特异性尾部风险、混合尾部风险与资产定价——来自我国A股市场的证据

使用下偏距(lower partial moment,LPM)来度量投资组合尾部风险,将组合的尾部风险分解成三部分:特异性尾部风险、个股的系统性尾部风险和混合尾部风险.论文分别研究了三种尾部风险对资产预期收益的定价功能,基于我国A股市场股票数据进行Fama-MacBeth截面回归发现:1)特异性尾部风险与资产期望收益呈显著负相关关系; 2)混合尾部风险与资产预期具有显著的正相关关系,具有稳健的显著正向定价作用,对资产预期收益的影响强于市场贝塔和市场下方贝塔(downside beta)的影响; 3)系统性尾部风险对资产收益预期的影响最弱; 4)利用Fama-French-Carhart四因子模型对特异性尾部风险和混合尾部风险进行回归后发现,特异性尾部风险与混合尾部风险均具有显著四因子alpha系数,表明四因子模型不能很好的解释两种尾部风险与资产预期收益的关系.     

尾风险度量与定价能力分析

经典资本资产定价模型假设资产收益服从正态分布或者投资者效用函数是二次型,然而实际中资产收益的分布呈现尖峰厚尾特征,因而无法在均值-方差框架下分析风险与收益的关系。与资产收益正常变化相比,极端变化带来的尾风险会对市场风险和投资者的决策行为产生更为显著的影响,因此研究尾风险的度量方法和定价能力具有一定理论和实践意义。 依据极值理论,基于Fama-French的3因子模型无法解释的收益残差构建尾风险度量模型。选取中国股票市场沪深A股作为研究对象,以历史滑动窗估计尾风险,投资组合分析和横截面回归分析的结果都表明尾风险可以稳定地负向预测股票收益,在控制规模、交易量、非流动性、短期反转、中期动量、特质波动率、特质偏度等股票特征后,尾风险的负向预测能力依然显著。引入融资融券交易,发现融资融券标的股票的尾风险显著低于非融资融券标的股票的尾风险,而且可以消除尾风险的负向溢价,因而中国资本市场尚未完全开放融资融券交易机制可能是产生尾风险负向溢价的主要原因。 通过买多-卖空组合构建尾风险定价因子,发现尾风险因子比投资因子和盈利因子有更高的风险价格,而且并不是相对于Fama-French的5因子的冗余因子。与Fama-French的3因子模型和5因子模型相比,Fama-French的3因子或5因子基础上包含尾风险因子的定价模型对股票横截面收益有更好的解释能力,因而有更高的定价效率。 2008年全球金融危机爆发后,对尾风险定价能力的忽略使已有资产定价模型受到广泛批评。因此,探究尾风险的度量方法以及分析尾风险的定价能力,不仅有助于完善和拓展资产定价理论,而且有助于降低投资者对股票价格的认知偏差,提升市场资源配置效率和维护市场稳定性。     

中国股市总流动性与资产定价关系实证研究

我们建立了一个包含市场风险和两种流动性风险的三因素资产定价模型,研究中国股市总的市场流动性风险是否在资产定价中得到了反映,其中流动性风险包括用协方差度量的市场收益对总流动性的敏感性风险和用方差度量的总流动性的波动性风险。研究结果表明,中国股市不仅存在显著的市场风险溢价,而且存在显著的流动性风险溢价,而流动性风险中市场收益对总流动性的敏感性风险对资产定价的影响更为显著。     

双侧系统性风险及其在中国股市的实证研究

基于代表性投资者下跌风险规避和上升风险喜好推导出双侧风险偏好资产定价模型,并基于该模型实现了双侧系统性风险的分离.运用中国A股市场1996年～2003年的收益数据进行实证研究表明,双侧系统性风险的绝对值在研究样本区间初期较高,随后逐年下降,说明中国证券市场日趋规范,也与1996年以后实行的股市涨跌幅设限等政策有关;与外在重大信息冲击影响对应,双侧系统性风险的相对比例在研究样本期间内表现为一波三折.     

基于流动性风险的资本资产定价模型

在现有的资产定价理论基础上,研究了考虑流动性风险因素的风险资产定价问题。首先在无套利下对流动性风险进行定价,得到流动性风险的市场价格,进而给出了无风险资产和风险资产的有效前沿。再从风险构成的角度给出了流动性风险的测度和市场价格,推导出两种形式的基于流动性风险的资本资产定价模型(以相对量表示风险的LBCAPM和以绝对量表示风险的LBCAPM)并揭示了资产期望回报的形成过程。最后,介绍了定价模型的应用前景。     

交易成本、基于消费的资产定价与股权溢价之谜:来自中国股市的经验分析

本文使用广义矩法(GMM)估计了无买卖价差的标准的基于消费的资本资产定价模型(Hansen-Singleton模型)和具有买卖价差的标准的基于消费的资本资产定价模型(Fisher模型),发现:(1)我国股票市场并不像美国等发达国家资本市场那样存在股权溢价之谜现象;(2)在2001年6月以后,我国股票市场上投资者由理性的风险规避者变为非理性的风险追逐者;(3)风险并不是决定资产期望收益的唯一因素,资产期望收益也与换手率和交易成本有关。     

概率扭曲与A股市场风险定价

在等级依赖效用(RDU)框架下研究了概率扭曲对于A股市场的风险定价影响.理论上,通过推导概率扭曲下的CAPM模型,发现概率扭曲会通过影响投资者对于尾部风险的感知强弱程度而扭曲定价核,进而影响风险与收益的定价关系.当投资者低估(高估)尾部风险时,定价核呈钟型(U型),风险与收益之间负向(正向)关联.实证上,通过上证50ETF期权和A股截面数据证实了本文的理论发现.首先,由期权数据估计经验定价核,发现A股市场钟型定价核占主导,即大部分时期投资者会低估尾部风险.随后,构建概率扭曲指标将市场区分为高估时期和低估时期,回归结果发现：当市场处于低估(高估)尾部时期,系统性风险和特质风险都与预期收益显著负(正)相关.     

投资机会变动与风险收益关系实证研究

应用跨期资本资产定价模型研究股市投资机会变动时的风险收益关系和跨期风险对冲策略。以25个规模-账面市值比组合以及扩展组合作为检验资产,以经济、情绪和市场指标作为状态变量反映投资机会,以DCC-MVGARCH方法估计的资产超额收益与市场超额收益的条件协方差衡量市场风险,以DCC-MVGARCH方法估计的资产超额收益与状态变量新息的条件协方差衡量跨期风险,应用面板回归方法检验资产超额收益与风险的关系。研究结果表明,在单状态变量中,货币供应增长率、房地产投资增长率、宏观经济景气指数、规模溢价等新息降低,投资机会出现不利变动,与这些新息负相关的资产能对冲投资机会的不利变动;存贷差增长率、利率、股市波动等新息增加时,投资机会出现不利变动,与这些新息正相关的资产能对冲投资机会的不利变动;各模型具有良好的解释能力,其中规模溢价、股市波动和货币供应的解释能力较高。还对多状态变量进行检验、比较,并提供了相应投资策略。     

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．     

流动性风险与股票定价:来自我国股市的经验证据

基于本文构建的流动性风险调整的资产定价模型,实证显示,我国股票定价中包含显著的流动性风险溢价,而且这种风险补偿更为显著地出现在流动性较差或者说价格冲击弹性较高的股票上。而经典CAPM的价格风险敏感度beta却对我国股票回报率没有解释力。这说明流动性风险比单纯的市场价格风险在我国股票定价中起着更为重要的影响,在评估股票投资风险和风险溢价时仅考虑价格风险是远远不够的。另外,我国股市和国外一样存在对非流动性水平的收益补偿和"flight to liquidity"现象。     

成长性、现有资产与β关系的上市公司实证研究

在资本资产定价模型(CAPM)中,β(系统风险)是决定资产定价的唯一因素。以我国A股上市公司为研究样本,通过将资产风险β分解为成长性风险βG和现有资产风险βA2个部分,探讨了公司的成长性和现有资产对β的影响。研究结果表明,总体上我国证券市场中上市公司的βA显著地大于βA,但不同行业间差异显著。进一步分析显示,若公司规模越大、账面市值比越高、同所处行业的市场竞争程度越低,不仅βG对β的影响更大,而且βG与βA间的差异也越明显。这表明,在我国证券市场中,βG既是β取值大小的重要因素,同时也是风险的主要来源。     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

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.     

公平偏好下制造商主导型供应链风险传递研究

为研究公平偏好对供应链风险传递的影响，引入公平偏好效用函数，构建制造商主导型供应链风险传递模型，并借助价格弹性系数引申出风险弹性系数，再利用公平偏好矩阵，解决由生产成本波动引起定价与收益风险传递问题。研究表明：制造商公平偏好对定价风险有正向效用，零售商独具公平偏好只对批发价格风险起负向效用却不影响销售价格风险，但制造商公平偏好能促进零售商公平偏好降低销售价格风险；市场规模会弱化公平偏好对定价风险的效用，而价格敏感性则强化该效用；对于收益风险传递提出并证明了一般性结论：收益风险传递与公平偏好无关，只与外部市场有关。数值仿真表明零售商需理性把握公平偏好度以便控制定价风险，而制造商则需要更多地关注公平性，以便于减小定价风险。研究结果对理性权衡收益与风险具有一定的参考价值，对非理性特征下供应链风险管理的良性发展有重要的指导意义。     

灾难风险、习惯形成和含高阶矩的资产定价模型

通过引入习惯形成因素,推导出包含灾难风险与习惯形成的高阶矩资产定价模型.数值模拟结果显示:1)该模型能够在相对风险厌恶系数更灵活的赋值区间内解释无风险利率之谜和股权溢价之谜;2)习惯形成因素的引入可以很好地解决基于高阶矩的灾难风险模型对于灾难风险参数选择过于敏感的问题;3)习惯形成显著改善了资产价格高阶矩近似的效果,削弱了高阶矩信息(四阶矩以上)对资产定价的影响.最后,考察了该模型在中国金融市场中的适用性,研究发现,灾难风险定价模型同样能够解释我国的股权溢价特征,且习惯形成因素也能够提升模型对中国金融市场的解释力.     

基于资产链的异质投资者资本资产定价模型

本文基于资产链理论给出投资者的异质预期假设,通过对资产链各节点系统风险的分解,将传统的资本市场线转变为资本市场超平面,建立基于资产链的资本资产定价模型。本文使用小波滤波分解资产收益,对模型在上海A股市场的适用性进行检验,结果表明模型能够区分各类系统风险对资产收益的影响,对资产的平均收益具有显著的解释能力。     

巨灾风险债券定价

巨灾风险债券通过证券化将风险转移到资本市场,投资者可以利用巨灾债券与经济变量无关的特性,获取不受金融市场变量影响的高收益.本文推导了一个不完全市场框架下的基于代表性代理模型基础上的巨灾风险债券定价模型.     

资本市场对外开放与股价崩盘风险——来自沪港通的证据

沪港通是中国资本市场对外开放的一个重大创新措施,近年来受到实务和学术界的广泛关注.以沪港通实施作为自然实验,选取我国上市公司2009年～2016年的样本数据,构建倾向得分匹配-双重差分模型(PSM-DID模型),检验资本市场对外开放如何影响上市公司股价崩盘风险.研究发现:1)相比于非沪股通标的公司而言,沪港通政策的实施显著降低了沪股通标的公司的股价崩盘风险; 2)沪港通对沪股通标的公司股价崩盘的负向影响主要存在于对外开放程度较低的上市公司中; 3)沪港通政策降低股价崩盘风险的路径在于:沪港通政策提升了沪股通标的公司的信息透明度,降低了噪音交易程度.进一步研究表明,沪港通政策对港股通标的公司股价崩盘风险没有显著影响.这些研究结果说明,资本市场对外开放有助于降低股价"暴涨暴跌"风险,促进资本市场的稳定与健康发展.研究结论不仅丰富了股价崩盘风险的相关研究,同时为监管部门进一步完善和推进资本市场对外开放政策提供了重要启示.     

条件CAPM与横截面定价检验:基于中国股市的经验分析

假设资产系统风险(市场贝塔)随经济状态变动,建立具有动态参数的条件CAPM并应用广义矩方法进行横截面定价检验.研究发现相对于CAPM、消费CAPM、投资增长、三因素模型等经典资产定价模型,条件CAPM具有明确的经济含义和较好的解释能力.在5个备选状态变量中,贝塔随每一个变动都对横截面收益有显著的解释能力,相对而言,上海银行间同业拆借利率(L)、广义货币供应量增长率(△lnM)等资金因素在中国证券市场有更重要的影响.本文发现小公司的系统风险一直高于大公司.小公司对经济状态更加敏感,因此它在经济不景气时的风险相对大公司更高.投资者应关注资产风险的动态变化.     

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.