期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角
被引量：
11
1
作者
贺平
兰伟
丁月
《统计研究》
CSSCI
北大核心
2021年第5期82-96,共15页
本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股...
本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股票异象因子构建不全面问题,(2)特征变量构建过多而存在的"维度灾难"问题,(3)特征变量之间的高相关性导致预测不稳定问题。研究结果显示,组合LASSO-logistic算法能够有效识别特征变量与预期收益之间的复杂关系,其投资组合资产配置的策略能够比传统多元Logistic算法、支持向量机(SVM)算法和随机森林算法得到更高的超额回报。同时,本文发现影响股票预期收益的公司特征变量并非一成不变,其显著的动态变化在一定程度上提示了我国股票市场的弱稳定性。
展开更多
关键词
横截面收益预测
资产配置策略
我国股票市场
组合LASSO-logistic方法
在线阅读
下载PDF
职称材料
基于自编码机器学习的资产定价研究——中国股票市场的金融大数据分析视角
2
作者
唐国豪
朱琳
+1 位作者
廖存非
姜富伟
《管理科学学报》
CSSCI
CSCD
北大核心
2024年第9期82-97,共16页
本研究在中国股票市场上,使用自编码机器学习方法和包含近百个公司特征变量的金融大数据,对资产价格进行解释和预测,并对自编码因子进行全面的宏观经济分析.研究发现,自编码因子能够从包含公司特征的大量信息中提取到有效的收益预测信号...
本研究在中国股票市场上,使用自编码机器学习方法和包含近百个公司特征变量的金融大数据,对资产价格进行解释和预测,并对自编码因子进行全面的宏观经济分析.研究发现,自编码因子能够从包含公司特征的大量信息中提取到有效的收益预测信号,并在横截面上获得显著的超额收益.在对因子重要度的研究中,研究发现我国股票市场异象具有时变特征.此外,研究从宏观经济状态和经济政策两个角度分析表明,基于自编码的投资模型的有效性与宏观经济息息相关,它能够在市场泡沫成分较大和投机气氛较浓的情况下成功对冲市场风险,且能捕捉到由财政政策和货币政策所导致的市场环境的变化.
展开更多
关键词
自编码器
机器学习
金融大数据
LOGISTIC回归
横截面收益预测
在线阅读
下载PDF
职称材料
题名
我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角
被引量：
11
1
作者
贺平
兰伟
丁月
机构
西南财经大学统计学院和统计研究中心
西南交通大学经济管理学院
出处
《统计研究》
CSSCI
北大核心
2021年第5期82-96,共15页
基金
国家自然科学基金项目(71532001,11931014,71991472,71702154,71702155)
教育部人文社科青年基金项目(16YJC630018)
文摘
本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股票异象因子构建不全面问题,(2)特征变量构建过多而存在的"维度灾难"问题,(3)特征变量之间的高相关性导致预测不稳定问题。研究结果显示,组合LASSO-logistic算法能够有效识别特征变量与预期收益之间的复杂关系,其投资组合资产配置的策略能够比传统多元Logistic算法、支持向量机(SVM)算法和随机森林算法得到更高的超额回报。同时,本文发现影响股票预期收益的公司特征变量并非一成不变,其显著的动态变化在一定程度上提示了我国股票市场的弱稳定性。
关键词
横截面收益预测
资产配置策略
我国股票市场
组合LASSO-logistic方法
Keywords
Cross-sectional Expected Stock Returns
Portfolio Strategy
Chinese Stock Market
Combination LASSO-logistic Model
分类号
F224 [经济管理—国民经济]
F832.51 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
基于自编码机器学习的资产定价研究——中国股票市场的金融大数据分析视角
2
作者
唐国豪
朱琳
廖存非
姜富伟
机构
湖南大学金融与统计学院
广东财经大学金融学院
南京理工大学经济管理学院
厦门大学经济学院
厦门大学王亚南经济研究院
出处
《管理科学学报》
CSSCI
CSCD
北大核心
2024年第9期82-97,共16页
基金
国家自然科学基金资助项目(71872195,72072193,72003062,72342019),国家社会科学基金资助重大项目(22&ZD063)。
文摘
本研究在中国股票市场上,使用自编码机器学习方法和包含近百个公司特征变量的金融大数据,对资产价格进行解释和预测,并对自编码因子进行全面的宏观经济分析.研究发现,自编码因子能够从包含公司特征的大量信息中提取到有效的收益预测信号,并在横截面上获得显著的超额收益.在对因子重要度的研究中,研究发现我国股票市场异象具有时变特征.此外,研究从宏观经济状态和经济政策两个角度分析表明,基于自编码的投资模型的有效性与宏观经济息息相关,它能够在市场泡沫成分较大和投机气氛较浓的情况下成功对冲市场风险,且能捕捉到由财政政策和货币政策所导致的市场环境的变化.
关键词
自编码器
机器学习
金融大数据
LOGISTIC回归
横截面收益预测
Keywords
autoencoder
machine learning
financial big data
Logistic regression
the cross-section of stock returns
分类号
F832.5 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角
贺平
兰伟
丁月
《统计研究》
CSSCI
北大核心
2021
11
在线阅读
下载PDF
职称材料
2
基于自编码机器学习的资产定价研究——中国股票市场的金融大数据分析视角
唐国豪
朱琳
廖存非
姜富伟
《管理科学学报》
CSSCI
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
