PulseAugur
中
实时 13:30:42
English(EN) Machine Learning and the Random Walk Puzzle: Forecasting the CAD/USD Exchange Rate with Expanding Window Evaluation and SHAP Interpretability

机器学习模型难以在美元/加元汇率预测中胜过随机游走

作者 PulseAugur 编辑部 · [1 个来源] ·

一项发表在arXiv上的新研究探讨了各种机器学习模型在预测美元/加元汇率方面相对于随机游走基准的有效性。研究人员发现，虽然大多数机器学习模型仅显示出边际改进，但线性回归是唯一在统计上优于朴素随机游走的模型。该研究使用了加拿大银行的每日数据，并将其重采样为月度观测值，采用了扩展窗口框架进行评估。SHAP分析被用于解释表现最佳的模型，结果显示短期滞后和近期滚动均值是主要的预测因子，这与汇率接近随机游走的性质一致。 AI

排序理由 该聚类包含一篇发表在arXiv上的研究论文，详细介绍了关于机器学习模型在金融预测方面的学术研究。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Louis Agyekum, Edmund Fosu Agyemang, Obu-Amoah Ampomah, Kofi Acheampong, Emmanuel Boadi, Priscilla Yaa Amakye, Fafa Shalom Tchorly, Enock Adu Bonsu, Eric Nyarko ·

    Machine Learning and the Random Walk Puzzle: Forecasting the CAD/USD Exchange Rate with Expanding Window Evaluation and SHAP Interpretability

    arXiv:2606.15058v1 Announce Type: new Abstract: This study examines whether machine learning (ML) models can outperform the naive random walk benchmark in forecasting the monthly USD/CAD exchange rate. Using daily data from the Bank of Canada spanning January 2017 to May 2026, re…

相关实体

相关话题