自拍偷拍一二三四区|麻豆传媒在线看刘思慧|麻豆91在线精品|国产69精品麻豆久久|网站你懂得|国产精品露脸自拍一区|免费黑料爆料网|亚洲av综合色|91福利专区|爱豆传媒5220,网红主播直播视频,高级毛片,香蕉视频官网官网

報告題目：基于機器學(xué)習(xí)方法的中國公募基金收益預(yù)測

報 告 人：李仲飛（南方科技大學(xué)講席教授，長江學(xué)者特聘教授，國家杰青）

報告時間：2022年11月9日晚7:00-7:30

會議方式：騰訊會議 ID：157-212-304

報告題目：市場操縱能被機器學(xué)習(xí)嗎？—基于高頻數(shù)據(jù)與“隱藏”案例信息挖掘的視角

報 告 人：陳海強（廈門大學(xué)教授，博士生導(dǎo)師，廈門大學(xué)王亞南經(jīng)濟研究院副院長）

報告時間：2022年11月9日晚7:30-8:00

會議方式：騰訊會議 ID：157-212-304

報告題目：Realized Probability: A Conditional Autoregressive Beta Mode for Return Direction Forecasting

報 告 人：謝海濱（對外經(jīng)濟貿(mào)易大學(xué)金融學(xué)院教授，博士生導(dǎo)師，金融科技系主任）

報告時間：2022年11月9日晚8:00-8:30

會議方式：騰訊會議 ID：157-212-304

報告題目：Forecasting High-Dimensional Value at Risk with Dynamic Factor Loadings Based on the Multivariate Asymmetric Laplace Distribution

報 告 人：陳孝偉（南開大學(xué)金融學(xué)院教授）

報告時間：2022年11月9日晚8:30-9:00

會議方式：騰訊會議 ID：157-212-304

報告人簡介

李仲飛，男，南方科技大學(xué)金融系講席教授，國務(wù)院學(xué)位委員會學(xué)科評議組成員，長江學(xué)者特聘教授，國家杰青，全國模范教師，國務(wù)院政府特殊津貼專家，全國百篇優(yōu)秀博士學(xué)位論文獲得者，新中國成立70周年觀禮嘉賓，Elsevier 中國高被引學(xué)者，全球前2%頂尖科學(xué)家，國家自科創(chuàng)新研究群體項目主持人，國家社科基金學(xué)科評審組專家，中國系統(tǒng)工程學(xué)會副理事長，中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學(xué)研究會副理事長及其量化金融與保險分會理事長，十多個國內(nèi)外期刊的領(lǐng)域主編、副主編或編委。歷任中山大學(xué)社科處處長，管理學(xué)院執(zhí)行院長，創(chuàng)業(yè)學(xué)院院長。研究領(lǐng)域包括綠色金融與碳經(jīng)濟，金融科技與數(shù)字金融，金融工程與風(fēng)險管理，金融市場與投資。

報告摘要：本研究綜合基金自身特征、基金持有股票特征、基金經(jīng)理特征和宏觀變量四大類104個特征指標，運用8種機器學(xué)習(xí)方法，探索中國公墓基金收益是否可以被預(yù)測，哪些特征可以預(yù)測基金收益，以及一些特征和基金收益的非線性關(guān)系。結(jié)果表明，我們的部分模型在不同的市場情況下都具有非常好的預(yù)測能力，能獲得高達66%的樣本外R2；能有效識別優(yōu)秀的基金；能獲得非常高的投資組合收益，未來首個季度的最高實際收益可達40%，高水平業(yè)績可持續(xù)6個季度。此外，我們的研究發(fā)現(xiàn)了具有最好預(yù)測能力的特征指標。本研究對中國公募基金投資者和金融分析師有重要的參考價值。

陳海強，教授，博士生導(dǎo)師，美國康奈爾大學(xué)經(jīng)濟學(xué)博士，廈門大學(xué)王亞南經(jīng)濟研究院副院長，教育部計量經(jīng)濟學(xué)重點實驗室（廈門大學(xué)）副主任，入選教育部青年國家級人才（2020），國家自然科學(xué)基金重點項目主持人，福建省高等學(xué)校新世紀優(yōu)秀人才，廈門市高層次引進人才。研究領(lǐng)域為金融計量、數(shù)字經(jīng)濟、金融科技與金融風(fēng)險管理。論文發(fā)表在AEA Papers and Proceedings, Journal of Econometrics, Econometric Theory, Econometrics Journal, Journal of Empirical Finance, Journal of International Money and Finance,《經(jīng)濟研究》和《管理科學(xué)學(xué)報》等國內(nèi)外重要學(xué)術(shù)期刊。曾獲國家高等教育教學(xué)成果獎二等獎（2018）、寶鋼優(yōu)秀教師（2021）、China Economic Review年度最佳論文（2017）、福建省第十二屆社會科學(xué)優(yōu)秀成果獎等獎。在《經(jīng)濟日報》、《中國社會科學(xué)報》等國內(nèi)重要新聞媒體撰文，相關(guān)政策報告獲國家領(lǐng)導(dǎo)人批示。作為負責(zé)人主持多項國家級、省部級和企業(yè)課題。

報告摘要：市場操縱泛濫是困擾A股市場的長期問題，然而，由于缺乏實時有效的預(yù)測預(yù)警與監(jiān)管機制，投資者無法及時規(guī)避相關(guān)風(fēng)險。本文利用2013年至2020年中國證監(jiān)會公布的市場操縱處罰案例所涉及的股票作為學(xué)習(xí)樣本，結(jié)合高頻交易數(shù)據(jù)與公司治理相關(guān)的低頻變量構(gòu)建特征集，采用機器學(xué)習(xí)方法逐年學(xué)習(xí)訓(xùn)練得到A股市場操縱機器學(xué)習(xí)模型。與傳統(tǒng)計量模型相比，新提出的機器學(xué)習(xí)方法改善了案例公布滯后導(dǎo)致的樣本混淆問題，并能處理高維變量以及捕捉變量之間存在的非線性關(guān)系。樣本外預(yù)測證實機器學(xué)習(xí)較傳統(tǒng)計量模型能更及時有效識別及預(yù)警操縱行為。進一步，本文基于機器學(xué)習(xí)模型估計得到個股日度市場操縱風(fēng)險指標（MM-score），模擬構(gòu)建監(jiān)管重點名單，發(fā)現(xiàn)機器學(xué)習(xí)較傳統(tǒng)計量建模可以顯著提高被操縱股票的覆蓋效率，此外基于MM-score構(gòu)建的簡單多空策略亦能產(chǎn)生顯著并穩(wěn)健的超額收益，且受益來源主要來自高操縱風(fēng)險組的賣空收益。本文結(jié)論認為，大數(shù)據(jù)與機器學(xué)習(xí)方法相結(jié)合的監(jiān)管科技能有效提高市場操縱預(yù)測與監(jiān)管效率，可以為投資者決策提供預(yù)警指標。

謝海濱，現(xiàn)任對外經(jīng)濟貿(mào)易大學(xué)金融學(xué)院教授，金融科技系系主任，博士生導(dǎo)師，主要研究方向為實證金融，風(fēng)險管理，預(yù)測理論與方法等，主持國家自然科學(xué)基金、教育部人文社科基金、對外經(jīng)濟貿(mào)易大學(xué)優(yōu)秀青年培育計劃項目等多項國家級和省部級課題研究項目，在《管理科學(xué)學(xué)報》、《管理評論》、《中國管理科學(xué)》、《統(tǒng)計研究》、Journal of Forecasting、Journal of Risk、Computational Economics、Journal of Derivatives等國內(nèi)外權(quán)威期刊發(fā)表多篇論文、出版中英文學(xué)術(shù)專著各一部。曾獲全國商務(wù)發(fā)展研究獎，金融教育優(yōu)秀研究成果著作類三等獎、校級優(yōu)秀論文指導(dǎo)教師等榮譽。

報告摘要：Return direction forecasting is of great importance to practitioners and of great interest in financial econometrics. With the easy access to high-frequency data, this paper presents a new decomposition technique that can transform return direction prediction into realized probability forecasting, and proposes a Conditional AutoRegressive Beta-distribution (CARB) model. The CARB model shares a dynamic structure similar to ARCH-type models. An even more interesting and important property with the CARB model is that it can capture not only the time-varying probability of direction change but also the term structure of probability change. Simulation studies examine the performance of the CARB model in finite samples, and empirical results confirm that the CARB model yields better in-sample and out-of-sample direction forecasts than the commonly used dynamic probit model does.

陳孝偉，現(xiàn)為南開大學(xué)金融學(xué)院精算學(xué)系教授，美國伊利諾伊大學(xué)、韓國木浦海洋大學(xué)訪問學(xué)者，研究方向為風(fēng)險管理與精算學(xué)、動態(tài)經(jīng)濟理論，發(fā)表學(xué)術(shù)論文40余篇，分布在Insurance: Mathematics and Economics, EJOR，Information Sciences，《南開經(jīng)濟研究》與《保險研究》等經(jīng)濟、管理科學(xué)領(lǐng)域知名期刊，主持兩項國家自然科學(xué)基金。2011年入選天津市首批“用三年時間引進千名以上高層次人才”項目，2017年天津市131第三層次人才。目前擔任中國運籌學(xué)會不確定系統(tǒng)分會理事長，中國運籌學(xué)會理事，中國運籌學(xué)會智能計算分會常務(wù)理事，《Fuzzy Optimization and Decision Making》《Journal of Uncertain Systems》副主編，《International Journal of e-Navigation and Maritime Economy》編委，教育部學(xué)位中心學(xué)位論文評審專家，天津市政府保險招投標評審專家。

報告摘要：This paper develops a new quantile regression framework to forecast Value at Risk (VaR) for high-dimensional stock returns. The proposed methodology is highly flexible and computationally tractable with score-driven dynamics. We draw on successful ideas from the research on modeling high-dimensional covariance matrixes and the recent work on generalizing the Multivariate Asymmetric Laplace (MAL) joint quantile regression to a time-varying setting. A closed-form likelihood expression is derived to allow for straightforward parameter estimation making the model scalable to high dimensions. Applying the new model to a large panel of 50 stocks from 11 Sectors of the S\&P 100 index from 2001 to 2021, we show that our model produces a relatively accurate forecast of out-of-sample VaR. Using the Skew Mean-Variance (SMV) strategy, we show that the new model also improves portfolio performance one step ahead.