考虑对称性冲击的时变信息风险测量

准确测量股票信息风险对资产定价、风险管理和市场业绩的衡量均具有重要的作用． 针对Duarte 和Young 模型中参数假设为常数这一缺陷,采用已有金融文献使用交易量建模消息状态概率和对称性订单流冲击概率的方法,允许Duarte 和Young 模型中的消息发生概率和对称性订单流冲击概率均时变,从而提出了时变信息风险测量模型,该模型可以测量日间和日内两个时间窗口的APIN 和PSOS． 进一步通过选取我国股市交易活跃股票的交易数据,实证比较了所建构的时变信息风险测量模型与Duarte 和Young 模型对数据的拟合效果及其对价差的解释能力． 最后,实证研究了我国股市的周内信息风险的特征．     

基于信息非对称模型的交易行为与波动性关系研究——交易规模和交易频率

本文基于信息非对称模型研究了上海股市的交易行为与股价波动的关系.实证研究发现:平均每笔交易量比交易频率包含更多的波动性持续信息,对波动性具有更好的解释能力,而且不同规模的交易对波动性冲击不同,其中最大笔交易对波动性的冲击最大.上述结果表明,我国股市中的量价关系是与信息非对称模型一致,而私有信息交易(大笔交易)可能是我国股市中个股过度波动的主要原因之一.     

沪市知情交易概率(PIN)特征与风险定价能力

本文以EKOP模型为基础,研究了沪市股票知情交易概率的特征,并检验了知情交易概率的风险定价能力。结果显示,在我国股票市场上,知情交易概率作为定价因子是有解释力的,但是知情交易概率对收益产生的却是负效应。这一结果不仅与理论上信息不对称需要风险补偿相反,而且与美国市场上的实证结果也相反。本文结合案例分析,提出该实证结果出现的原因在于我国股市所特有的庄家与散户博弈的赢利模式。此外,本文的实证结果也不同于之前对我国市场的研究,产生差异的原因在于模型估计方法、回归方法和样本区间的不同。     

基于改进信息交易概率模型的信息风险测度研究

准确测度信息不对称是研究金融市场信息不对称问题的基础。在详细考察经典的信息交易概率模型的建模过程和假设条件的基础上,针对信息交易者和非信息交易者在不同信息状态下的订单提交状况,提出考虑外生信息状态概率、异质期望和交易活跃度的改进的信息交易概率模型;通过带机制转换的向量自回归模型估计外生信息状态概率,综合考虑多方面的市场交易信息,提高模型估计的准确性。实证结果表明,改进的信息交易概率模型可以较好地刻画证券市场的信息不对称程度。从截面上看,信息交易概率与标的资产的垄断优势和话题性相关,垄断优势越强的股票信息交易概率越低,话题性越强的股票信息交易概率越高;从时间上看,信息交易概率的变化受公告信息的影响,公告信息发布前的信息交易概率较高,公告信息发布后的信息交易概率较低。因此,在防范信息风险时,应重点关注话题性较强的版块,特别是股价比较容易受舆论影响波动的个股;同时,在公告信息发布之前的时段,应对市场波动和信息动向给予更多关注。     

信息性交易概率与股价同步性

财务学研究将资本资产定价模型的统计量R2作为股价同步性的度量指标,而对R2代表的经济含义学者们持有信息论和噪声论两种对立观点。在文献回顾的基础上,深入分析中国股价同步性所代表的经济含义以及知情交易对股价同步性的影响,并以深市2003年至2004年在主板交易的上市公司为研究对象,采用EKOP模型估计股票的信息性交易概率,将其作为知情交易的直接度量,构建线性回归模型,对中国信息性交易概率与股价同步性的关系进行实证检验。研究结果表明,信息性交易概率与股价同步性之间呈高度负向相关,即知情交易通过增加股价中的信息含量降低股价同步性。由于市场层面的信息与公司特质信息对股价同步性的影响不同,进一步将信息性交易概率分解为市场信息性交易概率和个股信息性交易概率,分别纳入回归模型中进行检验。结果显示,个股信息性交易概率对股价同步性有负向影响,市场信息性交易概率与股价同步性有正相关关系。上述研究发现为R2股价信息含量的解释提供了有利的实证支持。     

高风险低收益？基于机器学习的动态CAPM模型解释

我国股票市场存在高风险股票反而伴随较低收益的低风险定价异象,这有悖于传统资产定价理论．本文使用宏观经济和微观企业特征构建了六百多个变量的宏微观混合大数据集,并结合多种经典机器学习算法开发了基于大数据和机器学习的智能动态ＣＡＰＭ模型,检验了时变系统性风险对我国股市收益解释能力．实证结果表明：本文的智能动态ＣＡＰＭ定价模型能够显著解释我国股市低风险定价异象;随机森林等非线性机器学习算法表现最佳;影响股票时变系统风险的主要因素是市场类因子,基本面因子居次．本文对于我国股市系统性风险测度、动态资产定价模型构建和金融与大数据和人工智能融合创新有重要理论与实践指导意义．     

中国股票市场的信息反应曲线和股票价格波动的非对称性

股票价格波动对于市场信息的反应过程具有非对称性。通过利用多种非对称性GARCH 模型,描述和检验了沪市股票日收益率序列的条件波动性,并通过对股票市场信息影响曲线的分析,发现沪市股票价格波动中存在显著的非对称性反应。这说明股市波动对于不同的政策干预和信息冲击具有不同程度的反应,“利好消息”对股市的刺激作用仍然需要其他市场干预的配合才能发挥出来。     

现金流信息、现金流风险与股票收益定价研究

研究了现金流信息、现金流风险与股票收益定价的关系,建立了包含现金流信息的多变量股票非预期收益定价模型,并采用2002年1月至2011年4月间中国股票市场的有关交易数据、机构会计收益预测数据和财务数据,检验了理论模型和实证模型的预测,发现:1)由证券分析师盈余预测修正估计出的正现金流信息对股票非预期收益、股票实际收益、股票超额收益均具有稳健的解释能力;2)由证券分析师盈余预测估计出的现金流风险反映了股票的系统风险,可以对股票预期收益定价;3)在解释股票超额收益方面,由现金流信息、现金流风险、分析师跟踪人数与宿成建3变量模型构成的多变量模型优越于Fama-French 3因子模型变量与现金流信息、现金流风险构成的多变量模型.     

股市信息不对称对股价暴跌的影响——基于不确定性的新视角

在理性预期均衡的框架内，构建了市场微观结构的理论模型，并在模型中引入了不确定性，得以从不确定性的全新视角在理论上揭示了股市信息不对称对股价暴跌会有正向的影响，股市中信息不对称的程度越高，股价暴跌幅度便会越大，而且此正向的影响会随着不确定性的增大而增大.本研究还以A股市场2010年—2015年的分笔高频数据为样本，计算了A股市场股票的知情交易概率，并据此实证检验了股市信息不对称对股价暴跌的影响.实证结果也表明：股市信息不对称与股价暴跌显著正相关，股市中信息不对称的程度越高，股价暴跌幅度便会越大.另外还根据证券分析师的预测数据构建了A股市场个股的不确定性指数来度量股市中的不确定性，并基于不确定性指数识别出了不确定性在股市信息不对称对股价暴跌的影响中具有放大效应，即股市中的不确定性越大，股市信息不对称对股价暴跌的影响也会越大.研究结论不仅丰富和深化了对股价暴跌成因的既有认识，还为防范和化解股票市场异常波动提供了新的理论依据和决策参考.     

价格跳跃前大中小单的行为特征和信息含量

利用中证800指数成分股3年的分笔交易数据,将股票成交订单分成大单、中单和小单,然后分析跳跃前的交易指令与跳跃的关联性及其对跳跃的预测能力.对跳跃样本和匹配有消息发布的跳跃样本进行事件分析和回归分析,发现跳跃前有明显的、逐渐加强的、与跳跃方向相对应的异常交易,而且异常交易指令与跳跃的发生概率、方向、大小和匹配的信息有不同程度的显著关联性;进一步的预测分析也发现,在控制流动性指标后,异常交易指令可以提升模型对跳跃的预测效果.这些结果显示市场在跳跃前存在着信息泄露,且信息泄露随时间扩散.此外,事件分析、回归模型和预测效果均显示:跳跃前中单的信息含量一般高于大单和小单,说明中国股市在极端价格变化前存在隐秘交易     

沪港股市的波动溢出和时变相关性研究

采用基于加权CCF的方差Granger因果检验方法,分析了上证指数、恒生指数收益序列的波动溢出效应,并以此信息为依据构建BEKK模型对两序列间的时变相关性进行了实证,结果显示两股市之间的波动溢出并不显著,一股市的冲击对另一股市的波动产生的传导性影响不明显;两股市的联系和联动性相对较弱,但有逐渐增大的趋势。     

基于经典PIN模型的股票信息风险测度研究

准确测度股票信息风险对资产定价、风险管理以及市场绩效的衡量有着重要意义.针对直接测度信息风险的经典PIN模型,首先推导出经典PIN模型隐含的买卖指令的均值、方差以及买卖指令之间的相关性,发现经典PIN模型隐含的买卖指令之间的相关性总是为负;然后基于中国股票的逐笔交易数据进行实证研究,发现经典PIN模型隐含的买卖指令之间的负相关性与实际数据中买卖指令之间的正相关性并不相符;此外,经典PIN模型隐含的买卖指令的方差与实际数据中买卖指令相对较大的方差也不能很好地匹配.研究结果表明经典PIN模型并不能准确测度股票信息风险.     

哪些因素影响了股市风险传染？——来自行业数据的证据

防范系统性风险是我国资本市场改革发展的重要议题,风险传染(risk contagion)是系统性风险的重要特征之一,作为资本市场最主要部分的股票市场,其行业间的风险传染愈益凸显。本文采用Δ CoVaR结合时变SJC-Copula的方法,测算了我国股市行业间产生风险传染和遭受风险传染的程度,并基于实际联系和金融联系实证检验了行业间产生和遭受风险传染的影响因素。研究结果表明,我国股市行业间的风险传染具有异质性和时变性;行业的关联程度越高,信息透明度越差,对其他行业股票产生风险传染的程度越高;行业的关联程度越高、信息越不透明、股票流动性越差,遭受其他行业风险传染的程度越高;投资者情绪能在一定程度上解释行业股票风险传染的时变性,投资者情绪越悲观,行业间的风险传染程度越高。     

无消息即坏消息: 中国股市的信息不对称

提出了一个扩展的知情交易概率指标(APIN)并证明了其相对于PIN在中国股市上具有更好的信息不对称测度效力.在内幕交易监管存在较大完善空间、并存在较高卖空限制的转型股市中,信息获取会成为股票交易获利的决定性因素.此时,一方面,当投资者无消息时,会认为自己在博弈中处于劣势地位,此时"无消息即坏消息".投资者在这种情况下会更倾向于卖出股票避免损失.另一方面,"无消息即坏消息"下规避性投资者卖出股票占总卖出股票的比重会随着信息不对称程度的增加而增加,作为"无消息"投资者,这类投资者会比真正"坏消息"下的卖出者要求更高的卖价,所以其卖出增加会减小买卖价差.这会导致股市信息不对称指标(APIN)与买卖价差间呈现显著负相关性,并使得PIN对信息不对称的度量容易出现偏差(低估偏差大于高估偏差).总之,APIN可以刻画"无消息即坏消息"下的交易情形,比PIN更精准地度量了中国股市的信息不对称情况.     

中国汇市与股市间的时变冲击影响研究

股市和汇市的动态关系研究对于宏观金融政策制定和微观投资决策具有重要参考价值.针对金融时间序列长记忆特征,改进Primiceri时变VAR模型(向量自回归模型),给出长记忆动态VAR模型.基于2005年8月1日至2011年10月20日的人民币对美元汇率、中国上证综合指数和美国标普500指数的日价格数据,利用长记忆动态VAR模型实证分析中国汇市与中美股市问的动态冲击影响关系.实证结果表明,人民币汇率和中国股价收益率序列具有长记忆特征,美国股价收益率具有反持续性特征;存在人民币汇率波动对中美股市波动的单向冲击影响关系,且汇市对股市的冲击持续期为7天左右,前3天的冲击影响具有一定的时变特征,但这种时变性具体表现为结构突变特征;人民币汇率波动对于股市冲击影响的时变性在短期与汇率机制改革政策有关,在长期与金融环境剧变有关.     

融资融券非对称性与股价崩盘风险——基于风险对冲视角的分析北大核心CSSCI

如何完善股票市场融资融券交易机制,避免股价暴跌,既对于防范系统性金融风险至关重要,亦对于“去杠杆”政策的落实具有借鉴价值。本文基于我国融资融券市场非对称性这一独特现象,考察其对股价崩盘风险的影响机理。研究发现:融资融券市场非对称性导致融资交易与融券交易无法实现风险对冲,加剧了股价崩盘风险;进一步利用中介效应模型验证了融资融券非对称性难以对冲信息风险与流动性风险,从而引发股价崩盘风险提升。本文研究表明,完善融资融券交易机制,加强融资杠杆与融券杠杆的风险对冲作用,对于降低股市波动与系统性金融风险,促进资本市场稳定健康发展具有重要意义。     

应计信息、机构投资者反应与股票错误定价

利用日内交易数据构建订单流不平衡指标,考察机构投资者对上市公司应计信息的即时反应情况及对股票价格产生的影响.结果表明,机构投资者在公司意外盈余为正的前提下,根据应计利润水平采取反转交易策略,买入(卖出)低(高)应计公司股票;受机构投资者交易行为的影响,低应计(高应计)公司股价在盈余公告后短期内上涨(下跌),在公告后长期则下跌(上涨),股价在整个区间内经历反转;通过构建套利组合研究发现,公司应计对股票盈余公告后长期收益的正向预测能力,不能完全被基于风险的资产定价模型所解释,说明机构投资者的交易行为造成股价过度反应,导致市场对公司应计项目错误定价.     

时变风险厌恶下的期权定价——基于上证50ETF期权的实证研究

传统的随机波动率（SV）期权定价是在投资者具有常数风险偏好假设下进行的.但近年来越来越多的研究表明，市场参与者具有时变风险厌恶特征.基于此，本文对时变风险厌恶条件下的期权定价问题进行深入研究.首先，对传统的（非仿射）常数风险厌恶SV（CRA-SV）期权定价模型进行扩展，构建时变风险厌恶SV（TVRA-SV）期权定价模型对期权进行定价，并分析时变风险厌恶对期权价格的影响；其次，采用标的资产与期权数据信息，建立基于连续粒子滤波的极大似然估计方法，对定价模型的客观与风险中性参数进行联合估计；最后，采用我国期权市场上的上证50ETF期权数据，对构建的定价模型进行实证检验.结果表明：TVRA-SV期权定价模型相比传统的CRA-SV期权定价模型具有更好的数据拟合效果，能够更充分地刻画标的上证50ETF收益率在客观与风险中性测度下的波动性；TVRA-SV期权定价模型相比传统的Black-Scholes（B-S）期权定价模型和CRA-SV期权定价模型都具有明显更高的定价精确性。     

内幕交易行为预测:理论模型与实证分析

内幕交易行为的复杂性、难以甄别性和处罚滞后性,是各国证券监管当局面临的"执法困境"。针对内幕交易监管难题,论文从市场微观结构角度构建了一个内幕交易行为"预测模型—概率测度—行为甄别"的分析框架,试图通过市场微观结构机制和数据挖掘方法,对我国股市存在的内幕交易及时进行预测和甄别。实证检验表明,"股改"后的全流通市场中,上市公司重大事件背后隐藏着基于私人信息的内幕交易行为概率;应用支持向量机模型(SVM)对内幕交易行为具有较好的预测效果,从而为证券监管部门及时制止内幕交易行为和打击内幕交易犯罪提供金融学支持。     

知情交易概率的测度模型及其影响因素分析

本文建立了一个基于订单驱动市场的知情交易概率的测度模型,并应用上海证券交易所提供的申报和成交数据进行了实证分析。实证结果表明,知情交易推动股票价格的变化,而不知情交易只对价格有小的冲击;好的市场质量会吸引知情交易者进场交易,但反过来知情交易会降低市场质量;知情交易概率与上市公司的流通市值、主营业务增长率、前10大流通股东持有市值比例、财务杠杆比率、无形资产占总资产比率等因素有关;知情交易概率的交易日内形态呈反J型,但是收盘前2分钟会快速小幅升高。