适应性市场假说及其在中国资本市场的实证

金融危机近些年爆发频繁,传统市场理论如有效市场假说和行为金融面对复杂的现实金融世界未能给出合理解释.Lo提出的适应性市场假说则弥合了这两个学派的分歧,逐渐引起了学术界的重视.本文尝试从动态市场效率、时变贝塔和技术交易策略演变这三个角度对适应性市场假说能否解释我国资本市场进行实证研究.研究发现:我国股票市场效率在动态变化,无效的时段与金融危机或政策巨变等重大事件联系密切;股市风格指数贝塔随市场环境变化而改变;技术交易策略绩效随投资者适应环境变化而演变.研究结果表明,适应性市场假说相比有效市场假说和经典资本资产定价模型,能够更好地解释我国资本市场上述现象.最后对投资者如何根据市场环境变化制定适应性投资策略给出几点建议.     

基于非参数时变Copula模型的美国次贷危机传染分析

金融危机传染分析是国际金融领域中的重要课题,本文对Copula变点检测方法进行推广,采用时变非参数阿基米德Copula模型检验金融危机传染的存在性及其变化趋势,以时变尾部相依系数的大小来度量危机传染程度,并结合系数的变化趋势和时间段对金融危机传染效应进行分析.最后选择全球六个主要股票市场指数和S&P500指数进行危机传染实证研究,得出次贷危机对不同国家或地区的传染效应有所差别.     

基于时变参数的中国总量生产函数估计

总量生产函数是宏观经济增长分析和技术进步定量化测算的基础,传统方法估算总量生产函数具有很多不足之处。利用1952—2005年中国宏观经济数据,建立时变参数模型,应用卡尔曼滤波算法,对我国1952—2005年间历年的总量生产函数进行了估算。研究结果表明:利用时变参数估算生产函数较好地捕捉到了经济政策的重大事件对于总量生产函数的影响,可能是理论与实际情况更加接近的一种拟合。我国技术进步和资本、劳动的产出弹性三者相互影响,呈同方向变化,并且技术进步对资本的产出弹性影响较大,对劳动的产出弹性影响较小,1978—2005年间我国属于节约资本型技术进步。     

金融结构对产业结构影响的时变特征研究——基于SUR和TVPSS模型的实证检验

金融结构与产业结构的关系一直是学术界的研究热点.文章利用中国1998—2017年的年度数据,构建似不相关回归模型从金融结构规模、效率及深化的角度分析金融结构对产业结构合理化和高级化的影响,建立时变参数状态空间模型描绘了金融结构对产业结构合理化和高级化的动态冲击.实证分析结果表明:金融结构规模提高产业结构合理化水平,促进了产业结构高级化;金融结构效率提高产业结构合理化水平,抑制了产业结构高级化;金融结构深化降低产业结构合理化水平,促进了产业结构高级化.金融结构规模、金融结构效率及金融结构深化对产业结构合理化和高级化的冲击均呈现出时变特征;金融结构对产业结构合理化的影响滞后于其对产业结构高级化的影响.金融结构对产业结构的冲击波幅呈现出前期波动大、后期较为平缓的状态,部分金融结构变量对产业结构的动态冲击呈现出"长尾"现象.当前的中国金融结构已经不适合当前的产业结构,需调整金融结构,以提升产业结构合理化水平和高级化水平.     

时变三因子模型风险系数的动态研究

由Fama和French提出的三因子模型能够较好地解释股票的收益率风险溢价。文章以状态空间模型为框架,将风险因子系数作为状态变量,市场风险溢价作为观测变量,构建时变三因子模型来应对股票市场价格的时变特征。研究结果显示,利用卡尔曼滤波来估计时变风险因子系数,增强了估计结果的准确性与连贯性;风险因子系数变化规律与中国A股市场政策和环境影响相吻合,消除非理性噪声后的时变三因子模型更具有解释力度。     

中国股市异象的时变特征及影响因素研究

中国股市存在诸多市场异象，而其时变性却常被忽视。本文从动态视角出发，基于条件CAPM，研究了中国股市异象的时变特征及影响其变化的经济因素。研究结果表明，即使在条件CAPM下，各类市场异象仍然存在，并且表现出显著的时变性。在样本期内，中国股票市场异象发生了风格转换，以账面市值比异象、市盈率异象为代表的价值型异象正在逐渐减弱甚至消失，而规模、特质波动率、换手率以及市场风险异象正逐渐显现并仍有增强的趋势。同时，规模、账面市值比、市盈率等"基本面类"异象主要受宏观经济因素的影响，反映了更多经济风险的信息；而特质波动率、换手率以及市场风险等"市场类"异象主要受市场因素的影响，此类异象更可能是市场无效的表现。此外，研究还发现，条件β未能捕捉到各多空组合收益率蕴含的经济风险，这是条件CAPM无法解释各市场异象的原因之一。     

基于时变Markov的DCC-GARCH模型最小风险套期保值研究

考虑Markov状态转移概率的时变特征,在传统DCC-GARCH基础上,提出基于Markov时变转移概率的DCC-GARCH模型（TVTP-DCC-GARCH）研究最小风险套期保值比例的估计方法,并利用两阶段极大似然法对模型参数进行估计。进一步分别从样本内和样本外估计沪深300指数期货和现货的最优套期保值比率,对套期保值的绩效进行检验,并将检验结果分别与Markov转移概率恒定的DCC-GARCH（FTP-DCC-GARCH）、DCC-GARCH、OLS、1：1完全套期保值以及无套期保值的沪深300指数现货的绩效进行对比。实证结果表明,利用基于Markov状态转移的DCC-GARCH模型研究沪深300指数期货的套期保值问题具有一定合理性,且在参数估计中TVTP-DCC-GARCH模型的拟合效果最佳;在套期保值有效性方面,TVTP-DCC-GARCH模型优于其他模型,说明在DCC-GARCH模型中引入时变状态转移概率能够有效提高套期保值组合的绩效。     

Time-Varying Risk Measurement for Ship Collision Prevention

We propose an innovative time-varying collision risk (TCR) measurement for ship collision prevention in this article. The proposed measurement considers the level of danger of the approaching ships and the capability of a ship to prevent collisions. We define the TCR as the probability of the overlap of ships’ positions in the future, given the uncertainty of maneuvers. Two sets are identified: (1) the velocity obstacle set as the maneuvers of the own ship that lead to collisions with target ships, and (2) the reachable velocity set as the maneuvers that the own ship can reach regarding its maneuverability. We then measure the TCR as the time-dependent percentage of overlap between these two sets. Several scenarios are presented to illustrate how the proposed measurement identifies the time-varying risk levels, and how the approach can be used as an intuitively understandable tool for collision avoidance.     

Regression analysis of longitudinal data with outcome‐dependent sampling and informative censoring

We consider a regression analysis of longitudinal data in the presence of outcome‐dependent observation times and informative censoring. Existing approaches commonly require a correct specification of the joint distribution of longitudinal measurements, the observation time process, and informative censoring time under the joint modeling framework and can be computationally cumbersome due to the complex form of the likelihood function. In view of these issues, we propose a semiparametric joint regression model and construct a composite likelihood function based on a conditional order statistics argument. As a major feature of our proposed methods, the aforementioned joint distribution is not required to be specified, and the random effect in the proposed joint model is treated as a nuisance parameter. Consequently, the derived composite likelihood bypasses the need to integrate over the random effect and offers the advantage of easy computation. We show that the resulting estimators are consistent and asymptotically normal. We use simulation studies to evaluate the finite‐sample performance of the proposed method and apply it to a study of weight loss data that motivated our investigation.     

Regression‐type models for extremal dependence

We propose a vector generalized additive modeling framework for taking into account the effect of covariates on angular density functions in a multivariate extreme value context. The proposed methods are tailored for settings where the dependence between extreme values may change according to covariates. We devise a maximum penalized log‐likelihood estimator, discuss details of the estimation procedure, and derive its consistency and asymptotic normality. The simulation study suggests that the proposed methods perform well in a wealth of simulation scenarios by accurately recovering the true covariate‐adjusted angular density. Our empirical analysis reveals relevant dynamics of the dependence between extreme air temperatures in two alpine resorts during the winter season.