近日，由集团张学勇教授及其博士研究生李沛然合作撰写的论文《基于集成神经网络模型的知情交易股票价格异象研究》发表于《计量经济学报》2023年第3期。 

文章使用中国A股的日内高频交易数据，采用集成神经网络算法实现了针对知情交易行为的精准识别并证实A股市场中存在与股票知情交易程度相关的定价异象。研究发现：知情交易者的交易手法主要包括首尾盘操纵和策略化下单，具体表现为首尾盘时段内量价指标的异常变化和日内买卖价差、订单簿深度的短期突变，上述特征均可被文中建立的集成神经网络模型所捕捉。进一步研究发现，由于信息不对称所导致的流动性风险使得具有高知情交易倾向的股票需提供额外的风险补偿以吸引普通投资者的进入，基于文中提出的知情交易指数所构建的多空组合每月可获得1.38%的等权收益率。此外在市值规模较大､流动性较高､机构投资者和大股东持股比例较高的股票中组合收益更加显著。 

该文研究对于维护市场环境和优化投资策略均具有重要的指导意义。从市场监管的视角出发，文章结合高频交易数据与深度学习算法构建了针对知情交易的全新识别框架，提升监管效率的同时为进一步维护市场公平、促进资本市场资源配置效率提供了参考。此外，从资产定价理论与投资实践的角度文章拓展了关于中国A股市场定价异象的相关研究，证实了知情交易因素能够导致股票的价格异象并详细论证了其背后的传导机制，为基于知情交易因素的量化投资策略提供了参考，实现了金融理论与业界实务的紧密结合。

撰稿：李沛然

校对：张学勇

审核：彭俞超