如(rú)果能(néng)夠正确預測基本面因子(z&•ǐ)

作(zuò)者：石川

摘要(yào)：使用(yòng)曆史基本面信息來(lái)預≤•測未來(lái)的(de)基本面，并基于預測值選股；如(↑&÷rú)果能(néng)夠預測準确，便可(₽€φ↔kě)在價格修正以反映最新的(de)基本面時(shí)獲得(de)超額收益‍φ±。

1 引言

基于基本面的(de)量化(huà)多(duō)因子(zǐ)選股一(yī)直•↓ 是(shì)市(shì)場(chǎng)中研究和(•∞₩hé)實踐的(de)重點，其核心邏輯是(shì)找到(dào)并配置能(nén'↓δg)夠預測股票(piào)未來(lái)收益率的(de)因子(zǐ)。随著(←‌δzhe)機(jī)器(qì)學習(xí)技(jì)術(shù)€γ的(de)飛(fēi)速發展，越來(lái)越多(duō)的(de) ♦先進算(suàn)法（比如(rú)各種神經網絡）被用(yò≈☆ng)于挖掘基本面因子(zǐ)和(hé)股票(piào)未來(lái)收益率之¶Ω&間(jiān)的(de)非線性關系。誠然，股票(piào)的(de)價格和(hé)上(s£‌≠hàng)市(shì)公司的(de)基本面密切相(xiεε<àng)關。但(dàn)是(shì)在選股時↕ ™←(shí)，我們很(hěn)難準确判斷模型的(de)有(€×♠ yǒu)效輸入。對(duì)于投資這(zhα ✘è)種開(kāi)放(fàng)性問(wè∑≠✘n)題，大(dà)千世界的(de)任何信息都(dōu)有(yǒu)可(kě)‍♣₩‍能(néng)會(huì)對(duì)決策産生(shēng)影($☆  yǐng)響，信息量巨大(dà)而信噪比極低(dī)。

如(rú)下(xià)圖所示，基本面信息僅僅是(shì)現(xiàn)‍λ£實世界全部信息的(de)一(yī)小(xi≤∑σǎo)部分(fēn)，其中還(hái)包含了β←(le)大(dà)量的(de)無用(yòng)噪£  音(yīn)甚至是(shì)虛假、錯(cuò)誤信息。股票(λ✔piào)未來(lái)的(de)價格反映了(le)全部信息中的(de)一(y ¶ī)小(xiǎo)撮有(yǒu)用(yòng§<♥)信息；然而具體(tǐ)哪些(xiē)信息有(yǒu)用(yòng)是(★↑→‍shì)未知(zhī)的(de)，該信息和(hé©₹€)基本面信息有(yǒu)交集，但(dàn)後者遠(yuǎn)飛(fēi)前者的↔↕(de)全部。直接使用(yòng)基本面信息來(lái)選股（即預測♠γ"股票(piào)未來(lái)的(de)價格或收益率）将受到(dà&γ$o)高(gāo)信噪比的(de)影(yǐng)響。

此外(wài)，雖然市(shì)場(chǎng §±π)上(shàng)存在一(yī)些(xiē)☆↕←異象無法被有(yǒu)效市(shì)場(chǎng)假說(shuō)（EM♥↔H）解釋（它們源自(zì)行(xíng)為(wèi)金(×✔λ≈jīn)融學中的(de)各種認知(zhī)偏差），但(dànδ✘ ) EMH 仍然在大(dà)部分(fēn)時(sh••★✘í)間(jiān)相(xiàng)對(duì)有(y>↑✔ ǒu)效，是(shì)主宰市(shì)場(chǎng)的(de)第一(yī)> 範式。這(zhè)就(jiù)意味著(zhe)最新的(de)基本面信息λ↑已經一(yī)定程度上(shàng)反映在價格之中了(le)；再使用(yò₹ δ∑ng)它們來(lái)預測未來(lái)的(de)價格，其效果會(huì)©↓₩打一(yī)定的(de)折扣。為(wèi)了(le)應對(duì)上(shàng≤ )述種種困難，學術(shù)界和(hé)業(yè)λβ∞₽界在最近(jìn)幾年(nián)提出了(le)一(yī)個(gè)新的(d∑↑e)思路(lù)（如(rú)下(xià)圖所示）：使用(yòng)曆史基本面信息來(lái)預測未來(lái)的(d​δ÷♥e)基本面，并基于預測值選股；如(rú)果能(n≤≥♠éng)夠預測準确，當最新财報(bào)被公布的(de)<λ∑時(shí)候，價格發生(shēng)修正以反映最新的₹♣(de)基本面信息，使得(de)那(nà)些(xiē)提前布局的(φ♥& de)投資者獲得(de)超額收益。

這(zhè)種做(zuò)法背後的(de)φ¥↓假設是(shì)能(néng)夠通(tōng•λ)過曆史基本面信息預測出未來(lái)的(de)基本面。我對(duì)此♠≈<✘的(de)看(kàn)法是(shì)，這(zhè)絕不(bù)容易，但(dàn)與使用(yòng)曆史基本面信息預測未×↕來(lái)收益率相(xiàng)比，它背後的(de)邏輯更直接、純粹≥π•↕，而不(bù)像基本面和(hé)收益率之間(jiān)還(hái)隔了(★‌le)一(yī)層。由此可(kě)以猜想，過去(qù)和(hé)未來¶✘↕•(lái)基本面之間(jiān)的(de)信噪比比‌Ω過去(qù)基本面和(hé)未來(lái≤‌✘♠)價格之間(jiān)的(de)信噪比更高(gāo)。

本文(wén)的(de)目的(de)有(yǒu)如(rú)下(xi↓↔à)兩個(gè)：

下(xià)面首先來(lái)看(kàn)看(kàn) Look&Ωahead Factor Model。

2 Lookahead Factor Model

2017 年(nián)，Alberg and Li¶'©pton (2017) 在 NIPS Time Seri£∑→₩es Workshop 上(shàng)報(bào)告了(le)一(yī)篇↓§™題為(wèi)《Improving fa✔'φ↑ctor-based quantitative invβΩesting by forecasting company fundam∏✔entals》的(de)文(wén)章(↓∏zhāng)。本節對(duì)它做(zuò)簡要(y✔∏ ào)介紹。之所以不(bù)花(huā)太多(duō)的(deΩ ∞£)篇幅，是(shì)因為(wèi)這(zhè)畢竟÷≈ 不(bù)是(shì)發表在 NIPS 正會(★≠α♦huì)上(shàng)的(de)，而且 →∞它僅僅是(shì)一(yī)個(gè) poster session，∏©​♥文(wén)章(zhāng)本身(shēn)也(yě​±↑)很(hěn)短(duǎn)，所以其效果的(de)可(¶λ•←kě)靠性仍有(yǒu)待檢驗。但(dàn)我仍希望₹λ'它能(néng)給小(xiǎo)夥伴們帶來(lái)一(yī)些(€γ®←xiē)啓發。Alberg and Lipton (2017) 的(de)研究動機(j♣✘ī)是(shì)觀察到(dào)，如(rú)果能(néng)夠開(¶→÷®kāi)天眼知(zhī)道(dào)未來(lái)一φ (yī)段時(shí)間(jiān)的(de)基本面信息（包括 Boo←'€k-to-Market、EBIT/EV、Net Income/EV 以及 S₽&↓ ales/EV 這(zhè)些(xiē)），并通(tōng)過它們來(<γδ≤lái)選股，則可(kě)以在美(měi)股上(shàng)獲得(de)更©₽ ↕高(gāo)的(de)收益，且預知(zhī)未來(lái)​→的(de)時(shí)間(jiān)越長(cháng)（用( ‍yòng) months of clairvoyaφ✘€γnce 表示）收益越高(gāo)（下(xià)圖）。

以此為(wèi)動機(jī)，他(tā)們使用(yòng)了(le) α± ‌Multilayer Perceptrons（MLPs）以及 Re ™✘αcurrent Neural Networks（RNNs）兩種£δσ算(suàn)法構建了(le)預測模型，使用(yòng)曆史基®♣"‍本面信息來(lái)預測未來(lái)的(de)基ε₹本面信息。在回測中，二位作(zuò)者使用(yòng)了(le) 1970 年(n§₽&Ωián) 1 月(yuè)至 2017 年₹♦(nián) 9 月(yuè) NYSEσ '、NASDAQ 以及 AMEX 上(shàng)的(de)±↓φ股票(piào)（排除了(le)非美(měi)國(guó)的(de)公司、金<$(jīn)融行(xíng)業(yè)公司以及超小(xiǎoαβ₽)市(shì)值公司）。模型的(de)輸入特征包括 16±☆ 個(gè)基本面變量和(hé) 4 個(gè)價格時(shí)序變€♦量（全部是(shì)動量類的(de)）。這(zhè) 16β£€£ 個(gè)基本面特征包括：

在建模時(shí)，所有(yǒu)特征均經過必要(£↓yào)的(de)标準化(huà)處理(lǐ)；整個(gè)¶≥€回測期被分(fēn)為(wèi)樣本內(nèi)（1970 -α±♣♦ 1999）和(hé)樣本外(wài)（↔ 2000 - 2017）兩部分(fēn)；樣本內(§ 'nèi)被進一(yī)步分(fēn)為(wèi) trai↑'♠<ning set 和(hé) validati&©∏on set 兩部分(fēn)。Alberg an÷∑d Lipton (2017) 使用(yòng)↓₩¥樣本內(nèi)的(de) validation set ₩ ε♦确定模型的(de)超參數(shù) —— 包括≠¥ learning rate、model archite®‌cture、objective functio✔'←‌n weighting —— 以及 early stoα€₹pping criteria。為(wèi)了(le)解決 RNN 容易過拟合的(de)問(wèn)題，Al©&☆εberg and Lipton (2017) 特意指出他(tā)們的∏←£₩(de)模型是(shì)多(duō)任務學習(xí)σ✔§↔，同時(shí)預測 16 個(gè)基本面指标；損失函數(shù¶π‍)為(wèi)預測值和(hé)實際值之間(jiān)的(de)均方誤差（‍"©MSE）。不(bù)過作(zuò)者也(yě)指出，在全部 16 個(gè)¶"基本面指标中，他(tā)們最終用(yòng)來(lái)≤ 選股的(de)是(shì) EBIT/EV，因此在損失函數↑₩ (shù)中對(duì)該項賦予了(le)更高(gāo)的(de)權£≠ε重。實證結果顯示，基于神經網絡的(de)複雜(zá)算(suà <↓n)法在樣本外(wài)取得(de)了(le)比 naïve 算(suàn)©₽​法（即使用(yòng)當期數(shù)據猜下(xià)一(yī)期β↑★）更低(dī)的(de)MSE。相(xiàng)比 S&P$≥ 500 指數(shù)本身(shēn)以及傳統的(de)因子(zǐ)選股（↔↕基于當期 EBIT/EV 選股），兩個(gè) l>★ookahead factor models÷✘≈₩ 都(dōu)取得(de)了(le)更高(gāo)的(de)年(★§₩nián)化(huà)收益率和(hé)夏普率（下(xià)表）。以上(shàng)就(jiù)是(shì)關于 Alber©♣πεg and Lipton (2017) 這(zhè)篇文(wén)章(zhā€ ™"ng)的(de)簡要(yào)介紹。國(guó)內(nèi)的(de)一(yλ¶Ωī)些(xiē)量化(huà)論壇基于該方法在 A 股上(s→✘↓♦hàng)做(zuò)了(le)實證，感興趣的(de)朋(péng)姀&友(yǒu)可(kě)以找來(lái)看(kàn)看(kà$★→n)。

3 假如(rú)開(kāi)天眼

本節和(hé)下(xià)一(yī)節來(lái✔≠™‍)回答(dá)本文(wén)關注的(de) if 問(wèn)∑₩♠♥題。我們以中證 500 成分(fēn)股為(wèi)選股池，回測∑₹£期為(wèi) 2009 年(nián) 12 月(yuè)到(dàoφ&) 2018 年(nián) 12 月(yuè)，選擇>↑ Earnings per Share (EPS) 作(zuòΩ↔σ¶)為(wèi)目标基本面因子(zǐ)來(lái)考察♠♣§↓成功預測未來(lái) EPS 能(néng)否獲←©®得(de)超額收益。首先，來(lái)看(kàn)看(kàn)常規做(zu¶β∑☆ò)法：每月(yuè)末按最新 EPS 數(s®∏★φhù)據選取該指标最高(gāo)的(de) 20 支股票(piào)等權φφ∞配置，按月(yuè)調倉，不(bù)考慮任何交易成本。該選股 γ →的(de)效果如(rú)下(xià)。

接下(xià)來(lái)，假設開(kāi)天眼已知(zhī)未來±γ"(lái)一(yī)個(gè)月(yuè)的(de)δ★​ EPS，并基于此選擇 20 支 EPS 最大(dà)的(de)股票(≠✔piào)等權配置、按月(yuè)調倉。該策略≈✘>γ的(de)表現(xiàn)如(rú)下(xià)。

将這(zhè)兩個(gè)選股策略和(hé←σ)中證 500 指數(shù)本身(shēn)放(fàng"£★₹)在一(yī)起比較，高(gāo)下(xià)♠>立判。無疑，EPS 本身(shēn)是(shì)一(yī)個(g✔π§è)非常優秀的(de)選股因子(zǐ)，而如(∞ε↑£rú)果能(néng)預知(zhī)未來(lái) EPS 則可(λαΩkě)以獲得(de)更大(dà)的(de)優勢¥∑£σ、更高(gāo)的(de)收益。

發生(shēng)這(zhè)種現(xiàn)象背後的(de)原₹₹&因是(shì)什(shén)麽呢(ne)？下(xià)圖顯示了(le)使用(yòng)當期 EPS 選股時≥σ(shí)，回測期內(nèi)每月(yuè)"& 平均換股的(de)數(shù)量。其中變化(huà)最多(du¶←φ ō)的(de)是(shì)五月(yuè)份α∏。這(zhè)是(shì)因為(wèi)上(sh♣$←àng)市(shì)公司需要(yào)在每年(nián) ↔≤​×4 月(yuè) 30 日(rì)之前披露上(shàng)一(yī)年♠↓§→(nián)的(de)年(nián)報(bào)。因此在每年(nián) ¥↑Ω四月(yuè)底，使用(yòng)最新披露的(de) EPS 選出的(de)股↓₽票(piào)往往較之前的(de)選擇有(yǒu)較大(dà)變化(hγ≤©↔uà)，這(zhè)便解釋了(le)五月(yuè)份的(de)持股較四月£↔↕♠(yuè)份的(de)持股變化(huà)最大(dà)ε∞γ。其他(tā)月(yuè)份的(de)股票(piào)變化(huà)和♠ ♠↕(hé)季報(bào)、中報(bào)披露以及中證 500 調₽≠整成分(fēn)股有(yǒu)關。

類似的(de)，下(xià)圖顯示了(le)使用(yòng)下(xià)個(gè)月(yuè) EPS 選股時(shí)，每月(yuè)♣"平均換股的(de)數(shù)量。比較這(zhè)前後兩張圖，其中最大(dà)的(de)區(qū)别就(jiù)是(shì)正常γ¥®♣情況下(xià)五月(yuè)份的(de)變≠♠化(huà)提前在四月(yuè)發生(shēng)（因為(wèi)我們假設在三月(yuè)底就(jiù)知(z∑'®¶hī)道(dào)四月(yuè)最新披露的(de) EPS σ‌• 中最大(dà)的(de)股票(piào)）。

對(duì)比使用(yòng)當期 EPS 選股和(hé)使用(y∞ òng)未來(lái) EPS 選股的(de)每月(yuè)平均收↓♦‍益率，可(kě)以看(kàn)到(dào)前面提到(dàoδ♦)的(de)這(zhè)種前移帶來(lái)的(de)巨大♥"↑ (dà)差異。正如(rú)下(xià)圖所示，開(kāi)天眼（圖中 Oracle）選股的(de)四↔↔≠∞月(yuè)份收益率較正常（圖中 Regular）選股的(de)收益率有 Ω™(yǒu)巨大(dà)提升。此外(wài)，開(kāi)天眼選股在八月(yuè)份也(yě)↔♠₩有(yǒu)巨大(dà)的(de)提升（8 月(yuè) 30 日(rì)是σ‍★(shì)中報(bào)披露的(de)截止日(r≠€®ì)期）。

以上(shàng)結果說(shuō)明(míng)，如(rú)果能(n§ ©∞éng)準确的(de)預測并使用(yòng)未來(lái)的(de) EPS≈✘β™ 選股，确實能(néng)夠獲得(de)更高(gāo)的(de)收益。不γ±(bù)幸的(de)是(shì)，現(xiàn)實中§≥λε我們不(bù)能(néng)開(kāi)天眼。

4 不(bù)完美(měi)預測

第三節的(de)結果僅僅是(shì)一(€±↕yī)個(gè)美(měi)好(hǎo)的(de)願¶±景。在實際中，即便能(néng)夠在一(yī≤β♠$)定程度上(shàng)預測未來(lái)★±≤的(de) EPS（或其他(tā)基本面信息）&¶•，其準确性也(yě)難以保證。在不(bù)完美(měi)的(de)預測下(xià)，這(zhè)種努力是(s•∏☆<hì)否能(néng)夠帶來(lái)超額收益¶α ≠呢(ne)？這(zhè)就(jiù)是(shì)本節探討(∑α↔₹tǎo)的(de)問(wèn)題。以開(kāi)天眼的(de)結果作(zuò)為(wèi) EPS 選₹'♥股的(de)标準答(dá)案，可(kě)以計(jì)算(suàn)出使用("♠∞yòng)曆史 EPS 選股的(de)錯(cuò)誤率​✘。從(cóng)下(xià)圖不(bù)難看(kàn♦φ )出，由于基本面指标變動的(de)頻(pín)率較低(dī)，在很(hěn)多(duō)沒有(yǒu)新信息披露的(ε←φ'de)月(yuè)份裡(lǐ)，選股的(de)錯(cuò)誤率也(yě)σ↑很(hěn)低(dī)，但(dàn)是(shì)這(zhè)并沒有(yλ♠'ǒu)什(shén)麽作(zuò)用(yòng)（這(zhè)©←>一(yī)點在構建損失函數(shù)的(de)時(shí)候值得("→de)考慮）。起決定性作(zuò)用(yòng)的( •de)是(shì)錯(cuò)誤率高(gāo)的(de)那(nà)些(x∏Ωiē)月(yuè)份。

上(shàng)一(yī)節的(de)分(fēn)析指出，使用(&↑λ yòng)未來(lái) EPS 選股的(de)優勢在于提前知(zhī)道(' dào)年(nián)報(bào)和(hé)中報(b>₹$σào)（特别是(shì)前者）中最新的(de) EPS，因此四月(yu✘ •>è)和(hé)八月(yuè)貢獻了(le)巨大(§‍λdà)的(de)超額收益。觀察上(shàng)圖不(bù)難發現(xiàn×≤")，使用(yòng)曆史 EPS 選股時(shí)，四月(yuè)份的(de§'"♠)錯(cuò)誤率也(yě)是(shì)全部十二個(gè)月(yα♦→✔uè)份中最高(gāo)的(de)。下(xià)表統計(jì)了(le‍↔✘£)回測期內(nèi)每年(nián)四月↕→(yuè)和(hé)八月(yuè)使用(yòng)↑¥≠曆史 EPS 選股的(de)錯(cuò)誤率。由此可(kě)見(jiàn)，預測 EPS 的(de)努力₽↑可(kě)以考慮以降低(dī)四月(yuè)和(hé)（或）八月(yφ¶uè)選股的(de)錯(cuò)誤率為(wèi)εφ目标。為(wèi)了(le)回答(dá)“不(•±£bù)完美(měi)預測能(néng)否帶來(lái)提高(gāo)”這(&®zhè)個(gè)問(wèn)題，首先考慮四月(yuè)為(wèi)目标并按照₩ (zhào)以下(xià)邏輯進行(xíng)模拟。

對(duì)于給定的(de)正确率 c，在回測中每年≥±β(nián)的(de)三月(yuè)底從(cóng)四月₩↓(yuè) EPS 最高(gāo)的(de) 20 支股票(p¶≤&®iào)中随機(jī)選出 20 × c 支，作(zuò← ♠)為(wèi)預測模型正确的(de)部分(fēn)；從(cóng)©•剩餘 480 支股票(piào)中随機(jī)選出 ≠¥ 20 × (1 - c) 支作(zuò) ≤為(wèi)預測模型錯(cuò)誤的(de)部分(fēn)；如(rú)此便∑ασ完成一(yī)次選取（這(zhè)是(sh ↑✘ì)一(yī)個(gè)非常粗糙的(de)處理(lǐ)方式，因為 ₹‍(wèi)從(cóng)剩餘 480 支股票(piào)中随機(jī)選出$↕ ​的(de)可(kě)能(néng)是(shì) EPS 非常差的(≈£de)股票(piào)；實際的(de)預測模型 ↓ —— 無論是(shì)機(jī)器(q±δ↓ì)學習(xí)或者其他(tā)方法 —— 應該會(huì)比這∞βφ(zhè)種處理(lǐ)好(hǎo)一(yī)些(xiē)）β<•≠。為(wèi)了(le)降低(dī)随機(jī)性的(de)影(yǐ"☆ng)響，在每個(gè)四月(yuè)進行(xíng) 100λ×>  次模拟，取它們的(de)平均值作(zuò)為"¥(wèi)正确率 c 下(xià)該預測模型的(de)選股結果，以§∏←€此考察 EPS 預測正确率和(hé)選股效果的≥δλ¥(de)關系。

下(xià)表中 Panel A 展示了(le)四月(yu£∞è)份 EPS 預測不(bù)同正确率下(xià)選股的(de)效<↑果。結果表明(míng)，随著(zhe)正€"确率的(de)提升，收益率和(hé)夏普率逐漸增加，選♥α₩÷股效果遠(yuǎn)強于使用(yòng)當前 ₹•δEPS 的(de)表現(xiàn)（使用(yòng)當前 EPS ±Ω的(de)年(nián)化(huà)收益率為(wèi≥$) 6.33%；夏普率為(wèi) 0.37β‌）。同時(shí)也(yě)看(kàn)到(dào)α≈ >，即便是(shì)把正确率提高(gāo)到(dào) 90%，其選股←π≥效果也(yě)顯著弱于全部使用(yòng)未來( ♦§lái) EPS 的(de)情況，這(zhè)說(✔∑‌shuō)明(míng)僅僅改進四月(yuè)份的(d₽  βe)正确率是(shì)不(bù)夠的(de)。

上(shàng)表中 Panel B 展示了(le)同時(s σ↓÷hí)提高(gāo)四月(yuè)和(hé)八月(yuè)正确率的↕♣(de)結果。随著(zhe)年(nián)報(bào)和(hé)中報(bào↔←¶)披露月(yuè)份的(de)同時(shí)改進，選股效果較 Panel  ‌®A 中的(de)結果進一(yī)步顯著提>≤£升。當然，我們也(yě)必須注意到(dào)☆♥，正确率的(de)邊際效應在逐漸減小(xiǎo)。上(shàng)述結果留給我們的(de©>)啓發有(yǒu)以下(xià)兩點：

從(cóng)實證結果來(lái)看(kàn)，即↑ ∏'便是(shì)不(bù)完美(měi)的(de)預測也(yě)是(shì)值得Ω♠ ‌(de)嘗試的(de)。

5 結語

上(shàng)周的(de)文(wén)章(zhāng)中§γ提到(dào)了(le)預期差的(de)概念 —— 如(rú)果我們能(néng)找到(dào)市(sh​"→λì)場(chǎng)中的(de)預期差，便可(kě)以利用(yòng)它來(↓εlái)獲得(de)超額收益。本文(wén)提到(d¶πào)的(de)準确預測 EPS 其實質也(yě)是(shì)₹β&≈提前捕捉預期差，等待價格向價值修正。想再次強調φ≈的(de)是(shì)，針對(duì)預測基本面這>★(zhè)個(gè)話(huà)題，本文(wén)探討(tǎo)的(de)是δ₹"(shì) if 的(de)問(wèn)題，而不(bù)是(sh£→∑ì) how 的(de)問(wèn)題，并通(tōng)過實證¶★"©給出了(le)預測中一(yī)些(xiē)可(kě)能(néng§✘←≤)需要(yào)關注的(de)地(dì)方。在 how 的(de)問(wèβ&βn)題上(shàng)，希望文(wén)中介紹的(de) Alberδλg and Lipton (2017) 給大(dà)家(j&® &iā)提供一(yī)些(xiē)思路(lù)。

在基本面的(de)預測方面，無論采用(yòng)什 •€(shén)麽方法，預測準确才是(shì)最關鍵的(de)。這(zhè) €就(jiù)是(shì)為(wèi)什(shén)δ✔麽優秀分(fēn)析師(shī)的(de)盈利預測（一§‌(yī)緻預期數(shù)據）是(shì)很(hěn)值€↔>錢(qián)的(de)，因為(wèi)這(zhè)些(xiē)數(shù)‌Ωε®據确實能(néng)夠帶來(lái) α。πφ隻不(bù)過很(hěn)多(duō)時(↑→↓₽shí)候，這(zhè)些(xiē) α 的(‍≤de)成本太高(gāo)了(le)。這(zhè)就(jiù)給了(↔€✘le)機(jī)器(qì)學習(xí)契機(jī)。希望∏βα在未來(lái)能(néng)夠看(kàn)到(dào)學術(sh  ∏×ù)界和(hé)業(yè)界在這(zhè)方面的(de)更多(duō)突破<<§，将先進機(jī)器(qì)學習(xí)算(s ↔§uàn)法運用(yòng)到(dào)上(shàng)市(shì)公≈✔ 司财務數(shù)據的(de)預測中，為(wèi)低(dī¶£)成本的(de)獲取 α 提供新的(de)可(kě)能(n♣♣éng)性。

參考文(wén)獻

Alberg, J. and Z. C. Lipton (©¶₩2017). Improving factor-based quant ≥itative investing by forecasting c £ompany fundamentals. NIPS Time Series Workshop 2017.

免責聲明(míng)：入市(shì)有(yǒu)風(fēng)險，投資需謹慎。在任何情況β&©φ下(xià)，本文(wén)的(de)內(nèi)容、信息→©及數(shù)據或所表述的(de)意見(jiàn)并不(bù)構成對(du$☆ì)任何人(rén)的(de)投資建議(yì)。在任何情況下€↓β₹(xià)，本文(wén)作(zuò)者及↕$所屬機(jī)構不(bù)對(duì)任何人(rén)¥≠因使用(yòng)本文(wén)的(de)任何內(nèi)λΩ≈α容所引緻的(de)任何損失負任何責任。除特别說(sh→↕uō)明(míng)外(wài)，文(wén)中圖表均←&λ直接或間(jiān)接來(lái)自(zì)于相(xi♠✘←àng)應論文(wén)，僅為(wèi)介紹之用★αλ(yòng)，版權歸原作(zuò)者和(hé)期刊所有(yǒu₹"₩)。