通过机器学习预测市场崩盘：来自欧洲股市的证据-研究论文

本文使用来自五个最大的欧元区国家的一组综合变量来比较简单的单变量模型和基于机器学习的多变量模型在预测股市崩盘方面的性能。 基于支持向量机的股市崩盘预测模型的统计预测性能与零显着不同，并且在表现最佳的单变量基准之间存在显着差异，同时仍然是真正的样本外。 在实际交易假设（扣除交易成本）下，预测随后的样本外股市崩盘的能力转化为投资者的增值。 结合非线性和交互效应是支持向量机预测性能的必要条件和基础。 这为基于机器学习的多元碰撞预测模型相对于单变量模型的优势增加了经济因素。 它有助于识别和解释在股市大幅下滑之前的潜在经济条件（关键经济驱动因素）中的复杂关系。