投资Q理论、投资者情绪与资本市场资产定价：大数据的视角

Asset pricing theory focuses on understanding the dynamics of asset prices or returns, which is critical to develop a well-functioned financial market and to spur the economic growth. In this project, we plan to combine the advanced econometric methods in big data and machine learning fields with asset pricing, develop new big-data factor pricing models, and explore the economic driving forces underlying the models. First, we construct the big datase on anomalies in the Chinese market, and explore the factor structure within the anomalies using the LASSO method in machine leaning. In the end, we plan to construct a big-data based asset pricing model with China character. We also compare the big-data model with the traditional models using the Bayesian model comparison methods. Second, we analyze the economic forces underlying the anomalies and asset pricing models in the China market. We focus on the Q-theory of investment and the investor sentiment theory in behavioral finance. We explore the big-data textual analytics methods to test both theories. We use the textual mining to measure sentiment and financing constraints, then using the textual measures to test the Q-theory versus the investor sentiment theory. Our research contributes the asset pricing research in China stock market and the big-data literature.

理解资产价格的决定机制是构建一个运行良好的资本市场的前提，也是资本市场服务实体经济的关键。本课题致力于把大数据和机器学习前沿方法引入资本市场资产定价研究，探索影响资产价格变动的科学规律和驱动因素，注重实证研究与理论探索相结合。本课题计划整理和构建中国股票市场异象数据库，应用机器学习方法及贝叶斯分析等计量方法对股市大数据进行降维和归因，构建有中国市场特征的基于大数据的资产定价模型。分析和比较基于融资约束的投资Q理论和投资者情绪理论这两种理论的解释能力，探索股票市场异象以及定价模型背后的经济驱动机制。本课题还创新性运用机器学习方法分析文本大数据，从上市公司年报和新闻公告等文本大数据中提取文本企业融资约束指标和情绪测度指标，然后我们利用构建的文本融资约束指标比较投资Q理论和投资者情绪理论的解释能力。本项目拓展了资产定价理论，也探索了大数据和机器学习方法在资本市场的应用。

理解资产价格的决定机制是构建一个运行良好的资本市场的前提，也是资本市场服务实体经济的关键。本课题致力于把大数据和机器学习前沿方法引入资本市场资产定价研究，探索影响资产价格变动的科学规律和驱动因素，注重实证研究与理论探索相结合。团队聚焦大数据、机器学习与资产定价等“金融+科技”交叉研究，搜集了大量经济和企业的定量定性大数据，使用大数据和机器学习等前沿研究方法，解读中国实践、讲好中国故事、发展中国理论，课题完成高水平学术论文24篇（包括接受已接受并在线发表），发表在Management Science（UTD24）、Journal of Financial and Quantitative Analysis（FT50）、Journal of Empirical Finance、Journal of International Money and Finance、Journal of Applied Econometrics、Electronic Commerce Research and Applications、《管理世界》、《金融研究》、《经济学季刊》、《管理科学学报》、《系统工程理论与实践》等国内外著名学术期刊，项目团队学术成果连续多年入选ESI经济管理类全球前1%最高被引论文和Journal of Financial Economics最高被引用论文。课题主持人入选教育部“长江学者”奖励计划青年学者（2020年度）和国家社科基金重大项目首席专家（2022年度），并培养和指导了20多位金融学本科生、硕士研究生和博士生。团队还积极开展学术合作和交流，积极服务社会，参与制定中国人民银行金标委《金融风险管理从业规范》等金融行业国家标准，并围绕金融、经济、科技等领域，积极向教育部、中央统战部、北京市和海淀区政协、证监会、中国人民银行、国务院发展研究中心等建言献策或内参发表。