很高兴看到 Kelly 等人坚持不懈，顺利进入“双底”区域并添加了正则化。回报预测中复杂性的优点 (2022)Bryan T. Kelly；Semyon Malamud；Kangying Zhou现有文献使用仅使用少量参数的“简单”模型来预测市场回报。与传统观点相反，我们从理论上证明，与参数数量超过观察数量的“复杂”模型相比，简单模型严重低估了回报的可预测性。我们通过实证证明了美国股市回报预测中复杂性的优点。我们的研究结果确立了通过机器学习对预期收益进行建模的基本原理。http://d.repec.org/n?u=RePEc:nbr:nberwo:30217&r=
继续上一篇文章，如果我似乎对最近的 Kelly 等人的计划大加赞赏（确实如此），我很抱歉，但它确实让我震惊。著名的“简约”和“KISS（保持复杂简单）”原则被彻底颠覆了！George Box 和 Arnold Zellner 一定在坟墓里翻滚了…… 无处不在的复杂性美德Bryan T. Kelly（耶鲁管理学院；AQR Capital Management, LLC；美国国家经济研究局 (NBER)）；Semyon Malamud（洛桑联邦理工学院；经济政策研究中心 (CEPR)；瑞士金融研究所）；Kangying Zhou（耶鲁管理学院）我们研究了高复杂性机制下非线性回报预测模型的表现，即当
