期貨研究報告|量化專題報告期貨研究報告|量化專題報告2023-07-25——基于AI文本挖掘的波動率預(yù)測模型摘要心聚焦在低頻波動率上，進(jìn)行了如下研究并得出了一定結(jié)論：1)文本挖掘方法能夠獲取較全面的商品影響因素。2)預(yù)測模型優(yōu)于均值回歸模型并出現(xiàn)了與歷史波動率一樣的翹尾效應(yīng)。3)在俄烏沖突前預(yù)測模型通過小眾因子提前捕捉到了原油價格的異動。波動率的預(yù)測較準(zhǔn)確，并且在識別非線性因素和尾部風(fēng)核心觀點(diǎn)意義，它會顯著影響期貨做市商交易的成本LDA應(yīng)的代數(shù)據(jù)分析。來20日的擬合優(yōu)度要高于均值回歸模型，通過引入更多影響波動率的重要指之間的非線性關(guān)系。在俄烏沖突中預(yù)測模型對原油波動率的預(yù)測由于運(yùn)輸費(fèi)用這一小眾因子提前出了該指標(biāo)的波動率加大，從而提高了整體的預(yù)測效果。表明，大部分品種未來波動率都將上升。請仔細(xì)閱讀本報告最后一頁的免責(zé)聲明究院量化組研究gaotianyue@F3055799Z0016156聯(lián)系liguangting@F031085620755-23887993兇liyizi@F03105861投資咨詢業(yè)務(wù)資格：證監(jiān)許可【2011】1289號 核心觀點(diǎn) 1低頻波動率影響因素 4■波動率的研究意義 4 1.確立文本挖掘模型 42.挖掘資訊識別影響因素 5■影響因素預(yù)測波動率實(shí)證研究 7尋找代理指標(biāo) 72.數(shù)據(jù)處理 83.時間序列交叉驗證 94.預(yù)測模型與均值回歸模型對比 10例分析 12歸因分析 137.最新預(yù)測情況 14 請仔細(xì)閱讀本報告最后一頁的免責(zé)聲明請仔細(xì)閱讀本報告最后一頁的免責(zé)聲明 圖2:商品影響因素詞云 6圖3:商品波動率影響因素 7圖4:原油影響因素及代理指標(biāo) 8圖5:數(shù)據(jù)處理與波動率預(yù)測 9圖6：預(yù)測集散點(diǎn)圖與回歸曲線 9圖7:均值回歸模型預(yù)測表現(xiàn) 10圖8:真實(shí)值、預(yù)測模型與均值回歸模型對比 11圖9:未來波動變化與地緣政治、歷史趨勢預(yù)測的波動率對比圖 12圖10:地緣政治預(yù)測波動率出現(xiàn)了滯后性 13圖11:運(yùn)輸價格因子提前捕捉到原油波動率的異動 13圖12:監(jiān)控原油影響因素 14圖13:各品種本期預(yù)測波動率漲跌幅 15表1:模型預(yù)測方向性表現(xiàn)丨單位：個 10表2:原油當(dāng)期影響因素排序 11請仔細(xì)閱讀本報告最后一頁的免責(zé)聲明低頻波動率影響因素■波動率的研究意義大多數(shù)形式的投資都會在某種程度上受到波均衡性，因此在經(jīng)歷了一段時間的高波動率或低波動率期權(quán)定價的關(guān)鍵，期權(quán)的價值部分取決于未來股價易中起到了舉足輕重的作用?！鲅芯糠椒ㄑ芯坎]有本質(zhì)上的區(qū)別，本文研究的重點(diǎn)是對較因何，我們采用了《IdentifyingtheInfluentialFactorsofCommodityFuturesthroughaNewTextMiningApproach這測。1.確立文本挖掘模型LDA一種無監(jiān)督貝葉斯機(jī)器學(xué)習(xí)LDA主題的單詞的離散概率分布自動生成主題摘要，并進(jìn)一步推斷每個文檔的主題離散分布。但LDA基于“詞袋”檔中單詞的順序，這可能會導(dǎo)致句子中的每個單詞都從不同的。因此，Sent-LDA模型被提出來考慮句子之間的邊界，并假設(shè)句子中的所有單詞都請仔細(xì)閱讀本報告最后一頁的免責(zé)聲明，在這種“每句話一個主題”的假設(shè)下，不同句子中的詞不再其與句法修飾符的關(guān)系的直觀樹或圖形結(jié)構(gòu)，具體來說，這根節(jié)點(diǎn)和其他幾個節(jié)點(diǎn)組成，其中有向邊表示它們之間的關(guān)么文本數(shù)據(jù)集。比例。η和α表示相應(yīng)Dirichlet分布的超參數(shù)。w表示來自每個句子s的單詞集。u圖1：LDA、Sent-LDA和DP-Sent-LDA的圖形模型表示rsofCommodityFuturesthroughaNewTextMiningApproach2.挖掘資訊識別影響因素文獻(xiàn)通過在和訊網(wǎng)上搜集整理各個商品品種相關(guān)的新圖2:商品影響因素詞云rsofCommodityFuturesthroughaNewTextMiningApproach種重要影響因素，如圖所示，我們將所，找相應(yīng)的代理指標(biāo)，指標(biāo)也會有一個或者多個，如供需中圖3:商品波動率影響因素rsofCommodityFuturesthroughaNewTextMiningApproach列是共享因子，所有品種都會受到共享因品種自身會受到的影響因素，每個商品實(shí)際對應(yīng)的代?！鲇绊懸蛩仡A(yù)測波動率實(shí)證研究影響因素預(yù)測波動率的實(shí)證研究可以分為以下幾個步驟：1.尋找代理指標(biāo)價格的影響因素后，還需要尋找影響因素所對應(yīng)的代圖4:原油影響因素及代理指標(biāo)期貨研究院2.數(shù)據(jù)處理非日頻數(shù)據(jù)(周頻，月頻，季頻)，我們則首先取其相對上一期的絕對值或者負(fù)向變動都會引起波動率的抬升。經(jīng)過波動率計算與日頻轉(zhuǎn)化后，將所有調(diào)整后的數(shù)據(jù)用z-score方法進(jìn)行標(biāo)準(zhǔn)化后選Operator小絕對值收縮與篩選算子”(LeastAbsoluteShrinkageandctionOperatorsso多時采用普通最小二乘估計(OLS)估計帶來的過擬合和多重共線Lasso點(diǎn)在于可以直接將冗余預(yù)測變量的回歸系數(shù)壓縮到度壓縮。圖5:數(shù)據(jù)處理與波動率預(yù)測期貨研究院3.時間序列交叉驗證們采用時間序列交叉驗證，在訓(xùn)練集上擬合模型，在圖6：預(yù)測集散點(diǎn)圖與回歸曲線d漲時表1:模型預(yù)測方向性表現(xiàn)丨單位：個預(yù)測/真實(shí)上漲下跌上上漲56下跌229總計總計273315d4.預(yù)測模型與均值回歸模型對比因均值回歸預(yù)測模型相對比：圖7:均值回歸模型預(yù)測表現(xiàn)d速等超預(yù)期因素影響，波動率在處于中位或高位的時候仍可準(zhǔn)子與波動率之間的非線性關(guān)系。圖8:真實(shí)值、預(yù)測模型與均值回歸模型對比d無法捕捉到的非線性因素以及尾部風(fēng)險，主要原是模型中影響因素并按影響因素重要性排序。表2:原油當(dāng)期影響因素排序影響因素影響值歷史趨勢-10.02%戰(zhàn)略儲備-2.69%市場活動-1.72%貿(mào)易政策-0.80%供需-0.04%工業(yè)發(fā)展0.01%政治沖突2.26%運(yùn)輸費(fèi)用3.58%政府報告3.89%d事件時排名靠前。5.案例分析勢引減少和價格上漲的擔(dān)憂，因此增加了原油價格的模型預(yù)測波動率，將會出現(xiàn)嚴(yán)重的偏差，預(yù)測模上規(guī)避了由于市場高度不確定性所帶來的風(fēng)險。圖9:未來波動變化與地緣政治、歷史趨勢預(yù)測的波動率對比圖俄俄烏d此地權(quán)重，使得地緣政治的相關(guān)指標(biāo)出現(xiàn)了一定的滯后性。圖10:地緣政治預(yù)測波動率出現(xiàn)了滯后性滯滯后d模型在地緣政治指標(biāo)上出現(xiàn)了滯后，但模型卻捕捉到了另一個小眾因素的提前反轉(zhuǎn)在一定程度上彌補(bǔ)了預(yù)測模型對地緣政治因素影響波動率的滯后性。從該案例可以看出，波動率預(yù)測體系不僅包含了常見的波動率影響因素如歷史趨勢等，還囊括了許多平時容易忽略的小眾因素，因此在波動率預(yù)測中較為全面，能更好地捕捉波動率的異常波動的發(fā)生，有助于降低價格沖擊對波動率預(yù)測造成的影響。圖11:運(yùn)輸價格因子提前捕捉到原油波動率的異動d6.歸因分析so獻(xiàn)，揭示波動率發(fā)生變化背后的驅(qū)動因素，并且可以驗?zāi)Ｐ偷挠行院瓦m應(yīng)性，進(jìn)而對模型進(jìn)行調(diào)整與修正。影響表了的儲這也就意味著當(dāng)這幾個因子處于高位的時候，將會認(rèn)為波動率，，波動率將會處于上升狀態(tài)；從因子系數(shù)來看，歷史趨勢的因的，這也意味著當(dāng)價格處于比較極端的位置時，歷史趨勢對于十分強(qiáng)烈，說明原油波動率長期具有均值回歸的特性；從因子的影證明的歸因分析有助于對波動率的影響構(gòu)成進(jìn)行持續(xù)的監(jiān)控和進(jìn)一步分析。圖12:監(jiān)控原油影響因素d7.最新預(yù)測情況請仔細(xì)閱讀本報告最后一頁的免責(zé)聲明測未來波動率會上升15.23%(主要由歷史趨勢因素貢獻(xiàn))。除了原油之外，我們還將圖13:各品種本期預(yù)測波動率漲跌幅d■總結(jié)心聚焦在低頻波動率上，進(jìn)行了如下研究并得出了一定結(jié)論：1)文本挖掘方法能夠獲取較全面的商品影響因素。2)預(yù)測模型優(yōu)于均值回歸模型并出現(xiàn)了與歷史波動率一樣的翹尾效應(yīng)。3)在俄烏沖突前預(yù)測模型通過小眾因子提前捕捉到了原油價格的異動。波動率的預(yù)測較準(zhǔn)確，并且在識別非線性因素和尾部風(fēng)免責(zé)聲明本報告基于本公司認(rèn)為可靠的、已公開的信息編制，但本公司對該等信息的準(zhǔn)確性及完整性不作任何保證。本報告所載的意見、結(jié)論及預(yù)測僅反映報告發(fā)布當(dāng)日的觀點(diǎn)和判斷。在不同時期，本公司可能會發(fā)出與本報告所載意見、評估及預(yù)測不一致的研究報告。本公司不保證本報告所含信息保持在最新狀態(tài)。本公司對本報告所含信息可在不發(fā)出通知的情形下做出修改，投資者應(yīng)當(dāng)自行關(guān)注相應(yīng)的更新或修改。本公司力求報告內(nèi)容客觀、公正，但本報告所載的觀點(diǎn)、結(jié)論和建議僅供參考，投資者并不能依靠本報告以取代行使獨(dú)立判斷。對投資者依據(jù)或者使用本報告所造成的一切后果，本公司及作者均不承擔(dān)任何法律責(zé)任。本報告版權(quán)僅為本公司所有。未