【041】机器学习驱动的基本面量化投资因子动物园管委会*2019/10/25Contents1简介22基本目标和方法23算法比较的实证结果34因子重要性检验45一点评论66结语7【30秒速览】李斌,邵新月和李玥阳（2019）第一次基于A股的大量异象，对机器学习和深度学习算法选择因子和预测股票收益的能力进行了深入的探究，并利用分析结果，反过来对因子的重要进行了考察。他们发现，新的算法的确在某种程度上可以更好地挖掘因子与股票未来收益间的线性与非线性关系。他们也指出，交易摩擦类因子在A股最为重要，但价值因子不重要，这一点似乎与已有研究不符。*欢迎关注公众号因子动物园获取更及时的分享。若有问题，请通过公众号或私信联系公众号管理员llanglli。本文为读书笔记，仅为分享之用，不代表任何投资建议。文章图表直接来自于相应论文或依据相应论文整理，仅为介绍之用，版权归原作者和期刊所有。在《中国工业经济》的文章主页，可下载这篇文章及相关数据.1FactorZoo因子动物园1简介近年来，随着机器学习和深度学习的快速发展，机器学习在金融，包括因子研究领域，也得到了日益广泛的应用。例如，周国富和Rapach教授也在多篇文献中用到了以forecastcombination为代表的机器学习方法（见Rapach,Strauss,andZhou(2010),Kong,Rapach,Strauss,andZhou(2011),RapachandZhou(2010)以及Han,He,Rapach,andZhou(2019).）。更重要的自然是MacosLopezPrado，仅2018年一年，他撰写了至少3篇相关论文以及一部专著（见Prado(2018a,b,c,d)）。此外，他还同FrankFabozzi1和JosephSimonian一同作为主编，参与创办了新的期刊JournalofFinancialDataScience。在这份新期刊的第一期，三位大佬RobArnott2、CampbellHarvey和投资组合理论奠基人HarryMarkowitz联合发表了一篇题为《ABacktestingProtocolintheEraofMachineLearning》的文章，宣告投资策略和因子研究正式步入机器学习时代。但过去的相关研究往往仍集中于利用机器学习算法构建新的因子，鲜少涉及利用机器学习算法来进行大规模的因子及预测模型筛选。此外，已有研究主要关注机器学习算法，对近年日益兴起的深度学习则关注较少。最后，这些研究大多基于美股进行，较少关注A股市场。因此，今天难得地着重介绍一篇中文文章——《机器学习驱动的基本面量化投资》，由武汉大学李斌教授及两位硕士生发表于《中国工业经济》。2基本目标和方法作者们以1997年1月至2018年10月间A股市场的96个重要投资异象为基础，比较了经典的OLS模型...
