Autoencoder asset pricing models
创建于 更新于
摘要
本文提出基于自动编码器的条件资产定价模型，允许潜在因子及因子暴露作为资产特征的非线性函数，嵌入了机器学习中的无监督降维技术。实证分析基于60年美股数据，显示该非线性模型在描述风险和预测收益方面显著优于传统线性模型如Fama-French、IPCA模型，定价误差小且经济意义显著。本文还通过蒙特卡罗模拟确认模型在非线性条件下的有效性，结合稀疏正则化和早停策略防止过拟合，展示该方法在现代资产定价领域的潜力 [page::0][page::1][page::11]
