Evaluating Credit VIX (CDS IV) Prediction Methods with Incremental Batch Learning [Preprint]
创建于 更新于
摘要
本报告比较了支持向量机（SVM）、梯度提升（LightGBM）和Attention-GRU混合模型对欧洲企业信用违约掉期（CDS）5年期滚动合约隐含波动率（Credit VIX）的预测能力。研究采用受Merton信用风险模型启发的特征集，通过增量批量学习框架在2024年5月至8月的季度期间进行盲测。结果显示，Attention-GRU模型在多个误差指标上表现略优，尤其在较大的训练窗口中，体现了注意力机制对捕捉时间序列复杂依赖关系的优势；经典机器学习模型则表现出较强的鲁棒性，适合数据量有限的场景。研究强调特征工程及模型架构优化的重要性，并提出了后续通过更复杂特征处理和模型调优提升性能的方向[page::0][page::1][page::4][page::7][page::8][page::9].
