应计质量在A股市场得到客观定价了吗? 来自中国A股市场的证据

论文运用Panel data(固定效应)回归以及时间序列OLS回归计量方法, 从股价和超常回报率两个角度考察了应计盈余质量是否会影响投资者对股票的定价.对股价的检验显示, 年报和季报之后的股票价格与可控盈余之间存在显著的正相关关系, 表明, 上市公司对会计报表报进行盈余管理会误导投资者对于资产的定价. 进一步, 构建了应计质量的替代因子AQfactor, 将其纳入资产定价模型, 检验结果显示, 月超常回报率与AQfactor之间并不存在显著正相关关系, 这表明, 超常的报告盈余带来的低盈余质量并未得到A股投资者充分关注. 在一定程度上, 投资者未能有效识别上市公司财务报表的真实性.     

应计质量的资本市场定价——来自中国A股市场的证据

通过运用Panel Data(固定效应)以及时间序列OLS回归计量方法,系统分析影响应计质量的内在因素,在将总应计质量分离成内在应计质量与可操控应计质量的基础上,探讨它们与权益成本的相关性,实证表明:可操控应计质量与醛益成本成显著负相关,而内在应计质量与权益成本成显著正相关;可操控应计质量对权益成本影响比内在应计质量更为显著。这表明,在中国A股市场,投资者不能全面有效识别公司应计盈余质量的好坏,应计质量没有得到客观定价。同时,在对应计质量进行资产定价检验时发现,由于超常报告盈余引起的盈余大幅度波动(高AQ值)导致盈余质量的不稳定,并不能给投资者带来稳定的超常回报率。     

基于混合资产定价模型的中国股票市场羊群行为实证研究

结合资本资产混合定价模型市场交易因子载荷离散度指标对市场交易行为的反映,提出更加反映市场行为、具有时间序列可比性的羊群行为度量指标,并利用该指标对中国股票市场羊群行为进行实证检验,发现了沪深股市羊群行为的显著特征.     

基于条件信息的因子定价模型及其实证研究

本文构建了基于条件信息的因子定价模型,并运用基于GMM(generalized method ofmoments)估计的实证框架对此模型进行实证研究.实证结果显示:1.条件定价模型确实在定价中确实加工了条件信息;2.预测性越强的条件信息变量对定价越起到决定性作用;3.各国代表性投资者对条件信息的理解存在差异,但整体来说跨期对冲原理和动态策略原理两种条件信息使用方法在定价中的重要性持平;4.与其他西方发达国家相比,中国条件信息变量对债券回报率的预测能力和方向存在较大偏差,且经济体系受到全球经济衰退的影响较小.在定价模型中合理使用条件信息有助于更好地解释债券回报率中的风险溢价补偿关系,而对条件定价研究也是金融经济学中极具前途的一个发展方向.     

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.     

零贝塔CAPM模型的特征值检验--基于上海A股市场的研究

国内外的许多研究都曾以CAPM检验市场的有效性。然而现实的市场不存在无风险资产,零贝塔CAPM针对此假设对CAPM进行了修正,但是得出的约束条件不再是线性,因此检验变得复杂。介绍了检验这一非线性约束条件的一种新方法——特征值检验,并运用此方法,以零贝塔CAPM检验上海A股市场的有效性,结果发现,上海A股市场远不是有效市场。     

机构投资者持股与应计质量相关性的资产定价——来自中国A股市场的证据

通过运用Panel Data(固定效应下)计量方法,系统地分析了影响应计质量(AQ)的内在因素,并着重分析了机构持股与AQ的相关性,从总样本和分等级样本综合来看,AQ与机构持股比例成显著负相关,表明,从整体上来看,对于那些盈余波动较大,AQ较差的公司股票,机构投资者予以了识别与回避.进一步,通过构建AQ的替代变量AQfactor,将其纳入三因子和四因子模型,采用时间序列OLS回归计量方法进行资产定价检验.结果显示,AQfactor虽然与股票回报率正相关,但是,在三因子模型中,其回归系数只在10％水平上显著,同时,按机构持股高低分组的检验结果表明,机构持股最高的组合,其AQfactor系数的显著程度在10％水平上高于机构持股最低的样本.而在四因子模型中,回归显示并不具有统计意义上的显著性.表明,中国A股投资者在对股票定价时,虽对AQ带来的盈余信息风险有所识别,但无充分的证据表明,AQ能作为一个较为稳定可靠的定价因子来解释股票回报率.     

基于B-S公式的欧式股本权证多因素定价模型

综合分析了保底条款、股本摊薄、交易费用和除权除息四个重要因素对股本权证价值的影响.在B-S公式框架下,采用递进方式建立了具有这四个因素影响的欧式股本权证定价模型,实证分析表明该模型较B-S模型更好地反映了股本权证的特性.     

基于时间-概率权衡的行为资产定价模型

运用时间-概率权衡理论研究基于消费的资产定价模型(CCAPM)中投资者跨期效用的折现问题,突破主观折现因子外生给定的不足,用体现投资者时间偏好与量值效应的内在折扣率函数刻画跨期对投资者效用的影响,推导出反映投资者跨期决策行为特征的行为折现因子,并指出其可测度性。在此基础上,改进Abel(1990)模型,考察具有习惯形成与追求时髦这两种行为特征的投资者,其跨期效用在行为折现因子作用下的消费-投资决策,构造较为全面反映投资者多重行为特征的行为资产定价模型(BAPM),得到均衡资产价格的非显示性最优解。通过数值模拟,新模型能更有效的解释股票溢价之谜与无风险利率之谜。     

基于MapReduce的分布式改进随机森林学生就业数据分类模型研究

教育数据挖掘(educational data mining)是当代教育信息化发展的前沿研究领域,正在吸引越来越多教育学家和数据科学家的关注."大数据"时代背景下,随着数据处理规模的不断激增,现有的数据挖掘模型在单一处理节点的计算能力遭遇瓶颈,各类面向大数据处理的分布式计算框架应运而生.借助这些框架,面向解决高校就业数据挖掘问题的机器学习模型便可以满足未来大规模数据处理的需求,在未来数据集体量庞大的信息集成系统中为数据挖掘和决策支持提供帮助.以此为背景,本研究对比现有数据模型对研究目标对象的分类性能,提出了以引入输入特征加权系数来计算特征的信息增益作为特征最优分裂评判指标的改进随机森林模型来提升数据分类性能,通过仿真测试改进模型对于现有模型分类性能的提升情况,与此同时为解决大数据时代背景下面向海量数据分类任务的单节点性能瓶颈问题,提出了基于分布式改进随机森林算法的大规模学生就业数据分类预测模型.通过使用MapReduce分布式计算框架实现已训练模型在本地磁盘与分布式文件系统之间的序列化写入与反序列化加载过程,进而实现了基于改进随机森林模型的大规模数据分类模型的分布式扩展.     

流动性调整的消费资本资产定价模型——来自中国市场的经验证据

在流动性调整的消费资本资产定价理论模型的基础上,通过线性和非线性两种方程形式、使用GMM估计方法,实证检验该模型对中国A股市场截面收益的解释力。实证结果发现:样本期内的风险厌恶系数估计值在合理的范围内,表明我国市场不存在"股权溢价"之谜;在解释25个FF组合截面收益时,拒绝以幂效用函数为基础的标准消费资本资产定价模型,递归效用函数的消费资本资产模型具有更强的截面解释能力。流动性是决定资产定价的重要因素之一,流动性风险可以解释FF组合规模效应的76%、账面/市值比效应的49%。     

基于Lanchester方程的多传感器数据融合效能模型

介绍了经典Lanchester方程及其改进的模型,在此基础上提出了Lanchester方程的多传感器数据融合系统效能模型,该模型具有传统Lanchester方程的基于耗损的系统特性,又能反映出数据融合系统的作用效能,可较好的反应C3I数据融合系统对作战双方实力的影响,利于在系统仿真中实现,对于C3I系统的效能分析有着重要的意义。     

我国互联网金融股票的内在价值被高估了吗?——基于A股市场互联网金融股票的实证分析

通过比较与经典剩余收益模型F-O模型一脉相承的Frankel-Lee模型(1998)和Kim等模型(2013),对22支互联网金融股票有效样本的内在价值进行计算,经过配对样本T检验与Wilcoxon秩和检验,选择凸显行业特征并对股价解释相对准确的Kim等模型来计算我国互联网金融股票的内在价值。通过研究在2017年上证综指不同点位下互联网金融股票的价格泡沫,发现互联网金融股票价格泡沫整体平均水平为负泡沫,有近一半股票的内在价值被低估,进而分析互联网金融股票内在价值被低估的原因,并针对如何提振投资者信心提出对策。     

基于Levy过程修正GJR-GARCH模型的权证定价——对中国大陆和香港权证的实证研究

考虑股票收益率在GARCH模型下的非正态特征,以及收益率标准差序列的非对称特征,首先给出几种真实测度下服从Levy分布的条件异方差模型,接着对随机扰动项和波动率进行风险中性调整,最后通过蒙特卡罗模拟进行大陆和香港权证的实证.结果表明:Levy过程修正下的GJR-GARCH模型能够很好地捕捉到金融数据"跳跃特征"、"群聚现象"和"杠杆效应".同时,该模型显著提升了权证的定价精度.市场间对比显示,香港权证的定价精度高于大陆权证,且大陆权证的市场价格显著偏离无套利假设下的理论价值.     

基于大数据的城中村C~2I~2O设计与警力配备模型

首先运用网格化管理技术将城中村划分为若干单元格,其次通过物联网与互联网技术收集治安风险数据,然后利用移动互联网收集城中村外来人口信息,通过智慧城市大数据挖掘技术,形成治安数据与电子地图相结合的可视化信息;用i-beacon技术设置可提供公共服务的虚拟地理围栏;建立了城中村C~2I~2O模型和警力配备模型;通过定义k-关联事项和频繁关联事项,对城中村常见犯罪行为进行频繁关联事项规则挖掘.最后以贵阳市云岩区构建社区治安防控网智慧城市的设计为实例,从网格化管理、物联网技术、建立城中村信息大数据库以及公共服务四个方面对该市的治安风险管理进行案例分析,计算了相应的警力数配备.本研究为城中村的智慧化和警力数配备提供一种科学管理方法.     

基于Lévy过程修正GJR-GARCH模型的权证定价——对中国大陆和香港权证的实证研究

考虑股票收益率在GARCH模型下的非正态特征, 以及收益率标准差序列的非对称特征, 首先给出几种真实测度下服从Lévy分布的条件异方差模型, 接着对随机扰动项和波动率进行风险中性调整, 最后通过蒙特卡罗模拟进行大陆和香港权证的实证. 结果表明: Lévy过程修正下的GJR-GARCH模型能够很好地捕捉到金融数据跳跃特征、群聚现象和杠杆效应.同时, 该模型显著提升了权证的定价精度. 市场间对比显示, 香港权证的定价精度高于大陆权证, 且大陆权证的市场价格显著偏离无套利假设下的理论价值.     

网络搜索能帮助解释IPO抑价之谜吗?——基于中国A股市场的实证分析

从投资者关注理论出发,在微观层面探讨了网络搜索信息与个股IPO抑价的相关性,验证了网络搜索是衡量投资者关注度的直接指标。实证结果显示:(1)网络搜索能够解释IPO抑价现象,并且包含了其他常用解释指标所不包含的信息;(2)尽管申购前和上市前网络搜索对IPO抑价现象都有解释能力,但上市前网络搜索蕴含的信息更有效;(3)相对于沪市主板,网络搜索对中小板和创业板股票IPO抑价水平的解释力度更强。结果表明,在新股申购与上市时,投资者均会通过网络搜索相关的信息,增加对股票价值的判断。     

董事会特征对内部控制质量的影响——基于我国A股上市公司面板数据研究

以2008~2012年在我国A股上市的公司为样本,采用面板数据模型,并应用Driscoll-Kraay标准误差方法对模型标准误进行修正,就我国上市公司董事会特征对内部控制质量的影响进行了实证分析。实证发现,内部控制质量与董事会规模、董事会会议次数负相关,与独立董事比例正相关。董事长和总经理两职分离的领导权结构有利于提高内部控制质量。异地独立董事在一定程度上有助于公司内部控制质量的提高。这说明我国上市公司董事会特征能够在一定程度上影响公司内部控制质量。     

美国碳关税对我国经济的影响程度到底如何?——基于DCGE模型的分析

通过构建一个包括美国等4个国外账户和37个生产部门的动态可计算一般均衡模型, 以2007年为基年, 模拟研究了从2020年起美国对我国出口产品征收碳关税, 到2030年止对我国经济的动态影响.基于7种碳关税税率情景的模拟结果表明: 美国征收碳关税将直接缩减我国企业对美出口利润, 减少我国对美出口, 进而间接地对我国总体经济造成负面影响; 美国碳关税政策对于我国不同行业出口的影响程度不同, 对碳排放密度较高以及对美出口占总产出比重较大的行业如电力生产蒸汽热水生产供应业、水泥石灰和石膏制造业等有着较强的负面影响.     

我国碳市场博弈中的利益分配问题——基于ANP和改进多权重Shapley值方法的研究

针对我国碳市场中初始碳排放权的分配和统一碳交易市场的建立都存在利益冲突与博弈的问题,提出了基于网络层次分析法(ANP)的初始碳排放权分配方案,并应用基于权重向量改进的多权重Shapley模型,分析了统一碳交易平台建立过程中的利益分配问题。该分配方案不仅包含了碳排放权分配的三大原则,更考虑了各种分配原则之间的内在联系,可以更大程度地满足参与减排行动各个主体的利益,有利于各个经济体完成减排任务。而改进的多权重Shapley模型不仅运用ANP考虑了所有的影响因子,且以博弈论的思想分别探讨了各影响因子的作用,具有更符合实际的应用价值。