深度学习LSTM模型与VaR风险管理

文章利用金融高频数据交易量信息,将深度学习长短期记忆(LSTM)模型应用于Va R风险管理。利用含有交易量信息的高频数据,结合LSTM模型,构造了LSTM-RV已实现波动率动态预测模型,利用半参数极值理论(EVT)方法估计收益率分位数,构建了LSTM-RV-EVT风险管理Va R模型。实证分析表明,相对于传统HAR(异质自回归)波动率预测模型,LSTM-RV预测模型的预测准确率显著提高,LSTM-RV-EVT模型比传统VaR模型和未利用交易量信息LSTM的VaR模型表现更好。