ridge model

研究发现：机器学习中的良性过拟合未能预测股权回报

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。