Algorithmic sign prediction and covariate selection across eleven international stock markets

من بررسی میکنم که آیا یک سیستم متخصص میتواند برای مدیریت دارایی سودمند درازمدت استفاده شود. استراتژی تجاری سیستم متخصص باید بر اساس پیش بینی های بازار باشد. برای این منظور، من پیش بینی های باینری از بازده بازار را با استفاده از الگوریتم های آماری و ماشین های یادگیری تولید می کنم. روش های مورد استفاده شامل رگرسیون لجستیک، رگرسیون لجستیک تصحیح شده و طبقه بندی مبتنی بر شباهت است. من روش ها را در یک مجموعه داده های معاصر شامل داده های یازده بازار توسعه یافته تست می کنم. اهمیت آماری و اقتصادی نتایج در نظر گرفته شده است. به عنوان یک گروه، نتایج به نظر می رسد نشان می دهد که برخی از پیش بینی های نرمی در بازارهای سهام وجود دارد. برخی از نتایج بدست آمده از لحاظ اقتصادی بسیار معنی دار هستند و بازده سالانه بیش از 3.1٪ (فرانسه)، 2.9٪ (هلند) و 0.8٪ (ایالات متحده) است. با این حال، نتایج به دست آمده از نظر آماری به ندرت پیدا می شود. در نتیجه نتایج به طور کلی فرضیه بازار کارآمد را به طور کامل ناکام نمی گذارد.