在金融領域的資產定價模型修正過程中,股市的非線性現(xiàn)象往往被選擇性忽視,未納入模型框架,現(xiàn)有模型亦無法刻畫因子之間的非線性定價結構。為解決上述問題,引入了機器學習領域中的神經網絡模型,以捕獲市場組合收益率、市值、賬面市值比三因子間的非線性定價結構,并對股票收益率進行預測。將該模型與經典Fama-French三因子模型在樣本外擬合優(yōu)度、多空策略業(yè)績表現(xiàn)上做了對比,結果表明:神經網絡模型能精準捕獲市場組合收益率、市值、賬面市值比3個因子之間的非線性關系,且在樣本外擬合優(yōu)度、多空策略業(yè)績表現(xiàn)上均要優(yōu)于傳統(tǒng)三因子線性定價模型。 

【文章來源】：浙江大學學報(理學版). 2019,46(05)北大核心CSCD

【文章頁數】：6 頁

【文章目錄】：
0 引言
1 神經網絡非線性定價模型
    1.1 神經網絡模型
    1.2 神經網絡非線性定價結構辨識
2 實證分析
    2.1 模型樣本外擬合度比較
    2.2 Diebold-Mariano檢驗
    2.3 多空策略業(yè)績比較
3 結論



本文編號：3459631