文件名称：深度学习和预期回报的横截面-研究论文
文件大小：2.19MB
文件格式：PDF
更新时间：2024-06-29 05:15:27
Cross Section of Returns
深度学习是机器学习的一个活跃研究领域。 我根据一组 68 个公司特征 (FC) 训练深度前馈神经网络 (DFN) 来预测美国股票回报的横截面。 在应用网络优化策略后，我发现与线性基准相比，DFN 多空投资组合可以产生有吸引力的风险调整回报。 这些发现强调了 FC 和预期回报之间非线性关系的重要性。 结果对规模、权重方案和投资组合截止点都是稳健的。 此外，我表明与价格相关的 FC，即短期反转和 12 个月的势头，是回报预测的主要驱动因素之一。 大多数 FC 在这些预测的变化中起着次要的作用。