信息不对称框架下资产均衡定价模型分析

为揭示上市公司信息供给与公司资本成本之间的内在关联,从投资者的角度出发,考虑信息不对称情形下建立效用最大化模型求解资产均衡市场价格和公司资本成本.基于上述模型,分析了信息不对称情形下的资本成本的决定机制.通过分析,得出的主要结论为:公司资本成本和信息精度、信息的传播范围成反比,即信息的精度越大、传播范围越广,公司资本成本越小.所以上市公司为了降低资本成本应该全面充分的披露信息.     

收入流高度不确定企业的股价探讨

在分析了传统财务评估手段应用于收入流高度不确定企业价值评估上的不足后,利用实物期权理论和现代资本预算技术构造了一个简易动力学模型,对该问题进行了讨论.建立了模型,设置2种初值模式,分析了不同波动初值及收入流长期趋势终值对估值结果造成的影响,并用eBay公司2000年末实际数据对模型进行了考察.模型结果依赖于所选的参数,与直观上收入流高度不确定企业股价的波动在一定的程度上吻合,可以认为其股价仍在合理范围,该模型能解释一类收入流高度不确定企业股票价格的表现.     

暧昧环境下的不对称信息更新与资产定价研究

本文假定金融市场上存在两种风险资产,其中一种风险资产存在信息更新,而另外一种资产不存在信息更新,简单投资者对两类风险资产之间的相关系数存在暧昧性(ambiguity),本文研究了这种不对称的信息更新对两类风险资产的需求函数和市场一般均衡的影响,研究发现信息更新在长期内可以降低参数暧昧性,提高定价效率;在短期内可以驱动相应的风险资产产生额外的需求,消除对应资产的有限参与现象,但是这种由信息驱动的有限参与现象的消除并不能带来定价效率的提高.同时不对称的信息更新可能导致没有信息更新的资产从共同参与均衡过渡到有限参与均衡,因此政府试图通过信息披露提高市场透明度、改善定价效率的目的只能在长期内才会实现,在短期内信息披露可能会使得资产的定价效率产生恶化.     

中国股市正反馈交易涨强不对称的定价能力

中国市场存在显著的正反馈交易,且追涨程度远超过杀跌程度.这种现象本文称之为正反馈交易的涨强不对称.本文旨在研究这种涨强不对称是否具有定价能力.本文在Fama-French三因子模型的基础上构建了反转因子、正反馈因子和涨强不对称因子,对2010年以前上市的全部A股从1998年1月至2016年10月的数据进行实证检验.本文发现,涨强不对称因子的表现显著区别于正反馈因子和反转因子;尽管单一来看正反馈因子、反转因子和涨强不对称因子都有一定的定价能力,但在多因子模型中正反馈因子和反转因子的定价能力很弱,只有涨强不对称因子有显著的定价效果;且这种定价能力不是因为追涨、杀跌、流动性溢价或投资者情绪造成的.总之,涨强不对称是一个有别于传统因子的新定价因子,且其定价能力可能源于市场补偿非理性投机带来的风险.     

金融资产收益率的多尺度统计分析

金融资产收益率是金融投资要考虑的重要因素.金融资产收益率数据样本的不确定性可以用统计模型进行描述.本文从多尺度的角度讨论和分析了金融资产收益率在小波域的统计模型和统计特性.蒙特卡罗仿真实验和分析表明了结论的有效性.     

后股权分置时期大股东资产注入实证分析

以后股权分置时期上市公司大股东重要行为方式——资产注入为研究对象,运用事件研究和回归分析,实证检验了资产注入事件的超额累计收益及其相关影响因素。对样本的事件研究表明,使用股权模式进行资产注入的上市公司股价均有显著为正的超额累计收益率,且大股东为国有背景的上市公司超额累计收益率显著高于民营背景上市公司,说明股权模式的资产注入方式以及国有大股东的资产注入更为投资者和市场认可;超额累计收益的回归分析显示大股东持股比例对超额累计收益的影响呈显著的U型关系。     

老龄化背景下居民资产配置研究

本文基于生命周期投资理论,根据历史数据进行参数校准,分析引入了生存概率背景风险后的居民最优风险资产配置情况,建立最优消费效用投资组合模型,并使用Carroll提出的数值解法进行模型求解。模型得出了在不同财富水平下、不同劳动收入增长率以及遗赠影响下居民随着年龄增长其最优风险资产配置比例情况。     

基于关系合约的供应链合作伙伴关系建模及其可自执行性分析

构建了基于关系合约的供应链合作伙伴关系的理论模型,给出了供应链合作伙伴关系可自执行性的条件,并分析了资产专用性对可自执行性的影响．结果发现：供应链合作伙伴关系适合于中等资产专用度的场合;若资产专用度较高,则合作收益必须足够大,才能保证合作伙伴关系的可自执行性。     

平均模型在致密气井产量预测中的应用

在致密气资产快速评价中应用经验型递减模型能够快速得到气井产量的递减情况;但不同的递减模型在完成历史拟合后,长期产量和累积产量预测结果相差很多。应用GLUE法评价各模型预测结果的不确定性,并引入平均模型的概念,计算各模型权重后建立平均模型。以加拿大致密气田两口致密气井的实际生产数据为例应用平均模型进行累积产量的计算,结果表明GLUE法可进行各模型预测结果的不确定性进行分析,且通过设定筛选标准后,利用满足条件的模型进行聚合得到的平均模型计算结果具有更小的标准差与变异系数。     

Neural model identification,variable selection and model adequacy

In recent years an impressive array of publications has appeared claiming considerable successes of neural networks in modelling financial data but sceptical practitioners and statisticians are still raising the question of whether neural networks really are ‘a major breakthrough or just a passing fad’. A major reason for this is the lack of procedures for performing tests for misspecified models, and tests of statistical significance for the various parameters that have been estimated, which makes it difficult to assess the model's significance and the possibility that any short‐term successes that are reported might be due to ‘data mining’. In this paper we describe a methodology for neural model identification which facilitates hypothesis testing at two levels: model adequacy and variable significance. The methodology includes a model selection procedure to produce consistent estimators, a variable selection procedure based on statistical significance and a model adequacy procedure based on residuals analysis. We propose a novel, computationally efficient scheme for estimating sampling variability of arbitrarily complex statistics for neural models and apply it to variable selection. The approach is based on sampling from the asymptotic distribution of the neural model's parameters (‘parametric sampling’). Controlled simulations are used for the analysis and evaluation of our model identification methodology. A case study in tactical asset allocation is used to demonstrate how the methodology can be applied to real‐life problems in a way analogous to stepwise forward regression analysis. Neural models are contrasted to multiple linear regression. The results indicate the presence of non‐linear relationships in modelling the equity premium. Copyright © 1999 John Wiley & Sons, Ltd.