JFE：机器制图

唧唧堂 · 公众号 · · 2024-05-04 23:44

正文

本期推荐一篇2024年3月发表在JFE上的论文《机器制图》。在现代金融市场中，投资者和分析师经常利用历史股价数据来预测未来的市场走势，这种基于图表和历史数据进行分析的方法被称为技术分析。尽管技术分析在实际操作中被广泛使用，但传统的有效市场假说（EMH）认为，所有已知的信息已经反映在股票价格中，理论上技术分析是无法提供超额回报的。然而，该研究提出了一个挑战这一观点的新视角，研究者试图通过使用先进的机器学习技术来分析历史价格数据，并检验这些技术是否能有效预测股票的未来回报。

研究采用了混合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的复杂机器学习模型。这种模型组合的选择基于它们在处理大量数据时对时间序列信息的高度敏感性，尤其是CNN在图像和视频分析中的应用表明其能有效处理网格状数据结构，而LSTM则能够捕捉时间序列数据中的长期依赖关系。在实际应用中，研究者首先利用1927年至1963年的股票市场数据作为训练集来优化模型的参数和结构，然后使用1963年至2019年的数据作为测试集来验证模型的预测能力。

为了确保研究结果的可靠性和避免过度拟合，研究者在模型训练阶段采取了多种措施，如使用不同时间窗口的数据进行交叉验证，并在模型设计中谨慎选择损失函数和优化算法。这种系统的方法让研究者能够精确调整模型参数，确保模型能够在不同的市场环境下保持稳定的预测性能。

研究结果不仅证明了所开发的机器学习模型能够有效地从股票的历史价格图表中预测其未来的价格走势，而且这种预测能力在不同的时间段和股票群体中都表现出了显著的统计意义和经济意义。更重要的是，这种预测能力在控制了市场已知动量和价格反转效应后依然存在，表明模型捕捉到的是超出传统分析范畴的深层市场规律。

总之，这篇论文不仅挑战了传统的有效市场假说，还展示了技术分析在现代金融市场中的潜在价值，为未来利用机器学习进行股票市场分析提供了新的思路和工具。这些发现强调了在投资决策中融入机器学习技术的重要性，预示着金融科技领域在未来的发展方向。

论文原文：Scott Murray, Yusen Xia, Houping Xiao, Charting by machines, Journal of Financial Economics, Volume 153, 2024, 103791, ISSN 0304-405X, https://doi.org/10.1016/j.jfineco.2024.103791.

唧唧堂学院推荐订阅

以下专栏及课程，安卓手机用户可通过下方小程序链接订阅，苹果手机用户请通过文末“阅读原文”链接访问唧唧堂学院H5页面订阅。

论文导读