2022年6月10日，上午14：00-15：30，由上海市数据科技与决策前沿科学研究基地，商务分析研究中心，上海财经大学商学院主办的“量化方法与数据分析讲座系列”（Quantitative Methods and Data Analytics Seminar Series，QMDA）第13期在线上如期举行。来自武汉大学的李斌老师受邀做了主题为“Real-time Machine Learning for the Cross-Section of Stock Returns: Evidence from Fundamental Signals”的精彩学术讲座。本次讲座由上海财经大学商学院王文斌教授和谢天副教授主持。

本文详细研究了近期较为流行的机器学习算法，在预测股票收益率方面的实际表现。

文章对已有文献进行回顾时发现，基于机器学习的投资策略的强劲表现，多数来源于这些策略使用“事后发现”（discovered ex-post）的解释变量作为股票收益率的预测因子。因此，这些交易策略大多无法真正在现实中即时施行。

本文从实际操作角度，从海量的基础公司财务数据中重新构架了大量的解释变量（18000+）。并以此为基础，构建了机器学习交易策略。与文献中大部分策略不同，本文提出的交易策略可以在现实中即时实施。

实证研究中，文章采用了和Gu, Kelly, Xiu (2020)一文中相同的数据，对NASDAQ股票的回报率进行了预测。结果发现，在以能够即时操作为前提的要求下，从样本内拟合到样本外预测精度，目前火爆的机器学习方法的表现都有显著下降（当然，还是远远强于传统线性回归方法）。文章这一结论，有效地支持了 Martin 和 Nagel (2021) 的论点，即样本内表现优异往往容易导致样本外表现糟糕。

总体而言，相对与已有文献，李斌教授等人的研究结果为机器学习为基础的交易策略提供了更加实用且更加温和的观点。大大提高了机器学习交易策略的实际操作性与真实性。

报告的过程中以及报告最后，参与讲座的同学老师都与李斌教授进行了热烈的互动与讨论。最后，讲座在大家的热烈研讨中圆满结束。