Традиционная статистика и эконометрика основаны на методах, впервые разработанных пару веков назад, и их применение в финансах часто включает модели линейной регрессии. Эти линейные модели эффективны во многих ситуациях. Тем не менее, по крайней мере, некоторые из сложностей реального мира могут быть лучше уловлены с помощью методов машинного обучения из-за их способности обрабатывать контекстные и нелинейные отношения, которые часто могут возникать в финансах. Например, методы машинного обучения могут быть более эффективными, чем линейные регрессии при наличии мультиколлинеарности (когда объясняющие переменные коррелированы)(5). В этих случаях методы ML и DL предоставляют инвестиционным менеджерам дополнительные инструменты, которые могут дать им преимущество(6).