Empirical Asset Pricing via Machine Learning
创建于 更新于
摘要
本文针对经验资产定价中的资产风险溢价测度问题，系统比较多种机器学习方法。研究表明，机器学习模型（尤其是回归树和神经网络）显著提升了风险溢价预测精度，带来可观的经济收益，年化Sharpe比率提升逾20个百分点。机器学习捕捉了传统线性模型难以识别的非线性交互效应，主导预测变量涵盖动量、流动性与波动率。该研究不仅为资产定价提供了更有效的预测工具，也推动了金融科技行业的量化投资实践发展。[page::0][page::1][page::3][page::5][page::6][page::27][page::29][page::38][page::45][page::46]
