大数据提升了多因子模型定价能力吗?——基于机器学习方法对我国A股市场的探究

作者:姜富伟; 薛浩; 周明
更新时间:

本文运用惩罚线性回归和主成分分析方法,充分挖掘中国A股上市公司财务基本面大数据信息,试图构建一个简单的中国资本市场多因素定价模型。研究发现,在中国a股市场中,主成分作为定价因子的表现优于特征因子。此外,在减少定价因素数量的同时,惯性、交易摩擦以及估值和增长因素也起到了很大的作用,这表明虽然中国的资本市场并不完善,但市场参与者的交易习惯需要改善,但也反映出市场的不断完善和有效性。该方法构建的多因素定价模型优于主流定价模型。本文将机器学习方法引入资产定价模型的构建,实现了高维金融基本面数据的降维和变量选择,构建了中国a股市场的多因素资产定价模型,从大数据和机器学习的角度,为中国a股市场的资产定价提供了新思路,定义了多因素模型中各定价因素的贡献,有助于了解中国资本市场的特点,为解决高维的金融基本面数据问题提供了一种适合中国资本市场的方法