关键词:
沪铜期货
自适应噪声完备经验模态分解
CNN-LSTM
支持向量回归
摘要:
针对沪铜期货价格数据的复杂性和长期依赖性,基于“分解-重构-集成”思想,提出了一种新的波动率预测模型:CEEMDAN-SE-CNN-LSTM-SVR.首先,使用自适应噪声完备经验模态分解(CEEMDAN)将波动率分解为多个本征模态分量(IMF)与残差项,并依据样本熵(SE)值重构为高、低频分量,以降低序列建模的复杂度;其次,使用CNN-LSTM提取各分量的空间特征和时间信息并分别进行预测;然后,将各分量预测值利用支持向量回归(SVR)进行非线性集成,得到最终预测结果.实证结果表明:利用该模型预测沪铜期货波动率,其MAE相较于传统GARCH(1,1)模型减少了37%,其MAPE相较于SVR模型减少了70.1%,其RMSE相较于CNN-LSTM模型减少了22.5%.同时,对不同样本区间的波动率进行预测,验证了该模型对沪铜期货波动率预测的有效性和稳定性.