高斯过程回归在金融时间序列预测中的应用.docxVIP

高斯过程回归在金融时间序列预测中的应用

一、引言

金融市场的动态变化始终牵动着投资者、机构和政策制定者的神经。从股票价格波动到汇率走势，从债券收益率到大宗商品价格，金融时间序列的预测能力直接影响投资决策的准确性、风险管理的有效性以及市场资源的配置效率。传统预测方法如ARIMA、GARCH等线性模型，虽在特定场景下表现稳定，但面对金融数据固有的非线性、非平稳性和高噪声特征时，往往难以捕捉复杂的动态关系；而以神经网络为代表的非线性模型，虽能处理复杂模式，却存在可解释性差、过拟合风险高的问题。

高斯过程回归（GaussianProcessRegression,GPR）作为一种基于贝叶斯框架的非