该研究提出了一种新颖的机器学习方法，通过结合两阶段分位数神经网络和样条插值来预测全球股票收益的完整分布，无需依赖参数假设即可灵活捕捉非高斯特征如厚尾和不对称性；该方法能够从预测分布中导出均值、方差等统计量，在样本外测试中显著优于传统模型，并证明其在美国及国际市场上的鲁棒性，同时揭示了中心分位数在资产定价中的重要性而高阶矩则未被系统性定价。
#######################
欢迎参加净值还在水上微信群：本群旨在成为一个高质量的量化知识共享圈。我们只聚焦高价值的干货分享，期待大家能在这里一起交流、一起成长。
为保证群的纯粹性和交流质量，我们将严格审核入群身份。