近日，李斌教授发表在《中国工业经济》2019年第8期（人大复印资料《投资与证券》2019.12转载）“机器学习驱动的基本面量化投资研究”一文入选2019年“人大复印报刊资料经济学类最受欢迎文章集萃”第1名。

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。这篇论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。

李斌教授近年来在一直专攻于金融科技、投资管理和机器学习等领域的研究，他具有金融+科技的跨学科背景与研究能力。他在《Journal of Accounting Research》、《Journal of Futures Markets》、《管理科学学报》、《中国工业经济》等金融会计类期刊发表论文，同时在《Artificial Intelligence》、《Journal of Machine Learning Research》、ICML、IJCAI等人工智能类期刊和会议发表论文。他是湖北省楚天学子、武汉大学珞珈青年学者、武汉大学人文社科青年学术团队“大数据驱动的投资管理研究”负责人；同时也是特许金融分析师（CFA）持证人。主持国家自然科学基金、教育部人文社科基金等项目；担任Neurocomputing期刊副主编（Associate Editor），多个国内外期刊的评审人和会议的程序委员会委员。指导的学生获得武汉大学研究生学术创新奖一等奖等。

据悉，“人大复印报刊资料”系列数据库具有较高的学术价值和品牌影响力，国内唯一拥有覆盖人文社科全学科领域学术的期刊群。《复印报刊资料》转载量是学术界评价人文社科期刊以及论文的影响尺度之一。

（科研与学科建设办公室供稿）