Dynamic graph neural networks for enhanced volatility prediction in financial markets
创建于 更新于
摘要
本报告提出基于动态图结构的时序图注意力网络（Temporal GAT）模型，通过结合图卷积网络和图注意力机制，结合波动率溢出指数，构建全球股票市场异构有向图，实现对市场波动聚类的高精度预测。实证显示，该方法较传统GARCH模型及多层感知机模型，在短中期预测表现更优，且具备良好的稳健性和参数敏感性分析结果，为风险管理与投资决策提供了创新的量化工具与理论支持[page::0][page::2][page::23]
