?
Предсказательная точность целевых цен акций: сравнение прогнозов аналитиков и машинного обучения
В настоящее время роль искусственного интеллекта все больше занимает значительную роль в различных сферах, в том числе возрастает роль машинного обучения и в финансовой области. Оценка стоимости компании остается важной частью исследований ввиду своей сложности корректной предска зательной точности целевых цен акций. В данном исследовании проведено сравнение предсказательной точности целевой стоимости акций с применением модели дисконтирования денежных потоков (DCF), вычисленной на осно ве алгоритмов искусственного интеллекта, а также прогнозов, основанных на аналитических отчетах Zacks Investment Research. Для оценки устойчивости результатов сравнения использованы контрольные переменные. В результате исследования подтверждена эффективность применения машинного обучения в прогнозировании цен акций компаний. Отмечено незначительное различие в точности целевых цен и прогнозируемой доходности DCF-модели и анали тических отчетов Zacks.