A Bibliometric Analysis of Machine Learning Econometrics in Asset Pricing
Notice bibliographique
Résumé
Machine learning (ML) is a novel method that has applications in asset pricing and that fits well within the problem of measurement in economics. Unlike econometrics, ML models are not designed for parameter estimation and inference, but similar to econometrics, they address, and may be better suited for, problems of prediction. While some ML methods have been applied in econometrics for decades, their success in prediction has been limited, and examples of this abound in the asset pricing literature. In recent years, the ML literature has advanced new, more efficient, computation methods for regularization, modeling nonlinearity, and improved out-of-sample prediction. This article conducted a comprehensive, objective, and quantitative bibliometric analysis of this growing literature using Web of Science (WoS) data. We identified trends in the literature over the past decade, the geographical distribution of articles, authorship, and institutional contributions worldwide. The paper also identifies the dominant literature using citations in WoS and discusses computational algorithms that are expanding the econometric frontiers in asset pricing. The top cited papers were reviewed, highlighting their contribution. The limitations of ML learning methods and recent advances in ML were used to provide a conic view to future ML econometric practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,075 | 0,125 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».