Newest papers

Residual Learning in Empirical Asset Pricing

Dexin Peng, Xiaoyu Wang · 2026 · SSRN Electronic Journal

DOI: 10.2139/ssrn.7528558 · cited by 0 works (OpenAlex) · open-access PDF

Arabic

وبالتالي، فإن نموذج Shallow هو حالة خاصة من النماذج العميقة، وبالتالي فإن نموذجًا عميقًا لديه القدرة على التغلب على النماذج المتوسطة. ومع ذلك، فإن كتابات سعر الأصول المعمقة الحالية توفر معيارًا قويًا لتقارير النماذج المتوسطة. تعلم النماذج العميقة يتيح نموذج النماذج العميقة في النماذج العميقة للتغلب على النماذج المتوسطة من خلال الحفاظ على النماذج المتوسطة والتركيز على النماذج المتوسطة من خلال التغلب على النماذج المتوسطة من خلال التغلب على النماذج المتوسطة من خلال التغلب على النماذج المتوسطة

Machine translation (Meta M2M100); the English original follows.

Abstract

Shallow models are special cases of deep models, and deep models theoretically have the potential to outperform the shallow ones. However, the existing empirical asset pricing literature provides strong benchmarks for shallow models. Residual learning allows neural network models in asset pricing to go deeper by preserving and refining their shallow counterparts. The out-of-sample Sharpe ratio for value-weighted long-short portfolios of deep residual models (2.07) is higher than that for the corresponding shallow ones (1.92) and more than twice that of the deep feedforward models (0.89). We sh

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Capital asset pricing model, Residual, Consumption-based capital asset pricing model, Asset (computer security), Arbitrage pricing theory, Econometrics

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange