リカレントニューラルネットワークによるボラティリティ変動モデリング

抄録

金融資産を管理する上で金融資産のリスクを表すボラティリティについて、どのようにモデリングをして、予測を行うかは金融機関経営における重要な課題の一つである。そのため、金融市場を反映した様々なモデルが考案されてきた。そこで本研究では、ディープラーニングモデルの一つであるリカレントニューラルネットワーク及びその派生モデルであるLSTMとGRUによって、株価指数のボラティリティ変動のモデリングを試みる。リカレントニューラルネットワークを用いれば、これまで人手で設計していたボラティリティ変動の構造を自動で捉えることができる可能性がある。GARCH(1,1)モデルとの比較を通じて、予測精度の分析を行った。