Statistical and Machine Learning Models for Stock Price and Return Forecasting: An Out-of-Sample Comparison
Diese Studie zeigt, dass bei der Out-of-Sample-Prognose von S&P 500-Preisen und -Renditen komplexe Modelle des maschinellen Lernens nicht konsistent einfache Benchmarks wie den Random Walk oder die Annahme einer Nullrendite übertreffen, was verdeutlicht, dass eine erhöhte Modellkomplexität keine verbesserten kurzfristigen Finanzprognosen garantiert.