تتناول هذه الدراسة فعالية النماذج العاملية العالمية والإقليمية في التنبؤ بعوائد الأسهم، باستخدام نهج مبتكر يعتمد على تقنيات التعلم الآلي. وبالابتعاد عن الأساليب التقليدية التي تعتمد بشكل كبير على البيانات التاريخية والنماذج الخطية، يعتمد الباحثون على استراتيجية توقع مسبق باستخدام مجموعة متنوعة من تقنيات التعلم الآلي، سواء الخطية أو غير الخطية. يكشف التحليل، الذي يستند إلى بيانات من 24 سوقًا متقدمة في الفترة بين 1990 و2021، أن النماذج الإقليمية تؤدي أداءً أفضل قليلاً عند استخدام الأساليب الخطية البسيطة، لكنها تفتقر إلى الدلالة الإحصائية. في المقابل، تتفوق الخوارزميات المعقدة للتعلم الآلي المدربة على البيانات العالمية باستمرار، مما يوفر مزايا اقتصادية وإحصائية. يتحدى هذا النتائج السابقة ويوفر منظورًا جديدًا حول تكامل الأسواق المالية وقابلية التنبؤ بعوائد الأسهم. تشمل نقاط قوة الدراسة مقارنة شاملة لأداء التنبؤ عبر نماذج مختلفة وتصميمًا تجريبيًا قويًا. ومع ذلك، يمكن تحسينها من خلال معالجة اختيار النموذج، والأهمية الاقتصادية، وتحليل الأسواق الناشئة، وقابلية التفسير، والأداء عبر أنظمة السوق المختلفة. بشكل عام، تعزز هذه الدراسة المجال من خلال تسليط الضوء على فوائد النماذج المدربة عالميًا باستخدام خوارزميات متقدمة، وتقترح مجالات للاستكشاف المستقبلي لتحسين التنبؤات المالية.
هل النماذج العالمية أم الإقليمية أفضل في توقع عوائد الأسهم؟
