20230725-华泰期货-量化专题报告_基于AI文本挖掘的波动率预测模型-既达万顷_又需见微_16页_4mb

报告总结：低频波动率预测模型基于AI文本挖掘

波动率在期权和期货交易中具有重要意义，尤其是对低频波动率的研究。本文采用文本挖掘方法识别商品影响因素，并利用预测模型进行波动率预测。研究基于DP-Sent-LDA模型分析新闻资讯，提炼出约30种影响因素，如市场因素、宏观因素和生产因素，并确定对应代理指标。预测模型使用Lasso回归，处理日频数据并计算z-score标准化，得出未来波动率预测，相比均值回归模型表现更优。

主要结论包括：文本挖掘有效获取全面影响因素；预测模型捕捉到真实波动率的翘尾效应和非线性关系，优于均值回归；在俄乌冲突前，模型通过小众因子如运输费用提前预测原油异动；最新预测显示，大部分商品未来月波动率将上升，如原油预计波动率上升，而猪和豆粕小幅下降。研究证明，预测模型在识别非线性因素、尾部风险和归因分析方面更具优势，能有效提升交易决策。

核心观点强调，波动率预测对于期货做市商和期权交易者至关重要，影响交易成本与风险。模型整体表现准确，建议应用于实际业务中识别潜在风险。

注意事项

报告包括免责声明，预测仅供参考，不构成投资建议，受市场变化影响。波动率影响因素包括历史趋势等共享因素和特有因素，需持续监控以捕捉异常变动。