Улучшенная модель прогнозирования волатильности: GARCH-Informed Neural Network

Статистический метод, который учитывает волатильность, был признан достойным Нобелевской премии. Модель ARCH, широко применяемая для прогнозирования, не всегда была эффективна в различных рыночных условиях.

Исследователи из Университета Карнеги-Меллона предложили новую гибридную модель глубокого обучения, известную как GARCH-Informed Neural Network (GINN). Эта модель объединяет преимущества GARCH и длинную краткосрочную память нейронной сети, что позволяет более точно прогнозировать волатильность.

GINN обучается на фактических данных и знаниях GARCH, что позволяет ей выявлять как общие тенденции, так и мелкие детали. Результаты тестирования показали, что модель на 5% превосходит GARCH и эффективно предсказывает волатильность семи мировых фондовых индексов.