万达平台智慧金融系列講座第五十四期

 “張儀者🧑🏼‍⚕️🙍‍♂️，魏人，與蘇秦俱事鬼谷先生，學縱橫之術👨🏻‍🎓，蘇秦自以為不及也🏃‍♀️。儀遊諸侯無所遇，困於楚🫱🏽，蘇秦故召而辱之💂🏼。儀怒，念諸侯獨秦能苦越，遂入秦。蘇秦陰遣其舍人賫金幣資儀，儀得見秦王。秦王說之，以為客卿。舍人辭去👨‍🦽，曰👏🏿：‘蘇君憂秦伐趙敗從約🤽🏿，以為非君莫能得秦柄🚵‍♀️👨‍⚕️，故激怒君✏️，使臣陰奉給君資🤜💏，盡蘇君之計謀也。’張儀曰：‘嗟乎🚊！此在吾術中而不悟，吾不急蘇君明矣👦🏻。為吾謝蘇君，蘇君之時👴🏿，儀何敢言🤔！’”

 “於是蘇秦說韓宣惠王🏑，韓王從其言🙇🏻‍♀️。蘇秦說魏王，魏王聽之。蘇秦說齊王，齊王許之🧑🏿‍⚕️👷‍♂️。乃西南說楚威王，楚王亦許之。於是蘇秦為從約長🐗🤽🏿，並相六國，北報趙，車騎輜重擬於王者🏌️👨‍❤️‍💋‍👨。”

 “秦惠王使犀首欺齊、魏，與共伐趙，以敗從約。趙肅侯讓蘇秦，蘇秦恐⛹🏼‍♂️，請使燕，必報齊🙎🏽‍♂️。蘇秦去趙而從約皆解。趙人決河水以灌齊、魏之師，齊、魏之師乃去。”

2022年5月6日🥔，仍然處於疫情中的上海尚未走出陰霾，各大公司企業均在線上辦公🐅，在特殊時期，原先的企業組織結構被打破👷🏻‍♂️，新的組織架構被重新塑造，縱橫，合縱之術是越不過通過努力而形成的真才實學的，所以無論何時🧜‍♂️，只有不斷提升自身水平才是應對變化最好的良藥🙍🙎‍♂️，企業和組織也是亦然。本期金融科技講座由謝富生老師為大家帶來題為《Empirical Asset Pricing via Machine Learning》的講座，謝老師在講座的開始主要講了機製設計問題🎒，機器學習的方法並不能對資產價格和其他的變量產生聯系，它需要在其中設計一些機製，並且將機器學習的算法加入到整個結構設計過程中來🤵🏼‍♀️，在現有的文獻中，有海量的文獻正試圖將機器學習和資產定價均衡聯系起來。使用1957年到2016年的超過60年🧜🏽‍♂️，將近30000只個股的基礎上🤪，該研究進行了實證檢驗。檢驗者通過對每個股票94個特征進行總結👨🏽‍🦳💅，形成了8個時間序列變量🛵🥿，74個企業層面的啞變量，總共超過900個基準的標量👩🏼‍🏭。在使用這些機器學習方法的時候，投資者通過神經網絡預測相比買入-持有的投資者能夠獲得超過26%的夏普比率的提升。當構建基於神經網絡的買入-沽空策略的時候，該策略的夏普比率可以達到1.35（價值加權法（value-weighted））和2.45（等權重法（equal-weighted））🧑🏻‍🎄。與之相對的是買入-沽空策略使用最小二乘方法的夏普比率分別為0.61和0.83🍋‍🟩。他們同時還比較了不同方法之間的擬合優度🧜‍♂️。接下來🤲🏻，謝老師對各種方法進行了詳細的闡述，這些方法包括Boost回歸和隨機森林，廣義線性回歸🦀，神經網絡👩🏻‍🦼，penalized linear，並介紹了評價體系和指標。這項研究的創新點在於，首先，使用機器學習方法對基於總體市場和個股之間的風險溢價提供了一個研究基準，使用機器學習方法能夠提供更好的擬合精度𓀒，通過機器學習方法能夠顯著提升組合資產的夏普比率🍆。其次，相比傳統的資產定價的經驗方法😔，機器學習可以提供一個潛在的拓展🐦‍🔥。

（供稿：曹煥）