Publication

Implementing statistical criteria to select return forecasting models: What do we learn?

1999
Journal Articles

Résumé

Statistical model selection criteria provide an informed choice of the model with best external (i.e., out-of-sample) validity. Therefore they guard against overfitting ("data snooping"). We implement several model selection criteria in order to verify recent evidence of predictability in excess stock returns and to determine which variables are valuable predictors. We confirm the presence of in-sample predictability in an international stock market dataset, but discover that even the best prediction models have no out-of-sample forecasting power. The failure to detect out-of-sample predictability is not due to lack of power.

Source officielle

https://infoscience.epfl.ch/entities/publication/24b28512-a05d-4b44-adb2-ed150d77ae13

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

1999
Journal Articles

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/24b28512-a05d-4b44-adb2-ed150d77ae13

À propos de ce résultat

Concepts associés (32)

Model selection

Model selection is the task of selecting a model from among various candidates on the basis of performance criterion to choose the best one. In the context of learning, this may be the selection of a statistical model from a set of candidate models, given data. In the simplest cases, a pre-existing set of data is considered. However, the task can also involve the design of experiments such that the data collected is well-suited to the problem of model selection.

Sélection de caractéristique

La sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité. Extraction de caractéristique Catégorie:Apprentissage

Anomalie de marché

Une anomalie de marché est un concept de la théorie néoclassique, désignant des situations où les conditions de marché ne correspondraient pas au cas théorique d'une concurrence parfaite, notamment d'une rationalité parfaite. Le résultat en serait que le prix observé ne serait pas un prix d'équilibre permettant d'atteindre un équilibre général. La notion est voisine, mais différente de celle de défaillances du marché, qui concerne plutôt l'allocation défectueuse des ressources économiques.

Afficher plus

Publications associées (21)

Afficher plus

Implementing statistical criteria to select return forecasting models: What do we learn?

Chattez avec Graph Search

Interpretable transformer based intra-day solar forecasting with spatiotemporal satellite and numerical weather prediction inputs

Retrieval of the hail size number distribution from polarimetric radar data using the double-moment normalization

CanadaFireSat: Towards high-resolution wildfire forecasting with multiple modalities