简介：期权波动率预测是期权风险预警管理的关键问题，传统方法采取GARCH等时间序列模型。与传统方法不同，本文创建了基于机器学习算法的“SKRG递进集成”新预警体系，体系以中国波指为对象，采取48个相关指标作为对中国波指预测的特征（Feature），依次引入SVM机器学习、KNN样本不平衡机器学习、RF划分、GBDT优化完成机器学习建模过程，逐步提高预测精准率。测试样本显示，基于机器学习的预测效果好于传统的GARCH模型。本文的理论价值在于丰富了期权随机波动率预测领域的相关文献，应用价值在于为波动率的预测进而期权风险预警提供了新的方法。
简介：“微时代”一词主要是指以移动互联网技术为基础、以高度碎片化为特征的新型语境，它的具名来自对当今时代特征的积极把握与敏锐反应。近年来，在以移动互联网为代表的新技术影响下，中国社会的经济、政治、文化都在经历深刻转型。从理论上讲，新技术已经使人们几乎可以在任何时间、任何地点实现信息获取，并可以与其他地面空间里的个人进行信息置换。
基于机器学习算法的金融期权波动率预测
“微时代”的文化逻辑与文化精神——机器身体：微时代的物质根基和文化逻辑
