考虑对称性冲击的时变信息风险测量北大核心CSSCI

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.     

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．     

中国股市流动性深度日内模式——基于马尔科夫调制泊松过程模型

针对已有流动性深度日内模式的研究数据受异常事件污染的局限,基于马尔科夫调制泊松过程,构建了交易量分离模型,该模型可分离交易量中的异常交易量.进一步以交易量为流动性深度的代理指标,研究了中国股市的流动性深度日内模式.研究发现：异常交易量确实对我国股市的深度日内模式有影响;由于对信息的敏感程度不同,不同规模股票的深度日内模式不同,对信息敏感的中、小市值股票具有W型模式,而对信息相对不敏感的大市值股票呈U型模式;由于不同市场走势下,投资者对市场信息的敏感程度不同,我国股市深度日内模式受市场走势的影响,牛市时,深度日内模式呈U型,而熊市时,深度日内模式呈W型.     

中国上市公司的违约风险和预期收益:基于隐含资本成本的分析

风险与收益是金融的核心概念,理论预测二者是正相关关系,但一些检验表明,两者负相关.本文进一步对我国 A 股非金融类上市公司的预期收益与违约风险的关系进行考察:研究基于隐含资本成本方法和Na?ve模型.论文首先介绍隐含资本成本的估计方法和违约风险的KMV模型的一个新拓展——Na?ve模型,其次是运用这些方法估计,最后采用Fama-MachBeth回归检验两者关系,结果发现A股市场股票预期收益与违约风险之间负相关,并且这种负相关受到金融危机的影响进一步加大.