導(dǎo)語(yǔ)

在人工智能與大數(shù)據(jù)浪潮席卷全球的今天，“機(jī)器學(xué)習(xí)”已成為金融投資領(lǐng)域炙手可熱的詞匯之一。很多投資者甚至從業(yè)者不禁都要問：依靠強(qiáng)大算法的機(jī)器，是否已經(jīng)能夠徹底超越人類分析師，輕松捕捉市場(chǎng)中的超額收益？

日前，北京大學(xué)光華管理學(xué)院金融學(xué)系副教授張英廣與合作者在金融學(xué)頂級(jí)期刊

The Review of Financial Studies

01

故事的起源，一項(xiàng)引發(fā)巨大反響的研究

故事的起點(diǎn)源于2023年的一項(xiàng)研究。當(dāng)時(shí)，有學(xué)者利用隨機(jī)森林（一種流行的機(jī)器學(xué)習(xí)模型）預(yù)測(cè)分析師的盈利預(yù)測(cè)誤差，并據(jù)此構(gòu)建投資策略。結(jié)果顯示，該策略每月能獲得高達(dá)1.54%的超額收益，且統(tǒng)計(jì)顯著性極高。

這一發(fā)現(xiàn)在學(xué)術(shù)界和業(yè)界引起了巨大反響：它似乎證明了機(jī)器學(xué)習(xí)擁有某種天然優(yōu)勢(shì)，能夠發(fā)現(xiàn)人類分析師無(wú)法察覺的市場(chǎng)規(guī)律。這一突破性發(fā)現(xiàn)迅速影響了后續(xù)相關(guān)文獻(xiàn)的研究方向，同時(shí)也引發(fā)了關(guān)于機(jī)器學(xué)習(xí)在金融預(yù)測(cè)中是否更具有優(yōu)勢(shì)的廣泛討論。

02

被忽視的漏洞

然而，科學(xué)的精神在于懷疑與驗(yàn)證。張英廣老師與合作者的研究在對(duì)上述研究進(jìn)行復(fù)現(xiàn)時(shí)，完整重建了原研究的預(yù)測(cè)框架、模型設(shè)定與數(shù)據(jù)處理流程，并逐步檢視了其中的變量定義、模型訓(xùn)練方式以及預(yù)測(cè)期限設(shè)置。研究發(fā)現(xiàn)，模型中的一個(gè)關(guān)鍵變量——“上一期真實(shí)盈利”，在跨期預(yù)測(cè)場(chǎng)景中被錯(cuò)誤地定義為未來期尚未可觀測(cè)的盈利信息。

通俗來說，這就好比在考試開始前，學(xué)生已經(jīng)偷偷看到了試卷的答案，自然能考出高分。這一雖細(xì)微但關(guān)鍵的定義錯(cuò)誤導(dǎo)致了嚴(yán)重的前視偏誤，導(dǎo)致機(jī)器學(xué)習(xí)模型虛假地?fù)碛辛祟A(yù)知未來的能力，從而極大地高估了其預(yù)測(cè)準(zhǔn)確率和策略收益。

03

修正偏誤后，機(jī)器學(xué)習(xí)優(yōu)勢(shì)大幅縮水

為了還原模型的真實(shí)表現(xiàn)，研究團(tuán)隊(duì)剔除了這一前視偏誤，對(duì)模型進(jìn)行了重新檢驗(yàn)，結(jié)果出現(xiàn)了根本性變化：原本接近1的夏普比率（衡量投資策略風(fēng)險(xiǎn)調(diào)整后收益的核心指標(biāo)，數(shù)值越高代表策略性價(jià)比越高）降至0.15，意味著模型的風(fēng)險(xiǎn)收益比大幅降低，其構(gòu)建的投資策略所產(chǎn)生的超額收益，在統(tǒng)計(jì)和經(jīng)濟(jì)意義上都不再顯著。

更關(guān)鍵的是，修正偏誤后，這款機(jī)器學(xué)習(xí)模型相較于分析師預(yù)測(cè)的優(yōu)勢(shì)大幅縮小，面對(duì)傳統(tǒng)線性模型，也不再有顯著優(yōu)勢(shì)。甚至傳統(tǒng)線性模型在交易收益表現(xiàn)上反而更勝一籌。研究團(tuán)隊(duì)還嘗試了其他機(jī)器學(xué)習(xí)模型及模型組合，均無(wú)法恢復(fù)原研究中高預(yù)測(cè)能力。

此外，研究還對(duì)原研究中關(guān)于市場(chǎng)現(xiàn)象的解釋進(jìn)行了重估，發(fā)現(xiàn)公司股權(quán)增發(fā)、股票收益異象等市場(chǎng)表現(xiàn)，并非主要由分析師預(yù)測(cè)偏誤驅(qū)動(dòng)，而是更多與企業(yè)實(shí)際盈利水平、基本面屬性相關(guān)，這也讓原研究的部分經(jīng)濟(jì)學(xué)解釋的可靠性顯著減弱。

04

為機(jī)器學(xué)習(xí)在金融中的應(yīng)用提供方法論基準(zhǔn)

這項(xiàng)研究并非要否定機(jī)器學(xué)習(xí)的價(jià)值，而是通過嚴(yán)謹(jǐn)?shù)膹?fù)現(xiàn)與分析強(qiáng)調(diào)：任何模型的表現(xiàn)都必須在嚴(yán)格遵守?cái)?shù)據(jù)時(shí)序邏輯、確保特征變量在預(yù)測(cè)時(shí)點(diǎn)可觀測(cè)的前提下進(jìn)行評(píng)價(jià)。

這一研究的價(jià)值也不止于修正一項(xiàng)經(jīng)典研究的結(jié)論，更從方法論、實(shí)證研究和經(jīng)濟(jì)機(jī)制分析三個(gè)層面，為機(jī)器學(xué)習(xí)在金融領(lǐng)域的應(yīng)用劃定了清晰的邊界，提供了重要的實(shí)踐啟示：

首先，該研究對(duì)一項(xiàng)具有廣泛影響的研究進(jìn)行了系統(tǒng)性復(fù)現(xiàn)，再次強(qiáng)調(diào)了時(shí)間一致性和數(shù)據(jù)處理細(xì)節(jié)在預(yù)測(cè)建模中的關(guān)鍵作用。機(jī)器學(xué)習(xí)模型對(duì)數(shù)據(jù)高度敏感，變量的定義、數(shù)據(jù)的可觀測(cè)性設(shè)定，直接決定了模型的有效性，這也為后續(xù)金融領(lǐng)域的機(jī)器學(xué)習(xí)研究，建立了更嚴(yán)謹(jǐn)?shù)姆椒ㄒ?guī)范。

第二，研究通過嚴(yán)謹(jǐn)?shù)膶?shí)證分析表明機(jī)器學(xué)習(xí)模型的表現(xiàn)高度依賴于變量構(gòu)建與變量可觀測(cè)性的設(shè)定，其相對(duì)于傳統(tǒng)方法的信息優(yōu)勢(shì)并非必然存在。這一結(jié)論對(duì)機(jī)器學(xué)習(xí)在違約預(yù)測(cè)、信用評(píng)估、市場(chǎng)微觀結(jié)構(gòu)分析等其他金融場(chǎng)景的應(yīng)用，也具有重要的參考意義。

第三，研究對(duì)分析師預(yù)測(cè)偏誤、上市公司行為與機(jī)器學(xué)習(xí)預(yù)測(cè)之間的因果關(guān)系提出了更為審慎的解釋框架，避免了因模型設(shè)定偏誤所導(dǎo)致的錯(cuò)誤機(jī)制推論被進(jìn)一步放大。

歸根結(jié)底，學(xué)界與業(yè)界也應(yīng)對(duì)機(jī)器學(xué)習(xí)在金融應(yīng)用中的表現(xiàn)持有更合理的預(yù)期。在金融市場(chǎng)日益復(fù)雜、技術(shù)迭代不斷加快的今天，這項(xiàng)研究不僅為機(jī)器學(xué)習(xí)的金融應(yīng)用校準(zhǔn)了方向，也為金融研究的創(chuàng)新發(fā)展提供了重要啟示：無(wú)論技術(shù)如何進(jìn)步，尊重市場(chǎng)規(guī)律、堅(jiān)守研究嚴(yán)謹(jǐn)性，始終是金融研究和實(shí)踐的核心底色。

注：本篇論文的其他作者還包括中央財(cái)經(jīng)大學(xué)金融學(xué)院助理教授朱彥頔、達(dá)特茅斯塔斯克商學(xué)院教授Juhani T. Linnainmaa。

張英廣，北京大學(xué)光華管理學(xué)院金融學(xué)系副教授、博士生導(dǎo)師。他于2019年在南加州大學(xué)馬歇爾商學(xué)院獲金融學(xué)博士學(xué)位，2011年在加州大學(xué)伯克利分校獲經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)榮譽(yù)雙學(xué)士學(xué)位。 張英廣的研究興趣主要為資產(chǎn)定價(jià)、行為金融、金融科技以及中國(guó)金融問題。他關(guān)注市場(chǎng)參與者的預(yù)期動(dòng)態(tài)、企業(yè)的預(yù)期管理、以及人工智能和機(jī)器學(xué)習(xí)的在金融應(yīng)用中的價(jià)值與局限。張英廣的研究成果發(fā)表于

Review of Financial Studies, Review of Finance, Pacific-Basin Finance Journal

來源| 北大光華對(duì)外關(guān)系部

排版| 李珅

編輯 |王小雅

審閱| 塔娜

往期發(fā)布：

什么員工更敢“說真話”？丨學(xué)術(shù)光華

文化產(chǎn)品出海的“度”如何拿捏，從好萊塢在華海報(bào)談起 丨學(xué)術(shù)光華