沪深300股指套期保值及投资组合实证研究

采用协整等分析方法,对沪深300股指标的进行投资组合研究,给出了动态投资组合的操作方法,结果表明基于模型选择的投资组合具有较好的系统均衡性、较小的风险及较高的收益率.同时对静态选择的50只股票组合、基于模型动态选择的17只股票的投资组合以及单个股票投资进行沪深300股指期货套期保值比的模拟实证分析,采用OLS回归模型估计法、双变量向量自回归模型方法、基于协整关系的误差修正模型方法、简化的误差修正模型方法,对不同模型方法下的套期保值比进行实证研究,最后对利用沪深300股指期货进行套期保值的有效性给出评价.     

半参数alpha策略的反转效应研究

文章考虑风险与收益的时变性,提出了变系数市场模型以便更好的捕获市场风险变化因素,建立了半参数alpha策略模型,并以沪深300指数及其成分股为研究对象,利用该半参数模型构建可以取得alpha策略反转效应的股票组合,文章还对半参数alpha策略的反转效应的持有期长短、股票稳定性对反转效应的影响进行了研究。实证结果表明所提出的模型可以作为较为理想的预测工具,同时也为提高投资收益和管理投资风险提供了一定的理论参考。     

多层网络视角下沪深港股票市场关联性演化研究

随着“沪港通”和“深港通”的开通,沪深港股票市场间关联性日趋紧密,而充分认识沪深港股票市场间关联性的演化特征,对维持沪深港股票市场的稳定具有重要的价值.本文从多层网络视角出发,同时考虑股票收益率间的相关性和投资者情绪间的相关性,构建沪深港股票市场多层网络,进而探究沪深港股票市场间的关联关系及演化过程.结果表明,“沪港通”开通后,沪深港股票市场收益率间的关联性以及投资者情绪间的关联性没有显著增强,但不同市场间收益率与投资者情绪的关联性显著增强.而“深港通”开通后,沪深港股票市场收益率间、投资者情绪间以及收益率与投资者情绪间的关联性均显著增强.此外,不同市场之间收益率与投资者情绪间的交互关系并不对称,沪深两市股票收益率与港市股票投资者情绪的关联性较高,而港市股票收益率与沪深两市股票投资者情绪的关联性却较低.     

股票流动性能够解释收益反转之谜吗?

以我国沪深股票市场为例研究了股票收益率反转与股票流动性的关系,以期为股票收益率反转和股票流动性之间关系明确前提条件,提供不同国家金融市场差异性研究的佐证.研究表明我国沪深A股市场存在着显著的反转效应与流动性溢价效应;然而与针对美国市场的理论解释相悖,发现股票收益的反转与股票流动性之间代表了我国沪深A股市场上的两种截然不同的风险因素,股票的流动性因素并不完全是股票收益反转的潜在解释因素.并进一步通过分析得出操纵股票行为可能导致这种流动性解释在我国沪深股市上并不适用,这种操纵股票行为本身直接就会导致我国沪深股市短期收益反转.     

基于机会约束随机Index-DEA的投资组合效率评价

传统DEA和分散化DEA是两种常见的非参数评价方法,二者也被广泛应用于投资组合效率评价。已有相关研究通常将风险和期望收益视为投资组合的投入和产出指标,但该投入-产出假设与实际投资过程并不吻合。在实际投资过程中,真实投入应为投资组合的初始财富,产出则是其终端财富。基于新的投入-产出假设,本文对投资组合初始财富进行标准化,将终端财富转化为收益率形式,进而构造随机生产可能集和相应的机会约束随机Index-DEA模型。当投资组合收益率服从联合正态分布时,随机Index-DEA模型被转化为等价的确定性模型,从理论上证明该等价模型的凸凹性,并提出相应的求解算法。最后,利用该随机Index-DEA模型对我国30只开放式基金进行效率评价,验证所提出DEA模型和求解算法的有效性。     

我国上市公司股票涨跌与会计信息的相关性研究

从沪深300样本股的抽样统计研究来看,股票涨幅与净利润增长率指标相关性相对较强,每股收益、净资产增长率次之,与净资产增长率基本不相关。无论是在弱势还是在强势股市环境中,股票涨跌与每股收益、净资产收益率、净利润增长率的相关系数范围大约为0.1～0.3;股票涨跌与净资产增长率的相关系数范围大约为0.02～0.04。     

基于Copula-APD-GARCH模型的投资组合有效前沿分析

根据ES风险度量方法,拓展了马克维茨均值-方差资产组合模型,研究均值-ES准则下的资产组合问题.用APD-GARCH模型刻画风险资产收益率序列,以多元Copula函数描述风险资产间的相关结构信息,构造灵活的Copula-APDG-ARCH模型.利用该模型,借助Monte Carlo模拟,分别研究相关结构是多元正态Copula函数、多元t-Copula函数和多元Clayton Copula函数的风险资产组合的均值一ES有效前沿,并进行比较.实证研究表明,在有效组合范围内,正态Copula函数明显高估了资产的组合风险;当期望收益较小时,t-Copula函数对应的风险值最小,但随着期望收益的增加,多元Clayton Copula函数时应的有效前沿表现最好.     

基于非参数估计框架的期望效用最大化最优投资组合

本文基于期望效用最大化和非参数估计框架研究了最优投资组合选择问题。和以往大多文献假定资产收益率服从某些特定分布不同资产收益率的分布类型无需作任何假设。首先在一般效用函数下,利用组合收益率密度函数的非参数核估计给出了期望效用的基本非参数估计公式,并建立了期望效用最大化投资组合选择问题的基本框架。然后,在投资者具有幂效用函数的假定下,给出了期望效用具体的非参数计算公式,并给出了求解最大期望效用的数值算法。最后,利用中国证券交易所11支股票日收益率的真实数据给出了一个数值算例。本文提出的非参数估计框架具有一般性,还可以进一步用来研究各种现实条件下（如各种现实不等式约束和具有交易成本）的投资组合管理问题。     

动态均值-方差资产组合的有效性:时变风险容忍度视角

尽管均值-方差模型在静态资产组合优化过程中得到广泛运用并证明是有效的,但在动态情景下,均值-方差模型运用于动态资产组合优化过程中的有效性问题引起人们的质疑：一是常风险规避系数的设定不符合事实;二是投资者偏好设定不符合动态情景下的主流效用函数族。鉴于此,本文假设投资者风险容忍度是资产组合投资期与投资者期望收益率的函数,研究动态均值-方差资产组合的有效性问题。基于均值-方差分析框架构建时变风险容忍度下的动态资产组合模型;运用伊藤定理和拉格朗日乘子法获得最优资产组合封闭解;基于二次效用偏好下的动态资产组合,从资产组合策略、夏普率、确定性等价收益率和有效前沿等视角验证动态均值-方差资产组合策略和业绩,并予以实证。结果表明：动态均值-方差资产组合不但具有同等业绩而且体现了其灵活性和风险对冲价值;尽管动态均值-方差资产组合表现出高杠杆性,但其确定性等价收益率较高,且随投资期的增加呈现倒U型趋势;动态均值-方差资产组合的投资期效应显著,强于投资者期望收益率。研究指出,时变风险容忍度下的动态均值-方差资产组合管理和优化策略有效,但在短投资期（低于12个月）和（或）低期望收益率下并不适用。研究不但拓展了均值-方差模型在动态情境下的应用,而且体现了投资者源于心理和（或）其财富变化的投资行为调整。     

股票的组合投资模型

依据股票收益与风险所形成的有效凸集,提出股票的自回归组合投资模型。在此基础上,利用模糊数学的相关知识建立股票的模糊组合投资模型。     

Estimation of portfolio efficiency via DEA

Traditional DEA models and nonlinear (diversification) DEA models are often used in performance evaluation of portfolios. However, the diversification models are usually very complicated to compute except the very basic models. And the classic DEA models still need to be further justified and tested, since it is not clear whether they are over-linearised according to the diversification models. The existing studies on performance evaluation via the classic DEA models generally focus on the selection of inputs and outputs. In this work, we investigate theoretical foundation of DEA models for portfolios from a perspective of sampling portfolio. We show the classic DEA provides an effective and practical way to approximate the portfolio efficiency (PE). We further verify this approach through different portfolio models with various frictions and bounds on the market. Through the comprehensive simulations carried out in this study, we show that with adequate data sets, the classic DEA models can effectively sample portfolios to take into account sufficient diversification, and thus can be used as an effective tool in computing the PE for their performance assessments. This study can be viewed as a justification of the classic DEA performance assessments and the way to introduce other efficiency notions (like allocation efficiency, scale efficiency, etc) into assessment of portfolios.     

动态金融高阶矩建模:基于Generalized-t分布和Gram-Charlier展开分布的比较研究

动态时变高阶矩是金融收益率的一个重要特征。本文对比研究了主流的Generalized-t分布(GT)和Gram Charlier Expansion分布(GCE)在GJRGARCH模型下对动态高阶矩的拟合能力和Value-at-Risk的预测能力。基于2005-2014美国标普500股指和中国沪深300股指日收益率的实证结果显示,收益率的条件高阶矩存在显著的时变性和持续性,其中偏度参数的持续性参数达到0.9以上。从各种统计指标综合来看,这两种方法都具有较好的实证表现。尽管GCE分布具有某些高阶矩建模的便利性,GT分布的实证拟合能力更强,对极端概率Value-at-Risk的样本外预测也更加准确。     

国际投资汇率风险的综合套保策略研究

国际组合投资涉及多币种汇率风险,分别使用双边货币期货进行套保要承担较高套保成本。参考美元指数期货的实践,本文提出基于人民币指数期货的综合套保策略。实证结果表明,无论对于单个货币资产还是分散化投资的国际股指、债指组合,引入人民币指数期货能够显著降低收益率波动,提高抵御汇率波动的能力,同时拓展收益空间,是有效的汇率风险综合套保工具;人民币指数期货套保效率显著优于货币期货篮子,在发达国家股指市场表现更加突出。采用基于指数加权移动平均模型（EWMA）的动态套保策略,使得人民币指数期货收益对股指或债指市场波动敏感度降低,在市场极端状况时仍能保持相对中性。     

股市涨跌预测与量化投资策略:基于时变矩成分分析

利用时变矩成分分析提取高阶矩吸收率,改进基于阈值的高阶矩因子个数选择方法,提出基于元素值的联合矩成分分析权重设定,构造了一种基于股票市场高阶矩相关结构的量化投资策略。研究表明,基于矩成分吸收率的投资策略能够对股市涨跌做出有效预测,对于股市的重大系统风险尤为敏感,在熊市中也有良好表现;基于单因子吸收率、累积三因子吸收率和赫芬达尔吸收率的高阶矩投资策略优于二阶矩吸收率投资策略,而三阶矩单因子吸收率投资策略最优,基于元素值权重的投资策略优于基于元素个数权重的投资策略;量化投资策略具有参数稳健性,且可通过优化高阶矩的时变结构对投资效果进行优化。     

Efficiency of well-diversified portfolios: Evidence from data envelopment analysis

In this work, we evaluate eight exchange traded funds (ETFs) and their benchmark index (the KOSPI 200 Index), based on the Sharpe ratio and the Treynor ratio and find that the performance of these well-diversified portfolios are quite poor relative to individual stocks. Investors׳ preference to avoid the well-diversified portfolios would be related to this poor performance. However, we empirically show that ETFs and the KOSPI 200 Index are the most efficient investment instruments with respect to the new performance measure designed on the basis of the data envelopment analysis (DEA) methodology. Examining the panel data over the period between 2003 and 2014 indicates that well-diversified portfolios improve the efficiency by adjusting the input variables (σ and β). Furthermore, they do so more effectively as they mature.     

Directional distance based diversification super-efficiency DEA models for mutual funds

Current data envelopment analysis (DEA) models with diversification cannot discriminate the performance of efficient mutual funds. Based on the directional distance function and diversification DEA models, this paper proposes two diversification super-efficiency models for discriminating the performance of efficient mutual funds on financial market. The proposed diversification super-efficiency models as well as the corresponding diversification DEA models are feasible and can deal with negative values in risk measures, transaction costs and return measures. The proposed methods generate bounded super-efficiency scores for all the funds. Under the assumption of discrete return distributions, all the models in the proposed diversification super-efficiency methods can be transformed into linear programming (LP) problems by choosing proper risk and return measures. To demonstrate the validity and practicality of the proposed diversification super-efficiency methods, we apply them to evaluate the performance of mutual funds in the American market. The empirical results show that the proposed diversification super-efficiency models can distinguish efficient funds well and the linear combination of efficient funds might be inefficient. Moreover, the backtesting results show that the proposed diversification super-efficiency models generally have a good practice value for the actual portfolio selection.     

Diversification-consistent data envelopment analysis based on directional-distance measures

We propose new diversification-consistent DEA models suitable for assessing efficiency of investment opportunities available on financial markets. The formulations based on directional distance measures enable to use several risk measures as inputs and return measures as outputs, which can take both positive and negative values. We show that various models with different strength can be obtained and strongly, semi-strongly or weakly Pareto–Koopmans efficient investment opportunities can be identified. Moreover, the optimal solutions correspond to efficient investment opportunities and can be used by investors to revise the inefficient ones. If we consider discretely distributed returns, we can prove that under proper choice of the inputs (CVaRs) and outputs (expected return), the strongest model is able to identify efficient investment opportunities with respect to the second-order stochastic dominance. Moreover, the model can be formulated as a linear programming problem. In the numerical study, the proposed DEA models are applied to 48 representative industry portfolios from US stock markets.     

考虑成分股联跳与宏观信息发布的沪深300指数已实现波动率模型研究

利用日内高频数据计算的已实现波动率较好度量了金融资产的风险,因此对其预测模型的研究具有重要意义。考虑到指数成分股的联跳可能蕴含指数跳跃所未能反映的信息,提出运用非参数方法识别指数成分股的联跳,采用自回归条件风险模型估计成分股联跳强度,并将其引入指数的已实现波动率异质自回归（HAR-RV-CJ）模型中,分析模型预测性能的改进。进一步的,考虑到宏观信息公告的发布可能对股市产生整体性影响,相应影响成分股联跳的几率;因此,在成分股联跳的自回归条件风险模型中引入居民消费价格指数、国内生产总值、贸易差额等宏观信息公告变量,并分析对联跳强度估计以及指数已实现波动率预测的影响。采用2011年1月4日至2013年7月11日沪深300指数及其成分股高频数据的实证表明,指数成分股联跳与指数跳跃具有不同的特征;用成分股联跳强度代替HAR-RV-CJ模型中的跳跃构建的HAR-RV-CI模型,较原始的HAR-RV-CJ模型,以及同时考虑指数跳跃与成分股联跳强度的HAR-RV-CJI模型,具有明显较优的样本内拟合与样本外预测性能。引入宏观信息公告变量可以改进联跳强度自回归条件风险模型的拟合效果,并提高指数已实现波动率模型的样本内拟合能力,但对于指数已实现波动率的样本外预测性能并无明显的帮助。