Deep Learning Enhanced Multivariate GARCH
创建于 更新于
摘要
本文提出了一种基于LSTM神经网络增强BEKK模型的多变量波动率建模框架LSTM-BEKK，结合了BEKK模型的经济计量结构与深度学习的非线性动态捕获能力。该模型能有效解决传统多变量GARCH模型在高维资产中参数爆炸和非线性关系捕获不足的问题。实证结果显示，LSTM-BEKK在不同国家股市大规模资产组合的离线预测中均优于传统BEKK及DCC模型，且在构建全球最小方差组合时显著降低了组合波动率和最大回撤，展现了其在现代风险管理和投资组合优化中的广泛适用性和优势。[page::0][page::2][page::35]
