【讲座题目】金融大数据资产价格预测：人工智能视角

【时间】2019年3月29日（周五）下午 3-5点

【地点】后主楼1620会议室

【主讲人】中央财经大学金融学院  姜富伟  副教授

【摘要】

本文首次运用全面的机器学习方法在中国股票市场中进行基于大数据的资产价格预测。我们使用上百个与公司特征的相关的预测变量构建大数据集，并运用多种机器学习方法分析方法对上市公司进行参数设定和资产收益预测。这些机器学习方法包括主成分回归、偏最小二乘法、岭回归、套索回归、弹性网络、支持向量回归、随机森林以及神经网络。研究结果显示，包含公司特征的金融大数据能够有效预测未来的资产价格。相对于基于线性假设的方法，非线性或非参数方法（支持向量回归、随机森林、神经网络）有较小的均方预测误差，预测能力受到单个变量的影响较小。其中，支持向量回归与一层神经网络法样本外预测能力最强。不同方法的预测误差会随着经济周期和市场状态的变化而变化。对于不同的公司特征，交易摩擦类指标和行业均值指标对于提高预测精度有着显著作用。在横截面股票收益的研究中，我们发现大多数方法所构造的多空对冲组合年化收益超过了15%，夏普比率达到0.70以上。其中，支持向量回归和一层神经网络法能够最有效地预测横截面股票收益，其由最新的五因子模型所衡量的超额收益都在1%水平上显著。研究结果还显示，由于金融大数据中包含着多种噪音，因此有效的预测模型不是越复杂越好。

关键词：机器学习 金融大数据 资产价格预测 中国股票市场

【主讲人简介】

姜富伟，中央财经大学金融学院副教授，“龙马学者”青年学者，新加坡管理大学李光前商学院金融学博士。主要研究方向包括资产定价（收益预测，市场异象，投资管理），行为金融（投资情绪，经理人情绪，有限套利），金融大数据与人工智能（机器学习，深度学习，文本分析），中国资本市场。主持国家自然科学基金，北京市自然科学基金等多项课题，研究成果在Journal of Financial Economics, Review of Financial Studies，Journal of Banking and Finance，Journal of International Money and Finance等国际权威期刊上发表。