| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 引言 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 相关文献综述 | 第11-13页 |
| 1.4 论文内容及结构安排 | 第13-15页 |
| 1.5 论文创新点与不足 | 第15-16页 |
| 2 公司债券信用溢价因子模型与评述 | 第16-21页 |
| 2.1 公司债券信用溢价的单因子与多因子模型 | 第16-19页 |
| 2.1.1 公司债券信用溢价的单因子模型 | 第16-18页 |
| 2.1.2 公司债券风险溢价的多因子模型 | 第18-19页 |
| 2.2 公司债券信用溢价因子模型的评述 | 第19-21页 |
| 3 公司债券信用溢价因子模型的机器学习算法 | 第21-26页 |
| 3.1 基于稀疏学习的多因子模型选择:LASSO族算法 | 第21-24页 |
| 3.1.1 LASSO算法 | 第21-23页 |
| 3.1.2 自适应LASSO算法 | 第23-24页 |
| 3.2 基于集成学习的多因子模型选择:随机森林算法 | 第24-26页 |
| 4 公司债券信用溢价因子机器学习模型的实证分析 | 第26-48页 |
| 4.1 基于线性回归学习的单因子与多因子模型 | 第28-43页 |
| 4.1.1 基于线性回归学习的单因子模型:公司债券特征与市场特征 | 第28-40页 |
| 4.1.2 基于线性回归学习的多因子模型:股市因子与债券特征 | 第40-43页 |
| 4.2 基于稀疏学习和集成学习的多因子模型 | 第43-48页 |
| 4.2.1 LASSO算法与自适应LASSO算法 | 第43-45页 |
| 4.2.2 随机森林算法 | 第45-46页 |
| 4.2.3 因子模型的算法比较 | 第46-48页 |
| 5 结语 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 后记 | 第52-53页 |
