Modelling and Forecasting Energy Market Volatility Using GARCH and Machine Learning Approach
用GARCH与机器学习建模和预测能源市场波动率AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接比较能源商品波动率模型、预测及跨市场波动传导。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用GARCH与机器学习建模和预测能源市场波动率
- 研究问题
- 单变量与多变量GARCH模型及机器学习方法，在主要能源商品波动率预测、持续性和跨商品传导分析中表现如何？
- 方法与思路
- 作者结合金融、宏观和环境变量，比较GARCH与机器学习的样本外波动率预测，并用SHAP分析持续性和传导。
- 材料陈述的贡献
- 摘要称机器学习样本外预测更好但倾向低估，GARCH倾向高估；并报告原油向汽油和取暖油市场的波动传导。
- 阅读关注点
- 应核对波动率目标、样本外划分、损失函数及调参流程，并区分SHAP解释、预测关联与波动传导的识别依据。
- 阅读边界
- 这是arXiv预印本，同行评审及接收状态未核实；摘要未给出样本期和性能数值，不能验证预测优势或混合使用的实际收益。
原文摘要
This paper presents a comparative analysis of univariate and multivariate GARCH-family models and machine learning algorithms in modeling and forecasting the volatility of major energy commodities: crude oil, gasoline, heating oil, and natural gas. It uses a comprehensive dataset incorporating financial, macroeconomic, and environmental variables to assess predictive performance and discusses volatility persistence and transmission across these commodities. Aspects of volatility persistence and transmission, traditionally examined by GARCH-class models, are jointly explored using the SHAP (Shapley Additive exPlanations) method. The findings reveal that machine learning models demonstrate superior out-of-sample forecasting performance compared to traditional GARCH models. Machine learning models tend to underpredict, while GARCH models tend to overpredict energy market volatility, suggesting a hybrid use of both types of models. There is volatility transmission from crude oil to the gasoline and heating oil markets. The volatility transmission in the natural gas market is less prevalent.