这篇论文采用机器学习方法系统预测标普500指数的成分股删除，通过构建涵盖市值、交易、异质波动率和财务比率等93个特征的数据库，应用逻辑回归、随机森林和XGBoosted随机森林模型进行分析。研究发现，在公告日前四天（AD-4）做空被删除股票能获得比公告前一天（AD-1）更显著的负收益，暗示市场存在信息泄露和提前定价现象；随机森林和XGBoost模型在预测准确性和性能指标上显著优于逻辑回归，最佳模型能正确预测37个删除案例中的35个，并通过置换检验在99%置信水平上显著，结果挑战了强式有效市场假说，表明系统性预测标普500指数成分股删除具有可行性。