题目：股票收益的机器学习实时预测：来自基本面信号的证据（Real-time Machine Learning for the Cross-Section of Stock Returns: Evidence From Fundamental Signals）

演讲人：李斌（武汉大学 教授、博士生导师）

时间：2021年11月9日（周二）12:00-13:00

ZOOM线上会议： 

摘要：

最近的研究发现基于机器学习的投资策略具有非常好的表现。这些策略使用事后发现的异象因子作为股票收益的预测指标，因而无法实时部署。我们从事前确定的基本面信号集合中构建了机器学习策略，发现它们的样本外绩效比现有研究要弱得多。此外，我们发现从样本内绩效到样本外绩效的显著下降，从而支持 Martin and Nagel (2020) 的预测。总体而言，我们的结果对基于机器学习的投资策略提供了更温和的观点。

Recent studies document strong performance of machine learning based investment strategies. These strategies use anomaly variables discovered ex-post as predictors of stock returns and cannot be implemented in real time. We construct machine learning strategies from a “universe” of fundamental signals identified ex-ante and find that their out-of-sample performance is considerably weaker than those documented by previous studies. In addition, we find significant degradation from in-sample performance to out-of-sample performance, supporting the predictions of Martin and Nagel (2020). Overall, our results offer a more tempered view of the practical value of machine learning strategies relative to prior literature.

演讲嘉宾简介：

李斌，现为武汉大学经济与管理学院金融系教授、博士生导师。担任金融系副主任和金融科技研究中心主任、人文社科青年学术团队负责人；武汉大学教育发展基金会投委会委员和特许金融分析师（CFA）持证人。研究方向为金融科技、投资管理和机器学习等。他具备金融+科技的跨学科背景与研究能力，在《Journal of Accounting Research》、《Artificial Intelligence》、《Journal of Machine Learning Research》、《管理科学学报》、《中国工业经济》、ICML、IJCAI等金融会计和人工智能类期刊会议上发表论文。主持国家自然科学基金等项目，已结题自科基金青年项目后评估为特优。研究获得哥伦比亚大学法学院公司与资本市场网、海通证券等转载应用，获评人大复印报刊资料经济学类最受欢迎文章、上海期货交易所优秀合作课题三等奖等。