09.11.2021

New Forthcoming Publication in the ESWA

"Investment factor timing: Harvesting the low-risk anomaly using artificial neural networks''. (Philipp A. Dirkx and Thomas L.A.Heil)


Abstract:


We perform investment factor timing based on risk forecasts exploiting the low-risk anomaly. Among various

risk measures, we find downside deviation most suited for this task. We apply Long Short Term Memory

Artificial Neural Networks (LSTM ANNs) to model the relationship between macro-economic as well as financial

market data and the downside deviation of factors. The LSTM ANNs allow for complex, non-linear long-term

dependencies. We use LSTM-based forecasts to select high- and low-risk factors in setting up an investment

strategy. The strategy succeeds in differentiating positive from negative yielding factor investments, and an

accordingly constructed investment strategy outperforms every factor individually as well as LASSO and

Multilayer Perceptron neural network benchmark models.


The paper can be downloaded the next 30 days for free via the share link: https://authors.elsevier.com/a/1e2Of3PiGTI0K3

Zeit, um zu entscheiden

Diese Webseite verwendet externe Medien, wie z.B. Karten und Videos, und externe Analysewerkzeuge, welche alle dazu genutzt werden können, Daten über Ihr Verhalten zu sammeln. Dabei werden auch Cookies gesetzt. Die Einwilligung zur Nutzung der Cookies & Erweiterungen können Sie jederzeit anpassen bzw. widerrufen.

Eine Erklärung zur Funktionsweise unserer Datenschutzeinstellungen und eine Übersicht zu den verwendeten Analyse-/Marketingwerkzeugen und externen Medien finden Sie in unserer Datenschutzerklärung.