前不久，南方基金又有学霸刷屏了！
南方基金潘博士关于非线性资产定价的科研成果在金融学领域知名期刊发布。
这篇论文以南方基金为第一署名单位，联合剑桥大学、北京大学学者创作，公司指数投资部员工潘博士以第一作者身份亮相。
论文作者介绍
潘博士，毕业于北京大学，获金融学博士学位，主持国家社科基金项目，研究领域包括ESG评级模型、资产定价、资产配置模型等，学术论文发表于 International Review of Financial Analysis等期刊
这篇名为《Nonlinear asset pricing in Chinese stock market: A deep learning approach》（中文意思大致是，中国股票市场非线性资产定价:一种深度学习方法）的论文，近期被金融学领域期刊International Review of Financial Analysis（IRFA）接受录用。
IRFA是ABS三星期刊，JCR一区，金融类SSCI一区期刊，影响因子8.235，旨在发表经济及金融领域的高质量理论与实证论文。
通俗地说，一区期刊通常属于国际知名学术期刊，发表难度也比较大。影响因子则是国际上通行的期刊评价指标，也是测度期刊学术水平、论文质量的重要指标。8.235则属于颇高的影响因子，可见本篇论文含金量。
此外，论文也得到了国家社会科学基金“大数据背景下基于深度学习理论的非线性资产定价模型研究”（18CJY057)的资助。
论文讲了什么？
首先，传统的线性资产定价是一种单向的、均匀的、直线的思维方式，就像y = A * x + B 这个函数一样，y随着输入x的变化而可预期的、均匀的变化。比如，利润增速越高，预期股票上涨幅度会越高就属于典型的线性思维。
但现实有点残酷，真实投资体验并非如此。股票背后的多个定价因子之间存在相互作用关系，正是这种相互作用，使得股票价格整体不再是简单地全部等于部分之和。
本篇论文则通过引入人工智能领域中的长短期记忆神经网络模型(LSTM)自动学习市场组合收益率、市值、账面市值比、盈利因子、投资因子五因子之间的非线性定价关系。这一模型能精准捕获中国A股市场五个定价因子之间的非线性关系，在样本外拟合优度、多空策略业绩表现均要好于传统线性定价模型。
说了这么多，这篇论文到底厉害在哪呢？
对于学术界而言，该论文的主要贡献在于：
以A股股票数据为支撑，通过人工智能算法自动学习股票定价因子之间的非线性关系，并从实证角度进行了验证，同时研究结果对于实际投资也具有指导意义。
南方基金以“梦想的舞台”为人才理念，希望员工和企业共同成长。公司设有各类研究部门，分别对各自领域进行深度研究，研究成果能够有效向投资转化，对投资形成强有力的支撑。
截止2023年1季度，南方基金投研人员占公司员工总数的32.9%
潘博士在深入研究本职工作的同时，也能做到将研究成果转化成论文，为学术发展助力。这得益于南方基金专业分工、成果共享的投研互动机制，公司内团队融合、取长补短。
他所在的南方指数团队也实力强劲，成员具有数学、计算机、物理、金融工程、财经等多重背景，能力圈覆盖人工智能、财务分析、量化科技三个研究领域。
未来，南方基金也回尝试将前沿学术理论落地到ETF配置、ESG评级、财务造假识别等投资实践，为客户持续创造价值。
风险提示
以上观点仅供参考，不作为投资建议。基金投资有风险，投资者在投资前请认真阅读《基金合同》、《招募说明书》等法律文件。我国基金运作时间较短，不能反映股市发展的所有阶段。基金管理人承诺以诚实守信、勤勉尽责的原则管理和运用基金资产，但不保证旗下基金一定盈利，也不保证最低收益。公司旗下基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩不构成对基金业绩表现的保证。
