الإيقاف المبكر الآني للتنبؤ بعوائد الأسهم المتغيرة زمنيًا

الملخص

يدرس هذا المستند التنبؤ بالشبكات العصبية عندما تتغير العلاقة بين المدخلات والعوائد بمرور الوقت. ويقترح الإيقاف المبكر الآني، وهو أسلوب تدريب يهدف إلى تمكين النموذج من تتبع دالة متغيرة من دون معرفة مسبقة بكيفية تغيرها. وتقارن الورقة هذه الطريقة بمقاربات قائمة للتنبؤ بعوائد الأسهم الأمريكية الشهرية، وتذكر أداءً تنبؤيًا أفضل.

ويجد التحليل أيضًا أن القيمة التنبؤية للعوامل المعروفة، ومنها الحجم والزخم، ولمؤشرات القطاعات تتغير بمرور الوقت. وخلال ضغوط السوق، تصبح معلومات القطاعات أهم مقارنة بخصائص الشركات. ولا يقدم المستند في النص المتاح مقاييس أداء محددة أو تفاصيل النموذج أو تعريفات لفترات الضغط، لذا لا يمكن التحقق بصورة مستقلة من التفوق المبلّغ عنه أو تغير أهمية الخصائص اعتمادًا على هذا الملخص وحده. وتشير النتائج إلى أن خيارات التدريب الثابتة والتفسيرات المستقرة للمتنبئات قد لا يُعتمد عليها عند تغير العلاقات السوقية.

الأفكار الرئيسية

• يُقترح الإيقاف المبكر الآني لمساعدة الشبكات العصبية على التكيف مع تغير علاقات العوائد.
• تُقارن الطريقة بوسائل قائمة للتنبؤ بعوائد الأسهم الأمريكية الشهرية، ويُذكر أنها تحقق أداءً أفضل.
• تتغير القوة التنبؤية للحجم والزخم ومؤشرات القطاعات بمرور الوقت.
• تزداد الأهمية النسبية لمؤشرات القطاعات أثناء اضطراب السوق، بينما تتراجع أهمية خصائص الشركات.

الوسوم

# Time-varying neural network for stock return prediction


# Time-varying neural network for stock return prediction









We consider the problem of neural network training in a time-varying context. Machine learning algorithms have excelled in problems that do not change over time. However, problems encountered in financial markets are often time-varying. We propose the online early stopping algorithm and show that a neural network trained using this algorithm can track a function changing with unknown dynamics. We compare the proposed algorithm to current approaches on predicting monthly U.S. stock returns and show its superiority. We also show that prominent factors (such as the size and momentum effects) and industry indicators, exhibit time varying stock return predictiveness. We find that during market distress, industry indicators experience an increase in importance at the expense of firm level features. This indicates that industries play a role in explaining stock returns during periods of heightened risk.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.