来源：华安证券
作者：严佳炜
编辑：好投学堂
结论：
1.根据神经网络模型的预测，投资于 10%最佳基金的投资策略，将获得 72%的累计异常回报，最差的 10%将获得-119%的累计异常回报，规避最差的基金比投资最佳的基金更有价值，扣费后多头组仍有超额收益。
2.当分别仅使用股票特征、股票特征和情绪、基金特征、基金特征和情绪时，发现结果差异巨大，基金特征与股票特征形成鲜明对比，美国权益基金具有持久显著预测能力的变量为基金动量与基金资金流，且它们与情绪存在交互作用，两者间存在线性模型无法捕捉到的交互效应。
本文主要内容如下：
·神经网络技术发现了强有力的可预测性证据，特别是在预测主动管理的共同基金的回报方面。这种可预测性具有实时性、样本外的验证、长期存在性，并且在经济上具有实质意义。
·非线性神经网络方法的优势在于它们能够可靠地估计大量变量之间的复杂函数关系，这对于预测共同基金表现特别有优势。
·大部分共同基金的收益来自于规避那些模型预测为最差表现的基金，但预测模型也能够识别出即使在扣费之后仍然能够产生正向回报的约 10-20%的基金。
·确定了两个关键预测因子，即资金流入和基金动量，对于共同基金表现起着关键作用。相比之下，基金持有的股票的特征在预测未来异常表现方面并不重要。
·研究还发现，在投资者情绪高涨时，资金流入和基金动量这两个因子更为重要，表现出重要的互动效应，这是线性模型无法捕捉到的。
·虽然考虑情绪或宏观经济活动的代理变量可以提高可预测性，但与宏观经济活动代理变CFNAI相关的互动效应并不明显。
·这些研究结果对于改进共同基金市场的委托理论具有重要意义，还介绍了如何衡量对宏观经济状态的依赖关系。
·最后，引入了一种新颖的互动效应度量，用于机器学习算法，该度量不仅测量局部斜率，而且测量更具信息性的全局斜率，这将有助于推动未来使用机器学习的资产定价和投资研究。
