結合機器學習改善波動率 外溢效果模型的波動率預測

本研究運用進階的機器學習算法,特別是隨機森林(Random Forest),以改進對多資產波動率聚集現象的解釋。傳統模型VAR-DCC-MGARCH在面對結構性斷裂和收斂問題時往往受限,影響模型在預測與解釋上的能力。通過隨機森林特徵重要性之選擇解釋變數,透過此特徵排序與篩選變數,減少模型複雜度,表明從多國股票市場指數中篩選數據可以更好的建制模型,減少模型過於擬合的現象,使模型在新數據上有更好的泛化能力。研究使用台灣加權指數進行展示,發現隨機森林可提高模型預測性與適配性。

作者:*逢甲大學財務金融學系大學生 蘇為竣

*通訊作者E-mail:brain.su100 @gmail.com

發表人:蘇為竣

更多工商時報報導
太陽光電、離岸風電 雙延宕 連2年未達標 明年挑戰更大
缺料 全球伺服器市場下修7%
台灣本田首款國產油電車 逆勢降價