Purpose: to examine the predictive performance of linear, non-linear, artificial intelligence, frequency domain and hybrid models to find an appropriate model for predicting the return on shares in developed, emerging and frontier markets. Methodology: the daily stock market returns of selected indices from developed, emerging and frontier markets in 24 countries for the period 2000–2019 were considered to assess the predictive performance of five existing models. Main Findings: the results indicated that none of the five models could be applied uniformly to all markets. However, traditional linear and non-linear models have outperformed artificial intelligence and models in the frequency domain by providing more accurate predictions. Academic and practical contributions: this study is particularly useful for international investors and foreign institutional investors who wish to minimize risks and diversify their portfolios, with the aim of maximizing profits.
Objetivo: examinar o desempenho preditivo de modelos lineares, não-lineares, de inteligência artificial, domínio de frequência e híbridos para encontrar um modelo apropriado de previsão do retorno das ações de mercados desenvolvidos, emergentes e de fronteira. Metodologia: foram considerados os retornos diários do mercado de ações de índices selecionados de mercados desenvolvidos, emergentes e de fronteira de 24 países para o período de 2000–2019, para avaliar o desempenho preditivo de cinco modelos existentes. Principais Resultados: os resultados indicaram que nenhum dos cinco modelos poderia ser aplicado uniformemente a todos os mercados. No entanto, os modelos lineares e não lineares tradicionais superaram a inteligência artificial e os modelos no domínio da frequência ao fornecer previsões mais precisas. Contribuições acadêmicas e práticas: este estudo é útil principalmente para investidores internacionais e investidores institucionais estrangeiros que desejam minimizar riscos e diversificar suas carteiras, com o objetivo de maximizar lucros.