金融市场

AI量化论文介绍

牛津大学英仕曼量化化金融研究所（OMI）是世界领先的金融市场跨学科研究中心。OMI主要研究量化金融的基本问题，重点关注机器学习和数据驱动的模型。OMI研究汇总是一份精心策划的月度摘要，涵盖了量化相关领域的最新研究、见解和工具。

本月的论文分享中，有两篇来自OMI的最新论文。第一篇是基于订单账面不平衡的度量对交易流进行分类，并研究分解后的交易流对价格的影响，以设计有利的交易策略。第二篇介绍了使用动量策略应用于加密货币的转移排序模型。

本文主要介绍与金融和机器学习相关的论文。

**1. Trade Co-occurrence, Trade Flow Decom

摘要

来自：Finance Research Letters 48 (2022)

作者：Matthias X. Hanauera, Marina Kononovab, Marc Steffen Rappb

标题：Boosting agnostic fundamental analysis: Using machine learning to identify mispricing in European stock markets

股票基本面分析有效吗？分析师应该如何得出股票基本面价值?虽然理论文献已经开发了贴现现金流模型和其他高度程式化的基础估值模型，但BG（2

摘要

文献来源：[1] Jacobsen, Brian, Wai Lee, and Chao Ma. "The Alpha, Beta, and Sigma of ESG: Better Beta, Additional Alpha?." The Journal of Portfolio Management 45.6 (2019): 6-15.

推荐原因：投资者不再将投资作为统计对象，使其组成最优投资组合，而是越来越关注在环境、社会和公司治理(ESG)维度的投资。分析师过去是以定性的方式评估这些维度，但许多数据提供商正试图对这些维度进行评分，从而有效地量化定性的

摘要

文献来源：Morten O. Ravn & Martin Sola, 2004. "Asymmetric effects of monetary policy in the United States," Review, Federal Reserve Bank of St. Louis, vol. 86(Sep), pages 41-60.

推荐原因：本文研究了三种货币政策的非对称性:(i)消极和积极的货币政策冲击是否 对产出有不同的影响;(ii)大冲击或小冲击的影响是否不同;(iii) 低方差、负冲击是否对产 出具有非对称效应。通过美国联邦基金利率对非对称效应的存在

摘要

文献来源：Jennifer Bender, Jerry Le Sun and Rick Thomas, Asset Allocation vs. Factor Allocation – Can We Build a Unified Method?[J] The Journal of Portfolio Management, 2018, 45 (2) 9-22

推荐原因：近60年间，股票和债券等资产一直是多元化投资组合的主要基石。长期以来，投资者普遍认为，对不同类别的资产进行分散投资足以为组合带来多元化投资的裨益，但近期在市场大幅下挫过程中，对不同类别资产进行分散投

摘要

2022世界人工智能大会于2022年9月1日至3日在上海举办。世界人工智能大会自2018年以来，已成功举办四届。2022世界人工智能大会由国家发展和改革委员会、科学技术部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院和上海市人民政府共同主办。

作为本届世界人工智能大会承办单位之一，数库科技于9月3日下午举办以“数无疆·智无界”主题分论坛，J.P. Morgan亚太地区量化策略负责人Robert Smith先生发表了题为*《Big Data and AI Strategies：AI for Investing》*的主题演讲，Robert Smith分别

策略案例

https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75

\

摘要

很难预测首次公开募股 (IPO) 的未来收益，因为用于确定 IPO 价格的多重估值方法通过反映特定市场环境中的当前情绪来提供估计。 由于我们的模型反映了会计信息和股票价格，我们发现验证 IPO 股票估值准确性的平均绝对百分比误差将投资回报率提高了 15% 到 20%。 这可以帮助股东和投资者准确估计股价并进行高效的投资决策，同时通过将机器学习应用于传统技术来分析投资机会和优化交易策略，为金融科技做出贡献。

It is difficult to predict future payoffs for initial public offerings (IPOs),since the

摘要

文献来源：Demiguel V, Gil-Bazo J, Nogales F J, et al. Can Machine Learning Help to Select Portfolios of Mutual Funds?[J]. Social Science Electronic Publishing, 2021.

推荐原因：众所周知，事先确定未来表现优异的共同基金是一项困难的任务。本文基于大量投资者容易获得的基金特征数据，利用机器学习方法训练提升其预测能力。研究发现，利用1980年至2018年期间美国股票型基金的数据，基于机器学习方法构建的基金组合，经风险调整

摘要

文献来源：Piotroski, J. D. , & So, E. C. . (2012). Identifying expectation errors in value/glamour strategies: a fundamental analysis approach. Review of Financial Studies, 25(9), 2841-2875.

推荐原因：本文通过对比价值/成长公司在基本面改善/恶化的不同状态下收益的表现，证明了预期偏差导致了价值/成长的收益差。我们发现价值溢价效应在财务指标与隐含业绩预期冲突的公司中表现尤为显著。分析师对未来的预

摘要

文献来源：Jeffrey A Busse, Lei Jiang, Yuehua Tang, Double-Adjusted Mutual Fund Performance[J]. The Review of Asset Pricing Studies, 2020.

推荐原因：通过因子模型进行风险控制后，基金收益在横截面上仍与股票特征显著相关。我们提出了一种新的双重调整方法，在业绩指标中同时控制因子模型贝塔和股票特征。新的衡量标准对业绩排名产生了重大影响，四分之一的基金百分位排名变化超过10。双重调整后的业绩佐证了基金相对业绩的可持续性。基于新方法的推断与传统方法常常

文献来源：JEAN-NOËL, BARROT ERIK LOUALICHE, JULIEN SAUVAGNAT. January 2016. "The Globalization Risk Premium." The Journal of Finance

推荐原因：我们研究全球化如何反映在资产价格中。我们使用运费来衡量美国公司对全球化的影响。低运费成本行业的公司风险溢价为7.8％，这表明他们的现金流与美国投资者的边际效用呈负相关。为了理解这种全球化风险溢价的起源，我们建立了贸易和资产价格的动态一般均衡模型。我们发现这种溢价源自进口竞争触发的最低效企业被取代的风险。这表明外国生产率的冲击发生在

摘要

文献来源：Byrd, David, Sourabh Bajaj, and Tucker Hybinette Balch. "Fund Asset Inference Using Machine Learning Methods: What’s in That Portfolio?." The Journal of Financial Data Science 1.3 (2019): 98-107.

推荐原因：

![{w:100}{w:100}](https://mmbiz.qpic.cn/mmbiz_png/7gro3mu9ykFMbyA7gTRa5uzNB

本文介绍了Feng Dong，Son Dang Wilson于2018年发表于《Journal of Behavioral Finance》的文章《Does High Stock Price Synchronicity Always Hurt Mutual Fund Industry? Sentiment Matters》。股价同步性是证券市场发展过程中普遍会遇到的问题，通常采用两种观点解释股价同步性出现的原因，一种认为由于公司层面的特定信息向市场传达过程中的低效，导致股票跟随市场同涨同跌，另一种则认为其背后是噪声交易在起作用。业内普遍认为股价同步性会损害公募基金行业收益，但本文提供了另一种视

摘要

文献来源：Christiansen, Charlotte and Groenborg, Niels and Nielsen, Ole Linnemann, Mutual Fund Selection for Realistically Short Samples (July 1, 2019).

SSRN: https://ssrn.com/abstract=3300715

推荐原因：作者基于历史经验对主动管理基金的业绩能力分布进行了模拟研究，并给出了7种热门基金选择方法的效果。首先，作者记录了在短期和长期样本下采用不同方法所得到的结果在最终表现上存在显著差异。这表

文献来源：The Long of it: odds that investor sentiment spuriously predicts anomaly returns, Journal of Financial Economics (2014), RF Stambaugh, J Yu, Y Yu

推荐原因：不少文献质疑投资者情绪是否是市场异象错误定价的核心原因，本文通过一种随机生成序列的方式证实了投资者情绪对异象解释的显著性支持，给“市场异象的错误定价源于情绪反馈”这一研究路径提供更多实证支撑，且这种情绪效应由于做空成本较高具有显著的空头收益。

简介

当推断一个高度自相关的变量

摘要

文献来源：Dimitrios Kostopoulos, Steffen Meyer and Charline Uhr, Google search volume and individual investor trading, Journal of Financial Markets, 2020, vol. 49, issue C.

推荐原因：舆情数据的使用一直是受人关注的话题，本文基于谷歌搜索数据在德国市场构建了投资者情绪指数FEARS，作者发现FEARS情绪指数对投资者的交易行为具有显著影响。FEARS指数越高、市场情绪越低落时，个人投资者的买入交易将更少，投资者更

摘要

文献来源：Aboody, D., Even-Tov, O., Lehavy, R., & Trueman, B. (2018). Overnight Returns and Firm-Specific Investor Sentiment. Journal of Financial and Quantitative Analysis, 53(2), 485-505.

推荐原因：投资者情绪对于股票收益的横截面（或时间序列）属性的影响是一个具有重要研究意义的课题。个人投资者容易受市场情绪所影响，并且他们倾向于在盘后挂单进而在交易日开盘进行成交，因此股票隔夜收益可以作为度量个

摘要

文献来源：Kan S., Gong S. (2017) Does High Stock return synchronicity Indicate High or Low Price Informativeness? Evidence from a regulatory experiment, International Review of Finance

推荐原因：传统观点大都认为股票收益相对市场收益的同步性（synchronicity）与股票价格信息含量（price informativeness）间呈现负向相关性，当股价更多地反应企业特有信息时，股票收益与市场收益

摘要

文献来源：van Loon R J M. Long-Term Investing and the Frequency of Investment Decisions[J]. The Journal of Portfolio Management, 2021.

推荐原因：本文分析了投资决策频率对长期投资结果的影响。我们推导出，长期投资回报是技能、交易成本和波动率的非线性函数。实证研究表明，当存在交易成本时，最佳投资决策的频率存在着一个上限，且美国股票和政府债券市场中的最佳频率有较为显著的差异。此外，当投资频率偏低或者偏高时，投资策略对所需的技能水平都有较高的要求。

文献来源:Schaub, N.. The Role of Data Providers as Information Intermediaries. Journal of Financial and Quantitative Analysis, 2018, 53(4), 1805-1838.

推荐原因:本文研究了金融数据提供者是否在资本市场中承担信息中介的角色。为此，本文检验了据提供者First Call （汤森路透）传播业绩信息的及时性是否会影响股票市场对业绩公告的反应。结果显示，当First Call延迟传播业绩公告时，即时的价格和成交量反应较弱，而财报公布后的影响则较强。为了减

文献来源：Aharon D Y, Qadan M. The Size Effect Is Alive and Well, and Hiding behind Calendar Anomalies[J]. The Journal of Portfolio Management, 2019: jpm. 2019.1. 088.

推荐原因：自上世纪80年代就有国外学者得到实证结论，规模效应正在逐渐消失。在这篇文章中，作者检验了1926年至2014年该金融异象的稳定性。在实证中发现，规模效应在多个日历效应，如一月效应，万圣节效应，马克吐温效应，其他一月效应，月初效应等等下均有显著

摘要

文献来源：Bradley, Daniel & Clarke, Jonathan & Zeng,Linghang. (2019). The Speed of Information and the Sell-Side Research Industry. Journal of Financial and Quantitative Analysis. 55. 1-48. 10.1017/S0022109019000577.

推荐原因：卖方研究行业通过向客户推荐股票以赚取佣金，而FLY（the Fly on the Wall，第三方信息平台）等金融科技机构对于分析师推荐信息的

摘要

文献来源

Jiang D. The preholiday corporate announcement effect[J]. Journal of Financial Markets, 2019, 45: 61-82.

推荐原因

我们发现公司在节假日之前发布公告时，投资者对于股票回购、增发、并购以及盈余公告的反应更加积极。通常会引起股票价格下跌的公告在假期之前的负向超额收益会减少，而通常会引起股票价格上涨的公告在该区间的正向超额收益会增加。即使控制了市场状况及选择性偏差后，该效应仍然显著，并且在之后出现反转。这一现象在多个国际市场中出现。我们的研究表明

摘要

文献来源：David E. Rapach, Jack K. Strauss, Jun Tu and Guofu Zhou. "Industry Return Predictability: A Machine Learning Approach." The Journal of Financial Data Science, Summer 2019, 1 (3) 9-28.

推荐原因：在整体经济环境中，利用滞后行业的收益，使用机器学习工具分析行业收益的可预测性。通过对后选推断和多重测试的控制，发现了行业收益可预测性的重要样本内证据。金融行业、大宗商品和材料生产行业的滞后