English Version
学院简介 历史沿革 机构设置 现任领导 院长寄语 历任领导 咨询委员会
学科工作 学科采风 科研工作 科研项目 博士后科研流动站
本科教学 专业学位 研究生教学 高端培训 继续教育
招生信息 专业介绍 招聘信息 职业规划 毕业生信息 毕业生去向(Placement of Graduates) EFMD国际人才网
国际交流 合作项目 国际认证 办事指南
本科生学工网 研究生学工
党建巡礼 学院简报 学习参考 管理制度 教工之家
校友名录 杰出校友 历史名人 MBA联合会 EMBA校友会
 
李斌、邵新月、李玥阳:机器学习驱动的基本面量化投资研究

 

【摘要】基本面量化投资是近年来金融科技和量化投资研究的新热点。作为人工智能的代表性技术,机器学习能够大幅度提高经济学和管理学中预测类研究的效果。本文系统性地运用机器学习,来提升基本面量化投资中的股票收益预测模块。基于1997年1月至2018年10月A股市场的96项异象因子,本文采用预测组合算法、Lasso回归、岭回归、弹性网络回归、偏最小二乘回归、支持向量机、梯度提升树、极端梯度提升树、集成神经网络、深度前馈网络、循环神经网络和长短期记忆网络等12种机器学习算法,构建股票收益预测模型及投资组合。实证结果显示,机器学习算法能够有效地识别异象因子—超额收益间的复杂模式,其投资策略能够获得比传统线性算法和所有单因子更好的投资绩效,基于深度前馈网络预测的多空组合最高能够获得2.78%的月度收益。本文进一步检验了因子在预测模型中的重要性,发现交易摩擦因子在A股市场具有较强的预测能力,深度前馈网络在筛选因子数据上的多空组合月度收益达到了3.41%。本文尝试将机器学习引入基本面量化投资领域,有助于促进人工智能、机器学习与经济学和管理学的交叉融合研究,为推进国家人工智能战略的有效实施提供参考。
【关键字】基本面量化投资;市场异象因子;机器学习;深度学习
 
  本文刊登于《中国工业经济》2019年第8期。该期刊为经济与管理学院学术期刊分级方案奖励期刊。邵新月和李玥阳为2018级硕士研究生。
发布时间:2019-08-22 浏览人数:
相关链接
 
查询服务:2019普通本科生转专业成绩查询 | 本科教务系统 | 研究生教务系统 | 科研管理系统 | E科之家 | 校历查询 | 交通查询 | 网站管理
相关链接:《经济评论》 | 《珞珈管理评论》 | 康腾实践中心