学术动态

学术动态

网站首页 > 学术动态 > 正文

北航经管学院“融实论坛”系列讲座(2021年第11期,总第26期)

发布时间: 2021/11/09 16:06:52     点击次数:次   打印本页

讲座题目:基于大数据和机器学习的公司债收益预测 (Different Strokes: Return Predictability Across Stocks and Bonds with Machine Learning and Big Data)

讲座时间:2021.11.11(周四)19:30-21:00

讲座嘉宾:姜富伟 教授

讲座嘉宾 简介

姜富伟,教授、博导,教育部青年长江学者,中央财经大学金融工程系主任,研究领域包括资产定价、行为金融、金融机器学习等,在金融学顶级期刊Journal of Financial Economics、Review of Financial Studies、Management Science、《金融研究》、《管理科学学报》、《经济学季刊》等发表论文30余篇,主持国家和北京市自然科学基金项目5项,担任SSCI期刊Annals of Economics and Finance编委、Accounting and Finance副主编,以及国家自然科学基金、教育部学位中心和30多本中英文学术期刊评审。研究成果被评为ESI经济管理类全球前1%最高被引用论文、RFS高引论文,被《哈佛商业评论》、《清华金融评论》、哈佛法学院公司治理与金融监管论坛、招商证券、瑞士银行等转载应用,荣获《金融研究》优秀论文奖、亚洲金融协会最佳论文奖、国际财务管理协会最佳论文奖等学术奖励。

主持人:部慧 副教授

讲座概要

We provide a comprehensive study on the cross-sectional predictability of corporate bond returns using big data and machine learning. We examine whether a large set of equity and bond characteristics drive the expected returns on corporate bonds. Using either set of characteristics, we find that machine learning methods substantially improve the out-of-sample predictive power for bond returns, compared to the traditional linear regression models. While equity characteristics produce significant explanatory power for bond returns, their incremental predictive power relative to bond characteristics is economically and statistically insignificant. Bond characteristics provide as strong forecasting power for future equity returns as using equity characteristics alone. However, bond characteristics do not offer additional predictive power above and beyond equity characteristics when we combine both sets of predictors.

讲座形式:腾讯会议在线直播

会议主题:北航经管金融系”融实论坛”2021学年第11期--姜富伟教授报告

会议时间:2021/11/11 19:30-21:00 (GMT+08:00) 中国标准时间 - 北京

会议 ID:361 704 530

会议密码:211111