《资产定价与机器学习》吴轲『EPUB电子书下载』

　　本书以资产定价研究的三个核心问题：最优投资组合的选择、因子定价模型的识别，以及横截面资产收益率的预测为出发点，系统阐释了如何利用机器学习技巧来提升模型的实证性能。为了提高机器学习方法在资产定价中的可解释性，本书重点采用了具有清晰函数形式的机器学习方法，并通过引入非线性函数关系处理解释变量与被解释变量之间的关系，从而在模型复杂度、预测效能与可解释性之间达到一个良好的平衡。使用中国A股市场的数据，本书详细展示了机器学习在确定最优投资组合、选择有效定价因子和预测横截面收益率等方面的实证应用效果。
　　本书适合经济金融领域的高年级本科生、研究生，量化投资和资产管理等相关领域的专业人士和研究人员，以及对此感兴趣的读者阅读。

　　吴轲，中国人民大学财政金融学院副教授、博士生导师，中国人民大学“杰出学者”青年学者。为本科生和研究生讲授实证资产定价、金融风险管理、金融科技以及金融大数据分析等课程。
　　主要研究领域包括资产定价、投资组合管理、金融计量学和机器学习，研究成果在《管理科学》（Management Science），《金融与定量分析杂志》（Journal of Financial and Quantitative Analysis），以及《应用计量经济学杂志》（Journal of Applied Econometrics）等国际一流期刊上发表，并主持国家自然科学基金面上项目和青年基金项目。

封面
版权信息
序言
第一章 导论
1.1 资产定价的研究背景
1.2 本书的结构
1.3 本书的特点和局限性
第二章 资产定价中的机器学习方法
2.1 机器学习的定义和主要类别
2.2 机器学习方法介绍
第三章 投资组合优化
3.1 马科维茨投资组合
3.2 参数化投资组合优化
3.3 最优投资组合与随机贴现因子等价性
3.4 基于收缩估计方法的投资组合优化
3.5 神经网络
3.6 基于全子集回归的组合优化
3.7 实证分析
3.8 小结
附录
第四章 随机贴现因子模型中的定价因子识别
4.1 随机贴现因子
4.2 双重选择LASSO算法识别因子
4.3 自纠偏机器学习法识别因子
4.4 小结
附录
第五章 资产收益率样本外预测
5.1 样本外预测方法
5.2 数据和单变量投资组合构造
5.3 实证结果
5.4 信息汇总方法和稳健性检验
5.5 小结
附录
参考文献