时间：2023年9月12日（周二）14:00

地点：昌平校园  教二310

主题：智能金融——条件单峰特性和横截面动量

主讲嘉宾：爱丁堡大学商学院副教授曹弋

主办单位：北京师范大学人工智能学院

主持人：北京师范大学人工智能学院教授党德鹏

主讲人简介：

曹弋，爱丁堡大学商学院智能金融副教授。在进入学术界之前，他曾在沃顿商学院担任博士后助理研究员，在美国费城的Susquehanna International Group担任量化交易研究员，并在北京和斯德哥尔摩的爱立信公司担任高级系统工程师。曹戈主要研究智能金融，即人工智能在金融服务领域的应用。他在金融、运筹学和人工智能等跨学科领域发表了30多篇期刊论文，包括7篇SCI一区，4篇SCI二区，2篇ABS 4，7篇ABS 3等。发表期刊包括《银行与金融期刊》《欧洲运筹学期刊》《IEEE Transaction on Neural Network and Learning Systems》《Expert Systems with Applications》。现为《英国会计评论》（British Accounting Review）金融科技专刊编辑、《中国经济和商业研究》（Journal of Chinese Economic and Business Studies）编委以及电气和电子工程师学会计算金融和经济学委员会（IEEE Computational Finance and Economics）委员。

内容提要：

本研究通过人工智能技术揭示了股票预期收益率的条件单峰特性：根据股票的过往表现，那些在横截面上表现优于（或反之劣于）同类股票可能性较高的股票，表现劣于（或反之优于）同类股票的可能性较低。利用这一特性，传统的动量被重新解释为：如果预期股票收益在横截面上表现优异或表现不佳的可能性较高，那么根据预期相对表现选择股票的盈利交易策略就会存在。利用这一重新解释的版本，我们设计了一种新颖的动量策略机制，允许以即插即用的方式无缝集成各种机器学习模型。我们的实证研究包括部署四种具有代表性的机器学习模型，结构从简单到复杂不等。每年的样本外夏普比率从最低的2.64到4.41不等。上述发现强调了一个概念，即要建立有利可图的动量策略，本质上并不需要使用复杂的、量身定制的模型。在探索经济意义的来源时，我们发现，保持根据估计可能性得出的排名与根据实际回报得出的排名之间的单调关系，以及剔除某些重叠的股票，有助于实现卓越的动量绩效。

报名二维码

进群二维码