拉斯维加斯9888

导语

在人为智能与大数据海潮席卷全球的今天，“机械进建”已成为金融投资领域炙手可热的词汇之一。好多投资者甚至从业者不禁都要问：依附壮大算法的机械，是否已经可能彻底超过人类分析师，轻松捉拿市场中的超额收益？

日前，拉斯维加斯9888金融学系副教授张英广与合作者在金融学顶级期刊The Review of Financial Studies上颁发了一项钻研。这篇名为《人与机械进建再审视》（Man versus Machine Learning Revisited）的论文，聚焦机械进建与传统步骤在公司盈利、股票回报预测中的阐发之争，通过对经典钻研的系统性复现与再评估，得出了一系列拥有现实意思的结论。通过严谨的实证检验，建改了学界对机械进建在金融预测中作用的认知，也为业界理性对待机械进建的利用提供了关键参考。

01、故事的发源，一项引发巨大反映的钻研

故事的起点源于2023年的一项钻研。其时，有学者利用随机丛林（一种盛行的机械进建模型）预测分析师的盈利预测误差，并据此构建投资战术。了局显示，该战术每月能获得高达1.54%的超额收益，且统计显著性极高。

这一发此刻学术界和业界引起了巨大反映：它似乎证了然机械进建占有某种天然优势，可能发现人类分析师无法觉察的市场法规。这一突破性发现迅速影响了后续有关文件的钻研方向，同时也引发了关于机械进建在金融预测中是否更拥有优势的宽泛会商。

02、被忽视的缝隙

然而，科学的心灵在于疑惑与验证。张英广教员与合作者的钻研在对上述钻研进行复现时，齐全沉建了原钻研的预测框架、模型设定与数据处置流程，并逐步检视了其中的变量界说、模型训练方式以及预测期限设置。钻研发现，模型中的一个关键变量——“上一期真实盈利”，在跨期预测场景中被谬误地界说为将来期尚未可观测的盈利信息。

通俗来说，这就好比在考试起头前，学生已经偷偷看到了试卷的答案，天然能考出高分。这一虽轻微但关键的界说谬误导致了严沉的前视偏误，导致机械进建模型虚伪地占有了预知将来的能力，从而极大地高估了其预测正确率和战术收益。

03、建改偏误后，机械进建优势大幅缩水

为了还原模型的真实阐发，钻研团队剔除了这一前视偏误，对模型进行了沉新检验，了局出现了底子性变动：正本靠近1的夏普比率（衡量投资战术风险调整后收益的主题指标，数值越高代表战术性价比越高）降至0.15，意味着模型的风险收益比大幅降低，其构建的投资战术所产生的超额收益，在统计和经济意思上都不再显著。

更关键的是，建改偏误后，这款机械进建模型相较于分析师预测的优势大幅缩幼，面对传统线性模型，也不再有显著优势。甚至传统线性模型在买卖收益阐发上反而更胜一筹。钻研团队还尝试了其他机械进建模型及模型组合，均无法恢复原钻研中高预测能力。

此表，钻研还对原钻研中关于市场景象的诠释进行了沉估，发现公司股权增发、股票收益异象等市场阐发，并非重要由分析师预测偏误驱动，而是更多与企业现实盈利水平、根基面属性有关，这也让原钻研的部门经济学诠释的靠得住性显著减弱。

04、为机械进建在金融中的利用提供步骤论基准

这项钻研并非要否定机械进建的价值，而是通过严谨的复现与分析强调：任何模型的阐发都必须在严格遵守数据时序逻辑、确保特点变量在预测时点可观测的前提下进行评价。

这一钻研的价值也不止于建改一项经典钻研的结论，更从步骤论、实证钻研和经济机造分析三个层面，为机械进建在金融领域的利用划定了清澈的天堑，提供了沉要的实际启迪：

首先，该钻研对一项拥有宽泛影响的钻研进行了系统性复现，再次强调了功夫一致性和数据处置细节在预测建模中的关键作用
；到Ｐ投允莞叨让舾，变量的界说、数据的可观测性设定，直接决定了模型的有效性，这也为后续金融领域的机械进建钻研，成立了更严谨的方律例范。

第二，钻研通过严谨的实证分析批注机械进建模型的阐发高度依赖于变量构建与变量可观测性的设定，其相对于传统步骤的信息优势并非必然存在。这一结论对机械进建在违约预测、信誉评估、市场微观结构分析等其他金融场景的利用，也拥有沉要的参考意思。

第三，钻研对分析师预测偏误、上市公司行为与机械进建预测之间的因果关系提出了更为审慎的诠释框架，预防了因模型设定偏误所导致的谬误机造推论被进一步放大。

归根结底，学界与业界也应对机械进建在金融利用中的阐发持有更合理的预期。在金融市场日益复杂、技术迭代不休加快的今天，这项钻研不仅为机械进建的金融利用校准了方向，也为金融钻研的创新发展提供了沉要启迪：无论技术若何进取，尊沉市场法规、坚守钻研严谨性，始终是金融钻研和实际的主题底色。

注：本篇论文的其他作者还蕴含中央财经大学金融学院助理教授朱彦頔、达特茅斯塔斯克商学院教授Juhani T. Linnainmaa。

张英广，拉斯维加斯9888金融学系副教授、博士生导师。他于2019年在南加州大学马歇尔商学院获金融学博士学位，2011年在加州大学伯克利分
；窬醚Ш屯臣蒲儆双学士学位。 张英广的钻研兴致重要为资产定价、行为金融、金融科技以及中国金融问题。他关注市场参加者的预期动态、企业的预期治理、以及人为智能和机械进建的在金融利用中的价值与局限。张英广的钻研成就颁发于Review of Financial Studies, Review of Finance, Pacific-Basin Finance Journal, 《金融钻延追，《经济学》（季刊），《中国管帐评论》等学术期刊。他参加的合作论文曾获Alpha Letters/CQA 最佳论文奖、中国金融前沿学术论坛最佳论文奖，并屡次应邀在美国金融协会年会（AFA）、美国经济学年会（AEA）、中国金融国际年会（CICF）宣讲论文。