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
报告基于深度学习LSTM模型结合基于高频交易数据构建的文本情绪因子，系统评估了其对股票波动率预测的效能。实证分析表明，融入股东文本情绪指标的LSTM模型，在多项损失函数评价下，预测准确率显著优于传统计量经济学模型如GARCH、ARFIMA等，且情绪因子有效提升了模型的稳健性和预测精度。研究为通过深度学习和文本挖掘实现更准确的波动率预测提供了新视角，适用于风险管理与衍生品定价 [page::0][page::3][page::17]
