...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of finance & economics >A machine-learning analysis of the rationality of aggregate stock market forecasts
【24h】

A machine-learning analysis of the rationality of aggregate stock market forecasts

机译：总体股票市场预测合理性的机器学习分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We use a machine-learning algorithm known as boosted regression trees (BRT) to implement an orthogonality test of the rationality of aggregate stock market forecasts. The BRT algorithm endogenously selects the predictor variables used to proxy the information set of forecasters so as to maximize the predictive power for the forecast error. The BRT algorithm also accounts for a potential non-linear dependence of the forecast error on the predictor variables and for interdependencies between the predictor variables. Our main finding is that, given our set of predictor variables, the rational expectations hypothesis (REH) cannot be rejected for short-term forecasts and that there is evidence against the REH for longer term forecasts. Results for three different groups of forecasters corroborate our main finding.
机译：我们使用称为增强回归树（BRT）的机器学习算法对总股市预测的合理性进行正交测试。 BRT算法从内部选择用于代理预测器信息集的预测器变量，以最大程度地提高预测误差的预测能力。 BRT算法还考虑了预测误差对预测变量的潜在非线性依赖性以及预测变量之间的相互依赖性。我们的主要发现是，鉴于我们的一组预测变量，短期预测不能拒绝理性预期假设（REH），长期预测也有反对REH的证据。三个不同组的预报员的结果证实了我们的主要发现。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号