基于机器学习的股票价格崩溃风险预测
计算金融
2025-05-23 v1
摘要
本研究提出一种新颖的机器学习方法，用于衡量股票价格崩溃风险，利用最小协方差 determinants 方法。通过运用此新引入的因变量，我们通过�截断性回归分析预测股票价格崩溃风险。研究结果表明，所提方法有效捕捉股票价格崩溃风险，模型在统计显著性和经济相关性方面均表现出色。此外，利用新开发的公司特定投资者情绪指数，分析发现，股票价格崩溃风险与公司特定投资者情绪呈正相关。具体而言，情绪水平越高，股票价格崩溃风险的可能性越大。这一关系在不同公司规模下以及使用去趋势化公司特定投资者情绪指数后仍稳健，进一步验证了所提方法的可靠性。
引用
@article{arxiv.2505.16287,
title = {Machine learning approach to stock price crash risk},
author = {Abdullah Karasan and Ozge Sezgin Alp and Gerhard-Wilhelm Weber},
journal= {arXiv preprint arXiv:2505.16287},
year = {2025}
}
备注
This paper proposes a novel machine learning-based measure for stock price crash risk using the Minimum Covariance Determinant (MCD) method and introduces a new firm-specific investor sentiment index. The approach is validated through robustness checks, including detoning and dynamic panel estimations. Annals of Operations Research (2025)