论文部分内容阅读
文章将神经网络和动态GARCH模型结合,挖掘了价格偏差中的非线性特征,弥补了自回归只能挖掘价格偏差中的线性成分的不足,信息更新的加入使得动态GARCH模型更及时发现波动性的变动,降低了传统静态模型预测的风险。实证表明信息更新NN-GARCH模型的套利框架在不同的参数设置下有不同的表现,考虑交易成本的情况下该框架依然有很好的盈利能力。