武漢大學(xué)李斌教授主講華師經(jīng)管學(xué)術(shù)講座第409期
為營造良好學(xué)術(shù)氛圍，提高師生學(xué)術(shù)水平，我院張鵬教授誠邀中國金融學(xué)年會理事、金融科技研究與教育五十人論壇成員、武漢大學(xué)教育發(fā)展基金會投資咨詢委員會委員、武漢大學(xué)經(jīng)濟與管理學(xué)院教授、金融系支部書記、副主任和金融研究中心主任，博士生導(dǎo)師李斌教授于2022年5月10日（周二）16:00-17:30，為我院師生作了題為《Selecting mutual funds from the stocks they hold: a machine learning approach》的學(xué)術(shù)講座。
我院教師張鵬教授主持了本次學(xué)術(shù)講座。該研究運用機器學(xué)習(xí)的方法依據(jù)持倉股票選擇公募基金。在現(xiàn)實生活中，資產(chǎn)保值和增值是個人面臨的問題，智能量化投資是金融業(yè)高質(zhì)量發(fā)展的重要組成部分，因此研究機器學(xué)習(xí)對資產(chǎn)管理的影響具有重要意義。具體來看，本研究首先基于股票特征聚合公募基金特征。以股票在基金中的占比作為權(quán)重，基于股票特征合成基金特征，借鑒現(xiàn)有研究，合成94個公募基金特征。為保證樣本的可用性，該研究將樣本數(shù)據(jù)滯后一期處理。其次是基于公募基金特征選擇基金。由于基金表現(xiàn)和基金特征并不一定是線性關(guān)系，該研究對比BRT(Boosted Regression Trees)、Lasso、ElasticNet、Random Forest、Neural Networks、LR(linear-regression)、最優(yōu)單個影響因素等的表現(xiàn)，發(fā)現(xiàn)基于機器學(xué)習(xí)選擇的基金表現(xiàn)較好，其中BRT具有較好的解釋力，且長期表現(xiàn)穩(wěn)定。為保證結(jié)果的穩(wěn)健性，該研究運用公司原始特征數(shù)據(jù)、公司排名和分位數(shù)特征進行研究，發(fā)現(xiàn)所選公募基金的表現(xiàn)依然穩(wěn)定。最后，該研究發(fā)現(xiàn)基于不同股票數(shù)目的公募基金收益率表現(xiàn)不同，公募基金的收益率與股票數(shù)目同向變動。
李教授分享結(jié)束之后，老師和同學(xué)們就講座中的疑惑之處向李教授請教，得到李教授的細心解答。
