经济附加值指标在中国证券市场的实证研究

通过计算 1 998～ 2 0 0 0年中国 A股上市公司的经济附加值 ,对 A股上市公司的总体、个体以及行业进行分析。研究了经济附加值指标在中国 A股上市公司基本面分析和投融资分析中的应用     

基于企业价值的上市公司社会责任信息披露实证分析

以2007年前在上海证券交易所上市的115家公司作为研究对象,对企业价值和上市公司的社会责任信息之间关系进行回归分析,结果表明:我国上市公司社会责任信息披露情况与企业价值没有明显的相关性,但公司规模大的上市公司会披露更多的社会责任信息,而且基本每股收益和净资产收益率这些公司盈利能力指标并不影响公司社会责任信息披露.     

中国A 股公司业绩变化是否均值回归?

利用深沪两市95年至2002年A股公司的数据,检验了在国外业绩变化规律研究中得到验证并被普遍接受的均值回归假说.均值回归假说是基于成熟市场经济条件下的竞争机制,中国的上市公司由于特殊制度背景,业绩的变化并不仅受竞争机制的影响.检验结果表明,中国上市公司业绩变化并不符合均值回归假说,存在业绩长期高于平均水平的公司.业绩高于平均水平的公司业绩一旦下滑到平均水平以下,就长期低于平均水平.这些结果与上市公司为融资而进行的盈余管理有密切关系,因此中国A股公司业绩变化规律的研究必须考虑中国特有的制度因素的影响.     

中国上市公司资本结构行业间差异实证研究

将沪深A股上市公司进行行业分类,以长期负债率为指标,比较全面地实证研究了资本结构的行业间差异.研究结果表明:1.不同行业上市公司的资本结构具有显著差异,但这种差异是由少数行业与其它行业间的差异引起的,这与已有的研究结果不同;2.约10.5%的公司间资本结构差异可由公司所处行业的不同来解释;3.同一行业上市公司的资本结构具有稳定性,行业间差异也具有稳定性.     

A股、红筹股及美国股票市场定价比较

对中国大陆的A股、香港的红筹股和美国市场股票的市净率及其决定因素进行比较分析,判断A股市场是否存在泡沫.通过与美国市场的市净率与净资产报酬率之间的关系进行比较,发现:(1)红筹股公司的市净率略高于美国市场,但红筹股公司的市净率与净资产报酬率的关系曲线的斜率与美国市场相等.(2)相对于红筹股公司和美国上市公司,A股亏损公司的市净率的中位数达到4倍以上,这就是所谓的垃圾股现象.(3)盈利A股公司的市净率远高于红筹股公司和美国上市公司.A股公司的市净率相对于净资产报酬率的斜率,亦远高于红筹股公司和美国上市公司,并且这一现象在小规模公司中更为突出.(4)在控制了年度、交易所、操纵行为和公司规模之后,A股公司市净率与净资产报酬率之间的正相关关系消失了.这一结果表明探纵行为及A股市场浓郁的投机气氛是A股市净率相对于成熟市场高企的主要原因.红筹股与成熟市场的市净率比较接近,红筹股回归在一定程度上能够平抑A股市场可能存在的泡沫.     

中国股市回报、风险与业绩的行业特征

对A股上市公司的业绩和股价行为月特征进行了分行业的统计分析,检验了业绩、股价收益及风险的行业效应,并对股份收益与公司业绩、风险分别进行了相关性分析和回归分析。研究结果表明,不同行业公司的业绩具有显著差异,但股份收益和风险均没有显著差异;股份收益与公司业绩基本无关,但与风险显著正相关,约25.3%的股份收益波动可由风险来解释。     

A股关联公司的股票动量溢出效应研究——基于分析师共同覆盖的视角

本文基于有限注意力假说,用分析师共同覆盖构建公司相关性,检验了A股市场关联公司之间股票的动量溢出效应.研究发现,以共同覆盖分析师数量作为权重构建的关联公司股票加权平均收益率,能正向预测焦点公司未来1～12月的收益率,基于关联公司收益率构建的多空组合可获得10%～12%的年化超额收益;在截面回归中,关联公司动量溢出效应较同行业或同地区公司的动量溢出效应更强.异质性分析表明,在拥有更多分析师共同覆盖、非明星或低学历分析师共同覆盖,以及焦点公司股票被更多压力抵抗型机构投资者持有时,关联公司动量溢出效应更强,说明该效应的成因与分析师和投资者的有限注意带来的行动迟缓和反应滞后相关.本文的工作对A股市场跨资产动量效应给出了全新证据,对市场监管与投资者决策具有参考价值.     

市场分割下的股价微观行为及其行为金融学解释

以交易量、股价波动率和收益率的自相关性作为流动性、波动性和价格有效性等微观行为指标,实证分析了中国A股和B股市场在微观行为上的差异.结果发现,三个指标在两个市场之间存在显著差异.在B股向境内居民开放前,A股的三个指标都要显著大于B股.而B股开放之后,B股的这些指标都大于开放之前.最后运用行为金融理论中投资者结构对微观行为的影响进行了分析和解释.     

交叉持股是否导致收益的可预测性?--基于有限注意的视角

选取从2005-2008年的A股交叉持股上市公司为研究样本, 发现被持股公司(子公司)股票的历史收益与持股公司 (母公司)股票的当期收益存在显著的正相关性. 通过构建按月调整的零投资组合, 发现该投资策略可以获得2.01% 的月超额收益率, 在控制了风险因子和公司特征之后依然是显著的. 进一步地, 用公司规模、历史收益、换手率、是否被同一只基金所持有等来衡量投资者的注意力, 发现交叉持股动量收益的显著性对注意力代理变量是比较敏感的, 这恰好与有限注意假说一致.     

交叉上市、知情交易与IPO定价效率

本文以1993～2017年在沪深A股市场首发上市的公司为研究样本,实证检验了H+A双重上市与公司IPO定价之间的关系。文章以股价信息含量作为A股市场知情交易的测度,并用双边随机前沿模型对IPO定价效率加以分析,研究发现:H+A双重上市与IPO股价信息含量显著负相关,这表明H+A双重上市虽能促使公司信息披露质量提高,但该效应并不能完全抵消其所带来的"噪声信号"对IPO股价信息含量的负面影响;伴随H+A双重上市的较低股价信息含量进一步导致了IPO定价的低效率,即更严重的IPO价格泡沫。本文的研究对理解境外上市公司回归A股市场时的"炒新"、"打新"现象具有一定的启示。     

国际碳期货价格的均值回归:基于EU ETS的实证分析

引入均值回 归理论、GED-GARCH模型和VaR方法,考察EUETS碳期货市场的运行特征.结果发现:不论是2006年的配额事件发生前还是发生后,EUETS的碳交易期货市场的价格、收益、市场波动以及市场风险的变化均不服从均值回归过程,即它们的运动具有发散性,暂时不具有可预测的特性,这主要是由于政治决策、能源价格、股票市场、异常天气等一系列复杂因素的综合作用,导致碳市场效率不高,市场反应过度.国际碳市场的不可预测给我国CDM项目和银行理财产品的收益带来了显著影响.     

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.     

区间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(SymbolicDataAnalysis简称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-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.     

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。     

机构投资者、股权分置改革与股市波动性——基于MCMC估计的t分布误差MS-GARCH模型

从2003年开始, 中国机构投资者占股市流通市值中的比例迅速增长. 论文以这段时期上证指数的日收益率序列为研究对象, 改进了最新的t分布误差MS-GARCH模型, 运用马尔科夫链蒙特卡罗模拟(MCMC)对该模型进行了估计, 为研究股权分置改革、机构投资者对股市收益率波动的影响提供了新的证据. 研究发现, 股权分置改革使股市波动性发生了结构性改变, 股市由低波动风险期转换为高波动风险期; 各类基金的总净值和仓位给股市波动性带来的影响有显著差异, 存款准备金率和利率的调整也会影响股市波动性. 最后, MS-GARCH模型对股市数据的拟合度和预测效率等都优于单状态GARCH模型.     

基于深度学习算法的行为期权定价

针对一类考虑了投资者微观结构随机变迁、投资者行为存在羊群效应以及非理性情绪的高维行为资产价格模型,推导出行为期权定价偏微分方程,构建了基于深度学习算法的行为期权定价方法：首先,基于费曼卡兹公式推导出行为期权价格的迭代方程;然后,用神经网络来逼近迭代方程中的期权价格关于标的模型空间变量的梯度函数;最后,通过深度神经网络参数寻优得到期权价格。数值实验表明：相比蒙特卡洛方法,深度学习算法在计算高维标的资产的期权价格时,获得的结果不仅精度更好,而且效率更高;在相同精度要求下,深度学习算法所需要的仿真路径数更少。研究发现：市场中投资者的非理性情绪程度越严重,期权价格越高;股市微观结构调整速度和羊群效应,对不同成熟度的市场上期权价格的影响,存在异质性：在不成熟市场上,股市微观结构调整速度越快,投资者的羊群效应越严重,期权价格越高;而对于成熟市场,投资者结构回复长期均衡以及羊群效应,均起到稳定期权价格的作用。     

Profit Guided or Statistical Error Guided? A Study of Stock Index Forecasting Using Support Vector Regression

Stock index forecasting has been one of the most widely investigated topics in the field of financial forecasting. Related studies typically advocate for tuning the parameters of forecasting models by minimizing learning errors measured using statistical metrics such as the mean squared error or mean absolute percentage error. The authors argue that statistical metrics used to guide parameter tuning of forecasting models may not be meaningful, given the fact that the ultimate goal of forecasting is to facilitate investment decisions with expected profits in the future. The authors therefore introduce the Sharpe ratio into the process of model building and take it as the profit metric to guide parameter tuning rather than using the commonly adopted statistical metrics. The authors consider three widely used trading strategies, which include a na¨?ve strategy, a filter strategy and a dual moving average strategy, as investment scenarios. To verify the effectiveness of the proposed profit guided approach, the authors carry out simulation experiments using three global mainstream stock market indices. The results show that profit guided forecasting models are competitive, and in many cases produce significantly better performances than statistical error guided models. This implies thatprofit guided stock index forecasting is a worthwhile alternative over traditional stock index forecasting practices.     

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.     

有偏胖尾分布下的金融市场风险测度方法

通过对上证综指和世界股市若干重要指数收益的统计特征分析发现,无论是成熟资本市场还是新兴资本市场,其收益分布都展现出较为显著的“有偏”和“尖峰胖尾”特征,因此,主流金融理论假定的正态分布或对称学生分布都无法全面准确刻画股市收益的真实分布特征和风险状况。通过引入有偏的学生分布,分析和对比了不同收益分布假定下的市场波动率和风险价值计算方法,并利用风险价值的失败率似然比检验以及动态分位数回归检验法,实证分析了不同分布模型的适用范围和精确程度,探讨了非正态分布假定下的金融市场风险测度方法。