股指波动率的最小二乘支持向量机预测方法

摘要

为了提高金融波动率的预测精度,提出一种将相空间重构技术、最小二乘支持向量机(LSSVM)与变加速系数粒子群优化(PSO_TVAC)算法相结合的波动率预测方法。首先,对原始波动率序列进行相空间重构,判断其混沌特性;其次,利用LSSVM优良的非线性映射特性对重构后的序列进行建模及预测,同时采用PSO_TVAC算法选择LSSVM最优参数。将该方法应用于上证综指股指收益的波动率预测,结果表明,此方法获得了较高的波动率预测精度,为波动率的准确预测提供了一种有益尝试。