A GCN-LSTM APPROACH FOR ES-MINI AND VX FUTURES FORECASTING
创建于 更新于
摘要
本报告提出将多通道图卷积网络（GCN）与长短期记忆网络（LSTM）相结合的创新框架，用于预测E-mini标普500和CBOE波动率指数（VX）期货的收益率、波动率及交易量。通过构造基于多种金融指标的相关网络，捕捉期货品种之间的高相关性与复杂交互关系，并在预测模型中实现信号传播，从而显著提升预测性能。研究验证了GCN-LSTM优于传统方法和纯LSTM网络，特别是在流动性较高的合约上表现最优。此外，结合经济意义的损失函数如Sharpe比率与Qlikelihood进一步增强模型实用价值[page::0][page::3][page::6][page::12][page::16].
