学校主页 | 中文 | English
 
 
 
 
当前位置: 首页>>教师观点>>正文
 
 

【姜富伟、朱菲菲】Fundamental Characteristics, Machine Learning, and Stock Price Crash Risk

[发布日期]:2024-04-07  [浏览次数]:

近日,我院姜富伟教授、朱菲菲副教授、中央民族大学经济学院马甜副教授(我院博士毕业生)合作撰写的论文“Fundamental Characteristics, Machine Learning, and Stock Price Crash Risk”被金融学领域国际权威期刊Journal of Financial Markets正式接收。Journal of Financial Markets为ABS列表3星期刊,ABDC列表A*类期刊(Leading Journal in Field)。

随着近年来经济增速放缓叠加全球疫情影响,上市企业股价面临较大的下行风险。本文基于中国A股市场上市公司股价数据,结合上市企业基本面特征,利用机器学习算法对股价崩盘风险进行了预测分析。实证结果表明,模型通过捕获盈利类和价值成长类指标的变化,在全样本上具有较好的风险预测能力,其中在国有企业和经济政策不确定性较低时期表现更为优异。此外,本研究还对机器学习的预测性提供了基于公司财务和金融市场视角的经济学解释。

本研究的主要贡献如下。首先,本文开创性地基于高维视角考察了股价崩盘风险的可预测性以及其经济机制。其次,本文进一步完善了基于公司金融和市场机制的崩盘风险形成机制理论。传统理论中认为崩盘风险的成因主要集中在管理层代理权问题和市场结构等机制作用上,本项目在探讨两类理论在中国市场适用性的同时,使用机器学习将代表不同理论的特征进行总和分析,并尝试将两类理论模型进行合并讨论。最后,本文补充了机器学习可解释性的相关研究,如对于行业系统性风险和个股特质性风险的拆解分析,以及基于崩盘风险成因理论的模型预测性分析等,这一过程有助于保证模型在后续复杂环境下的稳健性。


 

撰稿:朱菲菲

审核:彭俞超

 



上一条:【吴锴】Manager sentiment, deal characteristics, and takeover performance 下一条:【王雅琦】Multinationals’ profits in China: Impact of tax avoidance

关闭