VIP12
本课程属于：044-金融时序预测与深度学习 智能金融与金融工程 · 共 12 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

金融波动率深度学习预测实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=金融波动率预测的意义 · 深度学习在金融时序中的优势 · 课程整体框架与学习路径
课程导入目标=金融波动率…
02
金融波动率基础
目标=波动率定义 · 历史波动率 · 隐含波动率
金融波动率基础目标=波动率定义
03
金融时间序列特征
目标=非平稳性 · 自相关性 · 异方差性
金融时间序列特征目标=非平稳性
04
传统波动率模型回顾
目标=ARCH · GARCH · EGARCH
传统波动率模型回…ARCH
05
深度学习基础
目标=神经网络基本结构 · 前向传播 · 反向传播
深度学习基础目标=神经网络基…
06
循环神经网络与LSTM
目标=RNN原理 · 梯度消失与爆炸 · LSTM门控机制
LSTM循环神经网络
07
卷积神经网络与TCN
目标=CNN一维卷积 · 池化 · 时序特征提取
TCN卷积神经网络
08
Transformer与注意力机制
目标=自注意力 · 多头注意力 · 位置编码
Transformer注意力机制
09
图神经网络与波动率溢出
目标=图构建方法 · GCN · GAT
图神经网络波动率溢出
10
混合模型与集成学习
目标=CNN-LSTM · LSTM-Transformer · 注意力增强模型
混合模型集成学习
11
数据获取与预处理
目标=金融数据源 · 高频数据清洗 · 缺失值处理
数据获取预处理
12
特征工程
目标=历史收益率 · 已实现波动率 · 成交量
特征工程目标=历史收益率
13
目标变量与预测任务
目标=单步与多步预测 · 波动率回归与分类 · 预测区间
目标变量预测任务
14
模型训练与验证
目标=训练集/验证集/测试集划分 · 时序交叉验证 · 早停
模型训练验证
15
过拟合与欠拟合诊断
目标=学习曲线 · 验证曲线 · Dropout
过拟合欠拟合诊断
16
实战案例一
目标=基于LSTM的股票指数波动率预… · 包括数据准备 · 模型搭建
实战案例一LSTM
17
实战案例二
目标=基于Transformer的加… · 处理高波动与24/7交易数据
实战案例二Transformer
18
实战案例三
目标=基于CNN-LSTM的期货市场… · 融合多尺度特征与多变量输入
实战案例三CNN-LSTM
19
实战案例四
目标=基于GARCH-LSTM混合模… · 结合传统模型与深度学习优势
实战案例四GARCH-LSTM
20
实战案例五
目标=多资产波动率预测与组合应用 · 使用图神经网络捕捉跨资产关联
实战案例五目标=多资产波动…
21
模型可解释性
目标=SHAP · 注意力权重可视化 · 特征重要性分析
模型可解释性SHAP
22
风险管理应用
目标=VaR预测 · ES估计 · 期权定价
风险管理应用VaR
23
高频数据与微观结构
目标=日内波动率 · 已实现核 · 跳跃检验
高频数据微观结构
24
常见问题与解决方案
目标=数据不足 · 噪声大 · 非平稳
常见问题解决方案
25
模型部署与工程化
目标=模型保存 · API服务 · 实时预测流水线
模型部署工程化
26
回测与评估陷阱
目标=前视偏差 · 幸存者偏差 · 交易成本
回测评估陷阱
27
前沿进展
目标=扩散模型 · 大语言模型在金融时序中的应用 · 自监督学习与元学习
前沿进展目标=扩散模型
28
综合项目一
目标=构建端到端波动率预测系统 · 涵盖数据 · 特征
综合项目一目标=构建端到端…
29
综合项目二
目标=多模型对比与集成实战 · 从传统GARCH到深度学习模型的完整…
综合项目二目标=多模型对比
30
课程总结与提升
目标=知识体系回顾 · 实战经验提炼 · 持续学习资源与研究方向建议
课程总结提升