市场波动率预测模型构建全流程

📚 共计 30 章节

波动率基础

什么是波动率？金融意义、数学定义与分类（历史/隐含/已实现波动率）

数据获取与清洗

yfinance获取日频数据、缺失值处理、股息拆股调整、日收益率序列

yfinance预处理

描述性统计与可视化

偏度、峰度、JB检验、波动率聚集、matplotlib价格与收益率图

统计可视化

历史波动率模型

SMA波动率、EWMA波动率、参数选择与对比

ARCH模型入门

ARCH效应(LM检验)、ARCH(1)原理与估计、残差检验

GARCH模型 (1)

GARCH(1,1)原理、MLE估计、模型解释与波动率预测

GARCH模型 (2)

高阶GARCH(p,q)、AIC/BIC选择、预测性能评估

高阶模型选择

杠杆效应与非对称性、EGARCH原理、对比GARCH

非对称杠杆

GJR-GARCH模型

门限GARCH、好消息/坏消息不对称影响、模型比较

波动率预测评估

损失函数(MSE/MAE/QLIKE)、Diebold-Mariano检验、MCS

多步预测与滚动窗口

滚动时间窗口预测、多步前向方法、置信区间

高频数据与已实现波动率

5分钟高频数据、RV计算、BPV与跳跃检验

异质自回归HAR、日/周/月成分、估计与预测

时变系数HAR、HARQ原理、实证表现

波动率预测的特征工程

技术指标(RSI/MACD/布林带)、宏观变量(VIX/利率)、滞后项

机器学习入门

scikit-learn基础、训练/验证/测试划分、标准化与PCA

线性回归与正则化

线性回归预测波动率、Ridge/Lasso、特征重要性

随机森林与梯度提升

随机森林、XGBoost/LightGBM、GridSearchCV调优

支持向量回归 (SVR)

SVR原理、核函数选择、波动率预测应用

神经网络基础

MLP结构、激活函数、损失函数、PyTorch/TensorFlow快速入门

LSTM与时间序列

LSTM原理、序列建模、单变量/多变量波动率预测

Transformer与注意力机制

时间序列Transformer、自注意力、位置编码、对比LSTM

Transformer注意力

GARCH+机器学习混合、两阶段预测、集成学习

波动率预测的贝叶斯方法

贝叶斯GARCH、MCMC采样、预测分布与不确定性量化

波动率预测在期权定价中的应用

BSM模型、隐含波动率曲面、预测波动率与期权策略

波动率预测在风险管理中的应用

VaR/CVaR、风险预算、压力测试

VaR压力测试

波动率预测在资产配置中的应用

动态风险平价、波动率目标策略、回测框架

资产配置风险平价

模型部署与自动化

joblib/pickle序列化、Flask/FastAPI API、定时任务

回测与绩效评估

回测框架、夏普比率/最大回撤/换手率、过拟合检验

总结与前沿展望

知识图谱、随机波动率/深度学习新架构、学习路径与资源