リカレントニューラルネットワークによるボラティリティ変動モデリング
1) 東京工業大学
2) 慶應義塾大学
| Abstract | 金融資産を管理する上で金融資産のリスクを表すボラティリティについて、どのようにモデリングをして、予測を行うかは金融機関経営における重要な課題の一つである。そのため、金融市場を反映した様々なモデルが考案されてきた。そこで本研究では、ディープラーニングモデルの一つであるリカレントニューラルネットワーク及びその派生モデルであるLSTMとGRUによって、株価指数のボラティリティ変動のモデリングを試みる。リカレントニューラルネットワークを用いれば、これまで人手で設計していたボラティリティ変動の構造を自動で捉えることができる可能性がある。GARCH(1,1)モデルとの比較を通じて、予測精度の分析を行った。 |
|---|---|
| How to model and forecast the volatility, which is the risk of financial assets, is one of the important issues in the financial institution management. Therefore, many prior studies have proposed various models reflected real financial markets. In this study, we attempt to apply the Recurrent Neural Network architecture (Simple RNN, LSTM, GRU) to modeling the volatility clustering and forecasting the future volatility. Using the Recurrent Neural Network architecture, there is a possibility that we could automatically capture structures of the conditional volatility, as ever we have designed manually. In comparison with the GARCH (1,1) model, we analysis a predictability for the conditional volatility. | |
| Keywords | ボラティリティ・クラスタリング，金融資産，リカレントニューラルネットワーク（ディープラーニング） |
| Volatility clustering，Financial assets，Recurrent neural network(Deep Learning) |
