收益预测中的非平稳性-复杂性权衡Paper#Finance, Machine Learning🔬 Research|分析: 2026年1月3日 18:37•发布: 2025年12月29日 16:49•1分で読める•ArXiv分析本文探讨了金融时间序列预测中的一个关键挑战：模型复杂度和非平稳性影响之间的平衡。它提出了一种新颖的模型选择方法来克服这种权衡，并在样本外表现上取得了显著的改进，尤其是在经济衰退期间。通过改进的交易策略收益所证明的经济影响进一步验证了这项研究的重要性。要点•确定了股票收益预测中模型复杂度和非平稳性之间的基本权衡。•提出了一种新颖的模型选择方法来解决这种权衡。•与标准基准相比，表现出显著的优越性，尤其是在经济衰退期间。•通过改进的交易策略收益展示了经济影响。引用 / 来源查看原文"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* 根据版权法第32条进行合法引用。较旧Three-dimensional modelling of serrated trailing-edge noise based on the Wiener-Hopf technique较新Emergent ac Effect in Nonreciprocal Coupled Condensates相关分析Paper从未对齐图像即时进行3D场景编辑2026年1月3日 06:10Paper基于选择策略的协调人形机器人操作2026年1月3日 06:10Paper用于未来预测的LLM预测2026年1月3日 06:10来源: ArXiv