Assessing Uncertainty in Stock Returns: A Gaussian Mixture Distribution-Based Method
创建于 更新于
摘要
本研究提出基于高斯混合分布的深度学习模型，通过融合Transformer变体网络结构与股票代码嵌入技术，动态预测股票收益率的潜在分布，精准捕捉波动率的复杂非线性特征和非传统分布形态。相比传统GARCH模型，新方法在波动率预测和风险评估方面表现更优，实证覆盖3226支中国A股，结合t-SNE可视化揭示股票间不确定性相似性，为投资组合管理和风险缓释提供了创新视角和工具 [page::0][page::3][page::4][page::13][page::19]。
