符号数据典型相关分析技术及其在股市分析中的应用

采用一种针对大规模复杂数据的分析技术——符号数据分析方法(Symbolic Data Analysis．SDA)，以中信证券风格指数作为研究对象，对2002年中国股票市场的财务指标与市场表现进行典型相关分析。研究结果表明，中国股市财务状况与市场表现相关性明显，上市公司的收益状况、偿债能力、资金管理能力及价值／成长因素决定股票的运行状况，不同风格股票在财务一市场关系方面差异性显著，行业特征明显。通过分析可以看到，运用符号数据对中国股市运行特征进行的分析结论与客观现实非常吻合．从而证明使用符号数据的典型相关分析技术对大规模多维动态数据系统进行统计分析是十分有效的。     

沪深股票市场行业效应与投资风格效应的实证研究

按照证监会的行业分类标准与股票的成长性和市值,将中国股票市场的股票分为22个行业和8种投资风格.依据中国股市1991年1月到2003年12月期间的股票月收益率数据,利用带约束的回归分析方法对股票收益率的行业效应和投资风格效应进行分析,结果表明中国股票市场均具有明显的行业效应和投资风格效应,并且行业效应大于市值投资风格效应,市值投资风格效应大于成长性投资风格效应.因此,在中国证券市场上采取“自上而下”的资产配置方式是合理的.     

基于滑动窗口 MF-DFA 的股票风格资产收益多重分形分析

风格投资已逐渐成为基金构建投资组合的一种主流量化投资方法. 本研究在分析风格资产收益呈分形特征的基础上, 通过引入滑动窗口技术对传统的多重分形消除趋势波动分析法 (MF-DFA) 加以改进, 并对中信标普公司推出的 6 种股票纯风格资产指数日收益率序列的波动特征进行研究, 实证结果发现: 滑动窗口技术能有效减少因分割连接点处的不连续性而产生的伪波动误差; 风格资产指数日收益率序列均具有相关多重分形特征, 即原始序列具有持久性, 位置重构序列均具有反持久性, 且位置重构序列的多重分形特征显著弱于原始序列的多重分形特征, 表明风格资产指数收益序列的持久相关性是形成多重分形特征的主要原因; 价值、成长型比规模型风格资产具有更规律的多重分形特征, 表明价值、成长型比规模型风格资产的分形规律更明显. 本研究对基金公司、基金经理及时准确地把握股市风格动向以便构建适度风格漂移策略具有重要的理论价值与现实意义.     

中国股市横截面收益特征与投资者情绪的实证研究

以中国股市1998年5月至2007年4月交易数据为研究样本,对股票横截面收益特征进行实证分析,结果显示,贝塔系数与股票预期收益间关系与理论相反,而股票市值、账面市值比等指标亦可以预测股票预期收益,且这种关系具有阶段性特征。应用非预期投资者开户增长率作为投资者情绪指数,对投资者情绪波动与特征组合收益进行回归分析,证实投资者情绪波动是导致上述现象的主要原因。     

中国股市有效性动态变化的实证研究

收益的显著相关通常称为可预测性.若收益是可预测的,则在一定程度上表明市场是无效的.我们基于可变参数的Kalman滤波模型,利用我国股票市场近10年的数据,通过分析股票收益的可预测性,实证地研究了我国新兴股票市场有效性的动态变化.结果表明中国股市的有效性是逐步提高的,政策法规的颁布与实施对股市有效性的提高起到了非常重要的积极作用.     

中国股票市场收益的长期记忆性研究

首先应用R/S分析法研究中国股票市场的长期记忆性，实证结果表明中国股市作为一个新兴的资本市场，表现了与国外发达股市不太一样的特征，即中国股市具有较明显的长期记忆生，又用既能描述短记忆又能表现长记忆的ARFIMA模型对中国股票市场进行建模研究，并证明该模型与其他模型相比较所体现的优越性。     

股市风格资产溢出效应及动态相关性突变点研究

利用中国债券和四种股票风格资产2004~2012年日度数据,通过构建五元VAR-GJR-GARCH-DCC模型分析中国股市风格资产间的溢出效应、动态相关性和相关性突变点。结果表明:五类风格资产间存在非对称的溢出效应;具体来说,债券对其他四种股票风格资产不存在单向收益溢出效应,而小盘成长股和小盘价值股对债券存在单向收益溢出效应;股票风格资产之间均存在非对称的溢出效应;各股票风格资产间存在明显、持续的波动溢出效应;随着资产规模的下降,四种股票风格资产间的动态相关性程度在提高,但波动性却在下降。各种风格资产间的动态相关性均存在多个突变点。     

中国证券市场反向策略研究及其短周期性

证券市场中的反向策略是指购买价格被低估的"价值股票"和抛售价格被高估的"热门股票".国外大量实证研究表明,采取反向策略能获得较高的收益,而我国目前的实证结果争议较大.采用不同于以往大部分国内学者的实证方法,根据股票的价格比例对资产组合进行分类,对我国证券市场上反向策略的有效性进行了实证研究.结果表明,中国证券市场存在反应过度,反向策略行之有效,从而也说明我国证券市场的非有效性.另外,作为新兴市场,中国证券市场和西方证券市场的反向策略存在差异,主要表现在中国股市的反向周期短于西方发达国家,这可能与中国股市的高换手率有关.     

一般分布区间型符号数据的描述统计与分析

以对大规模个体数据通过打包形成的区间型符号数据为研究对象, 针对个体在区间内往往不服从均匀分布的实际情况, 研究一般分布的区间型符号数据的描述统计和分析方法. 对符号数据分析进行了概述, 并定义了一般分布的区间变量. 研究了一般分布的区间变量的经验分布函数和经验联合分布函数. 在此基础上, 讨论了一般分布区间变量的描述统计量的求解. 最后给出了算例, 运用一般分布区间型符号数据的因子分析方法, 以中国股市为背景进行了应用研究. 结论表明: 以往研究基于均匀分布假设所给出的描述统计量的计算, 可看作文中所给求解公式的特例. 另外,研究方法基于经验分布理论, 无需知道个体在区间内服从分布函数的具体表达式, 且在计算过程中充分利用了区间内的个体信息.     

债市信息下的股票收益预测——基于Bootstrap小样本检验分析

利用债市信息构建水平型、斜率型和曲度型三类股票收益预测变量,并通过Bootstrap进行小样本偏差检验分析,从而探究中国股票市场收益的可预测性。研究发现中国股票市场收益能够很好地被水平型变量远期利率组合和斜率型变量到期收益率斜率成分所预测。两类变量均与股票组合收益负相关,即当前债市整体收益较高,期限溢价较大,则预示着未来股票收益将会下降,股市进入低谷。由于两类变量所涵盖的信息不同,使得远期利率组合在预测短期滚动股票收益时表现较好,而到期收益率斜率成分则在长期时具有较强的预测能力。此外,公司特征包括市值、账面市值比以及净资产收益率能够影响股票收益可预测性的程度。其中,市值和账面市值比的影响作用在短期和长期时会出现明显的反转现象。     

Empirical Study on Long Memory Feature in Chinese Stock Market

The notion of long memory, or long-term dependence, has received considerable attention in empirical finance. While many empirical works were done on the detection of long memory in return series, very few investigations focused on the market volatility, though the long-term dependence in volatility may lead to some types of volatility persistence as observed in financial markets and affect volatility forecasts and derivative pricing formulas. So, using modified rescaled range analysis and ARFIMA model testing, this study examined long-term dependence in Chinese stock market returns and volatility. The results show that although the returns themselves contain little serial correlation, the variability of returns has significantly long-term dependence. It would be beneficial to encompass long memory structure to assess the behavior of stock prices and research on financial market theory.     

基于非线性相依的市场间金融传染度量——测度2015年中国股灾对重要经济体的传染效应

针对真实市场间所具有的非线性、尾部极值相依性及时变性等相依特征,本文以2015年6月中国爆发的股灾为背景,从传染效应的存在性、传染强度、传染方向三个视角深入研究中国股市对日本、美国、韩国三个重要经济体股市的金融传染效应.首先,将极值理论(extreme value theory,EVT)与时变Clayton Copula函数相结合构建时变Clayton Copula-EVT模型,估计下尾极值动态相依系数,并进行统计检验,发现中国股市对日本、美国股市存在风险传染效应,而对韩国股市不存在风险传染效应;进一步地,量化中国股市对日本、美国股市的风险传染强度,发现中国股市对日本、美国股市的传染强度都较大,且中国股市对美国股市的传染强度明显强于其对日本股市的传染强度;最后,利用基于时间延迟的去趋势交叉相关性分析方法研究中国股市与日本、美国股市之间的风险传染方向,发现股灾后市场间风险传导方向发生了改变,风险主要由中国股市传染至日本、美国股市.上述实证结果为深入研究市场间金融风险传染的非线性相依特征机理提供了有益的参考.     

国际股市联动条件下中国股市与汇市的非线性相依性关系研究

与以往仅对市场间相依关系进行静态、孤立的研究不同，基于全局化视角，在国际股市联动条件下研究中国股市与汇市间的相依关系。选取2006-01-04~2019-02-28沪深300指数、人民币兑美元汇率中间价、美国S&P500指数、欧洲STOXX50指数、香港恒生HSI指数、日本N225指数、英国FTSE100指数以及全球股市MSCI指数为研究样本，聚焦于2008年全球金融危机和2015年中国股灾两次极端波动事件，采用R-vine Copula方法研究国际股市联动条件下中国股市与汇市间的非线性相依关系，并构建参数动态化的动态R-vine Copula方法进行稳健性检验。研究结果表明：国际股市与中国股市和汇市之间分别存在着正向联动关系；在国际股市联动条件下，中国股市对汇市具有引导作用，且两者间的相依关系可以由资产组合平衡模型解释；中国股市与汇市在国际股市联动条件下间的相依关系弱于不考虑国际股市联动条件时的相依关系，且这种偏差在金融危机、股灾等极端波动后会显著增加。本研究对国际投资者合理配置资产规避风险、政府监管部门制定相关政策具有重要参考意义。     

中国股票市场的中值回归现象

采用2000～2009年的A股市场数据,通过考察投资组合的动态特性,检验了中国上市公司的净资产收益率、市净率、市盈率、股票收益率及公司市值等主要指标的中值回归趋势,并比较了不同指标之间的回归强度。实证结果显示:A股上市公司的盈利能力、估值水平和公司规模都呈现出显著的中值回归特点。通过对指标的序位建立模型和进行参数拟合,将不同经济指标纳入一个可以互相比较的框架,并对中值回归现象背后的形成机制进行了分析。     

企业财务困境修正Z模型的实证研究

针对奥特曼Z模型的不足之处进行了修正，寻找尽可能准确预测财务困境的模型，并选取我国上市公司中41家财务陷入困境的公司和41家财务正常的公司为样本，应用逐步回归分析法，研究了财务困境出现前2年这两类公司的20个财务指标，从中选定7个指标作为预测变量，主要采用Fisher判别分析和Logistic回归分析两种方法分别建立了财务困境预测模型。实证研究结果表明这2个模型与奥特曼的Z模型相比均有较好的预测效果，针对我国上市公司财务困境的预测准确度有显著提高。     

中国股市复杂网络中的分形特征

利用阈值法构建中国股市复杂网络模型,从时间和空间两个角度对中国股市复杂网络的分形特征进行分析.首先利用分形几何学对静态网络进行分析,得到静态网络的分形维数,并发现其分形维数随着网络阈值的增大而减小.再利用R/S分析方法对中国股市复杂网络聚集系数时间序列进行分析,发现其具有长记忆性和持久性,且在长时间窗口下这一性质更值得信赖.H值大致呈现出随着时间窗口和阈值的增加而增加的规律.周期天数n呈现出随着时间窗口的增加而增长,随着阈值的增加而下降的规律.这说明在实际市场中,长时间窗口和高联系度股票产生的交易者群体行为惯性更强,长时间窗口和低联系度股票产生的交易者群体行为惯性的持续周期更长.这些研究成果表明了证券市场时间和空间两个维度的内在联系.     

日中两国不同经济时期股市的多重分形分析

在不同的经济发展时期, 股票市场波动会呈现出不同的动力学特征. 鉴于分形理论在描述股票价格波动特性时具有许多优势, 应用多重分形消除趋势波动分析(MF-DFA) 对日本七个经济时期以及中国股市自建立以来三个经济阶段的股票市场指数进行实证研究. 结果显示: 不同经济发展时期日中两国的股票市场均具有明显的多重分形特性; 但各自不同的经济时期多重分形特性差异显著, 且与当时经济发展的状况存在着一定联系. 接着运用自组织特征映射(SOM)神经网络对日本七个经济时期股市的多重分形特性进行分类, 验证了多重分形消除趋势波动分析(MF-DFA)可以较准确地刻画出不同经济时期股票市场的动力学特征. 最后, 通过对比日中两国不同时期股票市场的多重分形性, 得出一些对中国经济发展有益的启示.     

基于EEMD的投资者情绪与股指波动的关系研究

基于集成经验模态分解（ensemble empirical mode decomposition, EEMD）对非线性、非平稳性金融时间序列的有效 处理, 运用EEMD方法分别将投资者情绪和股指价格序列分解成若干个独立的、不同尺度的IMF分量和一个残余项, 提取出 序列在不同时间尺度下的波动特征, 并将得到的IMF分量和残余项按照高低频重构为序列的短期波动项, 中期重大事件 影响项和长期趋势项, 进一步结合计量模型考察投资者情绪和股指价格序列在不同时间尺度下的波动关联性. 实证结 果表明, 投资者情绪与股指价格波动在不同时间尺度下呈现出不同的波动关系： 短期投资者情绪与股指价格波动存 在双向影响, 中期投资者情绪波动领先于股指价格波动, 而长期则转变为股指价格领先投资者情绪波动.     

多元条件高阶矩波动性建模

类似于二阶矩风险(方差风险)的时变性,高阶矩风险也具有时变性.同时,为讨论多个市场或多个金融资产对应高阶矩风险之间的关系,需要建立多元条件高阶矩波动模型.提出了多元GARCHSK模型并给出其向量表达,用独立成分分解技术来解决多元GARCHSK建模中的“维数灾难”问题,给出多元条件高阶矩波动率的估计方法.最后,利用该模型对我国股市4个主要股指的高阶矩风险进行了动态描述.