基于GARCH模型与新闻分析的波动率预测研究论文

简介：
本文探讨了结合GARCH模型和新闻情绪分析的方法，用于提高金融市场波动率预测的准确性和时效性。通过实证分析展示了该方法的有效性。 在这项研究中，我们探讨了如何利用新闻（元）数据来提升对未来波动率的预测效果。我们的分析基于三个输入的时间序列：(i) 市场数据；(ii) 新闻情绪影响分数，依据 Yu (2014) 的解释；以及 (iii) 新闻量。通过对比使用“普通”GARCH 模型（仅依赖市场数据）和新闻增强型 GARCH 预测波动性的结果，我们评估了加入新闻因素对预测效果的影响。随后，我们将预测出的波动率与实际观测到的波动率进行比较，以此来衡量模型的有效性和准确性。 在本研究中，RavenPack 和汤森路透分别提供了所需的新闻数据和市场数据支持。我们的主要发现表明，包含预定新闻以及具有负面情绪特征的新闻量能够显著提高预测中的波动性水平。这一结论与 Li 和 Engle (1998) 的研究成果一致。