中国股市价格过度反应模型研究

本文在H-S模型的基础上,增加了超级投机者,构造了股价对信息的过度反应模型,对中国股市价格过度反应进行了分析,超级投机者的趋势追踪,产生交易的"故意效应",导致股价远远偏离基础价值.     

极端风险下中国股市的反应特征研究

投资者是否理性在金融理论中至关重要。本文利用日度交易价格数据,对中国股票市场在极端风险下的反应特征进行了统计实证研究。基于2002-2013年的数据发现,中国股票市场在极端风险下会表现出一些有趣且显著的反应特征。具体表现为:1.在股市出现极端下跌情形下,市场会由于过度反应而在接下来的一个交易日内表现出显著的反转特征;而在股市出现极端上涨情形下,市场在接下来的交易日内并没有明显的反应模式;2.与熊市相比,在出现极端下跌风险下,市场在牛市中更容易出现过度反应而表现出反转特征。实证研究结果还发现,基于极端风险构建的投资交易策略要显著的优于有效市场假说的买入并持有策略。本文的实证研究结果不仅表明投资者的非理性特征,而且还表明这种非理性特征已经影响到资产的定价。     

SARS疫情信息披露方式的市场反应研究 --来自中国医药类上市公司的实证证据

本文分析了SARS疫情信息披露方式与医药类上市公司市场反应之间的关系.本文发现,在疫情信息披露"不显眼"的情况下,医药类上市公司不存在显著的市场反应;而在疫情信息披露"显眼"的情况下,医药类上市公司存在显著为正的市场反应.这说明对中国投资者而言,可能存在"显眼效应".     

中国股市账面市值比效应成因分析:基于行为金融视角

本文将账面市值比分解为反映公司基本面的有形收益和反映投资者主观预期的无形收益,以1994-2008年间在沪深两市交易的A股公司为研究样本,实证考察投资者对账面市值比中不同元素的反应,结果显示,投资者对公司发展前景的主观预期过分乐观或者悲观引发市场过度反应,随着市场回归理性,股票收益发生反转导致账面市值比效应。     

中国股市价格惯性反转与风险补偿的实证研究

利用改进的统计方法,利用1995年1月至2001年12月的月收益数据重新进行了有关中国股票市场的价格惯性、反转效应的实证研究。发现中国股市并不存在显著的惯性效应,而存在显著的中长期(12个月以上)反转效应。对于反转策略所产生的超常收益,我们分别用CAPM模型以及FamaandFrench三因子模型进行风险调整,结果发现,这两个模型均不能很好地解释反转效应。因此我们倾向于认为。反转策略的超常收益主要来源于投资者的过度反应而非理性的风险补偿。     

上市公司被ST后的超额累积收益的实证研究

市场有效性是一个资本市场健全发展的主要标志,而过度反应是进行市场有效性研究的一种最优方法之一.本文则对由于ST公告这一事件所导致的市场价格异常进行研究.通过实证分析,得出中国股票市场存在过度反应,即市场是非有效的.这一研究有助于深化人们对股票价格变化原因的认识,同时也有助于投资者进行投资组合决策分析.     

数字化、信息不确定与反应不足——基于行业异质性的研究

研究资本市场异象有利于资本市场在资源配置中发挥作用,从而促进经济持续稳定增长。基于信息不确定视角,本文探究创业板市场中存在的反应不足异象,并研究了数字化对这种异象的缓解是否具有行业异质性。本文使用创业板2011—2020年上市公司的数据,研究发现数字化对反应不足异象具有缓解作用且具有行业异质性,对高新技术企业的影响更强。本研究对不同行业开展数字化提供一定思考维度。     

弹簧振子理论及对上海股市的实证研究

有效市场假说隐含了一个重要的假设前提:市场是如此有效,以至于任何新发生的信息事件,都能在瞬间传播到市场的各个角落,并且市场在同一瞬间就能对该信息做出理性、“正确”的反应,使证券价格在信息事件发生后立即达到了新的均衡.这个假设在现实的资本市场中是根本不存在的,因为信息的传播和市场对信息的反应都要有个过程.为了对有效市场假说进行改进,也便于对证券市场效率进行数量化度量,提出了弹簧振子理论,该理论将有效市场理论框架下的随机游走模型的检验由一阶深化到二阶;在弹簧振子理论下,可以用同一个方程统一表述弱有效市场和次强有效市场的证券价格波动,而且可更好地解释股市中的“过度反应”、“不足反应”等现象,以及在无信息情况下股市突然出现的“井喷”和“崩盘”现象.     

我国证券市场过度反应后短期行为研究

本文通过平均收益率计算方法,系统地比较了沪市和深市短期过度反应行为及其后的累积超额收益率变化特征。本文的研究认为:当股票发生负向的异常波动时,沪深两市都表现出明显的过度反应现象,但是如果考虑交易成本,则累积超额收益没有经济意义;而在股票发生正向异常波动后,过度反应现象不显著;统计检验结果和回归模型结果都证明了我国证券市场不存在明显的"1月效应"或者"2月效应"(也称做"新年效应"),而是存在明显的"3月效应"和"12月效应"。股票在发生正向的异常波动时,沪深两市事件日的波动幅度与其后的累积超额收益的波动幅度没有明显的相关关系,而在发生负向的异常波动时,两市均在第5天后表现出明显的强相关特性。     

分类信息对股市波动的影响研究

本文提出了基于高频数据的分类信息混合分布EGARCH模型,将上证指数的五分钟高频数据作为研究对象,引入修正混合分布(MMM)模型,将去除了趋势性和序列相关性的不同性质的对数交易量分解为进入市场的正的随机信息流和负的随机信息流两部分,作为分类信息流代理,加入EGARCH模型的方差方程中,考察"好消息"和"坏消息"对上证指数波动性的影响。     

反馈交易规则与股指收益自相关：对上证综指的实证研究

本文研究了反馈交易规则与上证综合指数日收益自相关之间的联系,结果表明正反馈交易将导致收益负的自相关,且相关系数绝对值随波动增大而增大,从而整个收益表现出随波动变化的序列相关.同时与其他发达国家相应研究结果的对比发现,正反馈交易对上证综指收益自相关的影响更小且收益整体波动更强,表现出新兴市场的特征.     

中国股市投资者的策略研究：基于一个噪音交易模型

引入理性交易者以及分别基于价值策略和反馈策略的噪音个体,构建了一个由2类交易者共同作用的价格决定模型,并对噪音交易者进行均衡分析。先基于一个均衡模型推导出噪音交易者影响下的市场价格,进而得到基于价格一阶差分序列的可检验假说,最后利用中国股市的数据对假说进行经验检验。通过实证检验发现,市场上存在较强的噪音交易成分,个体投资不以股票的基本价值为参照,具有明显的"买涨杀跌"等惯性行为,进一步的研究则发现交易量、上市年龄和是否为基金持有对个体投资策略有较显著的影响,而公司规模与行业差异对个体投资策略影响不大。     

一类结合Outlier分析的单变量ARIMA模型在股票市场中的应用

本文通过对当前广泛使用的经济时间序列预测方法的分析比较,针对如股票价格这一类易受到大量外部因素影响且难以通过多变量建模分析的经济现象,采用了单变量ARIMA模型并结合Outlier分析的方法。实证分析表明了此方法具有良好的效果。     

中国股票市场波动持久性特征的DFA分析

通过对沪、深股市大盘指数以及各具代表性的两只个股高频价格波动的R/S和DFA对比研究,得出了有别于传统分析方法的我国股市波动持久性定量特征,并通过高价DFA分析以及在连续时间标度上的收益率峰度指标的计算,发现了我国股市波动持久性存在的特征时间标度,为研究我国证券市场的非线性和复杂性提供了新的研究视角和实证结论。     

基于FIGARCH模型的地产股对金融股市场影响分析

2008年美国金融危机爆发后,房地产市场与金融市场的关系越来越受到人们的重视.本文以地产股指数变化情况代表房地产市场的整体发展趋势,选取中国深圳证券交易所地产股和金融股为研究对象,利用能够兼顾收益与尾部风险相关性测度的FIGARCH模型,探讨中国地产股对金融股波动及收益的影响;并以次贷危机爆发为界将样本分成两部分进行对比分析.结果表明,我国地产股整体行情指数的波动风险和收益对金融股股票均具有显著的正向影响;地产波动风险在危机前的影响大于危机后,而地产收益的影响则在危机后更大.研究结论有助于相关部门制定更合理的调控和监管政策,促进中国股市更健康的发展.     

中国股票市场资产价格模型设定检验

正确设定股票市场资产价格动态模型对资产定价、投资组合和风险管理具有基本重要性。本文基于随机过程非参数统计推断方法,采用幂变差和门限幂变差构造检验统计量,首次对我国股票市场资产价格半鞅的构成进行检验和分析。采用上证指数、深证成指和沪深300指数日内高频数据的实证结果表明,我国股票市场资产价格过程包含布朗运动积分形成的扩散过程和跳过程,既包含有限活动Poisson大跳过程也包含无限活动Levy小跳过程。在跳扩散过程中引入无限活动Levy跳跃过程才能全面刻画我国股票市场资产价格的动态特征。这一结果为相关研究提供了基础性实证结论。     

股票市场的有限套利：一个行为金融模型

从行为金融的角度,结合有限套利与非理性个体对股票市场的套利者收益、资产价格特征进行考察。通过引入趋势交易者,发展了有限套利模型,并得到了套利者期望收益和市场波动性的解析解。然后对较宽范围内参数的可能取值进行了模拟。结果发现,套利收益同套利者能力和个体交易者的非理性程度有明显的非线性关系,在一定的条件下,套利者不但无法稳定市场,反而会促进资产价格的波动。     

我国投资者情绪对股票收益影响——基于面板数据的研究

基于基金的资金流量构造投资者情绪指标,应用面板数据模型对我国投资者情绪与股票收益之间的关系展开研究,结果表明情绪对股票收益具有显著影响,其中乐观情绪的影响高于悲观情绪,而极端情绪在我国市场中具有独特的预测能力。利用行为金融学理论建立合理的情绪指标,可以作为预测市场未来波动的可靠指针,为我国证券投资者及监管者提供决策参考依据。     

Using Probability Boxes to Model Elicited Information: A Case Study

Governments are responsible for making policy decisions, often in the face of severe uncertainty about the factors involved. Expert elicitation can be used to fill information gaps where data are not available, cannot be obtained, or where there is no time for a full‐scale study and analysis. Various features of distributions for variables may be elicited, for example, the mean, standard deviation, and quantiles, but uncertainty about these values is not always recorded. Distributional and dependence assumptions often have to be made in models and although these are sometimes elicited from experts, modelers may also make assumptions for mathematical convenience (e.g., assuming independence between variables). Probability boxes (p‐boxes) provide a flexible methodology to analyze elicited quantities without having to make assumptions about the distribution shape. If information about distribution shape(s) is available, p‐boxes can provide bounds around the results given these possible input distributions. P‐boxes can also be used to combine variables without making dependence assumptions. This article aims to illustrate how p‐boxes may help to improve the representation of uncertainty for analyses based on elicited information. We focus on modeling elicited quantiles with nonparametric p‐boxes, modeling elicited quantiles with parametric p‐boxes where the elicited quantiles do not match the elicited distribution shape, and modeling elicited interval information.