文件名称：使用机器学习对总体股市波动进行预测回归-研究论文
文件大小：1.97MB
文件格式：PDF
更新时间：2024-06-29 18:49:01
Forecasting Realized Volatility
我们调查机器学习技术和大量金融和宏观经济变量是否可用于预测未来标准普尔实现的波动率。 我们评估了正则化方法（Ridge、Lasso 和 Elastic Net）、基于树的方法（随机森林和梯度提升）和预测组合方法的总体波动率预测。 我们发现机器学习算法在统计上和经济上都优于自回归基准模型，并且基于树的方法表现最好。 除了过去的认识外，我们的分析表明，总体波动的主要驱动因素是几个金融和宏观经济的不确定性指标。