一种基于非线性降维的GARCH-MIDAS-BiGRU比特币波动率预测方法

本发明提出了一种基于非线性降维的GARCH‑MIDAS‑BiGRU比特币波动率预测方法。该方法首先利用非线性降维技术t‑SNE对宏观经济变量进行降维处理，提取低维特征，以减少数据冗余并提高模型的训练效率。接着，结合比特币价格数据和降维后的宏观经济变量，构建多因子GARCH‑MIDAS模型，有效处理不同频率的数据，捕捉长期和短期波动率的变化。最后，引入BiGRU神经网络进一步增强模型对时间序列数据的处理能力，更好地捕捉数据中的非线性关系和复杂动态特性。本发明通过这种综合方法，能够提高比特币波动率预测的准确性和可靠性，为投资者提供更有效的风险管理工具。