本文来源：清华大学五道口金融学院 (ID:tsinghua_pbcsf)，华尔街见闻专栏作者
2019年4月17日，康奈尔大学罗伯特･W･珀塞尔金融学讲席教授莫林･奥哈拉（Maureen O’Hara）到访清华大学五道口金融学院，做客清华论坛第八十六讲暨清华五道口全球名师大讲堂。莫林･奥哈拉曾任美国金融协会主席，是美国金融协会的首位女性主席。莫林･奥哈拉以“机器时代的微观结构”为题，深入细致地分析了机器学习算法在市场微观结构学方面的应用。
本次会议由清华大学学术委员会、清华大学五道口金融学院、清华大学国家金融研究院联合主办，清华大学五道口金融学院副院长、鑫苑金融学讲席教授张晓燕主持，来自海内外的金融学者、研究人员与我校师生120余人参加了会议。
图为莫林･奥哈拉发表演讲
奥哈拉在演讲中指出，通常用市场微观结构的指标来预测股票价格以及流动性的变化，往往比较困难，无法找到一个清晰的结构化模型，而机器学习算法在一定程度上可以解决这一问题。因此，在市场微观结构学领域，应用机器学习算法有助于提高对某些主要指标预测效果的评估准确性。
为评估微观结构学领域的六个主要指标（包括衡量价格变化协方差的指标、衡量市场流动性的指标、衡量波动性的指标等）的预测效果，莫林･奥哈拉采用随机森林（Random Forest）方法，使用87个流动性最好的期货产品在5年（2012年7月至2017年10月）中的高频交易数据构建决策树，在多个决策树的基础上形成“森林”，从而得到上述指标在预测未来买卖差价的变化、已实现波动率的变化、收益率偏度的变化等六个方面的表现，并比较了不同指标在样本内和样本外的预测效果。
图为会议现场
结果表明，现存反映市场微观结构的指标一定程度上可以预测未来市场的变动情况，部分指标在样本内有较好的解释力度，但是在样本外的预测效果却比较差。奥哈拉指出，这些发现对于市场微观结构的研究有重要的指导意义。尽管现在市场错综复杂，但是正如研究中所预测的，一些市场摩擦，比如信息不对称、基于风险考虑造成的流动性不足等问题仍然对股票价格变动存在一定的影响，并且这些影响在一系列稳健性检验（如增加或减少样本数等）中仍然存在。
在演讲的最后，奥哈拉指出，虽然研究范围涵盖了几乎整个期货市场的数据，但是目前的研究仍然局限于前述反映市场微观结构的指标在市场内的表现（Within-Market Effects）。如今市场间的交易活动（Cross-Market Activities）已经十分广泛，因此对于市场间交易活动的研究也值得关注。另外，在使用机器学习的研究方法时，仅仅根据过去的数据就能较为准确地预测未来市场变化的情况，这一定程度上表明市场的有效性低于普遍预期，从实践角度，这也说明在挖掘信息、优化交易策略方面仍有很多值得深入研究的课题。
图为张晓燕（左）为莫林·奥哈拉（右）颁发纪念证书
演讲结束后，观众就演讲中提及的随机森林方法与莫林･奥哈拉展开交流讨论。
清华论坛是高水平的学术论坛，是清华各类学术活动的“旗舰”，具有高起点、系列化、前沿性、综合性等特点。清华五道口全球名师大讲堂是着眼于金融界的公益性系列学术讲座，邀请全球知名学者、国内外监管机构高层管理人员、资深金融学教授等，分享学术观点，促进学术交流与进步。