Takeover prediction using forecast combinations

توانایی شناسایی اهداف احتمال پذیرش در مراحل اولیه باید سرمایه گذاران را با اطلاعات ارزشمند ارائه دهد، که آنها را قادر می سازد با سرمایه گذاری در شرکت های بالقوه هدف سود ببرد. در این مقاله ما به ادبیات پیش بینی پذیری پیشنهاد می کنیم که ترکیبی از پیش بینی های احتمالی را به عنوان یک روش جایگزین برای بهبود دقت پیش بینی در پیش بینی جذب و به دست آوردن بازده اقتصادی بهبود یافته از اوراق بهادار ساخته شده از اهداف پیش بینی شده است. پیش بینی هایی از چندین مدل پیش بینی غیر خطی مانند مدل های لجستیکی و شبکه های عصبی و ترکیبی از آنها برای تعیین روش که بهترین خطای غلط املایی خارج از نمونه را کاهش می دهد، استفاده می شود. ما دو نتیجه کلی از نتایج ما به دست می آوریم. اول، روش ترکیبی پیش بینی تنها از مدل های تک نفره ای برخوردار است و بنابراین باید به منظور بهبود دقت پیش بینی های پیشبرد اهداف مورد استفاده قرار گیرد. دوم، ما نشان می دهیم که سرمایه گذاری در مجموعه ای از اهداف پیش بینی شده ترکیبی، منجر به بازده قابل توجهی غیرمعمول توسط یک سرمایه گذار می شود، در نتیجه تا دو برابر بازده معامله با استفاده از مجموعه ای از اندازه قابل مدیریت.