中国股指波动率的智能预测模型与实证检验  

作　　者：耿立艳[1,2] 郭斌[3] 

机构地区：[1]中国社会科学院数量经济与技术经济研究所,北京100732 [2]石家庄铁道大学经济管理学院,石家庄050043 [3]石家庄铁道大学学生处,石家庄050043

出　　处：《统计与决策》2016年第7期148-151,共4页Statistics & Decision

基　　金：教育部人文社会科学研究青年基金项目(11YJC790048);中国博士后科学基金资助项目(2015M571194)

摘　　要：文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型。以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性。检验结果表明,AlWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度。

关 键 词：波动率预测 最小二乘支持向量机 自适应惯性权重粒子群算法 动态加速系数粒子群算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]