中国股票市场存在特质波动率之谜吗? ——基于分位数回归模型的实证分析

选取我国沪深A股所有股票作为研究对象,采用OLS回归残差标准差提取和GARCH(1,1)加权平均等两种方法估计特质波动率,并利用Fama-MacBeth横截面回归法和分位数回归法对特质风险与股票预期回报之间的相关关系进行了实证研究.发现:OLS回归结果表明我国股票市场的特质波动率与股票预期回报之间呈现负相关关系,但在统计上不显著;分位数回归则表明我国股票市场的特质波动率风险与股票预期回报之间的关系是随着分位水平的变化而变化的,特质风险在低分位水平下与股票预期回报呈显著负相关关系,而在高分位水平下则与股票预期回报之间呈显著正相关关系.     

个体与机构投资者,谁左右A股股价变化?——基于投资者异质信念的视角

在成熟的资本市场,机构投资者一直都被视作资产定价的主体。但在个体投资者众多的中国证券市场,个体投资者与机构投资者谁左右A股股价的变化?则是人们关注的热点话题。本文从投资者异质信念的视角,构建个体投资者与机构投资者未预期交易量两个异质信念测度指标,对比分析二者与股票收益的相关性。结果表明,个体投资者与机构投资者的异质信念与股票当期收益显著正相关、与未来一期收益显著负相关,但个体投资者异质信念的作用更强;进一步,异质信念对小公司、价值型公司收益的影响更明显;当控制了规模、价值等风险因子,以及不同时间区间和是否可以卖空等市场影响因素后,结论依然成立。表明在现阶段的中国A股市场,个体投资者的异质信念仍是左右股票定价的主要因素。     

投资者异质信念与上市公司盈余信息的甄别——基于A-H股分割市场的实证分析

本文采用2002-2006年A-H股市场季度盈余信息披露前后股票超额收益的面板数据分析,研究了投资者异质信念对股票定价的影响。研究认为:中国大陆会计准则执行的结果与国际会计准则执行的结果没有明显差异;A股、H股投资者能够正确识别各自交易所披露的盈余信息;A股市场存在明显的盈余公告前私人信息,并且这种信息对股票定价的作用一直持续到盈余公告后,国外投资者的信息获得劣势仍然比较明显;以机构投资者为主体的H股市场在信息处理能力上高于以个人投资者为主体的A股市场;投资者的异质信念显著影响股票定价;交易机制是导致分割市场间股票定价差异化的原因之一。     

探究经济发展水平对房价的影响——一个简单的分位数回归分析

本文对我国经济发展水平(以GDP为指标)与房屋的平均销售价格进行了序列稳定性检验以及协整检验,得到了两者取对数后均属于一阶单整变量并且存在着长期稳定的均衡关系——协整关系。并在此基础上,引入了分位数回归方法,对国内生产总值的对数对房屋平均销售价格的对数值的影响进行了分位数回归分析,得出了经济发展水平是导致房价波动的显著因素,而且,通过选取14个具有代表性的分位点进行研究,发现在房屋的平均销售价格对数值的不同分位点处,国内生产总值对它的影响程度呈现出了一定的变化规律和细部特征。     

限价指令交易策略的收益水平研究

选取上证50指数中43支股票连续90个交易日的高频数据,本文研究了限价指令交易策略的收益水平.实证表明策略的收益为正,说明投资者提交限价指令能够获利;将交易期平分为不同股价走势的三个子交易期,分别计算该策略的收益水平并进行了比较,结果显示股价不同走势显著影响策略收益水平;同时还对交易者获得的限价指令价差的影响因子进行了回归分析,结果亦显示交易期内股价变化的特征对限价指令价差有较强解释力.     

基于LASSO分位数回归的对冲基金投资策略研究

由于对冲基金采用了灵活的投资技巧,其收益序列往往表现出与传统投资方式不同的统计特征与风险收益能力,已有方法难以有效地评价其投资绩效.基于LASSO分位数回归,从影响对冲基金收益的众多风险因子中,挑选出重要的风险因子,考察在不同分位点处对冲基金的收益与风险之间关系,识别对冲基金投资风格,继而给出对冲基金投资绩效评价方法.为验证基于LASSO分位数回归的投资风格识别与投资绩效评价效果,构建对冲基金风格组合投资方案,并将其与基于均值回归构建的组合投资、等权组合投资、Markowitz组合投资等经典的组合投资决策方法进行比较.实证研究结果表明,基于LASSO分位数回归的投资绩效评价方法最为有效,给出的组合投资方案能够获得较高的风险调整收益.     

异质信念、卖空限制与股票收益——基于中国证券市场的分析

本文通过构建换手率分离模型计算未预期交易量,并以此作为异质信念的度量指标,探讨其对股票收益的解释能力.依据异质信念程度高低分组发现,异质信念越大的股票组合当期收益越高、未来一期收益越低,这一差异对小规模公司股票最为明显;将异质信念引入CAPM和Fama-French三因子模型,得到异质信念对股票当期收益的影响显著为正、对未来一期收益的影响显著为负;在进一步考虑了流动性、动量效应等因素后,结论依然成立;但针对2010年后允许卖空的股票,异质信念对股票未来一期收益的影响不再显著.本文基于中国证券市场的制度环境,一方面验证了Miller理论的有效性,同时也发现引入卖空机制能在一定程度上减弱异质信念导致的资产定价偏差.     

股票特质波动率、股票收益与投资者情绪

从理论和实证两个角度分析股票特质波动率、股票收益与投资者情绪之间的动态关系。将受投资者情绪影响的噪声投资者引入Merton基于不完全信息的市场均衡模型,以2007年至2012年沪、深两市A股上市公司数据为样本,运用有向无环图(DAG)技术识别SVAR模型,实证检验股票特质波动率与股票收益和投资者情绪的相关性。研究结果表明,股票特质波动率与股票收益正相关;股票收益率对股票特质波动率的弹性,随着投资者情绪的增加和噪声投资者比例的上升而增大。投资者情绪和股市流动性是影响中国股票市场高特质波动股票与低特质波动股票截面收益差异大小的重要原因。投资者越乐观、市场上流动性越强,高特质波动组合收益率与低特质波动组合收益率的截面差异就越大。研究结果有利于加深对投资者行为的认识,从更符合中国资本市场情况的角度分析股票特质波动率与股票收益的关系。     

基于调整成本的产出-资本资产定价模型研究

在一般均衡经济框架下,研究企业投资过程中的调整成本对股票收益率的影响,推导出包含市场因子、产出绩效因子、BM因子及调整成本因子的四因子产出-资本资产定价模型。利用中国股市上非金融A股上市公司年报及股价月度数据,考察了我国股市的股票收益率变动。实证研究发现:四因子的资产定价模型能解释中国股市上88%的股票收益变动,显著优于CAPM和FamaFrench的三因子模型。     

石油期货收益率的分位数建模及其影响因素分析

石油期货收益率的分位数反映了收益率分布特征和石油市场风险特征,有必要建模考察分位数的变化模式与影响因素。针对现有研究在模型方法和分析角度上的不足,本文考虑分位数受市场冲击影响而产生的非线性自回归特征,提出门限CAViaR模型并用以分析石油期货收益率的分位数及其影响因素。基于1998-2009年布伦特原油期货价格的研究表明,石油期货收益率的分位数具有自回归特征并受前期油价涨跌的不对称影响,且油价下跌的作用更强。左尾分位数受油价涨跌的共同影响,而右尾分位数仅受油价下跌的影响,二者呈现不同特征。此外,本文通过考察分位数的动态变化模式揭示了油价风险特征,具有重要的风险管理作用。     

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.     

基于分位数Granger因果的网络情绪与股市收益关系研究

 行为金融学理论认为,股票市场的价格变动除受宏观基本因素影响外,还在很大程度上受众多个体投资者或噪音交易者行为左右。中国股票市场拥有庞大的个人投资者群体,且股民群体与网民群体之间具有高度耦合性,使用网络情绪等信息能够探索中国股市收益变动基本规律。        为揭示个体投资者行为对股市收益的影响,以个体投资者情绪为视角,以网络环境中个体投资者的情绪信息为切入点,检验投资者情绪与股市收益的关联关系,评估网络情绪信息价值。使用中文文本情感分析方法,从新浪微博文本中提取出网络情绪时间序列;分别运用均值Granger因果和分位数Granger因果检验方法,探讨网络情绪波动与股市收益之间是否存在因果关系;将股票市场发展阶段进行细致划分,研究不同市场阶段下网络情绪波动与股市收益之间的因果关系。        对沪深300指数收益进行实证研究,结果表明,尽管在均值框架下网络情绪波动与股市收益之间因果关系并不明显,但基于分位数Granger因果分析却发现两者在极端分位点区间处存在广泛且显著的因果关系。数据显示,在40个因果关系检验中,分位数Granger因果检验的因果关系发现了23个显著的因果关系,发现率为57.5%,远高于均值Granger因果检验的7.5%。此外,股市收益受到网络情绪波动影响的程度和方式在不同市场阶段下有所不同。        研究结果具有一定的理论意义和应用价值。在一些特定分位点区间网络情绪波动对股市收益存在显著因果关系影响,这为在特定条件下股市收益的可预测性提供了佐证。网络情绪能够预测股市收益的尾部(上尾或下尾)行为特征,可以为金融风险防范提供决策参考。研究结果为股票市场的定价、收益预测和波动率估计等相关研究提供了新的研究思路,也为网络情绪信息使用提供了新的方向。     

Instrumental Variables Estimates of the Effect of Subsidized Training on the Quantiles of Trainee Earnings

This paper reports estimates of the effects of JTPA training programs on the distribution of earnings. The estimation uses a new instrumental variable (IV) method that measures program impacts on quantiles. The quantile treatment effects (QTE) estimator reduces to quantile regression when selection for treatment is exogenously determined. QTE can be computed as the solution to a convex linear programming problem, although this requires first‐step estimation of a nuisance function. We develop distribution theory for the case where the first step is estimated nonparametrically. For women, the empirical results show that the JTPA program had the largest proportional impact at low quantiles. Perhaps surprisingly, however, JTPA training raised the quantiles of earnings for men only in the upper half of the trainee earnings distribution.     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。     

An IV Model of Quantile Treatment Effects

The ability of quantile regression models to characterize the heterogeneous impact of variables on different points of an outcome distribution makes them appealing in many economic applications. However, in observational studies, the variables of interest (e.g., education, prices) are often endogenous, making conventional quantile regression inconsistent and hence inappropriate for recovering the causal effects of these variables on the quantiles of economic outcomes. In order to address this problem, we develop a model of quantile treatment effects (QTE) in the presence of endogeneity and obtain conditions for identification of the QTE without functional form assumptions. The principal feature of the model is the imposition of conditions that restrict the evolution of ranks across treatment states. This feature allows us to overcome the endogeneity problem and recover the true QTE through the use of instrumental variables. The proposed model can also be equivalently viewed as a structural simultaneous equation model with nonadditive errors, where QTE can be interpreted as the structural quantile effects (SQE).     

Identification in Nonseparable Models

Weak nonparametric restrictions are developed, sufficient to identify the values of derivatives of structural functions in which latent random variables are nonseparable. These derivatives can exhibit stochastic variation. In a microeconometric context this allows the impact of a policy intervention, as measured by the value of a structural derivative, to vary across people who are identical as measured by covariates. When the restrictions are satisfied quantiles of the distribution of a policy impact across people can be identified. The identification restrictions are local in the sense that they are specific to the values of the covariates and the specific quantiles of latent variables at which identification is sought. The conditions do not include the commonly required independence of latent variables and covariates. They include local versions of the classical rank and order conditions and local quantile insensitivity conditions. Values of structural derivatives are identified by functionals of quantile regression functions and can be estimated using the same functionals applied to estimated quantile regression functions.     

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。     

中国股票市场风险因素相关性研究

在传统的多元回归模型基础上,利用动态模型并结合分位数模型,研究了中国股票市场的风险因素如公司规模、账面市值比和流动性之间的相关性。研究结果表明,在考虑了流动性的滞后影响后,公司规模与其股票流动性之间存在显著的正相关关系,而账面市值比与股票流动性之间存在显著的负相关关系,进而揭示了流动性溢价理论可以解释股票市场中的规模效应和价值效应的原因。     

Trading on Twitter: Using Social Media Sentiment to Predict Stock Returns

Decision making is often based on the rational assessment of information, but recent research shows that emotional sentiment also plays an important role, especially for investment decision making. Emotional sentiment about a firm's stock that spreads rapidly through social media is more likely to be incorporated quickly into stock prices (e.g., on the same trading day it was expressed), while sentiment that spreads slowly takes longer to be incorporated into stock prices and thus is more likely to predict stock prices on future days. We analyzed the cumulative sentiment (positive and negative) in 2.5 million Twitter postings about individual S&P 500 firms and compared this to the stock returns of those firms. Our results show that the sentiment in tweets about a specific firm from users with less than 171 followers (the median in our sample) had a significant impact on the stock's returns on the next trading day, the next 10 days, and the next 20 days. Interestingly, sentiment in tweets from users with fewer than 171 followers that were not retweeted had the greatest impact on future stock returns. A trading strategy based on these findings produced meaningful economic gains on the order of an 11–15% annual return.