Forfattere: Mikkel Worm Roslundh & Oliver Højer Nelmark

Maskinlæring tilbyder en revolutionerende tilgang til at afkode kompleksiteten af det stigende antal af faktorer i faktor-zooen. Traditionelle statistiske metoder kan have begrænsninger, især når man arbejder med store datasæt. Maskinlæringens
adaptivitet og mønsterdetektering kan derimod filtrere støj og identificere de mest robuste og betydningsfulde faktorer, der forklarer afkast på tværs af aktier. Ved at anvende maskinlæringen reducerer vi de mange offentliggjorte faktorer til et mere håndterligt og meningsfyldt antal, der giver en mere troværdig repræsentation af drivkræfterne bag aktieafkast. Vi anvender modellerne og de fundne faktorer til at prædiktere aktieafkast og finder en klar alpha i form af Fama-French 3 faktormodel.

Udgivelse: 2023 – nr. 5

Antal sider: 9