首页 / 章节 / 第 12 章

第 12 章 AI 与金融计量:模型、应用与实践

视频约 86 分钟 · 课件 123 页 · R 示例 9 个

查看视频小节目录
  1. 开场
  2. 从传统计量到 AI:三重张力
  3. 树模型(随机森林与 XGBoost)的原理及适用性
  4. 神经网络与深度学习方法概述及金融场景应用
  5. 超参数调优与交叉验证:金融计量视角
  6. 案例:AI 模型的典型应用场景
  7. 模型可解释性与金融稳定性
  8. 本章小结
  9. 练习与方法自检

本章导读

机器学习可以提高预测灵活性,但金融数据的时间顺序、制度变化和信息泄露会使“漂亮的回测”失去意义。本章把预测任务与结构或因果问题分开,依次介绍决策树、随机森林、XGBoost、神经网络与注意力方法,并结合金融任务讨论特征重要性、概率校准和模型解释。

方法选择与评估部分重点讲滚动或扩展窗口验证、早停、超参数搜索、标签重叠处理以及回测过拟合。学完后,你应能根据研究目标选择模型,用符合时间顺序的方式评估样本外表现,并说明模型结果在实际应用中的适用范围。

金融机器学习随机森林XGBoost神经网络时间序列交叉验证回测过拟合

选读习题

本章选取 4 道习题。先独立思考,遇到困难时再逐步展开提示;完整题面及数据要求请参阅教材。

习题 12.2理论与推导

随机森林与袋外预测

推导等方差、两两相关的多棵树平均预测的方差,说明自助采样中袋外观测的比例,并讨论袋外误差的适用边界。

提示 1点击展开

展开平均值的方差,分别计算方差项和协方差项的数量。

提示 2点击展开

单棵树未抽中某个观测的概率可由 n 次有放回抽样得到;对于面板或时间序列数据,需检查袋外预测是否泄漏同一实体或未来信息。

习题 12.4设计与应用

时间验证中的信息泄漏

标签由未来 h 期收益构造。解释普通 K 折验证可能出现的标签重叠,给出清除与禁运的索引规则,并比较启用前后的样本外表现。

提示 1点击展开

将每个样本的特征时点和标签使用的未来区间画在时间轴上,先找出训练集与验证集标签相交的样本。

提示 2点击展开

清除重叠样本和设置验证窗后的禁运区间分别处理不同问题;若目标是预测未来,还应明确训练是否仅使用过去数据。

提示 3点击展开

所有特征转换、参数和阈值选择都应置于训练或内层验证中;外层测试仅用于评价,不能边看结果边调整方案。

习题 12.6理论与应用

预测概率是否可靠

解释有限组预测下 Brier 分数的不确定性、分辨率和可靠性分解,说明恰当评分规则的含义;比较 Platt 与保序校准,并在独立测试集报告校准和区分能力。

提示 1点击展开

先区分排序是否正确与概率数值是否可信:AUC 和概率评分回答的不是同一个问题。

提示 2点击展开

分组后比较预测概率与实际发生比例;若连续概率被分箱,需区分组均值近似与原始逐点分数。

提示 3点击展开

按时间划分训练、校准和测试集。校准器与决策阈值不能在最终测试集上拟合或挑选。

习题 12.7理论与应用

分类阈值与交易成本

在已校准概率、正确分类成本为零且无其他约束时,根据误报和漏报成本求最优分类阈值;再讨论含换手成本的择时策略中,阈值变化对收益和换手的影响。

提示 1点击展开

先比较两种分类决策在给定概率下的条件期望成本,再找出二者相等的位置。

提示 2点击展开

上涨概率并不直接给出上涨和下跌的幅度。交易阈值还需考虑条件收益和当前仓位。

提示 3点击展开

交易成本与仓位变化有关;分别讨论进入和退出,检查单一阈值是否足够,并在内层窗口选择阈值、外层窗口进行评价。

本章课件

第 12 章 课件封面

第 12 章 AI 与金融计量:模型、应用与实践

123 页 · 网页逐页阅读

本章 R 代码

研究机器学习在金融预测中的使用方法,重点关注时间顺序、样本外验证和回测中的信息泄露。

正文演示:用缩小的模拟股票样本演示滚动训练的树模型选股流程。

数据说明:默认演示是教学模拟,不代表真实市场回测或投资收益。

打开本章 GitHub 目录 ↗ 查看本章代码索引
第 12 章 GitHub 代码目录二维码 扫码查看本章代码

点击下方条目可在线查看源码,或从 GitHub 下载。

本章 Python 补充实践

机器学习的滚动样本外比较

模型能否预测未来,应在未参与训练的数据上进行检验。本章使用同一组模拟股票特征,比较决策树、随机森林与逻辑回归对上涨概率的预测能力。

动手实践:构造模拟股票面板数据;采用 24 个月滚动训练窗口;比较 Brier 分数、AUC 与准确率。

数据说明:模拟 40 只股票、42 个月的数据;每个模型产生 18 个月、共计 720 条样本外预测。

打开本章 Python 目录 ↗ 查看 Python 导读与运行说明
本章 Python 代码二维码扫码查看 Python 代码
GitHub 代码仓库二维码

GitHub 代码仓库

书中 R 示例与公开数据按章整理,附有运行说明。可从各章演示程序开始,也可对照正文逐段学习。点击或扫描二维码即可打开仓库。

github.com/Jiajing-Sun/financial-econometrics-r

打开仓库