作者：石川，北京量信投资管理有限公司创始合伙人，清华大学学士、硕士，麻省理工学院博士。《因子投资：方法与实践》领衔作者，《机器学习与资产定价》译者。
封面来源：Generated by ChatGPT
未经授权，严禁转载。
摘
要
再见 2023；你好 2024。
1
如果某个小伙伴在等公众号 2023 年的总结，那么它最终还是来了。
我陷入了一种类比“站在 2023 年的最后一天，到底是睡到明年，还是到明年再睡”的纠结。
然而，当我依次浏览公众号 2023 的那 17 篇文章标题时，一段段回忆却涌上心头，其中不乏很多我个人非常喜欢的分享。最终，我想还是好好和 2023 年道个别吧，毕竟不管好坏，我们每人只经历它一次。
2
就实证资产定价而言，2023 年公众号的两个关键词毫无悬念的是“机器学习”和“另类数据”。这两个词也注定会在 2024 年继续陪伴我们。
在机器学习方面，不得不提的当属 Bryan Kelly 和修大成两位教授的最新综述 Financial Machine Learning。作为资产定价和机器学习交叉领域的顶尖学者，他们二人的这篇文章对于近几年机器学习在实证资产定价中的应用进行了及时的梳理。而公众号最近几个月的推文中也依次翻译了该文的第 1，2，4 章。
《Financial Machine Learning》
《The Virtues of Complex Models》
《Risk-Return Tradeoffs (I)》
《Risk-Return Tradeoffs (II)》
除此之外，我个人很喜欢的两篇梳理是：
《机器学习与资产定价：Facts and Fictions》
它从五大类的正（facts）反（fictions）两方面阐述了我对于将机器学习应用于资产定价的理解。
以及
《到底需要多少因子？》
它回答了实证资产定价中的一个核心问题，即 SDF 是否是稀疏的。
如今，机器学习正在（甚至已然）取代计量经济学，成为实证资产定价（以及因子投资）的新范式，一如 Bryan Kelly和修大成的 Financial Machine Learning 所描述的那样，以及下面几张来自神秘文献的截图所展示的那样。希望上述推文抛砖引玉，帮助小伙伴们更好的将机器学习应用到（极）低信噪比、DGP 不满足平稳性以及充分竞争导致 alpha 最终消失的金融数据中。
除此之外，另外两篇文章是对传统 Fama-MacBeth regression 的增强：
《Augmented Fama-MacBeth Regression (I)》
《Augmented Fama-MacBeth Regression (II)》
虽然 Fama-MacBeth regression 属于经典的计量经济学方法，但这两种增强手段均在其中融入了来自机器学习的 PCA。可见，机器学习和计量经济学的互补也是推动实证资产定价研究的一个重要驱动。
3
再来看另类数据。
2023 年初的一篇文章推荐了我的好友王闻老师和他的 co-author 所著的另类数据。
《数据驱动的投资思想史》
除此之外，我还联合朝阳永续的小伙伴对另类数据的出现和普及如何影响分析师预测的准确性，针对 A 股做了全面的实证。
《另类数据与分析师盈利预测》
当然，另类数据在资产定价方面的应用远不止如此。Again，再次根据一个神秘文献中的表 1.1，实证资产定价中已被成功应用的另类数据至少包括了交易账户数据、订单簿数据、社交媒体数据、众包数据、文本数据、图像数据、天气数据、互联网搜索数据以及消费者行为数据。
4
除了上面两个关键词，我还有另外一篇关于实证的文章想回顾：
《因子动量和动量因子》
公众号的老朋友应该已经注意到我现在越来越少写单个因子或者异象的实证了（原因是意思不太大）。不过这篇讲动量的是个例外。正如我在这篇文章里评价的，尽管在一些实证设定细节上有些不完美，它仍然不失 post Fama-French 时代的一篇难得的实证经典。
5
2023 年，另一个不得不提的遗憾是 Harry Markowitz 的去世：
《Harry Markowitz》
在上世纪 50 年代，Markowitz 的研究可谓从无到有，他以一己之力将数量化分析方法应用于金融市场，并开创性地提出现代投资组合理论（mean-variance 有效前沿），让人们对于金融市场的分析从 DCF 转向同时关注 return 和 risk。
和那个年代的许多大师一样，Markowitz 作为奠基者之一见证了金融学从 0 到 1。而他也是当之无愧的现代投资组合理论之父。他的去世无疑是金融学的巨大损失。
作为量化投资的后继者，如何形成关于预期收益率和协方差矩阵的更好估计，如何得到更稳健的 OOS 配置结果，将是我们努力去追寻的目标。
6
另外，2023 年公众号还有以下几篇文章，就不在此一一回顾了。
《Toward a better factor model (II)》
《Low-Risk Anomalies》
《在什么情况下，因子 span SDF (I)》
《投资四不行》
《Ledoit and Wolf 的协方差矩阵收缩之旅》
7
展望 2024 年，希望公众号在机器学习和另类数据以及其衍生方面（例如贝叶斯统计）进行更多的分享。此外，我预期还会有一些关于基金投资的内容。
最后，我想对公众号的新老朋友说，感谢各位又一年的陪伴！
祝各位新年快乐！
哦，对，结束本文之前，是不是应该有个彩蛋？细心的小伙伴可能注意到了，前面两次提到了一个神秘文献。请恕我还不能说更多，但它是我自 2020 年《因子投资》之后，这三年来最新知识体系以及投研心得的总结，希望到时不会让对实证资产定价和因子投资感兴趣的小伙伴失望。
好了，这回真的要道别了。
往事堪堪亦澜澜；
前路漫漫亦灿灿。
与各位共勉。
再见 2023；你好 2024。
免责声明：入市有风险，投资需谨慎。在任何情况下，本文的内容、信息及数据或所表述的意见并不构成对任何人的投资建议。在任何情况下，本文作者及所属机构不对任何人因使用本文的任何内容所引致的任何损失负任何责任。除特别说明外，文中图表均直接或间接来自于相应论文，仅为介绍之用，版权归原作者和期刊所有。
川总写量化
分享量化理论和实证心得
继续阅读
阅读原文