Predicting the distributions of stock returns around the globe in the era of big data and learning
创建于 更新于
摘要
本报告提出了一种结合双阶段分位数神经网络与三次B样条插值的股票收益率全分布预测方法，基于194个股票特征及市场变量，突破传统模型限制，准确捕捉非高斯重尾及非线性关系，显著提升了均值与方差的预测性能。方法在美国数据训练并成功推广至国际市场，实证表明中间分位数被定价，且利用插值分布计算的均值预测带来更高的超额收益，而高阶矩在资产定价中的作用不显著，为资产定价文献的相关争议提供了新视角 [page::0][page::1][page::3][page::4][page::18][page::20][page::24][page::28]。
