基于神经网络的股票收益率预测研究

• 作者: 刘俊玮 潘水洋 王一鸣
• 来源期刊: 浙江大学学报（理学版）
• 学科: 数学
• 关键词: 机器学习 非线性资产定价 神经网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 550-555
• 页数: 6页
• 分类号: O212
• 字数: 5092字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2019.05.006

摘要

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构.为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测.将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明:神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王一鸣	北京大学经济学院	77	379	11.0	18.0
2	潘水洋	北京大学经济学院	6	15	3.0	3.0
3	刘俊玮	北京大学经济学院	3	3	1.0	1.0