基于LSTM与GARCH族混合模型的人民币汇率波动预测研究

作者：操玮; 任思儒^*

来源：计算机应用研究, 2020, 37(S1): 79-82.

• LSTM
• 混合模型
• 深度学习
• 波动率预测

深度学习算法在时间序列预测领域具有较大优势。基于深度学习中的长短期记忆模型(LSTM)构建了LSTM与GARCH族混合模型,以期融合新型深度学习模型和传统统计计量模型的各自优势,进而提高人民币汇率波动率预测的精度。选取2009—2018年的数据,对比分析了LSTM与GARCH族混合模型、单一LSTM模型和单一GARCH模型的预测结果。实验结果表明,LSTM与GARCH族混合模型要优于单一模型,单一LSTM模型要优于单一GARCH模型;另外,LSTM结合多个GARCH模型的复杂混合模型(LSTM-GEM)预测准确度最高,其次是LSTM结合两个或单个GARCH族模型的简单混合模型。

• 出版日期2020
• 单位合肥工业大学