10月26日，第一届青年资产定价学者论坛在厦大经济楼举行，论坛由太阳成集团tyc7111cc、王亚南经济研究院和邹至庄经济研究院联合主办，太阳成集团tyc7111cc金融系、太阳成集团tyc7111cc宏观经济研究中心承办。
本届论坛由开幕式、论文报告及点评多个环节构成。论坛开幕式由太阳成集团tyc7111cc陈坚教授主持，简短开场后，论坛进入报告环节，各参与者就资产定价领域的热点和难点问题展开讨论。
Prediction When Factors are Weak
张大可，上海交通大学
在宏观经济预测中，主成分分析（PCA）一直是提取因子最主流的方法，这些因子能够对大量宏观预测变量中的信息加以汇总。然而，这种方法的理论依据通常依赖于一个方便但关键的假设，即因子是普遍存在的。为了利用较弱因子的信息，文章提出了一种基于监督式PCA的新预测方法，该方法通过迭代选择、PCA和投影来实现。筛选步骤需要与预测目标最相关的预测因子子集，而投影步骤允许多个强度不同的弱因子。文章在样本大小和横截面维度以潜在不同速率增长的渐近框架中证明了该方法。其实证分析强调了较弱因子在预测通货膨胀、工业生产增长和失业率变化中的作用。
Which Factors Matter in the Pricing Kernel?
周倜，哈尔滨工业大学
文章提出了一种通用的方法，用于选择为均值-方差效率提供独立信息的因子，并证明估计的组合收敛到真实的有效组合。将该方法应用于174个基于特征的因子后，文章发现约有40个因子很重要，其中公告收益和盈利预测能力最为重要，动量、投资和无形资产也起着重要作用。由此得到的组合权重稀疏且表现良好，在剔除交易成本后，样本外夏普比率为3.76，显著优于其他方法。该方法还为一些众所周知的因子模型提供了新颖的检验，并拒绝了所有现有因子模型。
Market-Based Short-Rate Uncertainty and Time-Varying Expected Returns
余得水，湖南大学
文章发现，以市场为基础的短期利率不确定性（SRU）的周期性成分强烈地预测了总市场超额收益，而其缓慢移动的周期性成分则掩盖了SRU中包含的预测信息。在样本外预测实验中，SRU的周期性成分相对于不变的预期回报模型提供了高达14.22%的样本外R2统计量，它还在效用收益和夏普比率方面为均值-方差投资者提供了可观的经济收益。SRU的周期性成分与利率、经济活动、投资者注意力或情绪的联系比其缓慢移动的成分紧密得多，这解释了文章关于回报可预测性的实证发现。在现值框架下，文章发现SRU对股票收益的预测能力主要是由其对未来现金流的预测能力驱动的。
Economics-Aware Machine Learning for Option-Implied Risk Metrics
曹弋，西交利物浦大学
机器学习模型主要是数据驱动的，往往缺乏嵌入式领域知识，这一局限性在金融领域尤为显著。因此，文章提出了一种新颖的约束高斯过程模型（consGP），它同时最小化插值损失并满足代表经济约束的编码线性不等式。这种方法使 consGP能够从市场数据中学习，同时遵守基本经济原则。文章将该模型应用于期权隐含风险度量的估计，在稀疏和有噪声的期权观测中，consGP 在估计风险中性密度（RND）方面表现出强大的性能。该模型已被证明特别适用于由于流动性不足而样本量有限的股票期权建模。文章使用标普500指数股票的横截面进行的实证研究表明，在恢复股票层面的RND方面，consGP模型优于传统的结构模型。这种改进的性能转化为增强的预测信息和为投资者带来切实的经济利益。因此，consGP模型代表了将机器学习技术与特定领域的金融约束相结合的重大进步，为期权定价和风险评估提供了一种更稳健且具有经济意识的方法。下午场的论坛就资产定价领域的相关问题继续展开讨论。由中央财经大学朱一峰、太阳成集团tyc7111cc王彧先后主持会议。
Growing the Efficient Frontier on Panel Trees
何欣，中国科学技术大学
文章引入了一类新的基于树的模型 即P-Trees，用于分析个体资产收益的非平衡面板，推广具有经济指导和可解释性的高维排序。在均值-方差有效框架下，P-Trees构建的测试资产与常用测试资产相比，显著推进了有效前沿，其阿尔法未被基准定价模型解释。P-Trees切线投资组合也构成交易因子，恢复定价核心，并且在投资和横截面定价方面优于流行的可观测和潜在因子模型。最后，P-Trees以稀疏性捕捉资产收益的复杂性，实现了样本外夏普比率接近仅由过度参数化的大型模型才能达到的水平。
Fama-MacBeth Regression with Asset Pricing Restriction
朱一峰，中央财经大学
文章提出了一种修正的Fama-MacBeth回归模型，将资产定价限制和因素选择纳入估计。这些限制要求模型同时解释时间序列和横截面变化，同时选择稀疏性因素。通过最小角度回归算法进行估计，文章发现新模型在预测股票截面收益和获得更大的夏普比率方面优于现有的因子选择方法。此外，通过文中的方法选择的因素是可解释的，并优于经典因素模型。
Financialization in the Cryptocurrency Market
杨恩东，澳门大学
文章通过展示整个加密货币市场和股票市场之间的回报相关性增加，揭示了以2017年底首次推出加密货币期货为标志的加密货币市场的金融化。文章还发现，后金融化时代的加密货币市场回报与IT股票组合的相关性更强，并受到股票市场整体情绪变化的影响。此外，金融化之后，单个货币的收益与加密货币市场的相关性更强，每个货币的自相关性为负。这些发现表明，在金融化之后，主流金融投资者进入加密货币市场，并将这一新的资产类别纳入其投资组合。
Resurrecting the Downside Risk Premium-a Geographic Perspective
牛子龙，西南财经大学
以往的研究证明了下行风险溢价，即对下行市场波动更敏感的股票同时获得更高的平均回报，但下行风险溢价随着事前下行beta而消失。文章通过研究发现，对本地股市下跌的敏感性越高的股票，其未来收益显著更高，从而复活了下行风险溢价。本地下行beta的收益可预测性不同于其他风险度量和股票异常。此外，总部设在本地偏好较强地区、当地劳动力收入与当地市场回报高度相关的股票，以及投资者对总体经济风险的担忧较低的时期，本地下行风险溢价更为明显。与非本地投资者相比，本地投资者更倾向于避开本地下行贝塔系数较高的股票。总而言之，本地投资者认为本地下行贝塔系数较高的股票风险更高，并要求持有这些股票的额外补偿。
八场精彩的学术报告与点评互动之后，学者与业界嘉宾就当前金融热点问题进行了圆桌会议交流。太阳成集团tyc7111cc刘杨树副教授主持了圆桌会议，从我国资本市场的现状引入，展开了以资产定价为中心的话题讨论。通过对资产定价、利率、汇率、专业数据等问题的交流探讨，学术界和业界互相提供思路灵感，共同为繁荣和促进国内资产定价的理论研究与实践发展做出贡献。
（太阳成集团tyc7111cc 顾溢芮 潘小佳）
