近日,我院姜富偉教授、朱菲菲副教授、中央民族大學經濟學院馬甜副教授(我院博士畢業生)合作撰寫的論文“Fundamental Characteristics, Machine Learning, and Stock Price Crash Risk”被金融學領域國際權威期刊Journal of Financial Markets正式接收。Journal of Financial Markets為ABS列表3星期刊,ABDC列表A*類期刊(Leading Journal in Field)。
随着近年來經濟增速放緩疊加全球疫情影響,上市企業股價面臨較大的下行風險。本文基于中國A股市場上市公司股價數據,結合上市企業基本面特征,利用機器學習算法對股價崩盤風險進行了預測分析。實證結果表明,模型通過捕獲盈利類和價值成長類指标的變化,在全樣本上具有較好的風險預測能力,其中在國有企業和經濟政策不确定性較低時期表現更為優異。此外,本研究還對機器學習的預測性提供了基于公司财務和金融市場視角的經濟學解釋。
本研究的主要貢獻如下。首先,本文開創性地基于高維視角考察了股價崩盤風險的可預測性以及其經濟機制。其次,本文進一步完善了基于公司金融和市場機制的崩盤風險形成機制理論。傳統理論中認為崩盤風險的成因主要集中在管理層代理權問題和市場結構等機制作用上,本項目在探讨兩類理論在中國市場适用性的同時,使用機器學習将代表不同理論的特征進行總和分析,并嘗試将兩類理論模型進行合并讨論。最後,本文補充了機器學習可解釋性的相關研究,如對于行業系統性風險和個股特質性風險的拆解分析,以及基于崩盤風險成因理論的模型預測性分析等,這一過程有助于保證模型在後續複雜環境下的穩健性。
撰稿:朱菲菲
審核:彭俞超