EP261 可预测性有多全球化：金融迁移学习的力量

本文发现，一个共同的全局模型预测各国股票收益的效果显著优于仅使用本地数据估计的本地模型，即使全局模型完全不包含该国数据（硬迁移学习）也依然有效。

作者提出广义弹性网络（GENet）方法实现"软迁移学习"，在利用全球信息提升估计精度的同时，识别出显著的本地成分，但量化结果显示全局成分占比高达96%。

进一步分析表明，风险类因子的预测关系在全球范围内高度一致，而错误定价类因子存在本地差异；该迁移学习框架同样适用于XGBoost和神经网络等非线性模型。