典型文献
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
文献摘要：
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.
文献关键词：
资产定价;多因子模型;大数据;机器学习;金融科技
中图分类号：
作者姓名：
姜富伟;薛浩;周明
作者机构：
中央财经大学金融学院,北京102206;中国人民大学财政金融学院,北京100872
文献出处：
引用格式：
[1]姜富伟;薛浩;周明-.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)[J].系统工程理论与实践,2022(08):2037-2048
A类：
B类：
多因子模型,基于机器学习,机器学习方法,股市,机器学习算法,公司财务,基本面,大数据信息,我国资本市场,简约,定价模型,分作,特征因子,弹性网络,要略,LASSO,交易摩擦,估值,交易习惯,资产定价,高维,变量选择,出经,经济学解释,市场特点,金融科技
AB值：
0.253394
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
