待验证50% 置信事实精确时间

GARCH 模型专门处理金融数据中常见的波动率聚集现象（大波动之后倾向于跟随大波动）

1

来源数

50%

置信度

长期有效

时效性

2026/9/1

首次发现

来源

用机器学习预测股价：入门实践与理性认知

涉及实体

GARCHconcept ARIMAconcept

相关事实

待验证2008年金融危机暴露了基于正态分布假设的传统VaR模型在尾部风险估算上的系统性缺陷62% 相似待验证跟踪误差是衡量基金实际收益与其基准指数收益之间偏差程度的核心指标61% 相似待验证金融数据的非平稳性意味着消融结论在一个时段成立未必在另一时段同样有效，这是金融AI消融实验的独特挑战57% 相似待验证文档切分策略是RAG系统中对最终效果影响最大的环节之一，研究表明其影响甚至超过模型选择本身55% 相似待验证RAG通过嵌入模型将历史交互数据转换为高维向量存入向量数据库，在推理时注入上下文而非修改模型参数，可规避灾难性遗忘风险55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/839417

API

curl https://kongchang.com/api/v1/knowledge/claims/839417

MCP

get_claim(id=839417)