一篇新的arXiv论文探讨了“良性过拟合”在股权回报预测中的现象。研究表明，尽管高度过参数化的机器学习模型可以有效地插值训练数据，但与更简单的基准相比，它们在股权回报预测方面并未产生更高的预测能力。研究观察到无脊模型中存在双下降模式，并发现最优脊模型在高参数-观测比下仅比无脊模型有微不足道的改进。最终，这两种先进模型都未能跑赢基本的历史平均值，这表明即使在复杂的机器学习架构中，标准的股权预测器也缺乏真正的预测能力。 AI
影响 表明当前机器学习架构在金融预测方面的局限性，即使采用了良性过拟合等先进技术。
排序理由 学术论文发表在arXiv上，详细介绍了研究结果。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- Benign overfitting in linear regression
- bias--variance tradeoff
- double descent
- Equity Return Prediction
- machine learning
- ridgeless model
- ridge model
- valuation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
