Новые признаки для
прогнозирования волатильности
методами машинного обучения
Иванов М.А.�Консультант: Немченко В.�Научные руководители: Рощина Я.А., Королев В.Ю.
Курс: «Нейронные сети и их применение в научных исследованиях»
Модели волатильности GARCH
—
это рекуррентные нейросети
Иванов М.А.�Консультант: Немченко В.�Научные руководители: Рощина Я.А., Королев В.Ю.
Курс: «Нейронные сети и их применение в научных исследованиях»
Введение в тему
Модели GARCH – это рекуррентные нейросети
Модели GARCH – это рекуррентные нейросети
Минутные цены акций на Мосбирже для 19 тикеров с большим оборотом торговли (AFLT, ALRS, GAZP, SBER, …):
Данные
Модели GARCH – это рекуррентные нейросети
Дневные доходности SBER
Данные
Модели GARCH – это рекуррентные нейросети
Логарифм реализованной дисперсии SBER
Данные
Модели: эконометрика
Есть множество разновидностей, но эта основная, наиболее популярная.
Функция потерь: отрицательное лог-правдоподобие нормального распределения.�
Модели GARCH – это рекуррентные нейросети
Модели: нейронные сети
Скрытое состояние – “память” модели.
Модели GARCH – это рекуррентные нейросети
Модели: GARCH+RNN
Функция потерь: отрицательное лог-правдоподобие смеси нормальных распределений.
Основная идея: GARCH – это уже рекуррентная нейросеть. Давайте развивать GARCH в “нейросетевом” направлении.
Модели GARCH – это рекуррентные нейросети
Устойчивость GARCH-RNN
Вывод: оценки слабо зависят от начальных параметров.
Поэтому дальнейшие результаты – не случайность.
Модели GARCH – это рекуррентные нейросети
Модели GARCH – это рекуррентные нейросети
Среднеквадратичная ошибка MSE, квазиправдоподобие QLIKE:
Обе устойчивы к шуму в RV. Стандартные метрики:
В прогнозировании волатильности в качестве метрик всегда используют функции потерь.
Метрики
Модели GARCH – это рекуррентные нейросети
Обзор существующих решений
Модели GARCH – это рекуррентные нейросети
Результаты: in-sample
Описательная способность: критерий Акаике.�GARCH-RNN (MixGARCH) лучше GARCH (80% случ.)
Модели GARCH – это рекуррентные нейросети
Результаты: out-of-sample
Прогноз волатильности на 1 день вперёд.
GARCH-RNN лучше в 52% случаев.
Модели GARCH – это рекуррентные нейросети
План
Модели GARCH – это рекуррентные нейросети
Заключение