結合機器學習改善波動率 外溢效果模型的波動率預測

蘇爲竣

本研究運用進階的機器學習算法，特別是隨機森林（Random Forest），以改進對多資產波動率聚集現象的解釋。傳統模型VAR-DCC-MGARCH在面對結構性斷裂和收斂問題時往往受限，影響模型在預測與解釋上的能力。通過隨機森林特徵重要性之選擇解釋變數，透過此特徵排序與篩選變數，減少模型複雜度，表明從多國股票市場指數中篩選數據可以更好的建制模型，減少模型過於擬合的現象，使模型在新數據上有更好的泛化能力。研究使用臺灣加權指數進行展示，發現隨機森林可提高模型預測性與適配性。

作者：＊逢甲大學財務金融學系大學生 蘇爲竣

＊通訊作者E-mail：brain.su100 @gmail.com

發表人：蘇爲竣