.png){kind=icon}
返回
Beta Forecasting With Realized Beta Estimators and Machine Learning Algorithms
.png){kind=icon}
OA
AI
DOI：10.1002/for.70206.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文应用机器学习算法对已实现贝塔值进行建模，旨在预测股票系统性风险。研究结果表明，相比文献中的其他研究，贝塔值的预测精度显著提高。这些改进在统计和经济上均具有高度显著性。所采用的方法包括单个机器学习算法以及结合多种机器学习算法和已实现贝塔值的预测组合。预测组合能够实现最高的贝塔值预测精度。所使用的机器学习算法包括岭回归、决策树学习、自适应提升、梯度提升、随机森林和神经网络。
Keyword:
CAPM
forecast combinations
systematic risk
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.7
论文数:
2.3K
被引数:
3.0K
机构
引用论文
Forecasting and trading Bitcoin with machine learning techniques and a hybrid volatility/sentiment leverage使用机器学习技术和混合波动率/情绪杠杆预测和交易比特币OAAI
OAAI分享收藏分享收藏分享收藏International Stock Return Predictability: What Is the Role of the United States?国际股票回报可预测性: 美国的作用是什么？.png)
JOURNAL OF FINANCE
OAAI
JOURNAL OF FINANCEIF9.5
OAAI分享收藏
查看更多内容