讲座摘要：

波动性作为不确定性的衡量标准，在风险管理等众多金融活动中发挥着至关重要的作用。计量经济学和机器学习界已经开发出两种不同的金融波动率预测方法：随机方法和神经网络（NN）方法。尽管这两种方法各有所长，但在传统上，它们的研究轨迹各不相同，相互之间几乎没有互动。本研究通过建立 GARCH 系列模型与相应的 NN 对应模型之间的等价关系，努力弥合这一差距。在建立了等价关系之后，我们引入了一种名为 GARCH-NN 的创新方法，用于构建基于 NN 的波动率模型。通过寻找 GARCH 模型的 NN 等价体并将其作为组件集成到既定的 NN 架构中， GARCH 模型中固有的波动性典型特征可以无缝地注入到端神经网络中。

嘉宾介绍：

赵鹏飞博士在香港科技大学获得计算机科学与工程博士学位，在此之前，在北京理工大学获得软件工程学士学位。他目前担任金融数学专业助理教授、香港科技大学博士生协同导师，并且是香港浸会大学-UIC联合研究所副研究员。他的研究兴趣是将序列模型应用于金融、推荐系统和量化交易。