哪些变量提供了有关未来收益横截面的独立信息？ 当候选变量的数量很大并且交叉项可能很重要时，投资组合排序和 Fama-MacBeth 回归不能轻易回答这个问题。 我们介绍了一种基于机器学习文献中可以在这种情况下使用的思想的新方法。 将该方法应用于基于过去回报的未来回报预测，短期回报成为最重要的预测因素。 基于我们的研究结果的交易策略的信息比率是考虑双向交互的 Fama-MacBeth 回归的两倍。 交易成本并不能解释结果。