[置頂] 機(jī)器(qì)學習(xí)與資産定價
發布時(shí)間(jiān)：2023-03-20 | €∞₩→ 來(lái)源: 川總寫量化(huà)
作(zuò)者：石川
摘要(yào)：一(yī)本大(dà)數(shù)據時(shí)代的(de)實證λ 資産定價方法前沿，請(qǐng)查收。
大(dà)數(shù)據時(shí)代，與資産預期收益率相(x→iàng)關的(de)協變量數(shù)量與日(rì)俱增 ✘π∞。資産定價已然步入了(le)協變量的(dσ↑ e)高(gāo)維數(shù)時(shí)代。在這(zhè)個(gè)背景下∞γ(xià)，傳統計(jì)量經濟學方法在利用(yòng)諸多(®♠γ≠duō)協變量以及它們的(de)非線性變換來(lái)預測預期收益率方面稍→↑Ω←顯遜色，而擅長(cháng)處理(lǐ)這(zhè)類問(wè♥γ€n)題的(de)機(jī)器(qì)學習(xí)算(suàn)法已悄然走進了®←<≥(le)實證研究和(hé)量化(huà)投資實踐之中。
然而，面對(duì)收益率數(shù)據低(dī)信噪♦β比、不(bù)滿足平穩性等問(wèn)題，在其他(tā)領域©β≠×大(dà)放(fàng)異彩的(de)機(jī)器(qì)學習(xí)算(su™£✔♦àn)法在資産定價中并非即插即用(yòng)。大(dà)到(dào)算(¶suàn)法選擇，中到(dào)超參數(shù)調優，小(xiǎo& ↓)到(dào)變量預處理(lǐ)，每一(yī)個(gè)決↑∏•策都(dōu)會(huì)影(yǐng)響機 ®∑(jī)器(qì)學習(xí)算(suàn)法在資産定價應用(yò¶÷εng)中的(de)效果。為(wèi)了(le)獲得(de)樣™®本外(wài)更好(hǎo)的(de)結果，人(rén)們又(←♥yòu)應該依據什(shén)麽來(lá$¥ε£i)做(zuò)出上(shàng)述決策呢(ne)？>ε'>
為(wèi)了(le)回答(dá)這(zhè)些(™$xiē)問(wèn)題，讓我們從(cóng)理(lǐ)論&λ 和(hé)實證資産定價的(de)發展說(shuō)起。
資産定價研究的(de)核心目标之一(yī)是(shì)解釋不(bù≠→∞$)同資産預期收益率在截面上(shàng)的(de)差異。自(zì) 20 世≥Ω←紀 50 年(nián)代以來(lái)，學術(shù)界就(j✔λλiù)該問(wèn)題在理(lǐ)論和(hé)實證兩方面取得(de)了(↑↑β'le)大(dà)量的(de)成果。在理(lǐ)論方面，研'&σ究表明(míng)了(le)随機(jī)貼現(xiàn)因子(zǐ)、÷←均值—方差有(yǒu)效投資組合以及多(duō≠↓∏)因子(zǐ)模型之間(jiān)的(de)等價性；而在實證方面，以→§§≥資本資産定價模型和(hé) Fama-FrenΩ≥±≥ch 三因子(zǐ)模型為(wèi)代表的(de)因子(zǐ)模型 §∞ε更是(shì)引領了(le)數(shù)十年(nián)的(d♦≥≥e)研究。
學術(shù)界在理(lǐ)論和(hé)實證'₽方面的(de)雙管齊下(xià)也(yě)為(wèi)業(yè)界的( de)投資實務建立了(le)必要(yào)的(de)秩序，使"<之從(cóng)最初充斥著(zhe)華爾街(jiē)逸聞趣≥ σ事(shì)或者“某某一(yī)夜暴富”的(de₩≈)頭條故事(shì)的(de)雜(zá)亂無章(zhāng)，演>α化(huà)至當前在金(jīn)融經濟學框 架內(nèi)，使用(yòng)嚴謹的(de)數>↔(shù)據分(fēn)析和(hé)統計(jì)檢驗已經成©₩ 為(wèi)業(yè)界的(de)研究範式。從(cóλ§ng)多(duō)因子(zǐ)模型衍生(sh <ēng)出來(lái)的(de)因子(zǐ)$"投資在投資實務中已經占據了(le)舉足輕重♥÷✔₹的(de)地(dì)位，而利用(yòng)諸如(rú)價值§♥ 、規模、盈利、動量等因子(zǐ)區(qū)分(fēn)不(bù)同資産預期★×★'收益率的(de)差異、獲得(de)更高(gāo)的(™' de)風(fēng)險調整後收益這(zhè)樣的(de)認知(zhī)更是(σ ☆shì)深入人(rén)心。資産定價已然成為(w>®®èi)金(jīn)融領域內(nèi)一(yī)個(gè)理(lǐ)論和(h< é)實踐緊密聯系、相(xiàng)互交融的(de)典型代表。
然而，在這(zhè)片有(yǒu)序之下✘→(xià)也(yě)并非沒有(yǒu)“暗(àn)流湧動”。首先，在實證方面，¥★在過去(qù)的(de) 10～20 年(nián)中，在發表偏差所導緻的( →de) p-hacking 問(wèn)題驅使下(π→•♥xià)，學術(shù)界制(zhì)造了(le)大(dà)量所謂的(de→↑→÷)“市(shì)場(chǎng)異象”，它們中的(©✔™♣de)每一(yī)個(gè)都(dōu)在特定的(de)實證設定下 "(xià)獲得(de)了(le)超額收益。仿佛就(jiù)在一(y®§←ī)夜之間(jiān)，成百上(shàng)千個(gè)能♣α← (néng)為(wèi)解釋資産預期收益率≈β截面差異提供增量貢獻的(de)協變量便如(rú')雨(yǔ)後春筍一(yī)般湧現(xiàn)出來(l±£>ái)。但(dàn)這(zhè)諸多(duō)變量到(dào)底代表了(le)ε♥←何種系統性風(fēng)險？它們之間(jiān)的("★∞de)相(xiàng)關性和(hé)帶有(yǒu)的(de)預測信息的(deΩγ¶)冗餘度幾何？哪些(xiē)能(néng)夠作(zuò)為(wèi)δ↓α真正的(de)定價因子(zǐ)？因子(z↑ ≈ǐ)的(de)風(fēng)險價格又(yòu)究竟是(shì)多(d§↕σ uō)少(shǎo)？與衆多(duō)協變量 ™形成鮮明(míng)對(duì)比的(de)是(shì)，人(r饣 ¶n)們對(duì)上(shàng)述問(wèn∞>€₩)題的(de)理(lǐ)解卻十分(fēn↑ε↔β)貧瘠，這(zhè)無疑令人(rén)尴尬。
數(shù)據量的(de)激增進一(yī)步加劇(jù)了(le)上(shà™β®←ng)述實證挑戰。如(rú)今，被用(yòng)來(lá βα≥i)預測收益率的(de)潛在協變量的(de)數(shù)量與日(rì)¶÷π俱增。傳統的(de)包括曆史量價數(shù)據、财務±∞σ報(bào)表數(shù)據、分(fēn)析師(shī)一(yī)緻預期 ¶數(shù)據，以及另類的(de)包括新聞輿情數(s ""∑hù)據、文(wén)本分(fēn)析數(shù)據、衛 ∑ 星圖像數(shù)據等均能(néng)夠被拿(nλ ♥<á)來(lái)加工(gōng)成各式各樣的(de)預測變量。毫不(bù≥Ωφ)誇張地(dì)說(shuō)，就(jiù)資産定價的(×λde)研究而言，我們已經步入了(le)預測變<≥量的(de)高(gāo)維數(shù)時(shí)代。而這(zhè)樣一(y≈↕ī)個(gè)大(dà)數(shù)據時(sh™™'í)代對(duì)傳統的(de)計(jì)量經濟學★←'→方法提出了(le)巨大(dà)的(de)挑戰——試想一(yī)下φπ(xià)當協變量個(gè)數(shù)超過觀測樣↑≠®λ本個(gè)數(shù)時(shí)，OLS 的™☆(de)無能(néng)為(wèi)力。為(≥↔wèi)了(le)通(tōng)過計(jì)量經濟≥σ學方法得(de)出可(kě)靠的(de)結果，人(ré₹÷∏☆n)們隻能(néng)退而求其次在實證分(fēn)析中施加人£↓(rén)為(wèi)的(de)稀疏性假設，這(zhè)意味著(z εhe)在多(duō)因子(zǐ)模型中僅考慮有(yǒu)限個(gè)因子ε₩(zǐ)，或在研究收益率截面預測問(wèn)題中隻同時(shí)考慮很(hě>φ♦§n)少(shǎo)的(de)變量。
類似的(de)挑戰也(yě)存在于資産定價的(de)理(lǐ)論方面♠λ®。已有(yǒu)的(de)、被學界和(hé)業(yè<₽∞)界廣泛認可(kě)的(de)統計(jì)檢驗• & 方法和(hé)統計(jì)推斷結果均是(shì)建立在理(lǐ)÷φ♣性預期假設（即投資者已知(zhī)現(xiàn)金(jīn)流生(sh♥δ✘↑ēng)成模型以及模型的(de)參數(shù)）之上(shàng)的(de✔₩€)。這(zhè)意味著(zhe)事(shì)後樣本內(n•èi)檢驗發現(xiàn)的(de)收益率可(kě)預測性可(αkě)以被安全地(dì)歸因為(wèi)系統性風(fēng)險補償或由投≥§資者行(xíng)為(wèi)偏差而導緻的(de)錯(cuò)誤定價。可(↔☆kě)是(shì)，如(rú)果理(lǐ)性預期假設不(bù)滿足又(≤↕yòu)會(huì)如(rú)何呢(ne)？在如(r→®π¥ú)今的(de)大(dà)數(shù)據時(shí)代，既§'然對(duì)市(shì)場(chǎng)數(shù)據進行(xíφ≠♥"ng)事(shì)後分(fēn)析的(de)統計(jì)者們面臨著(®•δzhe)高(gāo)維預測變量問(wèn)題，那(nà)麽我們≥有(yǒu)同樣的(de)理(lǐ)由相(xiàng)信在金(jīn)融↕♣♣∞市(shì)場(chǎng)中實際交易的(de)投資者（他(tā)↓™×∞們的(de)交易行(xíng)為(wèi)産生 Ω∞™(shēng)了(le)實實在在的(de)價格數(shù)據）也(y↑$₹ě)一(yī)定面臨類似的(de)高(gāo)維 ™©預測問(wèn)題。而已有(yǒu)的(de)資産定β↑©σ價理(lǐ)論模型并未将投資者置于如(rú)此複雜(zá)的(de)環境之中，ε 因為(wèi)在該環境中理(lǐ)性預期假設不(bù)再成立<•。面對(duì)這(zhè)種進退兩難的(de)情形≤∑✘，我們是(shì)否真的(de)無能(néng)為(wèi)力？一(yī)旦 ÷在模型中放(fàng)棄理(lǐ)性預期假設，對(du↓≤≤±ì)事(shì)後樣本內(nèi)統計(jì)推斷又₽∏≥γ(yòu)會(huì)有(yǒu)什(shén)麽影(y÷¥πβǐng)響呢(ne)？除了(le)風(fē☆ ≥ng)險補償和(hé)錯(cuò)誤定價，事(shì)後檢驗中存>α在的(de)收益率可(kě)預測性背後的(d •<e)原因是(shì)否還(hái)有(yǒu)第三種可(kě)能(n ©éng)？
面對(duì)實證和(hé)理(lǐ)論兩方面的(de)困€Ω±™境，好(hǎo)不(bù)容易建立起秩序的(de)資産定×♠β價再一(yī)次陷入了(le)無序之中。© 人(rén)們又(yòu)回到(dào)了(le)≥•÷>需要(yào)重新建立新秩序的(de)起點。而無論是(γ §shì)實證檢驗還(hái)是(shì)理(l≈<§ǐ)論建模，為(wèi)了(le)應對(duì)協變量的(de¶€ε)高(gāo)維數(shù)問(wèn)題，擅于處理(lǐ)高(gā≈'®o)維問(wèn)題和(hé)非線性關系的(®♦"₹de)機(jī)器(qì)學習(xí)方法自εφβ"(zì)然而然地(dì)成為(wèi)彌補傳統計(jì)量經濟學'≠方法不(bù)足的(de)不(bù)二之選。各種機(jī)器(q♠&ì)學習(xí)方法已經在資産定價之外(wài)的(de)其他(tā)領域（如λ¶↕(rú)圖像識别）取得(de)了(le)巨₽≤£<大(dà)的(de)成功，讓人(rén)們對♠α£(duì)它們在資産定價方面的(de)表現(xiàn)充滿期待。不(δ<bù)幸的(de)是(shì)，機(jī)器(qì)學習•₽≈γ(xí)算(suàn)法并非“即插即用(™yòng)”。大(dà)量實證結果表明(míng)，将現(xiàn)成的(™©de)機(jī)器(qì)學習(xí)算(s€φuàn)法簡單粗暴地(dì)應用(yòng)于資産定價₹∑領域的(de)數(shù)據并不(bù)能(nénα♣g)在樣本外(wài)取得(de)優秀的(de®✔±)表現(xiàn)。這(zhè)是(shì)否意味著(zhe∏ £)人(rén)們的(de)希望破滅了(le)呢(ne)？幸運的(d>≤®₹e)是(shì)，答(dá)案亦是(shì)否定的(de)♥σ÷。
資産定價領域的(de)數(shù)據，諸如(rú)資産收益率，較機(jī)器±↑Ω≠(qì)學習(xí)擅長(cháng)發揮作(zuò)用(yòng)≥÷φ✔的(de)其他(tā)領域的(de)數(shù×α)據具有(yǒu)一(yī)些(xiē)與生(sΩ&♥hēng)俱來(lái)不(bù)同的(de)✔÷屬性，例如(rú)信噪比極低(dī)、難以滿足平穩性及預測誤差直接影(yǐ✘♦&₹ng)響投資組合的(de)風(fēng)險收益特征等。這(zhè)些(xiē♣→)特殊屬性的(de)存在阻礙著(zhe)現γλ(xiàn)成機(jī)器(qì)學習(xí)算(suàn)™÷ 法發揮其威力。然而，一(yī)旦知(zhī)道(dào)了(le™>®δ)問(wèn)題所在，我們便能(néng)夠有(yǒu)的(de)放(÷'γ£fàng)矢，針對(duì)資産定價數(sh₩←βσù)據的(de)屬性選擇和(hé)調整機(jī)器(qì)學習×♣™(xí)算(suàn)法及其參數(shù)，使它們←♠λ'充分(fēn)發揮所長(cháng)。
雖然目标明(míng)确，但(dàn)這(zhè)條♣©利用(yòng)機(jī)器(qì)學習(xí)γ♣λ拓展資産定價研究的(de)道(dào)路(lù)₽÷仍然十分(fēn)曲折。好(hǎo)消息是(shì)，在這(zhè)條道♠≤(dào)路(lù)上(shàng)，已經有(yǒuσπ)人(rén)為(wèi)我們勾勒出了(le)系統性的(de)δ↕、可(kě)操作(zuò)的(de)藍(lán)圖。這(zhè)張藍(lán)圖就(jiù)是(shì)由身(shēn)為(≈σwèi)芝加哥(gē)大(dà)學金(jīn)融學教授、金(jīn)融領域頂級♦γ↕₽期刊 Journal of Finance 執行(xíng)主編的(de) Stefan Nagel 教授所撰寫的ε>€ (de) Machine Learning in Asset Pri'∑cing。該書(shū)高(gāo)屋建瓴，邏輯缜密，推理(lǐ★↑≥)嚴謹，得(de)到(dào)了(le) John Cam¥≥γ★pbell、Bryan Kelly、Allan Timmermann₩ 和(hé)範劍青四位大(dà)咖的(de)聯袂推薦。
作(zuò)為(wèi)資産定價領域的(de)領軍學者之一∞φ(yī)，Stefan Nagel 教授以預測股票(piào)截面收益率中≠"ε所遇到(dào)的(de)各種問(wèn)題為(α ↕δwèi)例，在書(shū)中體(tǐ)系化(huà)地(dì)討₩≥♦¥(tǎo)論了(le)如(rú)何将機(jī)器×β(qì)學習(xí)方法成功地(dì)引♣<入實證和(hé)理(lǐ)論資産定價研究之中，從(cóng)而有(yǒ♥≤<✔u)效解決前文(wén)提到(dào)的(de)挑戰。比如(ε×♣←rú)，該書(shū)通(tōng)過理(lǐ)論推導和(hé•↑€)實證分(fēn)析表明(míng)分(f©±ēn)别以
資産定價應用(yòng)中數(shù)據的(de)低©↕€(dī)信噪比意味著(zhe)人(rén)們不(bù)應指望在 ♦靈活的(de)框架下(xià)，僅依靠“數÷÷&(shù)據自(zì)己發聲”便能(néngα♣)取得(de)良好(hǎo)的(de)結果。因此，為(wèi)了(le)實現(xiàn)在實證和(hé)理(lλ★δǐ)論方面的(de)突破，需要(yào)對(duì)機(jī)器(qì)學習(®σ∏ xí)算(suàn)法的(de)選擇以及參數(shù)的(de)設定≥ 施加必要(yào)的(de)結構性約束。為(wè÷'↑πi)此，将資産定價數(shù)據屬性背後的(de)內(nèi)在經濟學原理(lǐ)注σ←入機(jī)器(qì)學習(xí)的(de)應用(yòng)就(jiù)變™<™得(de)尤為(wèi)重要(yào)。在這(zhè)方面，貝葉斯統計(j ₽λì)提供了(le)一(yī)個(gè)天然的(de)框架。通¥β±(tōng)過指定關于風(fēng)險和(hé)收益機(↔δ¥jī)會(huì)的(de)先驗分(fēn)布，該研究λ₹δ框架允許人(rén)們在收益率預測問(wèn)題中加入具有(yǒ©÷u)經濟學動機(jī)的(de)約束條件(jiàn)，它們對(©¶"duì)機(jī)器(qì)學習(xí)的(de)成λ×£功應用(yòng)至關重要(yào)。通(tōng)過貝葉斯框架使得(de)機(j↕§™ī)器(qì)學習(xí)在資産定價中發揮更大(dà)£λ的(de)作(zuò)用(yòng)正是(shì≠ ♥) Machine Learning in Asset ₹ §Pricing 的(de)一(yī)大(dà)特色。該書(shū)的(de)另一(yī)個(gè)≤•特色是(shì)強調開(kāi)放(fàng)性問(wèn)題而非×→提供明(míng)确的(de)答(dá)案。通('¥λtōng)過指出尚待解決的(de)重要(yào)問(wèn)題，Stefa →n Nagel 教授展望了(le)資産定價研究的(β↔de)未來(lái)。
對(duì)業(yè)界投資實務來(lá☆©>i)說(shuō)，該書(shū)描繪的(de)理(lǐ)論前沿進"®展極具價值。當下(xià)，人(rén)們似• ↔→乎站(zhàn)在這(zhè)樣一(yī)個(gè)十字路(lù)口之中，即™☆•<傳統的(de)基于人(rén)為(wèi)稀✘ ₽疏性假設的(de)多(duō)因子(zǐ)模型越δ♣&來(lái)越難以獲得(de)可(kě)觀的(de)風φ&(fēng)險調整後收益。這(zhè)背後的(de)原因是(shì)，傳統實∑>證資産定價研究和(hé)業(yè)界的(de)投資實務的(de)目标之¶♠間(jiān)存在錯(cuò)配。前者的(de)目标是(s↕±↑hì)提出簡約的(de)靜(jìng)态模型并為(wèi)模型中的&π≈(de)因子(zǐ)提供合理(lǐ)的(de)依據，•>★↑而後者的(de)目标則是(shì)最大(dà)化(hu৮≤)樣本外(wài)投資組合的(de)條件(jiàn)風(fēng)險收益特↔↕α征。在這(zhè)種錯(cuò)配下(xià§β)，投資實務亟需來(lái)自(zì)學術(shù)研究的(de)全新方法的±∑β(de)指引，而注入經濟學推理(lǐ)的(de)機(jī)器(qì)學習'₹&∏(xí)方法就(jiù)是(shì)最好(hǎo)的(de)答(dá)™γ 案。該書(shū)介紹的(de)理(lǐ)論方法以及相(xi↕Ω§àng)應的(de)實證結果很(hěn)好(hǎo)地(dì)擴展了(lβ€δ♠e)因子(zǐ)投資的(de)前沿。
毫不(bù)誇張地(dì)說(shuō)，Machine Learning in Asset Pricing 是(shì)一(yī)本資産定價領域劃時(shí)代的(de)引÷>α→領之作(zuò)，同時(shí)也(yě)我最近(j←& δìn)兩年(nián)的(de)最愛(ài)©φ∞♣。書(shū)中所展示的(de)機(jī)器(qì)學習(↕ε<xí)在資産定價中的(de)應用(yòn↓≈Ω₩g)前景也(yě)極大(dà)地(dì)開©♠©★(kāi)闊了(le)我的(de)研究眼'>界和(hé)思路(lù)；而将書(shū)中闡述的(de)前沿≈ε↔觀點和(hé)實證結果介紹給公衆号的(de)小(xiǎo)夥伴也β&→(yě)成為(wèi)我今年(nián)最大(dà)的(d♦≠e)心願。今天，這(zhè)個(gè)願望終于實現(xiàn)：我和(hé)北✘γ(běi)大(dà)經院的(de)王熙老(lǎo)師(sh"®÷ī)合作(zuò)，翻譯出版了(le)該書(shū)的(de ™σ)中文(wén)版：《機(jī)器(qì)學習(xí)與資産λ÷定價》。
作(zuò)為(wèi)譯者，特别感謝(xi&¥è) Stefan Nagel 教授以及普林(lín)☆≠斯頓大(dà)學出版社的(de)同意和(hé)信φφ→♥任，讓我們有(yǒu)機(jī)會(huì)将其引入國(guó)內(nèi∏)。能(néng)有(yǒu)機(jī)會(huì)參與本書(shū÷✔♦ )的(de)翻譯，我們深感榮幸，同時(shí)也(yě)明∑β♦(míng)白(bái)身(shēn)上(shàng)擔負的γ'∏φ(de)使命和(hé)責任。在翻譯過程中₹©<™，我們反複討(tǎo)論和(hé)修訂，力争做(zuò)到(dà←αo)在文(wén)字意義忠于原著的(de)前提下(xiΩ™♦à)，行(xíng)文(wén)更加符合中文(wén)的(de)表述習(δ☆xí)慣。此外(wài)，我們還(hái)在中文(wén λ)版中加入了(le)大(dà)量的(de)譯者注，希望以此起到(dào)兩δ ≈α個(gè)作(zuò)用(yòng)：（1）給原δ<著提供必要(yào)的(de)背景知(zhī™✘≈↕)識，幫助讀(dú)者掌握上(shàng)下(xià)文(wén)的(de↑₹≈®)行(xíng)文(wén)邏輯；（2）原著中的(de)第 3 至 5 章(z←♦β≠hāng)均涉及大(dà)量公式，我們為(wèi)其中絕大(dà)多(duō)§∏數(shù)公式提供了(le)推導過程，幫助讀(dú)者加深對(duì)貝≤ 葉斯統計(jì)框架的(de)理(lǐ)解。為(w§≥₩→èi)了(le)區(qū)分(fēn)譯者注和(hé)原著自(zβ$✔ì)帶的(de)腳注，譯者注采用(yòng)了(le)獨立的(de)編号且使"'←→用(yòng)了(le)楷體(tǐ)。希望這(zhè)些(xiē)努力能ε✔(néng)夠使中文(wén)版讀(dú≈♥β)者更好(hǎo)地(dì)體(tǐ)會(✘∞♣huì)到(dào)原著的(de)魅力。₽☆
在翻譯過程中，我們有(yǒu)幸得(de)到(dào)了(le)學界♦✘和(hé)業(yè)界很(hěn)多(duō)專家(jiā)♦™的(de)熱(rè)情幫助，感謝(xiè)芝加哥(gē)大(dà)學布♠"∞♣斯商學院修大(dà)成教授以及嘉實基金(jγ£ €īn)首席科(kē)學家(jiā)張自(zì)力博士為(wèi)↔≤♦中譯版撰寫精彩的(de)序言。此外(wài)，本書(shū)的¥σ(de)出版也(yě)離(lí)不(bù)開(kāi)電(di↓§✘àn)子(zǐ)工(gōng)業(yè)出版社的(de)全力₩¥"支持，在此向各位編輯老(lǎo)師(shī)表示感謝 ♥¶(xiè)。
在各位讀(dú)者開(kāi)始這(zhè)段令人(★ ↑rén)興奮的(de)機(jī)器(qì)學習(xí)與資産定價之旅之前，我←'們還(hái)想給出一(yī)些(xiē)小(xiǎo)小(x£≤iǎo)的(de)忠告。雖然原著旨在介紹機(jī)器(qì)學習(xí)在資♠ 産定價中的(de)應用(yòng)，但(dàn)它↓× ₩并不(bù)涵蓋機(jī)器(qì)學習(xí)方法的(d•&e)最新進展，也(yě)并沒有(yǒu)在計(jì↕£±)算(suàn)問(wèn)題方面花(huā)費(±∏☆fèi)太多(duō)篇幅。另外(wài)，原著也(yě)并∞σ♠沒有(yǒu)緻力于提供關于哪個(gè)機(jī)器(qìγ₽)學習(xí)方法更好(hǎo)的(de)“神秘配'♠↔方”或“靈丹妙藥”。機(jī)器(qì)學習(xí)不(bù)是(shì)↔§↕純粹的(de)調包，不(bù)是(shì)幻想能(néng)毫無阻礙地(★♦dì)揭示數(shù)據中的(de)規律。毫無章(zhāng) ↑&©法的(de)使用(yòng)機(jī)器(qì)學習(xí)會(h≈αuì)帶來(lái)如(rú)辛普森(sēn)悖論一σ£φ≈(yī)樣的(de)悖論。唯有(yǒu)基于已有(yǒu)資産定價理(lǐ)論，将機(jī)器(qì)學習(♠→•xí)方法有(yǒu)機(jī)的(de)融合理(lǐ)≠λ論視(shì)角，才能(néng)使得(de)我們在驗證既有(δδεyǒu)理(lǐ)論時(shí)有(yǒu)更強大(dà)的(d♣&βe)方法，并且使用(yòng)理(lǐ)論框架約束機(jī)器(qì)學習↓γ(xí)的(de)過拟合過程。
但(dàn)是(shì)，如(rú)何有(yǒu)機(jī)的(de)将機↑★"(jī)器(qì)學習(xí)融合進資産定價，人(↑♠÷₽rén)們并沒有(yǒu)一(yī)個(gè)“萬能♣↑(néng)公式”，而是(shì)需要(yào)根據所研究問(wèn)題≤$©的(de)特性，創造性的(de)使用(yòng)機(jī)器(qì)學♣≥™€習(xí)及其思想。原著在如(rú)何将機(jī)器(qì)學習(xí)運用(yòng)至數✘¥©Ω(shù)個(gè)經典的(de)資産定價問(wèn)題上(shàng)，σε®±給研究者們提供了(le)一(yī)系列精美(měi)絕倫的(πσ£de)設計(jì)，很(hěn)好(hǎo)地(dì♦₹☆)回答(dá)了(le)“機(jī)器(qì)學習€↓(xí)方法是(shì)否适用(yòng)于©λγ資産定價”以及“如(rú)何基于經濟學推理(lǐ)更合理(lǐ)地(dì)Ω>應用(yòng)機(jī)器(qì)學習(x׶í)方法”這(zhè)些(xiē)本質的(de)<≈©π問(wèn)題。希望通(tōng)過該書(shū)中文(wén)版的(de)出版，能(néng↓•λ★)夠幫助資産定價的(de)研究者和(hé)量化(huà)Ω↑φ投資的(de)實踐者們在未來(lái)見(jiàn)微(wēi)知(z↑↑hī)著，突破傳統框架約束，為(wèi)自(zì)己所感€α↑γ興趣的(de)研究問(wèn)題設計(jì)出有(yǒu)針對(duì)性的(•>✔de)機(jī)器(qì)學習(xí)解決方案。
以下(xià)是(shì)一(yī)組中文(wén)版實物(wδ₽≥$ù)的(de)精美(měi)圖片。本書(shū)為(δ★wèi)精裝書(shū)，紙(zhǐ)張選用(yòng) 80g 純質紙(zh÷∑♦₽ǐ)，實物(wù)拿(ná)到(dào)手裡(lǐ≥∏)的(de)質感非常好(hǎo)，希望內(nèi)容和(¶₩•hé)制(zhì)作(zuò)能(néng)給各位帶來(lái)¶÷雙重享受。
回顧過去(qù)半個(gè)世紀的(de)資産定價研究，不(bù)禁讓人(r↑✘♣én)感慨萬千。學術(shù)研究也(yě)許就(jiù)是(shì)這( ✘$zhè)樣，在無序中建立秩序，秩序又(yòu)被新的(dε€✔e)問(wèn)題打破并重新被建立，周而複始。♣£在大(dà)數(shù)據時(shí)代研究資産定價，我們不(bù)僅要(→δ yào)擁抱機(jī)器(qì)學習(xí)，∏&£而且要(yào)正确、科(kē)學、有(yǒu)效地(dì)擁抱機>(jī)器(qì)學習(xí)。Stefan Nagel 教授的(de φ) Machine Learning in Ω¥₹Asset Pricing 使我們朝著(zhe)這(zhè)個(gè)目∑φ≥&标邁出堅實的(de)一(yī)步。該書(shū)不(bùλ∑)僅是(shì)對(duì)最新前沿成果的(de)精彩梳理(lǐ✔×)，更是(shì)一(yī)種面對(duì)未來(lái)的(de)₽Ω整裝待發。相(xiàng)信每個(gè)關注資産₩£定價的(de)人(rén)都(dōu)會(huì)因此而深受啓發。
免責聲明(míng)：入市(shì)有(yǒu)風(fēng)險，投資需謹慎。在任何情況≈☆φ下(xià)，本文(wén)的(de)內 ≥(nèi)容、信息及數(shù)據或所表♥δ≠述的(de)意見(jiàn)并不(bù)構成對(duì )任何人(rén)的(de)投資建議(yì)。在任何情況下(xià)ε€，本文(wén)作(zuò)者及所屬機(jī)構不(b→ ±≠ù)對(duì)任何人(rén)因使用(yònε₩g)本文(wén)的(de)任何內(nèi)容所引緻的(de)✔↔♠任何損失負任何責任。除特别說(shuō)明(≥≠'¥míng)外(wài)，文(wén)中圖表均直接或間(j±≥iān)接來(lái)自(zì)于相(xiàng)應論文(wén)，僅為(w♣δ§èi)介紹之用(yòng)，版權歸原作(zuò)者和(hé)期刊≈€♠∑所有(yǒu)。