研究成果： Machine learning from a “Universe” of signals: The role of feature engineering（從“信號(hào)宇宙”中進(jìn)行機(jī)器學(xué)習(xí)：特征工程的作用）
作者：李斌, A. Rossi, S. Yan, 鄭凌凌
發(fā)表期刊：Journal of Financial Economics, 2025, 172, 104138
我們基于一組基本面信號(hào)構(gòu)建了實(shí)時(shí)的機(jī)器學(xué)習(xí)投資策略。盡管這些策略能夠獲得經(jīng)濟(jì)顯著且統(tǒng)計(jì)顯著的樣本外收益，但其表現(xiàn)明顯弱于現(xiàn)有文獻(xiàn)中使用人工篩選的信號(hào)所得到的結(jié)果。相較之下，基于各信號(hào)歷史預(yù)測(cè)能力進(jìn)行遞歸排序的簡(jiǎn)單策略樣本外表現(xiàn)更為優(yōu)越。我們?cè)诨跉v史收益的信號(hào)上也觀察到類似的規(guī)律。研究結(jié)果凸顯了特征工程及更廣義的歸納偏倚（inductive biases）在提升機(jī)器學(xué)習(xí)投資策略經(jīng)濟(jì)價(jià)值中的核心作用。
Journal of Financial Economics 為武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院學(xué)術(shù)期刊分級(jí)方案A級(jí)獎(jiǎng)勵(lì)期刊。
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0304405X25001461
