COMEX Copper Futures Volatility Forecasting: Econometric Models and Deep Learning
创建于 更新于
摘要
本文对COMEX铜期货不同频率区间的已实现波动率预测进行了系统比较，涵盖传统计量经济模型（如HAR、GARCH）与深度学习循环神经网络（RNN、LSTM、GRU）。结果表明：HAR模型在日频预测中表现优异，QLIKE损失最低且预测平滑；而在小时级高频数据下，深度学习模型预测优于GARCH，且与HAR性能相当。随着预测期延长，深度学习模型逐步缩小与GARCH的差距，显示其在捕捉复杂波动特征上的潜力。整体来看，HAR依然是铜期货日频波动率预测中最稳健的模型表现。[page::0][page::8][page::9][page::10][page::11][page::12]
