עצירה מוקדמת מקוונת לחיזוי תשואות מניות משתנות בזמן
סיכום
מסמך זה בוחן חיזוי באמצעות רשתות עצביות כאשר הקשר בין הקלטים לתשואות משתנה לאורך זמן. הוא מציע עצירה מוקדמת מקוונת, שיטת אימון שנועדה לאפשר למודל לעקוב אחר פונקציה משתנה בלי לדרוש ידע מראש על אופן השינוי שלה. המאמר משווה שיטה זו לגישות קיימות בחיזוי תשואות חודשיות של מניות בארצות הברית ומדווח על ביצועי חיזוי טובים יותר.
הניתוח גם מגלה שערכם החזוי של גורמים מוכרים, ובהם גודל ומומנטום, ושל מדדי ענפים משתנה לאורך זמן. בתקופות של לחץ בשוק, מידע ענפי נעשה חשוב יותר יחסית למאפיינים ברמת החברה. המסמך אינו מפרט את מדדי הביצועים, את פרטי המודל או את הגדרת תקופות הלחץ בטקסט שסופק, ולכן אי אפשר להעריך באופן עצמאי את היתרון המדווח ואת השינוי בחשיבות התכונות על סמך תקציר זה בלבד. הממצאים מצביעים על כך שבחירות אימון קבועות ופרשנויות יציבות של מנבאים עלולות להיות בלתי אמינות כאשר קשרי השוק משתנים.
רעיונות מרכזיים
- מוצעת עצירה מוקדמת מקוונת כדי לסייע לרשתות עצביות להסתגל לקשרים משתנים בין מאפיינים לתשואות.
- הגישה מושווית לשיטות קיימות לחיזוי תשואות חודשיות של מניות בארצות הברית, ולפי הדיווח משיגה ביצועים טובים יותר.
- הכוח החזוי של גודל, מומנטום ומדדי ענפים משתנה לאורך זמן.
- בתקופות מצוקה בשוק, מדדי ענפים נעשים חשובים יותר יחסית, ואילו מאפיינים ברמת החברה מאבדים מחשיבותם.
תגיות
הטקסט המלא
# 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.
מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0
הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.