文件名称：通过机器学习的实证资产定价：来自欧洲股市的证据-研究论文
文件大小：3.44MB
文件格式：PDF
更新时间：2024-06-29 09:07:17
stock return prediction machine
本文评估了机器学习方法在预测股票收益方面的性能。 与线性基准模型相比，交互作用和非线性效应有助于提高预测性能。 但是机器学习模型必须经过充分的训练和调整，以克服高维问题并避免过度拟合。 在所有机器学习方法中，最重要的预测指标是基于价格趋势和估值比率的基本信号。 然而，这些模型在统计表现上表现出差异，从而转化为经济盈利能力的显着差异。 多头交易策略的回报和风险指标表明，机器学习模型相对于我们的基准产生了可观的收益。 即使在调整了风险和交易成本之后，神经网络也表现最佳。 然而，基于分类的投资组合形成，利用支持向量机避免估计股票级别的预期回报，表现甚至优于神经网络架构。