Statistical and Machine Learning Models for Stock Price and Return Forecasting: An Out-of-Sample Comparison
Cette étude démontre que, dans la prévision hors échantillon des prix et des rendements du S&P 500, les modèles d'apprentissage automatique complexes ne surpassent pas systématiquement des modèles de référence simples tels que la marche aléatoire ou l'hypothèse de rendement nul, soulignant ainsi qu'une complexité accrue des modèles ne garantit pas l'amélioration des prédictions financières à court terme.