文件名称：分析人员可以从人工智能中学到什么有关基础分析的知识？-研究论文
文件大小：3.22MB
文件格式：PDF
更新时间：2024-06-08 20:04:07
Financial Statement Analysis Machine Learning
我们应用机器学习算法来估计Nissim和Penman（2001）的结构框架，该结构框架将盈利能力分解为越来越分散的盈利能力驱动因素。 我们的方法明确地适应了非线性因素，这些因素使Nissim和Penman无法估计其框架。 我们发现，我们的方法得出的样本外获利预测通常比基准模型更为准确。 我们使用获利能力预测，通过Nissim和Penman框架中的财务报表分析设计选择来估计内在价值，并发现基于这些价值估计的假设投资策略会产生风险调整后的收益。 改善性能的设计选择包括越来越细化的分类，对核心项目的关注以及对运营性能的长期预测。 也许令人惊讶的是，我们发现从当前时期以外合并历史财务报表信息所带来的好处仅是混杂的证据。