于该研究角度而言，深度学习模型于金融实证研究里存在“黑箱”特征, 此特征致使难以展开经济解释, 这是核心痛点所在。基于该现象, 一项创新发生了。一套依据神经网络梯度而建立的假设检验框架得以构建, 其目的在于严格评估企业特征于月超额收益预测里的重要程度。该研究做成了一件事, 为深度学习模型与资产定价理论之间搭建起了桥梁, 给处在“因子动物园”里的投资者提供了严谨工具, 可甄别稳健信号、过滤“伪显著”特征, 以上仅从统计学意义层面而言。它还为监管部门深化市场化改革提供了实证参考。
科研成果由吴宏旭副教授发表, 其成果既是学院重视学科建设产出的理论成果, 对于学术研究而言, 此成果又是学院重视学术研究的理论成果, 同时, 该成果彰显出我院教师于金融学科交叉研究领域具备的学术影响力。