<span id="td4la"></span>
    <tbody id="td4la"><pre id="td4la"></pre></tbody>
    1. <dd id="td4la"><track id="td4la"></track></dd>
      <th id="td4la"><pre id="td4la"><dl id="td4la"></dl></pre></th>

      歡迎光臨武漢大學經濟與管理學院!
      English Version設為首頁加入收藏聯系方式
      學術觀點 首頁 - 學術觀點 - 正文
      李斌、邵新月、李玥陽:機器學習驅動的基本面量化投資研究
      時間:2019-08-22    點擊數:

      【摘要】基本面量化投資是近年來金融科技和量化投資研究的新熱點。作為人工智能的代表性技術,機器學習能夠大幅度提高經濟學和管理學中預測類研究的效果。本文系統性地運用機器學習,來提升基本面量化投資中的股票收益預測模塊。基于1997年1月至2018年10月A股市場的96項異象因子,本文采用預測組合算法、Lasso回歸、嶺回歸、彈性網絡回歸、偏最小二乘回歸、支持向量機、梯度提升樹、極端梯度提升樹、集成神經網絡、深度前饋網絡、循環神經網絡和長短期記憶網絡等12種機器學習算法,構建股票收益預測模型及投資組合。實證結果顯示,機器學習算法能夠有效地識別異象因子—超額收益間的復雜模式,其投資策略能夠獲得比傳統線性算法和所有單因子更好的投資績效,基于深度前饋網絡預測的多空組合最高能夠獲得2.78%的月度收益。本文進一步檢驗了因子在預測模型中的重要性,發現交易摩擦因子在A股市場具有較強的預測能力,深度前饋網絡在篩選因子數據上的多空組合月度收益達到了3.41%。本文嘗試將機器學習引入基本面量化投資領域,有助于促進人工智能、機器學習與經濟學和管理學的交叉融合研究,為推進國家人工智能戰略的有效實施提供參考。
      【關鍵字】基本面量化投資;市場異象因子;機器學習;深度學習
        本文刊登于《中國工業經濟》2019年第8期。該期刊為經濟與管理學院學術期刊分級方案獎勵期刊。邵新月和李玥陽為2018級碩士研究生。

      欧美情欲片在线看