中国证券多因素及三因素定价模型实证研究

提出股票定价的包括宏观经济变量、微观经济变量、市场变量的多因素以及内在价值、技术因素、流动性的三因素资产定价模型,并对中国股市进行实证,发现市场指数回报率对股票的收益率的影响具有决定性的影响,市场指数回报率β系数显著为正,而且其系数变化的区间为0.41至0.53之间,说明市场指数对股票的收益率的解释力达到41%至53%之间,平均为50%.每股盈余增长对股价的影响为最大,每股盈余增长系数估计值显著为正,接近于1,表明每股盈余增长对股票收益呈现出正的影响,即每股盈余增长一个百分点,年预期收益平均增加一个百分点.而GDP增长、货币供应量增长、存款利率增长、通货膨胀率、存款增长、贷款增长等,其系数估计值显著为负,表明股票收益率为我国宏观经济变量的减函数.实证结果显示:多因素模型能有效地找出股票定价的关键因素,而三因素模型能够对资产价格主要因素进行定价.     

流动性与收益、收益波动的动态关系

研究了我国股市流动性与收益的时间序列的动态关系。通过建立相关模型,发现非流动性与证券收益互为G ranger因果关系,当期收益与当期非流动性呈负相关关系、而与滞后一期非流动性呈正相关关系。进一步把市场日非流动性分解为期望非流动性与预期之外非流动性,发现期望非流动性对于期望收益具有正效用,而预期之外非流动性对于期望收益有负效应,且后者的负效应大于前者的正效应;预期之外非流动性对收益波动有显著影响,而期望非流动性对收益波动影响不显著。     

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。     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征，以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现，波动性随时间变化的证据，并且波动高／低的时期趋向于聚集，显示出高度持续性和可预测性。然后，应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为，每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。     

单位风险预期超额收益最大化的组合证券资产选择

本文研究了单位风险预期超额收益最大化的组合证券资产选择问题，给出了最优证券组合的计算方法及以无风险收益率为参数、连续确定不允许卖空有效证券组合构成变动和有效边界的单纯形方法，以释例说明了有关方法的应用．文中还进一步讨论了单指数市场模型下的简化算法．     

证券市场中私人信息与资本成本的关联性

通过一个理性预期均衡模型，证明了证券市场中私人信息有助于降低上市公司的资本成本。这是因为，私人信息可以直接降低知情投资者的预测风险，或者借助均衡价格的信息揭示作用，间接降低不知情投资者的预测风险。这种间接影响的存在，意味着均衡价格的信息揭示效率的提高，也有助于降低投资者的预测风险。所以，监管机构可以通过提升交易过程的透明度，在维护公平的前提下，降低证券市场的融资成本。同时，对沪深股市502家上市公司的实证分析也表明，证券分析师盈余预测的变异系数越高，资本成本越低。因此，我国证券市场中的私人信息具有显著的资产定价效应。     

FF因子与宏观因子是潜在风险因子的良好代理吗?

Fama-French 因子以及宏观经济因子是解释股票收益的重要因素,但是它们是否是真实数据所隐含的不可观测风险因子的客观反映却不得而知. 运用Bai等^[1]提出的最新分析方法,基于面板数据的因子模型,对上证A 股市场进行风险因子代理合适性的实证研究. 结果显示：（1） Fama-French 因子可以作为投资组合风险因子的良好代理,但只有MARKET 因子可以作为个股风险因子的良好代理,即寻找个股的良好代理比投资组合更为困难. （2） 基于工业总产值增长率、通货膨胀率、银行同业拆借利率以及M2 增长率构造宏观经济因子,发现单个宏观经济因子和整个宏观经济因子集合都不适合作为投资组合风险因子的代理.     

基于市场基准的多因素证券组合投资决策模型研究

将证券收益的多因素模型引入基于市场基准的投资决策模型,建立了基于市场基准的多因素证券组合投资决策模型,研究了模型的解和模型控制参数值的选取问题.     

罕见灾难风险与中国股权溢价

本文计算了我国1996-2014年平均股权溢价,并通过基于传统效用函数及广义预期效用函数的资产定价模型计算的相对风险规避系数、GMM估计方法及H-J最小方差界验证了我国的确存在股权溢价之谜,以此构建灾难风险模型对我国股权溢价之谜进行解释,结论包括:1)我国1996-2014平均股权溢价为8.64%,股票收益波动性较大;2)我国的确存在股权溢价之谜,仅考虑广义期望效用函数无法合理解释我国股权溢价之谜;3)时变灾难模型可以较好地解释我国股权溢价之谜,尤其股市熊市模型更能体现灾难对投资者行为的影响从而影响资产价格风险溢价;4)我国股票收益率波动较大,而股息增长率波动较小,本文验证了灾难视角下股利价格比可以有效预测股票超额收益,为今后投资决策提供稳定科学指标和研究框架.     

基于净资产的证券投资价值评估模型

对证券的价值评估有多种模式,最经典的是现金流模型,但这种模式对很多企业不分红,而股票的价格仍在上升的状况却不能做出很好的解释。另一种是基于市盈率(P/E)预测的股票价值评估,其缺点是基于不断变化的股票价格,且不能反映上市公司的未来盈利能力。本文把股票价值评估用3个指标表示:每股净资产、每股净资产的增长率和投资回报率,并引入合理预期理论介绍股票价格的连续波动,最后通过实证检验了模型在证券市场的应用。该证券价值评估模式能更客观地反映股票投资价值,从而为证券投资活动中的价值判断提供借鉴。     

非正态稳定分布条件下的投资组合模型:均值2尺度参数模型

针对风险证券收益率的经验分布所具有的偏态和过度峰态等非正态分布特征,提出在非正态稳定分布条件下研究投资组合模型.通过拟合优度检验发现我国的股票收益率与非正态稳定分布的拟合效果非常好;研究了非正态稳定分布条件下投资组合收益和风险的度量,建立了均值-尺度参数投资组合模型;通过实证分析发现均值-尺度参数模型能够解释资产配置之谜.     

股价超跌能驱动股票回购吗?——基于一个准自然实验

以2018年《公司法》关于股票回购条款的修订作为准自然实验，利用倾向得分匹配、双重差分与三重差分等方法，研究股价超跌公司的股票回购决策与市场反应.结果表明：回购新政推出后，股价超跌公司采取股票回购的意愿没有显著加强，但拟回购股票的股价超跌公司会扩大计划购买规模；相较于非股价超跌公司，股价超跌公司的股票回购事件累计超额收益率更高，证明回购新政有利于稳定股价、维护资本市场形象；依赖于外部融资（自有资金）回购股票的股价超跌公司，在回购新政后扩大（未扩大）计划购买规模，但无法（能够）获取更高的超额收益.说明上市公司与投资者在资金来源问题上存在偏好分歧，监管仍需不断完善.结论支持并扩展信号理论，为A股股票回购的研究提供文献补充.     

什么导致了股票收益的“媒体效应”:预期关注还是未预期关注?

本文借助百度新闻搜索引擎获取上市公司的网络新闻数据,利用中国A股市场2003年到2010年的股票收益数据进行检验,实证结果支持Fang等所发现的"媒体效应".为了揭示媒体关注度定价效应的内在机理,本文对媒体关注度进行分解,发现股票收益的"媒体效应"主要来自于媒体关注度的未预期部分,而未预期关注度的定价效应很大程度上可以由Miller的"基于卖空约束的异质信念"假说以及本文所提出的"投机性关注"假说所解释.     

证券投资中的模糊决策

根据多种证券收益率的统计数字,利用模糊多目标规划技术,给出一个新的证券投资决策模型。该模型的目标函数及其约束函数均为模糊数,它克服了文献［１～５］中模型系数为常量的缺陷,使其符合于预期收益率和投资风险的非稳定性     

ML-TEA:一套基于机器学习和技术分析的量化投资算法

量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易,并从中获取超额收益,是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA(machine learning and technical analysis).该模型以技术指标作为输入变量,再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向,并根据预测的方向来构建投资组合.实证结果显示:第一,三种模型的年化收益率都在25%以上,远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效(夏普比率、特雷纳比率和詹森绩效)来看,三种策略也都远超基准策略和现有策略.以夏普比率为例,三种策略均在1.50以上,而市场指数的夏普比率为0.38.第二,Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.     

灰色多变量GM(1,N)幂模型及其应用

针对多变量少数据的系统建模问题,提出了灰色多变量GM（1,N）幂模型及其派生模型GM（1,N,x^（1））幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性. 结果表明：传统的GM（1,N）模型是GM（1,N）幂模型的特殊形式,GM（1,N）幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度.     

含季节性虚拟变量的GM(1,1)模型及其应用

针对GM（1，1）模型难以准确预测季节性时间序列的问题，本文将季节性虚拟变量作为灰作用量引入传统GM（1，1）模型中，提出了含季节性虚拟变量的GM（1，1）模型（简记为GMSD（1，1））.在GMSD（1，1）模型定义型和白化型的基础上，推导了GMSD（1，1，x⁽¹⁾）模型、GMSD（1，1，x⁽⁰⁾）模型、GMSD（1，1，b）模型、GMSD（1，1，exp）模型、GMSD（1，1，C）模型等五种派生型GMSD（1，1）模型，构建了季节性虚拟变量GM（1，1）模型群.同时利用粒子群算法对GMSD（1，1）模型和GMSD（1，1，exp）模型中的解析式进行最优化求解.最后以中国水力发电量的季度数据为例，验证了含季节性虚拟变量的GM（1，1）模型及其派生模型的有效性和优越性.结果表明：相较于传统GM（1，1）模型，引入季节性虚拟变量的GMSD（1，1）模型及其派生模型更能准确地描述系统特征序列的季节性波动和周期性变化特征.     

中国股市投资者情绪与股票收益的实证研究

应用GARCH—M（1，1）模型检验了中国股市投资者情绪对股票收益的影响，结果发现：机构投资者情绪是影响股票价格的重要因素，但对不同市场和组合的影响方式不同且未形成系统风险；而个人投资者情绪的影响并不显著，也不存在小盘股主要受个人投资者情绪影响的现象。这与国外相关研究结论不同。     

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.     

基于时间序列的上海股市系统风险、流动性风险溢价实证研究

在Acharya和Pedersen（2003）提出的三种流动性风险（收益对市场非流动性的敏感性COV（ri,LM）、非流动性对市场收益的敏感性COV（Li,rM）、流动性的共性COV（Li,LM）的基础上，提出了一个关于市场收益、市场非流动性、组合收益以及组合非流动性的四元均值GARCH（1，1）模型，鉴于多元均值GARCH类模型参数估计的困难，我们分两阶段建模，对上海股票市场四类指数（工业、商业、公用以及地产）1997～2004年的风险溢价状况进行了实证研究。结果表明，存在系统风险溢价和流动性风险溢价，并且流动性风险溢价主要来源于收益对市场非流动性的敏感性和非流动性对市场收益的敏感性。