Machine Learning in Asset Pricing

Abstract

This book offers a concise, authoritative introduction to applying machine learning (ML) to asset pricing. While ML excels in high-dimensional, data-rich settings like financial markets, its standard tools must be adapted to asset pricing’s unique challenges—such as portfolio optimization, absence of near-arbitrage, and investor learning. The author reviews core supervised ML methods and demonstrates how economic insights can guide their modification for financial applications. The book bridges ML techniques with empirical asset pricing research and theoretical modeling, highlighting the potential of these advanced methods to transform our understanding of financial asset valuation.

Книга предлагает краткое и авторитетное введение в применение машинного обучения (ML) к оценке активов. ML отлично справляется с такими масштабными задачами, как анализ финансовых рынков, но его стандартные инструменты должны быть адаптированы и к уникальным задачам ценообразования активов, таким как оптимизация портфеля, отсутствие возможности арбитражных операций и обучение инвесторов. Автор рассматривает основные контролируемые методы ML и демонстрирует, как экономическая аналитика может помочь в их модификации для финансовых приложений. Книга объединяет методы ML с эмпирическими исследованиями в области ценообразования активов и теоретическим моделированием, подчеркивая потенциал этих передовых методов для изменения нашего понимания оценки финансовых активов.