Este estudio fue motivado por el bajo rendimiento de los modelos actuales utilizados en la predicción de retornos de acciones y tuvo como objetivo mejorar la precisión de los modelos existentes en la predicción de futuros retornos de acciones. La literatura actual asume en gran medida que el término residual utilizado en el modelo existente es ruido blanco y, como tal, no tiene información valiosa. Aprovechamos la información valiosa contenida en los residuos de los modelos en el contexto del retorno acumulado y construimos un nuevo modelo de brecha de retorno acumulado (CRG) para superar las debilidades de los modelos tradicionales de retornos anormales acumulados (CAR) y retornos anormales de compra y mantenimiento (BHAR). Para abordar los elementos residuales del modelo de predicción y mejorar la precisión de la predicción, también introducimos el método de diferencia finita (FD) en el modelo autorregresivo (AR) y el modelo de rezagos distribuidos autorregresivos (ARDL). Los resultados empíricos del estudio muestran que el modelo de retorno acumulado (CR) es mejor que el modelo de retorno simple para la predicción de retornos de acciones. Encontramos que el modelo CRG puede mejorar la precisión de la predicción, el término de los residuos del análisis autorregresivo es muy importante en la predicción de retornos de acciones, y el modelo FD puede mejorar la precisión de la predicción.