リターン予測における非定常性と複雑さのトレードオフPaper#Finance, Machine Learning🔬 Research|分析: 2026年1月3日 18:37•公開: 2025年12月29日 16:49•1分で読める•ArXiv分析本論文は、金融時系列予測における重要な課題、すなわちモデルの複雑さと非定常性の影響のバランスについて取り組んでいます。このトレードオフを克服するために、新しいモデル選択手法を提案し、特に景気後退期において、アウトオブサンプルパフォーマンスの大幅な改善を示しています。改善されたトレーディング戦略の収益によって示される経済的影響は、研究の重要性をさらに裏付けています。重要ポイント•株式リターン予測におけるモデルの複雑さと非定常性の間の基本的なトレードオフを特定。•このトレードオフに対処するための新しいモデル選択手法を提案。•標準的なベンチマークと比較して、特に不況期において、大幅なアウトパフォームを実証。•改善されたトレーディング戦略の収益を通じて経済的影響を示す。引用・出典原文を見る"Our method achieves positive $R^2$ during the Gulf War recession while benchmarks are negative, and improves $R^2$ in absolute terms by at least 80bps during the 2001 recession as well as superior performance during the 2008 Financial Crisis."AArXiv2025年12月29日 16:49* 著作権法第32条に基づく適法な引用です。古い記事Three-dimensional modelling of serrated trailing-edge noise based on the Wiener-Hopf technique新しい記事Emergent ac Effect in Nonreciprocal Coupled Condensates関連分析Paper選択ポリシーを用いた協調型人型ロボット操作2026年1月3日 06:10Paper未ポーズ画像からの即時3Dシーン編集2026年1月3日 06:10Paper将来予測のためのLLMフォアキャスティング2026年1月3日 06:10原文: ArXiv