资产定价与机器学习

　　本书以资产定价研究的三个核心问题：最优投资组合的选择、因子定价模型的识别，以及横截面资产收益率的预测为出发点，系统阐释了如何利用机器学习技巧来提升模型的实证性能。为了提高机器学习方法在资产定价中的可解释性，本书重点采用了具有清晰函数形式的机器学习方法，并通过引入非线性函数关系处理解释变量与被解释变量之间的关系，从而在模型复杂度、预测效能与可解释性之间达到一个良好的平衡。使用中国A股市场的数据，本书详细展示了机器学习在确定最优投资组合、选择有效定价因子和预测横截面收益率等方面的实证应用效果。本书适合经济金融领域的高年级本科生、研究生，量化投资和资产管理等相关领域的专业人士和研究人员，以及对此感兴趣的读者阅读。

　　吴轲，中国人民大学财政金融学院副教授、博士生导师，中国人民大学“杰出学者”青年学者。为本科生和研究生讲授实证资产定价、金融风险管理、金融科技以及金融大数据分析等课程。主要研究领域包括资产定价、投资组合管理、金融计量学和机器学习，研究成果在《管理科学》（Management Science），《金融与定量分析杂志》（Journal of Financial and Quantitative Analysis），以及《应用计量经济学杂志》（Journal of Applied Econometrics）等国际一流期刊上发表，并主持国家自然科学基金面上项目和青年基金项目。