基于市盈率的股票交易：行为金融与基本面投资的动态贝叶斯网络建模

在证券市场的日常投资决策中，市盈率是投资专家最广泛使用的公司估值工具之一。遗憾的是，近期金融计量学与机器学习领域的学术进展很少关注这一工具。在实践中，基本面市盈率往往仅凭主观专家意见进行估计。本研究旨在采用先进的动态贝叶斯网络（DBN）方法，将基本面市盈率估计过程形式化。我们模型估计出的市盈率既可作为专家进行投资决策的信息支持，也可如实验所示用作自动交易系统。针对所提出的DBN结构，推导了前向-后向推断与EM参数估计算法。与现有文献不同，我们DBN模型的经济解释得到了波动性的行为金融学证据的有力支撑。基于贝叶斯推断结果，设计了一种简单但实用的交易策略。大量实验表明，配备了推断市盈率的交易策略持续优于标准投资基准。