پیش بینی نوسانات داده های مالی با فرکانس بالا بر اساس شاخص جستجوی وب و مدل یادگیری عمیق

سیستم شاخص موجود برای پیش بینی نوسانات فقط بر روی سری بازگشت دارایی یا نوسانات تاریخی متمرکز است ، و مدل پیش بینی نمی تواند به طور مؤثر ویژگی های بسیار پیچیده و غیرخطی بازار سهام را توصیف کند. در این مطالعه ، ما یک عامل توجه سرمایه گذار را از طریق شاخص جستجوی Baidu از کلمات کلیدی پیشین می سازیم ، و سپس سایر اطلاعات معاملاتی مانند حجم معاملات ، نشانگر روند ، نرخ تغییر نقل قول و غیره را به عنوان شاخص های ورودی ترکیب می کنیم و در نهایت از عمیق استفاده می کنیم. مدل یادگیری از طریق شبکه های حلقوی موقتی (TCN) برای پیش بینی نوسانات تحت داده های مالی با فرکانس بالا. ما دریافتیم که صحت پیش بینی مدل TCN با توجه سرمایه گذار بهتر از مدل TCN بدون توجه به سرمایه گذار است ، مدل اقتصاد سنجی سنتی به عنوان ناهمگونی مشروط اتوگرافی تعمیم یافته (GARCH) ، مدل اتورگرایی ناهمگن از بی ثباتی تحقق یافته (HAR-RV) ، مدل های میانگین متحرک کسری یکپارچه (ARFIMA) و مدل حافظه کوتاه مدت بلند مدت (LSTM) با توجه به سرمایه گذار. در مقایسه با مدل های اقتصاد سنجی سنتی ، نتایج پیش بینی چند مرحله ای برای مدل TCN قوی است. یافته های ما روشی دقیق تر و قوی تر برای پیش بینی نوسانات برای داده های بزرگ و غنی سازی سیستم شاخص پیش بینی نوسانات ارائه می دهد.

کلید واژه ها: طبقه بندی ژل: C22 ؛G17

1. معرفی

نوسانات قیمت دارایی های مالی یکی از عوامل اصلی برای اندازه گیری ریسک ، قیمت گذاری مشتقات مالی و تخصیص دارایی است. پیش بینی نوسانات دقیق به یکی از مباحث داغ در تحقیقات دانشگاهی و صنعت تبدیل شده است. با توجه به تجمع نوسانات بازده دارایی ، Engle [1] مدل ناهمگونی مشروط مشروط (ARCH) را برای سری باقیمانده معرفی کرد. بعداً ، Bollerslev [2] مدل ناهمگونی مشروط مشروط (GARCH) را برای توصیف کامل روند نوسانات بازده دارایی پیشنهاد کرد. بیلی و همکاران.[3] از مدل ناهمگونی مشروط شرطی اتورگرایی (FIGARCH) استفاده کرد تا ویژگی های ناهمگونی دارایی های مالی و ویژگی های تنوع حافظه طولانی را منعکس کند. تیلور [4] مدل نوسانات تصادفی (SV) را بر اساس شرط اینکه واریانس شرطی از یک فرآیند تصادفی غیرقابل کنترل پیروی کند ، پیشنهاد کرد و از داده های با فرکانس پایین برای اندازه گیری نوسانات روزانه استفاده کرد. مدل های فوق الذکر برای مدل سازی نوسانات عمدتاً بر اساس داده های با فرکانس پایین مانند بازده دارایی روزانه یا ماهانه است. با نوآوری و توسعه فناوری داده های بزرگ ، ظرفیت ذخیره سازی و قدرت محاسبات سری زمانی مالی با فرکانس بالا به طور قابل توجهی بهبود یافته است. مدل سازی محاسباتی و تجزیه و تحلیل پیش بینی بر اساس سری زمانی مالی با فرکانس بالا به مباحث مهم تحقیق برای محققان تبدیل شده است. Andersen و Bollerslev [5] ابتدا پیشنهاد كردند كه جمع مربعات بازده با فرکانس بالا باید برای محاسبه نوسانات داخل بدن استفاده شود. کورسی [6] و اندرسون و همکاران.[7] از مدل اتورگرایی ناهمگن مدل نوسانات تحقق یافته (HAR-RV) و مدل میانگین متحرک یکپارچه یکپارچه (ARFIMA) خود استفاده کرد تا نوسانات را بر اساس نوسانات تحقق یافته محاسبه شده توسط داده های مالی با فرکانس بالا در داخل کشور پیش بینی کند ، و دریافت که مدل هاپیش بینی نوسانات خارج از نمونه بهتر از مدل های سنتی خانواده Garch بود.

نوسانات قیمت شاخص نیز تحت تأثیر عوامل اقتصادی ، تأثیر سیاست و توجه سرمایه گذار است. مکانیسم این عوامل تأثیرگذار معمولاً غیرخطی است. از یک طرف ، مدلهای اقتصاد سنجی سنتی فوق الذکر فقط وابستگی نوسانات را بر اساس شکل عملکرد درجه دوم توصیف می کنند و نمی توانند به طور مؤثر ویژگی های بسیار پیچیده و غیرخطی بازار سهام را توصیف کنند. از طرف دیگر ، آنها فقط از یک شاخص واحد مانند سری دارایی یا نوسانات تاریخی برای توصیف و پیش بینی نوسانات استفاده می کردند و عواملی مانند سایر اطلاعات معامله و توجه سرمایه گذار را در نظر نگرفتند. مدل های یادگیری عمیق می توانند ایده های جدیدی را برای بهبود دقت پیش بینی بر اساس متناسب بودن روابط غیرخطی و قابلیت های یادگیری ویژگی های قوی ارائه دهند. جیانگ و همکاران.[8] برای پیش بینی قیمت سهام به ترتیب از مدل های یادگیری عمیق ، حافظه کوتاه مدت بلند مدت (LSTM) و شبکه عصبی مکرر (RNN) استفاده کرد و دریافت که مدل LSTM ، که می تواند حافظه سری زمانی را توصیف کند ، مؤثرتر استبشرجین و همکاران.[9] تمایلات توجه سرمایه گذار را به LSTM برای پیش بینی قیمت بسته شدن سهام معرفی کرد. دنگ و همکاران.[10] دریافت که مدل های یادگیری عمیق شبکه های همخوانی زمانی (TCN) می توانند قیمت سهام را با دقت بالاتر پیش بینی کنند. در حال حاضر ، از مدل های یادگیری عمیق بیشتر در پیش بینی قیمت سهام استفاده می شود. با این حال ، پیش بینی نوسانات تحت داده های با فرکانس بالا بر اساس مدل های یادگیری عمیق ، به ویژه مدل TCN ، که دارای اثر پیش بینی بهتری است و شایسته تحقیقات عمیق کاربردی است ، نسبتاً نادر است.

سایر اطلاعات معاملاتی مانند حجم معاملات ، شاخص های روند ، نرخ تغییر نقل قول و سایر شاخص ها در مطالعه ما تأیید شده اند تا ارتباط خاصی با نوسانات داشته باشند و باید به عنوان شاخص های ورودی برای پیش بینی نوسانات گنجانده شوند. علاوه بر این ، شاخص جستجوی Baidu بر اساس داده های رفتار روزانه شهروندان عظیم است که نشان دهنده "توجه کاربر" و "توجه رسانه ها" در دوره گذشته است. می توان از آن به عنوان متغیر پروکسی برای توجه سرمایه گذار استفاده کرد. یانگ و LV [11] توجه سرمایه گذار را بر اساس شاخص جستجوی Baidu اندازه گیری کردند و نوسانات بازار سهام را از طریق توجه اضطراری توضیح دادند. چن و همکاران.[12] شاخص جستجوی Baidu و دیگران را به عنوان یک شاخص افکار عمومی آنلاین برای تغییر توجه سرمایه گذار انتخاب کرد و رابطه بین توجه سرمایه گذار و شاخص قیمت سهام را رکود و تجزیه و تحلیل کرد. سرمایه گذاران بر اساس اطلاعات مختلفی که توسط کارشناسان ، محققان و سازمان های دولتی منتشر می شود ، تصمیم می گیرند و انتظارات اطلاعات فعلی و آینده خود را از بازار سهام در طی فرآیند مبادله منعکس می کنند. در دوره اقتصاد اینترنت ، شاخص جستجوی وب که توسط بایدو فاش شده است می تواند توجه سرمایه گذار را منعکس کند. تجزیه و تحلیل تجربی از شاخص Baidu و شاخص قیمت سهام نشان می دهد که شاخص Baidu به شاخص قیمت سهام مربوط می شود و می تواند قیمت سهام را پیش بینی کند. برای جلوگیری از داشتن کلمات کلیدی بیش از حد برای شاخص جستجوی Baidu ، ما یک کتابخانه اولیه کلید واژه را بر اساس روش غربالگری در ژانگ و ژو [13] و روش تجزیه و تحلیل در LI و FAN انتخاب و سنتز کردیم [14]. سپس ، ما از روش تجزیه و تحلیل همبستگی با اختلاف زمان برای انتخاب شاخص های جستجوی کلمات کلیدی خاص به عنوان کلمات کلیدی پیشین برای نوسانات شاخص بورس سهام شانگهای استفاده کردیم ، که به عنوان شاخص ورودی برای پیش بینی نوسانات استفاده می شدند.

تحت داده های معاملات مالی پنج دقیقه ای با فرکانس بالا از شاخص بورس اوراق بهادار شانگهای ، ما نه تنها از نوسانات تحقق یافته به عنوان متغیر ورودی برای مدل TCN یادگیری عمیق استفاده کردیم ، بلکه سایر اطلاعات معامله را نیز در نظر گرفتند ، مانند حجم معاملات ، نشانگر روند، نقل قول تغییر نرخ و غیره ، و توجه سرمایه گذار به عنوان پیش بینی کننده پیش بینی نوسانات. سپس ، ما نوسانات تحقق یافته را پیش بینی می کنیم و آن را با مدل خانواده سنتی Garch Garch ، و مدل های HAR-RV ، Arfima و TCN بدون توجه به سرمایه گذار و مدل LSTM با توجه سرمایه گذار مقایسه می کنیم. سهم مطالعه ما دو برابر است. در مرحله اول ، تحت داده های مالی با فرکانس بالا ، ما از مدل TCN یادگیری عمیق برای پیش بینی نوسانات استفاده کردیم ، که ایده هایی را برای پیش بینی نوسانات در زمینه داده های بزرگ و روش های پیش بینی نوسانات غنی سازی ارائه می داد. ثانیا ، ما به طور جامع سیستم شاخص را برای پیش بینی نوسانات ، به ویژه توجه سرمایه گذار ساخته شده توسط شاخص جستجوی بایدو با استفاده از برخی از کلمات کلیدی پیشین ، که باعث بهبود صحت پیش بینی نوسانات شده است ، مرتب کردیم.

ساختار مقاله به شرح زیر است. بخش 2 اصل مدل یادگیری عمیق TCN ، روشهای تحقیق و معیارهای ارزیابی مرتبط را معرفی می کند. بخش 3 از شاخص جستجوی Baidu از کلمات کلیدی پیشین برای جلب توجه سرمایه گذار استفاده می کند ، همبستگی بین سایر اطلاعات معامله ، توجه سرمایه گذار و نوسانات تحقق یافته تحت داده های با فرکانس بالا را نشان می دهد و سپس هایپرپارامتر مربوطه مدل TCN را انتخاب می کند. سرانجام ، دقت و رتبه بندی پیش بینی نوسانات یک مرحله ای و چند مرحله ای خارج از نمونه از نه مدل تحت پنج عملکرد از دست دادن مقایسه می شود. اعتبار یافته هایی که عامل توجه سرمایه گذار از طریق شاخص جستجوی Baidu تأثیر مثبت بر صحت پیش بینی نوسانات دارد ، تحت روشهای مختلف محاسبه ضریب همبستگی در بخش 4 مورد بحث قرار گرفته است.

2. روش ها و رویه تجربی

2. 1مدل TCN

در الگوریتم های یادگیری عمیق، سری های زمانی مدل سازی عمدتاً بر اساس یک شبکه عصبی بازگشتی (RNN) است، در حالی که شبکه های عصبی کانولوشنال (CNN)، مانند LeCun و همکاران.[15] و پسوندهای آن، به طور گسترده در وظایف طبقه بندی تصاویر استفاده می شود. پس از مقایسه معماری کانولوشن و ساختار حلقه مدل سازی سری، بای و همکاران.[16] دریافتند که شبکه کانولوشن بهتر از شبکه عصبی مکرر در کارهای مختلف طبقه بندی و رگرسیون عمل می کند. TCN تغییر کرده است تا وابستگی طولانی مدت مدل پیش بینی سری مبتنی بر CNN را بهتر نشان دهد. TCN لایه کاملا متصل را با یک لایه کانولوشن جایگزین می کند تا اطمینان حاصل شود که ابعاد ورودی و خروجی یکسان هستند. لایه کانولوشن آن شامل پیچیدگی سببی و پیچیدگی متسع می شود.

با توجه به اینکه وظیفه پیش بینی سری های زمانی با کار طبقه بندی تصویر متفاوت است و خروجی پیش بینی سری های زمانی متاثر از ترتیب داده ها است، باید از کانولوشن علی استفاده کنیم. اصل پیچیدگی علی این است که "ما نمی توانیم اطلاعات آینده را بدانیم"، به این معنی که خروجی در زمان t + 1 تنها توسط اطلاعات در زمان t و قبل از آن تعیین می شود. فرمول ها به شرح زیر است: