机器学习与资产定价：A股市场收益预测及特征分析研究

　　本书以大数据时代为背景，将机器学习与资产定价相结合，在风险解释、收益预测以及经济机制等方面进行了探索研究。本书首先总结梳理了近年来国内外使用机器学习进行金融市场定价研究的相关进展。在实证研究方面，本书第四章从市场风险角度出发，分析了中国股市长期存在的风险收益不对称问题，构建了基于人工智能的动态CAPM模型进行解释。第五章将研究拓展到样本外的可预测性上，对比了各类机器学习算法，创新性地构建了动态深度学习模型，提升了市场有效性。第六章从机器学习的可解释性出发，从微观和宏观两个视角对机器学习背后的经济机制进行了讨论。本书对于推动中国资本市场定价研究具有积极作用。

　　马甜、中央民族大学经济学院讲师，本科和硕士就读于北京航空航天大学可靠性与系统工程学院，博士毕业于中央财经大学金融学院。主要研究方向为机器学习与资产定价，相关研究成果发表于《经济学（季刊）》《管理科学学报》、JournalofEmpiricalFinance等国内外权威金融杂志。主持国家自然科学基金青年项目。

第一章绪论1
第一节研究背景2
第二节研究内容和方法6
第三节研究意义及创新10
第四节本书结构18
第二章文献综述21
第一节资产定价的理论模型发展历程23
第二节资产定价中的异象特征36
第三节机器学习与资产定价44
第四节文献述评51
第三章数据构建及机器学习模型设定55
第一节中国股市收益和特征数据56
第二节机器学习模型设定68
第三节本章小节86
第四章机器学习与中国股市系统性风险测度—基于贝塔异象视角的研究87
第一节理论模型和数据统计89
第二节第二节基于机器学习的动态CAPM模型93
第三节基于Fama-French三因子模型的探讨101
第四节稳健性检验104
第五节本章小结105
第五章基于机器学习的中国股市收益预测研究107
第一节个股横截面收益预测109
第二节投资组合分析115
第三节本章小节124
第六章机器学习模型的可解释性与经济机制分析127
第一节经济重要度分析129
第二节因子重要度分析130
第三节深度学习因子的微观经济机制研究132
第四节深度学习因子的宏观经济机制分析137
第五节本章小节143
第七章结论与展望145
第一节主要结论146
第二节启示150
第三节研究不足和未来研究展望152
参考文献155
附录169
附录一：企业微观层面特征变量构建方法170
附录二：机器学习模型的超参数设定180
后记184