金融与财务机器学习 第13章 基于机器学习的金融时间序列预测.pptVIP

案例：调整的投资者情绪指数与股票市场回报*案例：投资者关注指数与股票市场回报*Tangetal.（2021），提出了一个新的投资者关注度指数，并用其去预测股票市场超额收益。这些投资者关注度代理变量包括：异常交易量、广告费用的变化、EDGAR上的搜索流量等等行为金融数据。Tangetal.（2021）使用时间序列预测、PLS等方法来检验这些投资者关注度代理对股票市场超额收益的预测能力。Tangetal.（2021）首先根据PLS、sPCA和PCA方法对12个投资者关注度代理变量进行了处理，得到时间序列上总投资者关注度指数的变化如下：案例：投资者关注指数与股票市场回报*案例：投资者关注指数与股票市场回报*案例：投资者关注指数与股票市场回报**本章小结与复习思考题本章小结*宏观经济数据与企业特征数据存在的共同特点是变量较多，一般方法往往难以筛选研究者们能够通过机器学习方法处理海量的数据，并从这些杂乱的数据中找到有价值的信息，复习思考题*常见的宏观经济指标有哪些？PCA与sPCA的区别在哪里？两者的预测能力如何？阐述公司特征指标一般分为哪几类?*谢谢观看！金融机器学习教研组金融机器学习FuweiJiangFooter*第十三章基于机器学习的金融时间序列预测章前导读*如何将机器学习应用于金融时间序列分析？该领域有哪些最新的研究进展？本章框架*第一节基于宏观经济数据的预测宏观经济因素基本介绍宏观经济与金融市场间关联案例第二节基于企业特征数据的预测企业特征数据的作用企业特征与金融市场间关联案例第三节基于行为金融数据的预测行为金融学的产生与发展投资者情绪与金融市场间关联案例*第一节基于宏观经济数据的预测宏观经济数据*宏观经济指标是反映经济形势的一种方式。主要指标包括GDP、通货膨胀和收缩、投资指标、消费、金融、财政指标等。宏观经济指标在宏观经济调控的分析和参考中发挥着重要作用国际上常见的四种宏观经济指标分别是：通货膨胀、国民生产总值、就业率和国际收支平衡。宏观经济能力指标对股市的影响企业通过对国民经济形势的综合进行分析，可以基本了解中国经济不断发展的速度和质量，大致把握我国经济运行的主要方向。宏观经济与金融市场间关联*HondroyiannisPapapetrou（2001）通过实证发现，股票收益率变动不会导致实体经济的变化，但宏观经济变动在一定程度上能够影响股票市场的变动。Chen（2017）发现当宏观经济形势发生变化时，人们会根据当前经济运行状况调整自身的储蓄意愿以及风险偏好，预防性储蓄动机使得在经济下行时期投资者更加敏感，放大股价波动。刘深（2015）运用稳健估计法研究发现，宏观经济与股市变动存在一定程度的关联性。谢百三和童鑫来(2016)发现中国股市并不能有效反映宏观经济，其原因在于股市在中国资本市场发展中所形成的特殊性。刘伟等（2020）研究金砖五国股票市场价格与一系列宏观经济变量之间的因果关系，实证结果发现：五个国家的股票市场价格与宏观经济变量间均存在长期均衡关系。案例：中国股票市场投资组合与宏观变量预测*姜富伟等（2011）对中国股票市场投资组合和13个不同行业的投资组合进行了时间序列预测，并根据国外研究中的几个经典指标，又分出了10个公司规模投资组合、10个账面市值比投资组合以及10个股权集中度投资组合进行检验分析。在预测变量方面，该文借鉴了WelchGoyal（2008）中的12个经济变量作为预测变量，包括D/P、D/Y和E/P等指标。并从样本内和样本外可预测性两个角度研究了中国股票市场的可预测性。案例：中国股票市场投资组合与宏观变量预测*案例：中国股票市场投资组合与宏观变量预测*案例：案例：sPCA方法与宏观变量预测*Huangetal.（2021）提出了一种新的降维方法-调整的主成分分析（sPCA）,该方法方法根据预测目标的预测斜率对每个预测因子进行度量调整，并对应的赋予预测能力较强的因子更多的权重。Huangetal.（2021）使用1960年1月到2019年12月的123个宏观变量进行方法优度检验，这些数据中包含了广泛的经济类别，如产出和收入、劳动力和失业、消费支出和住房指标、货币存量和信贷以及价格指数。Huangetal.（2021）将sPCA应用于这123个宏观变量，以预测1个月前的美国通胀、工业生产（IP）增长、失业率变化和SP500指数波动。案例：案例：sPCA方法与宏观变量预测*面板A显示，在不同类别中