基于Bolin Lei等人的研究，探讨了利用高频交易数据结合文本挖掘构建股东情绪因子，并基于深度学习LSTM模型对股票波动率进行预测的方法。实证发现，加入情绪指标的LSTM模型在多指标损失函数下预测精度优于传统计量经济学模型，情绪因子显著提升波动率预测效果，且时间窗口的选择对模型表现影响显著，窗口20天表现最佳，为波动率预测提供了新的技术路径和理论支持 [page::0][page::1][page::11][page::12]
