基于神經網絡技術對標普500指數波動率的預測

李健

[摘要]波動率是對特定證券或市場指數收益分散度的統計量度，可以通過使用證券或市場指數收益率之間的標準偏差或方差來衡量。通常，波動率越高，風險越高。文章運用神經網絡模型對美國標普500指數2016年的波動率進行了預測，并得到了優于傳統模型的預測結果。

[關鍵詞]神經網絡技術；標普500指數；波動率；預測

[DOI]1013939/jcnkizgsc201807068

波動率是對特定證券或市場指數的收益分散度的統計量度，可以通過使用證券或市場指數收益率之間的標準偏差或方差來衡量。通常，波動率越高，風險越高。用來計算波動率的傳統方法包括Black-Scholes模型和GARCH族模型。這些傳統方法難以捕捉金融市場時間序列數據等數據集的不連續性，非線性和高度復雜性。隨著計算機科學的發展，人工神經網絡等機器學習技術提供了足夠的學習能力，更有可能捕捉到金融市場中復雜的非線性模型。該技術已經在金融預測研究中取得了一些成果。Baba和Kozaki（1992）開發了一個神經網絡系統用于預測日本股市的價格，并將改進BP算法與隨機優化方法相結合的混合算法用于神經網絡參數的訓練。

1建模

本文使用神經網絡技術建立了一個可以預測標普500指數波動率的模型。考慮到較長時間的交易包含了更多的信息以及實證研究的需要，本文選取的樣本范圍從2005年1月到2016年12月。為了比較不同模型的預測精度，以均方誤差（MSE）作為評價標準，即預測波動率與實際波動率之間的偏差平方的平均值。

反向傳播（BP）算法也稱為誤差反向傳播算法，是人工神經網絡中的監督學習算法。……