Multi-Horizon Equity Returns Predictability via Machine Learning

Skúmame predvídateľnosť očakávaných globálnych výnosov akcií v rôznych horizontoch prognózy pomocou techník strojového učenia. Zistili sme, že predvídateľnosť výnosov klesá s dlhším horizontom prognózy v USA aj na medzinárodnej úrovni. Napriek tomu poskytujeme dôkazy, že používanie špecifických char...

Descrizione completa

Salvato in:
Dettagli Bibliografici
Autore principale: Nechvátalová, Lenka
Natura: Capitolo di libro
Lingua:inglese
Soggetti:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!

MARC

LEADER 00000naa a2200000 4500
001 0300535
005 20240531092803.8
041 0 |a eng 
044 |a CZ 
245 1 0 |a Multi-Horizon Equity Returns Predictability via Machine Learning  |c Lenka Nechvátalová 
520 |a Skúmame predvídateľnosť očakávaných globálnych výnosov akcií v rôznych horizontoch prognózy pomocou techník strojového učenia. Zistili sme, že predvídateľnosť výnosov klesá s dlhším horizontom prognózy v USA aj na medzinárodnej úrovni. Napriek tomu poskytujeme dôkazy, že používanie špecifických charakteristík firmy môže zostať ziskové aj po započítaní transakčných nákladov, najmä ak vezmeme do úvahy dlhšie prognózy. Pri skúmaní ziskovosti dlhých krátkych portfólií zdôrazňujeme kompromis medzi vyššími transakčnými nákladmi spojenými s častým vyvažovaním a vyššími výnosmi v kratších horizontoch. Predĺženie predpovedného horizontu pri zosúladení s obdobím rebalancovania zvyšuje rizikovo upravené výnosy po transakčných nákladoch pre USA. Kombinujeme predpovede očakávaných výnosov na viacerých horizontoch pomocou dvojitého triedenia a stratégie znižovania obratu, rozpätia nákupu/držania. Dvojité triedenie v rôznych horizontoch výrazne zvyšuje ziskovosť na americkom trhu, zatiaľ čo portfóliá nákupov/držania spreadov vykazujú lepšiu ziskovosť upravenú o riziko. 
610 2 0 |a učenie strojové 
610 2 0 |a oceňovanie 
610 2 0 |a aktíva 
610 2 0 |a výnosy 
610 2 0 |a zisk 
610 2 0 |a náklady transakčné 
100 1 |a Nechvátalová, Lenka