基于EMD-SE-LSTM模型的股指日内已实现波动率预测——以中证500指数为例

作者：刘传; 陈彦晖

来源：科技和产业, 2022, 22(08): 385-391.

• 经验模态分解(EMD)
• 长短期记忆网络(LSTM)
• 已实现波动率
• 股票指数

由于股指波动率具有非平稳、高嘈杂、非线性等特征，而传统的预测模型在建模时要求数据平稳、线性或近似线性，所以很难精准预测股指波动率。为提高股指波动率的预测效果，采用经验模态分解(EMD)、样本熵(SE)和长短期记忆网络(LSTM)构建的模型对股指日内已实现波动率进行预测。以中证500指数为例，经过EMD分解得到一系列分量，再根据分量的样本熵大小进行重构，最后利用LSTM对重构后的各序列进行预测。结果表明，EMD算法对LSTM模型的预测精度有很大的提升，相较于传统模型，EMD-SE-LSTM模型在预测股指波动率时精度更高，拟合优度更好。

• 单位
  经济管理学院; 上海海事大学