（通讯员刘柃汐）11月6日和13日下午14:00，“Machine Learning and Finance”系列讲座在文澴楼437顺利举行。本次系列讲座嘉宾为武汉大学经济与管理学院李斌教授，讲座由6163银河.net163.am顾露露教授主持，部分6163银河.net163.am专业教师、50余名博硕士研究生（包括留学生）参与讲座。

李斌教授系列讲座从金融领域机器学习简介和四个应用场景进行讲解。李教授认为目前人工智能在众多领域超越人类，这一技术也在改变着金融业。金融研究逐渐呈现“4V”特点：数据量大且纬度高（volume）、增长速度和处理速度快（velocity)、交互对象多样且呈现非线性关系（variety)、低信噪比及价值密度低（value)，这就造成高维定价因子无法处理且难以持续有效解释非线性因素的影响，使预测的复杂程度提高，给实证资产定价带来挑战。

李斌教授比较了机器学习和传统计量经济学逻辑分析路径差异，对机器学习的常用函数进行了介绍，最后通过文献案例对机器学习在金融学的运用展开讲述。机器学习常见函数有线性回归、神经网络、决策树、集成模型等。机器学习运用过程中选择算法必须针对具体学习问题，然后需要对函数的拟合度进行比较研究。机器学习选择超参数，通过对样本数据分成三个用于训练、验证、测试的子样本，采用交叉验证的方法，用滚动窗口或者扩展窗口扩展训练集，选取最好模型以实现预测功能。针对特定的模型方法要有高度相关的特征，并对特征的重要性进行度量。

李斌教授进行机器学习讲授

李斌教授及参会师生的讲座现场

李斌教授指出关键的一步是如何将一些非传统类数据，如文本、图片、视频等在金融研究中进行应用。如文本分析中我们需要首先在各类相关资料中获取非结构化数据，接着进行格式解析和数据清洗，之后构造文本特征片段，采用词典法或者机器学习法对单词类别进行识别，随后构建文本指标，以此获取与研究内容有关的文本，最后，使用文本特征进行影响因素及经济后果的分析。例如，通过财报文本来构建企业文化指标。

李斌教授应用案例讲授

之后，李斌老师通过权威期刊文献和自己正在完成的工作论文进一步讲授机器学习在金融学领域研究的各种可能性。在“机器学习与财务欺诈”应用中，Bao et al. (2020)利用机器学习方法开发了欺诈预测模型，根据现有的会计理论选择原始会计数字模型输入，并采用了集合学习方法。研究表明，新欺诈预测模型大大优于其余两个基准模型。

在“机器学习与预测股票回报率”的应用中，Gu et al. (2020)模拟真实投资研究实证资产定价，对机器学习方法进行了比较分析，以解决经验资产定价的典型问题：测量资产风险溢价，同时展示了使用机器学习预测为投资者带来的巨大经济收益。

李斌教授等（2019）系统性地运用机器学习方法提升基本面量化投资中的股票收益预测。采用预测组合算法、Lasso回归等12种机器学习算法,构建股票收益预测模型及投资组合。实证结果显示,机器学习算法能够最有效地识别异象因子。

李教授在工作论文《实证资产定价中的实时机器学习应用》中，构建了基于基本面信号"全域"的实时机器学习策略，通过这些策略识别的市场异象因子在样本外检验中结果明显优于传统的市场定价因子，尤其是在价值加权投资组合中。

在“机器学习与预测共同基金回报率“，Li et al.(2020)发现将单个共同基金持有的股票与大量股票特征（因子）结合起来，基金业绩与基金因子风险及其相互作用呈非线性关系。这一特点导致机器学习方法明显优于标准线性框架。

李教授在讲座最后总结认为机器学习是计量经济学的新兴领域，值得深入探索。世界万物都是我们需要的数据，用数据证明观点而不是只谈空话。只有动手实战才能够真正学会机器学习方法。李斌教授还指导同学们进行了代码训练。

参会师生合影

【嘉宾介绍】李斌，武汉大学经济与管理学院教授、博士生导师，金融系主任和金融研究中心主任，研究方向为金融机器学习、实证资产定价与金融科技等。李斌教授具有金融+科技的跨学科背景与研究能力，在金融会计类刊物《Journal of Accounting Research》、《金融研究》、《中国工业经济》、《管理科学学报》等和计算机CCFA类期刊和会议AIJ、JMLR、ICML、IJCAI 等发表论文多篇，在美国CRC出版社出版专著《Online Portfolio Selection: Principles and Algorithms》。主持国家自然科学基金等项目多项，已结题自科青年项目后评估为“特优”。他是湖北省楚天学子、武汉大学珞珈青年学者、武汉大学人文社科青年学术团队负责人；同时也是特许金融分析师（CFA）持证人。获得第十八届中国金融学年会优秀论文二等奖，2019年人大复印报刊资料经济学类最受欢迎文章等。