考虑高维宏观信息的波动率与股票价格预测

为刻画股票价格的非线性动态特征，并充分利用高维宏观经济变量对股价的预测能力，文章基于LSTM模型、LASSO降维和混频模型，研究了高维情形下利用低频宏观经济变量预测高频股价的问题。首先，使用LASSO方法对高维宏观经济变量进行筛选，并进行因子分析提取宏观因子；然后，使用该宏观因子构建混频GARCH-MIDAS模型以预测波动率；最后，以包含宏观经济信息的波动率和通过因子分析降维后的技术指标因子作为特征，输入LSTM神经网络模型来预测上证综指价格。结果表明，LSTM-GARCH-MIDAS模型具有较高的预测精度和良好的适用性。