太阳集团tcy8722

【融实论坛】武汉大学李斌教授:股票收益的机器学习实时预测

发布时间: 2022/11/28 14:44:29     点击次数:次   打印本页

2138cn太阳集团古天乐金融系主办的“融实论坛”2022学年第9期(总第40期)于2022年11月24日晚线上举行。本期融实论坛主讲嘉宾为武汉大学经济与管理学院的李斌教授。

本期融实论坛由北航经济管理学院金融系部慧副教授主持,金融系主任赵尚梅教授,金融系李平教授、张军欢副教授等学院教师参与了本期论坛。学院各个培养项目的学生以及武汉大学、清华大学、中国科学院大学、对外经济贸易大学、浙江大学、中央财经大学、中国人民大学等高校师生参与本期论坛。共计197人参与聆听李教授的精彩学术报告,并进行了热烈的学术交流。

 

李教授在报告中分享了他最新的一项研究工作《股票收益的机器学习实时预测:来自基本面信号的证据》。从投资者的角度出发,事后发掘的变量难以被用于实时交易,且变量在发掘后预测效果可能会急剧下降,基于这一观点,李教授团队利用企业年度财务报表披露的数据,依据不同计算规则得到了18000余个基本面信号,用于预测股票收益率。借助1963年7月-2019年6月发行的15035支股票的市场全样样本,利用梯度提升回归树这一机器学习方法,按照年度向前滚动,预测各年度股票的超额收益率,得到股票收益率后进行排序,每年买入预测收益最高的10%的股票,卖出预测收益最低的10%的股票构建投资组合。研究发现,在依据等权重计算及依据市值加权计算两种方法下,机器学习方法均可以得到统计学中显著的超额收益,这些方法的样本外表现明显弱于已有研究得到的结果,尤其是按照市值加权计算得到的结果。模型样本内预测结果显著高于样本外预测结果。与以往文献相比,与机器学习策略相关的方法得到的经济收益更温和。机器学习方法对于小股票的预测显著,对于大股票的预测仅为边缘显著,即机构投资者对于这一机器学习方法的使用是受限的;梯度提升回归树的预测效果优于神经网络模型;模型对于小股票以及高波动率股票的预测误差更大。李教授的研究具有重要的理论意义及实践价值。

李教授与参加融实论坛的师生进行深入的学术交流,讨论了投资组合权重分配、收益率预测信号、模型特征重要性、智能投顾等问题。本期融实论坛学术报告在热烈讨论的氛围中圆满结束。

嘉宾简介:李斌教授现担任武汉大学经济与管理学院金融系副主任、金融研究中心主任。研究方向是实证资产定价、金融机器学习与金融科技等。李斌教授具有金融、科技的跨学科背景与研究能力,在金融会计类刊物《Journal of Accounting Research》、《金融研究》、《中国工业经济》、《管理科学学报》等和人工智能CCF A类期刊和会议《Artificial Intelligence》、《Journal of Machine Learning Research》、ICML、IJCAI等发表论文多篇,在美国CRC出版社出版专著《Online Portfolio Selection: Principles and Algorithms》。主持国家自然科学基金等项目多项,已结题自科青年项目后评估为“特优”。

文/图 部慧

Baidu
sogou