リターン予測における複雑性の利点

というNBER論文が上がっている昨年12月時点のungated(SSRN)版)。原題は「The Virtue of Complexity in Return Prediction」で、著者はBryan T. Kelly(イェール大)、Semyon Malamud(Swiss Finance Institute)、Kangying Zhou(イェール大)。
以下はその要旨。

The extant literature predicts market returns with “simple” models that use only a few parameters. Contrary to conventional wisdom, we theoretically prove that simple models severely understate return predictability compared to “complex” models in which the number of parameters exceeds the number of observations. We empirically document the virtue of complexity in US equity market return prediction. Our findings establish the rationale for modeling expected returns through machine learning.
(拙訳)
既存の研究は、数個のパラメータしか使わない「単純な」モデルで市場リターンを予測する。通念に反し、単純なモデルは、パラメータ数が観測数を超えるような「複雑な」モデルに比べて、リターンの予測可能性を著しく過小評価することを我々は理論的に証明する。我々は米国株の市場リターン予測において、複雑性の利点を実証的に立証する。我々の発見は、機械学習を通じて予想リターンをモデル化する根拠を確立する。