固定收益與股票中的 ML/AI
從我對學習不同的 ML/AI 應用程序到金融的看法來看，我發現股票中有很多，而不是固定收益中的那麼多。我想知道市場是否在某些方面有所不同，以及為什麼股票比金融業做得更多。例如，因子投資在股票領域非常成熟，但我在 FI 中找不到任何廣泛的研究。書中的每個例子也通常將其應用於股票市場。為什麼不固定收益：債券、信貸等？
雖然似乎沒有任何書籍長度的因子投資適用於固定收益市場（截至 2022 年 8 月），但有期刊文章/論文（其中一些連結如下）相當多地討論了這個主題深度，並提供了一些（簡短的）論據，說明為什麼 FI 市場的採用落後於股票市場。這些論點在某種程度上也適用於 FI 與 Equity 中 ML/AI 方法的相對匱乏。最重要的總結是固定收益市場更加複雜。這是基於下面引用的論文的更詳細的摘要（注意與 fes 給出的答案重疊）：
市場結構差異
- 固定收益證券本質上比股票複雜。例如，雖然一個發行人的股票可以互換，但債券通常不能互換。具體而言，同一發行人的債券可以有不同的期限、流動性水平、嵌入的選擇權，並且可以代表資本結構的不同部分。此外，債券的壽命有限，許多債券在五年後就會從投資領域消失。
- 相對不透明的定價
- 與債券相比，股票市場電子化程度更高，交易成本更低，做空流動性更深（某些政府債券可能例外）。
投資者行為的差異
- 股票投資者通常以價格升值為目標，而有相當一部分固定收益投資者可能只是以及時支付息票（和本金）為目標。此外，以票息與價格回報為目標的固定收益投資者的相對份額是利率的函式。
- 與基準固定收益指數相關的一些臨時性規則導致典型金融機構投資者的行為不理想（例如，強制出售降級債券或指數之外的短期債券）。
退貨配置文件的差異
- 與特殊風險佔股票總風險很大比例的股票市場相比，固定收益市場收益主要受系統性風險的影響：研究表明，平均而言，固定收益管理人的主動收益中有 67% 可以解釋為暴露於系統性風險因素。利率風險和信用風險合計佔債券收益橫截面差異的近 90%。然而，隨著投資者從信貸範圍的一端轉移到另一端（政府債券到高收益），作為總風險比例的特殊風險確實會增加。
參考
https://www.spglobal.com/spdji/en/documents/research/research-factor-based-fixed-income.pdf
這些技術在股票市場上更受歡迎，尤其是在簡單的書籍範例中，可能是因為：
- 僅美國市場就有數千隻股票，這些技術有助於了解它們在橫截面上的表現。
- 標準化數據源的可用性。
對於政府債券，您無法在橫截面中進行類似的分析，因為發行人較少（美國市場發行人！）。儘管如此，因子模型仍然可以用於對收益率曲線進行建模，並且確實存在機器學習的應用，例如 ( https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3232721 )。
對於公司債券，數據源的標準化程度較低，因為債券在場外交易，同一家公司可能會發行具有不同期限、票息和可能其他特徵的債券。信用定價至少在理論上也應該反映與發行人股票定價相似的因素，因此不清楚我們是否需要在股權因素之上為這些債券提供單獨的因素。
另一個可能的原因是股票市場更受歡迎，因為它往往提供更高的回報（無槓桿）。