期刊检索
关于本刊
出版者：中国工业经济杂志社
编辑者：《中国工业经济》编辑部
国外刊号：M862
邮发代号：82—143
创刊时间：1984年10月
地址：北京市东城区东厂胡同一号（100006）
电 话：010-68032678
010-68047499
邮 箱：gjbjb@sina.com
gjbjb@ciejournal.ajcass.org
扫一扫，关注微信公众号
微信号：bj-2992828
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。 |
| 作者： | 李 斌，邵新月，李玥阳 |
| 期刊： | 中国工业经济 |
| 年.期:页码 | 2019.8:61-79 |
| 关键词： | 基本面量化投资； 市场异象因子； 机器学习； 深度学习 |
欢迎阅读《中国工业经济》！您是该文第27336位读者！ |
|