Graph Signal Processing for Global Stock Market Realized Volatility Forecasting
创建于 更新于
摘要
本文创新性地将图信号处理（GSP）技术融入传统异质自回归（HAR）模型，提出基于DY-magnetic-Laplacian构造的全球股票市场波动率溢出网络的实现波动率预测方法。通过引入图信号能量（GSE）作为网络结构有效性诊断工具，并利用图傅里叶变换捕获跨市场波动溢出效应，本文实证证实该框架在短期、中期及长期实现波动率预测中均显著优于基线模型。同时，GSP-HAR模型预测的GSE在金融危机等市场动荡期表现出领先预警能力，拓展了波动率预测与市场风险监测的研究边界 [page::0][page::2][page::25]
