Predicting Market Troughs: A Machine Learning Approach with Causal Interpretation
市场低谷预测：具有因果解释的机器学习方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确采用因果机器学习，联系中介资产定价理论，并称提供高频实证证据，因此选择这三个方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
市场低谷预测：具有因果解释的机器学习方法
- 研究问题
- 市场低谷的驱动因素如何随模型设定变化，灵活机器学习能否帮助识别风险偏好与流动性的作用并实时识别事件？
- 方法与思路
- 作者使用双重机器学习的平均偏效应框架分析市场低谷，并构建即时预测模型，以实时识别市场恐慌抛售事件。
- 材料陈述的贡献
- 摘要称，期权隐含风险偏好的波动性和市场流动性是关键因果驱动因素，并为中介资产定价理论提供高频证据。
- 阅读关注点
- 应核对市场低谷与抛售事件的定义、平均偏效应的识别依据、时间信息使用方式，以及即时预测的样本外验证。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未说明因果识别假设或预测指标，不能独立确认因果性与实时表现。
原文摘要
This paper provides robust, new evidence on the causal drivers of market troughs. We demonstrate that conclusions about these triggers are critically sensitive to model specification, moving beyond restrictive linear models with a flexible DML average partial effect causal machine learning framework. Our robust estimates identify the volatility of options-implied risk appetite and market liquidity as key causal drivers, relationships misrepresented or obscured by simpler models. These findings provide high-frequency empirical support for intermediary asset pricing theories. This causal analysis is enabled by a high-performance nowcasting model that accurately identifies capitulation events in real-time.