Movement Prediction-Adjusted Naive Forecast: Is the Naive Baseline Unbeatable in Financial Time Series Forecasting?
方向预测调整的朴素预测：金融时间序列的朴素基准能否被超越？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：摘要直接研究金融时间序列的预测组合及样本外误差，但未明确预测对象为收益。
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
方向预测调整的朴素预测：金融时间序列的朴素基准能否被超越？
- 研究问题
- 金融时间序列中，能否将方向预测信息加入朴素预测，在方向判断仅略好于随机时改善预测误差并超过常见基准？
- 方法与思路
- 作者用样本内平均绝对增量确定调整幅度，以方向预测确定符号，再用样本内方向准确率导出的系数缩放调整量。
- 材料陈述的贡献
- 摘要称在八条金融时间序列上，方向准确率约为0.55时，该方法在多项误差指标下通常优于朴素预测等基准。
- 阅读关注点
- 应核对方向预测器如何训练、样本内准确率如何用于样本外调整，以及时间切分、信息泄漏和基准调参的处理。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实；摘要未说明序列种类与评估细节，报告的预测优势不代表可获交易收益。
原文摘要
In financial time series forecasting, the naive forecast is a notoriously difficult benchmark to surpass because of the stochastic nature of the data. Motivated by this challenge, this study introduces the movement prediction-adjusted naive forecast (MPANF), a forecast combination method that systematically refines the naive forecast by incorporating directional information. In particular, MPANF adjusts the naive forecast with an increment formed by three components: the in-sample mean absolute increment as the base magnitude, the movement prediction as the sign, and a coefficient derived from the in-sample movement prediction accuracy as the scaling factor. The experimental results on eight financial time series, using the RMSE, MAE, MAPE, and sMAPE, show that with a movement prediction accuracy of approximately 0.55, MPANF generally outperforms common benchmarks, including the naive forecast, naive forecast with drift, IMA(1,1), and linear regression. These findings indicate that MPANF has the potential to outperform the naive baseline when reliable movement predictions are available.