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

Vietnamese

Các mô hình Shallow là các trường hợp đặc biệt của các mô hình sâu, và các mô hình sâu về mặt lý thuyết có tiềm năng vượt trội so với các mô hình thấp. Tuy nhiên, tài liệu giá tài sản thực nghiệm hiện có cung cấp các tiêu chuẩn chuẩn mạnh mẽ cho các mô hình thấp. Học tập còn lại cho phép các mô hình mạng thần kinh trong định giá tài sản đi sâu hơn bằng cách bảo tồn và tinh chỉnh các đối tác thấp của họ. Tỷ lệ Sharpe ngoài mẫu cho các danh mục đầu tư ngắn dài có giá trị được cân nhắc của các mô hình thấp (2.07) cao hơn so với các mô hình thấp tương ứng (1.92) và hơn gấp đôi so với các mô hình nguồn cấp sâu (0.89).

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