Geometric Deep Learning for Realized Covariance Matrix Forecasting
创建于 更新于
摘要
本报告提出一种基于几何深度学习的新方法，利用SPD矩阵的黎曼流形结构及其时序特性，通过构建对角块输入矩阵扩展SPDNet网络，实现对高维资产收益实证协方差矩阵的高精度预测。该方法有力克服了传统欧氏空间方法的限制，并将HAR模型矩阵化，显著提升了预测效果和计算效率 [page::0][page::2][page::9][page::13][page::18][page::19]。
