基于LSTM-EGARCH组合模型的VaR碳交易风险度量研究

基于碳交易价格收益率信息,从深度学习理论视角研究碳交易市场系统风险,构造了LSTM-EGARCH波动率动态预测模型,分别采用EVT半参数方法,正态分布、T分布参数方法估计标准化收益率分位数,建立LSTM-EGARCH-VaR风险度量模型。模型对比传统EGARCH-VaR模型,克服了波动率变化的线性假设和残差序列的独立同分布假设,其基于风险预测失败的LR检验结果表现,其风险度量结果的准确率均提升38%以上,显示出了深度学习理论在预测领域的优势。