基于时序分解和深度学习的金融波动率预测方法及装置

摘要

本发明公开基于时序分解和深度学习的金融波动率预测方法及装置，涉及计算机技术领域，解决现有技术没有考虑在引入多元影响变量的同时去除掉数据噪声，也没有在捕捉波动率时间序列信息的同时排除二重特性的干扰的问题；本发明基于波动率的多维时间序列提取波动率的空间特征表示；同时基于波动率的单维时间序列提取波动率的时间特征表示；再将提取到的空间特征表示和时间特征表示进行拼接融合，然后生成预测结果；本发明不仅考虑了通过时序分解去除波动率时序数据的二重特性，还使用了LSTM层捕捉时间序列的长记忆性，从而提高了波动率的预测效果。