大数据提升了多因子模型定价能力吗?——基于机器学习方法对我国A股市场的探究 |
| |
作者姓名: | 姜富伟 薛浩 周明 |
| |
作者单位: | 1. 中央财经大学金融学院;2. 中国人民大学财政金融学院 |
| |
基金项目: | 国家自然科学基金面上项目(72072193,71872195);;国家社科基金重大项目(19ZDA098)~~; |
| |
摘 要: | 本文采用惩罚线性回归方法和主成分分析等多种机器学习算法,充分挖掘我国A股上市公司财务基本面大数据信息,尝试构建我国资本市场的简约的多因子定价模型.研究发现:我国A股市场中,主成分作为定价因子的表现要优于特征因子;在缩减定价因子个数方面,弹性网络方法的表现要略优于LASSO.此外,惯性类、交易摩擦类以及估值与成长类因子的贡献较大,说明虽然我国资本市场不够完善,市场参与者交易习惯有待提高,但也体现了市场不断完善且有效的一面.本文方法构建的多因子模型优于主流的定价模型.本文将机器学习方法引入到资产定价模型的构建,实现了对高维财务基本面数据的降维和变量选择,构建了我国A股市场多因子资产定价模型,并给出经济学解释.文章从大数据和机器学习的角度为我国A股市场资产定价提供了新思路,明确了各个定价因子在多因子模型中的贡献,有助于理解我国资本市场特点,为解决高维财务基本面数据问题提供了适用于我国资本市场的方法.
|
关 键 词: | 资产定价 多因子模型 大数据 机器学习 金融科技 |
|
|