《表1 不同策略的业绩表现》
我们研究主要发现有两点:第一,历史交易数据信息对下个月个股股票收益率依然有预测效果,且机器学习算法的样本外预测效果优于传统计量经济学模型。第二,机器学习算法与资产定价研究结合有显著的经济意义。如表1所示,高级神经网络等权重多空策略资产组合的绩效表现在所有模型中最好,在2010年到2019年10月的样本外测试期内平均年化收益率为35.76%,平均年化波动率14.82%;而基于传统线性模型,使用中国三因子(规模、价值和市场)股票特征进行加权选股,构造股票投资组合的年化收益率为15.60%,平均年化波动率为23.79%。同期沪深300指数的年化收益率为3.48%,平均年化波动率为23.97%。图3显示了三个不同投资策略的累计收益率表现情况,如果在2010年投资1元钱,到了2019年,投资于沪深300指数能得到1.18元,投资于人工智能基础算法策略能得到3.30元,投资于人工智能高级算法策略能得到26.27元。
图表编号 | XD00119549700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.05 |
作者 | 张晓燕 |
绘制单位 | 清华大学五道口金融学院、清华大学国家金融研究院 |
更多格式 | 高清、无水印(增值服务) |