论文部分内容阅读
本文以传统的异构自回归模型(HAR)为基础,考虑到新闻信息文本对于股票市场波动的影响,构建了新的情感词典,将情绪指标(AI)与基础的HAR模型相结合,并将深度学习中具有学习长短期依赖状态特点的门控循环单元(GRU)模型引入进来,形成了GRU-AI模型。然后介绍了波动率预测模型中的评估方法——损失函数法以及模型信度集(MCS)检验法。最后进行实证分析表明将情绪指标加入到波动率模型中可以提高模型样本外的预测精度。