研究生workshop由首都经济贸易大学国际经济管理学院主办。主要内容：一是研究生报告前沿或经典文献，二是研究生报告自己的研究或研究设想。论坛宗旨是：为学院师生搭建一个学术交流平台，营造浓厚学术氛围；通过对经典论著或前沿文献的研讨，拓宽研究生的理论视野，提升研究生的前沿方法运用能力，帮助研究生提高论文写作质量。

　　本期workshop

　　报告人：王璞（2020级博士研究生）

　　报告论文：机器学习与经济约束-来自股票收益可预测性的证据-文献阅读报告

　　（Machine Learning versus Economic Restrictions- Evidence from Stock Return Predictability Note-文献阅读报告）

　　

　　报告论文：机器学习与经济约束-来自股票收益可预测性的证据-文献阅读报告

　　（Machine Learning versus Economic Restrictions- Evidence from Stock Return Predictability Note-文献阅读报告）

　　

　　报告人：王璞（2020级博士研究生）

　　导师：李鲲鹏 教授

　　摘 要：机器学习方法应用在资产组合分析时，往往没有考虑经济学限制条件。本论文研究了考虑经济限制情况下的机器学习方法在股票收益预测的实证分析。经济限制包括：1）将小市值和不良的股票剔除股票池；2）在时间序列中，作者研究了投资回报对市场状态的敏感性，分析了与套利限制有关的市场状态因素，如高情绪、高波动性和低流动性；3）因为机器学习不透明，因此作者还分析投资决策的经济依据。

　　本文用到的方法：NN3、LSTM+FFN+GAN。

　　本文的结论：基于机器学习的投资主要从存在套利空间较小（difficult-to-arbitrage stocks）的股票和套利限制减轻状态下的市场（ during alleviated limits-to-arbitrage market states）获得利润。价值加权策略、排除小市值股和不良股票会显著削弱盈利能力。同时，由于影响定价因素比如高换手率引起的交易成本、极端头寸等，会进一步对资产组合收益表现产生负面影响。尽管机器学习方法不透明，但它们能识别出与大多数异象情况一致的定价错误的股票。除了经济限制之外，深度学习产生的投资组合在多头头寸是盈利的，并且近年来仍然可行，下行风险较低。