中美股市配对因子实证分析

量化交易是指借助现代统计学和数学的方法,利用计算机技术进行交易的证券投资方式。配对交易和多因子选股是典型的量化交易策略。配对交易是基于统计套利,利用了两个资产的短暂价格偏离,进行风险对冲以获取两个资产的Alpha收益,其核心假设是配对资产的价差具有均值回复性。多因子选股则将多个具有逻辑背景的因子策略相结合,选取在各个因子上综合得分较高的股票构建投资组合,其核心是如何挖掘具有逻辑背景的因子。由于中美经济关联度很大,两国股市间存在着联动性。根据配对交易的思想构建美股-A股配对因子,利用该因子对A股进行选股,通过实证分析,发现配对因子对A股股票有较好的区分度,且与传统的选股因子存在较低的相关性。因此,根据配对交易思想构建的美股-A股配对因子可用于多因子模型进行选股。贡献在于提出了以往研究未提出的因子,通过实证研究证明了该因子的有效性。     

基于多层关联网络的投资组合优化研究EI北大核心CSCDCSSCI

传统的单层网络往往难以全面刻画金融系统的复杂关联性,本文从多层关联网络视角进行投资组合的优化研究.首先构建包含线性关联层、非线性关联层、偏关联层和尾部关联层的股票资产的多层关联网络,然后分析其结构特征并检验投资组合中股票权重与关联网络中节点中心度的相关性,再后据此提出ρ投资策略和低中心度投资策略两种选股方法,最后运用滑窗法模拟动态投资过程并利用Sharpe比率、换手率、交易费用平衡点和alpha值评估投资组合的绩效.实证研究发现:1)各层网络间具有相似性和独特性,股票权重与节点中心度之间是负相关的;2)提出的网络组合回报高于基准组合,且这种高回报不被系统性风险因子暴露或交易费用所抵消;3)低中心度策略的等权重组合表现最好,能够为投资者提供显著高于基准组合的Sharpe比率.     

基于高频夏普指数的组合证券投资模型

资产选择与最优组合权重的设置是构建投资组合的两个关键步骤,利用日内高频数据构建一个夏普指数序列来进行资产选择,同时考虑多种组合策略.以沪市A股市场数据进行样本外实证分析。结果表明,不论市场处于下行还是上行行情,基于高频夏普指数选股方法构建的组合都能得到较高的风险调整收益,并具有较小的风险,同时在最优风险组合下,能得到可观的超额收益.     

交易信息含量与资产定价:来自A股的经验证据

采用Hasbrouck提出的交易信息含量[1]衡量A股交易中的信息不对称,通过组合方法、Fama和French资产定价实证框架[2],研究1999年7月至2008年12月A股股票交易信息含量与预期收益之间的关系。研究结果表明,以市值和交易信息含量为标准构建的投资组合,在控制了市值因素后预期超额收益随着信息含量的增加而增大;在控制了Fama和French三因素后,交易信息含量对股票预期收益仍具有显著的正的解释作用,即使进一步控制了流动性因素也是如此。     

基于配对策略的基金动态资产配置

作为市场中性策略的一种,配对交易早已被广泛应用于各类基金的投资实践。考虑基金管理者将总资产分别配置于风险资产与无风险资产,其中风险资产采用配对策略,假设风险资产价差服从指数O-U过程,基于最优投资组合理论,研究了不同市场环境、风险偏好下的最优投资组合动态资产配置策略。以投资到期效用期望最大化为目标,运用动态规划原理,得到了最优动态资产配置策略所满足的HJB方程,通过Legendre转换和分离变量法求得了该非线性方程的显式解,并证明了该显式解的相关性质。为了检验该配置策略的有效性,对我国A股市场的"中国太保"和"国海证券"进行了策略的情景模拟,通过最小二乘法和最大似然估计得到模型中的各项参数,并对2016-03-16~2016-04-29的实盘数据进行模拟交易,得到了该配对下的最优资产配置策略。最后,对A股各行业股票进行了全量模拟,计算了各行业的平均配对收益率,验证了本模型结果的稳健性。     

高维稀疏低秩的多目标矩阵回归模型及其组合管理策略

本文通过双因子随机过程表征资产价格的长短期运行趋势，选择具有重要影响力的市场指数构建有效市场组合，采用稀疏低秩的多目标回归方法深度挖掘市场特征，并自适应地捕捉市场趋势，最终利用预配权稀疏分散再优化方法获得矩阵回归的最优投资策略.研究发现高维稀疏低秩策略不仅可以实现全局和局部降维、低秩和稀疏约减的统一，还可以选择性地降低高维资产数目，更好地捕捉资产的非线性特性，更容易抓住资产间的关联关系.多目标稀疏分散回归策略具有集中配置资源、稀疏分散风险和稳定提高投资组合整体绩效的能力，组合管理成本更低，优越性更明显.实证结论对量化投资组合管理、资产配置优化及投资分析具有重要指导意义.     

股票-债券投资模型实证研究

利用均值方差MV模型与绝对偏差MAD模型,分别选择股票,国债与企业债,在无摩擦市场与有摩擦市场下构建投资组合的最优策略,并利用国内股票市场与债券市场的数据进行实证分析,比较两种风险模型的投资效果.结果发现:加入债券后,与单纯的选择股票组合相比,投资组合的风险极大的降低,且收益更加稳定.     

量价趋势、信息不对称与股票收益率：基于中国A股市场的实证研究

针对中国A股市场，考察量价趋势与股票未来收益率之间的关系。实证结果表明，量价趋势对股票横截面收益率具有显著的预测能力：成交量或价格上升趋势越强的股票，其未来的收益率越低。同时，对于信息不对称程度较高的股票，如市值较小、波动率较高或流动性较差的股票，量价趋势因子的预测能力更为显著。通过将量价趋势信息进行合成，研究发现，合成后的因子比单个因子有更好的表现。研究表明：投资者在进行投资交易时，综合利用量价信息能够获得显著的超额收益。同时，信息不对称是影响股票定价效率的重要因素，降低信息不对称程度有助于提高股票市场有效性。     

高维稀疏低秩的多目标矩阵回归模型及其组合管理策略

本文通过双因子随机过程表征资产价格的长短期运行趋势,选择具有重要影响力的市场指数构建有效市场组合,采用稀疏低秩的多目标回归方法深度挖掘市场特征,并自适应地捕捉市场趋势,最终利用预配权稀疏分散再优化方法获得矩阵回归的最优投资策略.研究发现高维稀疏低秩策略不仅可以实现全局和局部降维、低秩和稀疏约减的统一,还可以选择性地降低高维资产数目,更好地捕捉资产的非线性特性,更容易抓住资产间的关联关系.多目标稀疏分散回归策略具有集中配置资源、稀疏分散风险和稳定提高投资组合整体绩效的能力,组合管理成本更低,优越性更明显.实证结论对量化投资组合管理、资产配置优化及投资分析具有重要指导意义.     

大数据提升了多因子模型定价能力吗?——基于机器学习方法对我国A股市场的探究

本文采用惩罚线性回归方法和主成分分析等多种机器学习算法,充分挖掘我国A股上市公司财务基本面大数据信息,尝试构建我国资本市场的简约的多因子定价模型.研究发现:我国A股市场中,主成分作为定价因子的表现要优于特征因子;在缩减定价因子个数方面,弹性网络方法的表现要略优于LASSO.此外,惯性类、交易摩擦类以及估值与成长类因子的贡献较大,说明虽然我国资本市场不够完善,市场参与者交易习惯有待提高,但也体现了市场不断完善且有效的一面.本文方法构建的多因子模型优于主流的定价模型.本文将机器学习方法引入到资产定价模型的构建,实现了对高维财务基本面数据的降维和变量选择,构建了我国A股市场多因子资产定价模型,并给出经济学解释.文章从大数据和机器学习的角度为我国A股市场资产定价提供了新思路,明确了各个定价因子在多因子模型中的贡献,有助于理解我国资本市场特点,为解决高维财务基本面数据问题提供了适用于我国资本市场的方法.     

极端事件下相关性风险对冲策略研究

当世界各国出现极端事件时,金融资产之间的相关性风险会显著上升,因此如何事前防范并对冲相关性风险成为金融风险管理及应急管理的重要而迫切的课题.由于指数波动率受到市场流动性、个股波动率与个股间相关系数的共同影响,而个股波动率不受个股间相关系数的影响,因此,当极端事件发生时,股票指数波动率会由于资产间相关系数的提高而大幅提高,这样股指期权的价格就会随之大幅升高.而个股期权价格仅受个股波动率影响,与相关性的变动无关,此时股指期权价格比个股期权价格高出来的部分就包含了"相关性风险"的溢价.从理论上说,股指期权价格因为包含了相关性风险的溢价,所以可以用来对冲个股组合的相关性风险.本文通过厘清指数波动率风险和个股波动率风险,从中剥离出个股间的相关性风险,并对相关性风险进行对冲.本文利用香港恒生指数期权及其成分个股从2007年3月1日至2011年8月31日的日数据进行实证研究,研究结果表明当极端事件发生时,恒生指数个股之间的相关性风险显著上升,本文所构建的相关性交易策略能够对冲组合中个股间的相关性风险,起到事先控制和防范个股之间的相关性风险的作用,并且给投资者带来一定的收益.     

基于投资者关注的股价走势预测与交易策略设计——股票间交叉模式视角

股票搜索量作为投资者关注的重要代理变量,其变动情况与该股票价格走势的关系得到了学界与业界的广泛关注.另一方面,股票间的价格同步性一直是股票市场中人们重点关注的话题.基于此,本文在个股层面探究了相关股票搜索量变动与目标股票价格走势的关系模式,利用延迟时态关联分析提出了发现股价预测规则的方法,并进一步设计了个股层面的交易策略.同时,本文以我国A股市场股票为研究样本,针对特定场景检验了个股层面交易策略的效果.实验结果表明:利用相关股票搜索量与目标股票价格的关系,可以获得显著的超额收益.     

交易频率视角下我国股市量价关系研究

从理论上分析了指令驱动市场均衡价格的形成过程,发现了实时交易过程中交易频率对资产价格行为的直接影响,采用上海股市实时分笔交易数据对理论结论进行实证检验.实证结果支持了理论模型中交易频率是影响资产价格波动性的判断,并发现在实时交易过程中交易频率确实是一个市场信息流动表征信号.     

股指期货交易政策演变与股票市场质量

研究了在中国股指期货市场交易政策逐渐放宽这一背景下, 股票市场质量所表现出的变化特点, 为监管者进一步支持和发展指数衍生品提供了实证证据。从个股横截面角度,对指数成分股(样本组) 和非成分股(对照组) 进行匹配,通过描述性统计、差异性检验和回归检验等方法发现: 随着交易政策的逐步宽松, 尽管市场整体波动性可能有所增加, 股指期货交易对成分股的波动存在抑制作用; 股指期货对市场整体流动性存在一定的“交易转移效应”, 指数成分股所受影响更小。综合上述结果, 股指期货交易政策对投资者越具有吸引力, 越有利于改善股票市场质量、发挥股指期货应有的作用。     

交易量与股价波动性:对中国市场的实证研究

以沪深股市的20只股票为样本，对条件方差方程中是否引入交易量分别建立的两组收益率GARCH模型进行分析．结果表明，引入交易量后，GARCH效应显著减小，大部分模型的GARCH效应不再显著，而所有模型交易量的系数估计量均显著为正．并以中国市场为实例，证明交易量具有序列相关的性质，支持了交易量作为信息到达数量的代理变量对股价波动持续性的解释作用．     

基于序次Probit模型的离散股价研究

分析股票日内价格行为需关注高频分笔交易的价格离散特征.本文使用沪市个股高频分笔交易数据,采用序次Probit模型对离散股票价格建模分析.结合我国股市限制卖空与订单驱动的制度背景,考察了交易时间间隔、交易量和订单信息对价格变动的影响.研究结果表明,序次Probit模型可捕捉价格离散特征.较长交易时间间隔可能预示坏消息,使股价下跌.相对于卖方交易量,买方交易量更具有信息含量.订单信息影响价格变动,买方较多时股价上涨,卖方较多时股价下跌.     

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.     

沪深300股指期货市场中的宏观经济信息发布与价格发现

利用沪深300股指期货、现货市场1分钟高频数据,采用信息份额模型(IS模型),研究在有宏观经济信息发布时沪深300股指期货市场价格发现的日内效应及其影响因素.实证结果表明,在宏观经济信息发布时期,期货市场的信息份额会增加,这可能来源于期、现货市场交易机制、交易者构成、指数形成方式的不同.此外,工业企业利润累计同比和贸易顺差信息发布对价格发现作用有显著的影响,而CPI等“价格”类信息对价格发现的影响并不显著.     

中国证券市场正反馈交易的实证研究

在Shiller—Sentana—Wadhwani模型的基础上，建立一个不对称EGARCH模型，对我国证券市场正反馈交易行为进行了实证检验。实证发现我国证券市场上显著的一部分投资者为正反馈交易者，不以基本面价值为基础的正反馈交易在市场报酬的形成中起着重要的作用，正反馈交易使市场收益自相关系数与市场波动呈现负向关系，且高波动期间出现负自相关。同时，中国证券市场正反馈交易并不对称，市场下跌期间比上涨期间正反馈交易要明显得多。     

融资融券制度对股票特征组合情绪β的影响

融资融券制度的推出为理性交易者提供了套利的工具,但其杠杆效应可能引致情绪交易者更多的投机行为,从而对股票的套利难度和投机程度产生双向作用,影响情绪对其股价的作用.本文以试点期融资融券标的及前四次扩容新增标的为研究对象构建了四类股票特征组合,并利用情绪β来测度情绪对股价的影响程度,考察了各特征组合在允许融资融券交易前后的整体情绪β以及高、低情绪期情绪β的变化.结果表明,融资融券制度对各特征组合的整体情绪β几乎没有影响.但将市场划分为高、低情绪期后,融资融券制度显著降低了各特征组合的低情绪期情绪β,而对高情绪期情绪β大多没有影响.进一步分析表明,尽管本文提供了一些情绪横截面效应的证据,然而融资融券的影响并不存在明显的横截面差异.此外,本文还发现,无论是在股票被纳入融资融券标的之前还是之后的时期,各特征组合的情绪β在高、低情绪期本身就存在明显差别.