2022年11月29日晚，bet356体育在线育资本金融系2022年秋季学期第五期读书研讨会通过腾讯会议的方式成功举行，朱晓武老师、洪智武老师以及2022级金融专硕和学硕的同学参加了此次研讨会。本期读书会以朱晓武老师推荐的2022年发表于JFE上的论文《Market efficiency in the age of big data》为主要的研讨内容，2022级金融专硕周杨、甘彤、王睿君三位同学为本次读书会进行了主题报告，之后朱晓武老师和洪智武老师进行了点评。
首先是由三位金融专硕同学为大家分享这篇论文所讲述的主要内容。
周杨同学先为大家讲解了这篇论文的引言和在高维环境下的贝叶斯定价问题。她首先用中美两国股票市场的一些实证结果作为引入，为大家直观展示了在过去的30年，学术界提出的大量样本内显著的因子和异象在样本外都无法维持的现象，这也是这篇论文想要重点论述的问题。此外，她还具体讲解了本文的数学模型设计、假设和相关推论，并且对比分析了在理性预期、投资者OLS学习以及投资者贝叶斯学习的假设下推导出的股票收益可预测性的不同之处。
之后甘彤同学为大家讲解了这篇论文的渐进分析和有限样本的模拟分析部分。这一部分通过数理推导论证了收益在样本内具有可预测性，但在样本外并不具有可预测性的情况。通过模拟研究，这篇论文发现随着预测因子J的数量的增加并趋向于观测值N时，回归所得的调整后的R平方也逐渐上升，样本内回报的可预测性增加。如果投资者学习的时间更长，那么回报的可预见性会变得更弱。通过其他各种不同的检验所得结果都与之前的结果相符。
王睿君同学为大家讲解了这篇论文的稀疏性分析、实证检验、结论和可拓展的研究方向的部分。除了考虑统计上的最优性之外，投资者缩小系数并对其预测模型施加稀疏性可能还有其他原因。例如，如果观测变量的成本很高，投资者可能倾向于放弃一个只提供关于现金流的微弱信号的变量。样本外的收益的可预测性可以帮助解释投资者在其现金流预测模型中是否采用了过度收缩或稀疏性。实证分析部分进一步印证了之前的分析，即投资者在高维环境中的学习会导致样本内和样本外可预测性之间的显著差异；并且由风险溢价或行为偏差引起的错误定价，所导致的横截面预期收益的变化是要由样本外投资组合的回报来显示。这篇论文的主要结论就是投资者对现金流预测模型参数的学习导致样本内股票收益中出现了可预测的成分，这些成分反映了投资者的实时估计误差和他们在高维环境中为减少该误差而应用的收缩。当投资者面对大量可能的资产现金流预测指标时，回报率可预测性的样本内检验就失去了经济意义，研究人员应该更加重视样本外检验。
三位同学的分享结束后，朱晓武老师、洪智武老师先后做出了点评和指导。朱晓武老师肯定了同学们阅读这篇论文时所付出的努力，他指出这篇论文是有一定难度的，但其意义非常重大，它为决策者面临的市场中的高维预测问题提供了一个新的视角。随着潜在预测因子的维度增加，投资者的学习问题也会变得更加困难，不过未来可以讲机器学习、人工智能等技术应用到其中帮助人们做出决策。朱晓武老师还通过这篇论文为同学们之后的论文写作做出了指导。洪智武老师指出，在如今大数据时代下，这篇论文具有非常重大的价值，它提出了投资者如今在现实世界中可能面临的高维预测问题，强调了样本外检验的重要性，值得同学们认真研读、思考和消化。
在分享、讲解与交流的过程中，同学们都获得了很大的收获，对大数据时代下的股票收益的预测问题有了更全面、更深入的理解。相信此次的读书会分享以及老师的讲解为同学们今后的学习以及论文撰写都颇有裨益。
文、图/资本金融系、国商会计党支部
