首页|期刊导航|吉林大学学报(理学版)|基于结构先验引导与残差修正的金融波动率预测

基于结构先验引导与残差修正的金融波动率预测OA

中文摘要

针对金融波动率序列固有的非线性、低信噪比预测难题,提出一种融合结构先验和深度学习的自适应门控混合模型(SCLA-GARCH).该模型利用广义自回归条件异方差(GARCH)捕捉线性结构,并行构建CNN-LSTM-Attention网络学习其残差中的非线性模式,并由自适应门控机制动态融合.实证分析结果表明,该模型预测误差显著低于多种基准模型,均方误差(MSE)最大降幅达59%.

李艳秋;葛姝含;李健;龙韵泽;秦迪

吉林工程技术师范学院数据科学与人工智能学院,长春130052吉林农业大学食品科学与工程学院,长春130118吉林农业大学信息技术学院,长春130118吉林农业大学信息技术学院,长春130118广州中医药大学药学院,药用植物生理与生态研究所,广州510006

信息技术与安全科学

波动率建模GARCH模型神经网络金融波动率预测

《吉林大学学报(理学版)》 2026 (5)

P.1056-1064,9

吉林省科技发展计划项目(批准号:20250201081GX)。

10.13413/j.cnki.jdxblxb.2025324

评论