Forecasting the Performance of US Stock Market Indices During COVID-19: RF vs LSTM
COVID-19期间美国股票指数表现预测：随机森林与LSTMAI 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：摘要明确以美国股票指数收益预测和随机森林、LSTM比较为研究内容，因此归入收益预测。
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…
COVID-19期间美国股票指数表现预测：随机森林与LSTM
- 研究问题
- 利用金融危机后的历史价格数据，随机森林与LSTM能否预测疫情时期美国主要股票指数收益，其预测表现应如何比较？
- 方法与思路
- 作者使用历史价格训练随机森林和LSTM，通过交叉验证评价模型，并结合超参数优化、正则化及预处理改善预测表现。
- 材料陈述的贡献
- 摘要描述了两类机器学习模型用于标普500和罗素2000指数预测的方案，但未报告明确的模型胜负或量化预测增益。
- 阅读关注点
- 应核对收益预测目标、预测期限、时间顺序切分与交叉验证方式，并检查数据泄漏、样本外基准及交易成本处理。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未提供误差指标或交易检验，关于提高盈利的表述不能视为已验证结论。
原文摘要
The US stock market experienced instability following the recession (2007-2009). COVID-19 poses a significant challenge to US stock traders and investors. Traders and investors should keep up with the stock market. This is to mitigate risks and improve profits by using forecasting models that account for the effects of the pandemic. With consideration of the COVID-19 pandemic after the recession, two machine learning models, including Random Forest and LSTM are used to forecast two major US stock market indices. Data on historical prices after the big recession is used for developing machine learning models and forecasting index returns. To evaluate the model performance during training, cross-validation is used. Additionally, hyperparameter optimizing, regularization, such as dropouts and weight decays, and preprocessing improve the performances of Machine Learning techniques. Using high-accuracy machine learning techniques, traders and investors can forecast stock market behavior, stay ahead of their competition, and improve profitability. Keywords: COVID-19, LSTM, S&P500, Random Forest, Russell 2000, Forecasting, Machine Learning, Time Series JEL Code: C6, C8, G4.