一、中国股市β系数的实证研究(论文文献综述)
赵慧慧[1](2021)在《混频模型背景下投资者情绪对股票收益率的影响研究》文中提出传统金融学理论以投资者完全理性和无风险套利为基础,为资产价格决定机制提供了较为完整的分析框架。但同时应该注意到的是,投资者完全理性这一假设与实际情况并不相符,并且对一些金融“异象”如“封闭式基金折价”、“IPO抑价之谜”等缺乏解释力。行为金融学从投资者的心理角度出发来探讨投资者的心理认知偏差对金融市场的影响,是对传统金融学的补充和发展。其中,投资者情绪是行为金融学的一个研究重点,投资者情绪理论旨在说明股市收益不仅受股票内在价值驱动,同时也被投资者情绪所影响。我国股票市场的非理性投资行为屡见不鲜,投资者情绪显着存在,因此研究投资者情绪对我国股市收益的影响就有重要的实际意义。传统的关于投资者情绪对股市收益的影响研究多基于同频模型,本文利用混频数据模型(MIDAS)研究此问题,有助于在充分利用高频信息的背景下从更加微观的时间角度去探讨投资者情绪对股票收益率的影响,进而丰富相关研究,扩大混频数据模型的应用范围。本文针对投资者情绪对股市收益的影响这一研究主题,从理论和实证两个角度进行文献回顾,并结合混频模型在相关研究领域的应用,对文献进行评述。在总结了国内外学者对于投资者情绪的定义和度量方法之后,依托行为金融学相关理论和DSSW模型理清投资者情绪对股市收益的作用机制进而提出研究假设。把换手率、滞后一期股市对数收益率、腾落比率、成交量和市盈率作为源指标,运用主成分分析法建立起投资者情绪综合指标并进行有效性检验。运用同频模型和MIDAS模型实证研究周度、月度同频数据以及周度/月度、日度/月度和日度/周度三种混频数据组合的总体效应和时序效应,并比较二者的回归效果。总体效应回归结果说明投资者情绪对股市收益率存在显着影响;时序效应回归结果说明在牛市市态下,投资者情绪高涨,股市收益上升,在熊市市态下,投资者情绪对股市收益率所呈现的正向影响在周度同频回归结果以及混频回归结果中显着存在,但在月度数据同频模型回归结果中不显着。所做回归结果均显示混频模型比同频模型的拟合效果更好,该发现在更换混频模型的权重函数后依然存在,说明结果稳健。
周琪琰[2](2020)在《投资者情绪对股市收益率与尾部风险的关联性影响研究》文中进行了进一步梳理行为金融学打破了传统金融学理论中的理性人假设,突破性地引入了投资者情绪的概念,并以此为基础来解释金融市场中存在的异象。受此启发,本文试图研究投资者情绪对股市收益率与股市尾部风险的关联性影响,探究在加入投资者情绪这一缺失要素之后,股市收益和风险之间的拟合关系能否得到优化,投资者情绪水平的高低又对二者的关联性产生什么样的影响。本文的主要研究对象为股市收益率,股市风险和投资者情绪。对于风险,采取经过改进的滚动历史模拟法衡量股市尾部风险;对于投资者情绪,采用Baker和Wurgler提出的BW主成分分析法,构建出投资者情绪综合指标。对股市收益率,尾部风险,投资者情绪进行格兰杰因果分析,构建OLS模型对时间序列进行回归,被解释变量为股市收益率。随后根据投资者情绪水平进行分位数回归,研究不同投资者情绪水平下股市收益率与尾部风险的关联性变化。根据不同模型的回归结果,尾部风险相对于股市收益率的回归系数均显着为正,随着投资者情绪水平从低落至高涨的变化过程中,尾部风险的回归系数先降落再回升,大致呈现出U型,而收益模型的解释率的变化大致呈现出J型。本文得出主要结论有:以尾部风险作为衡量股市风险的变量时,尾部风险的变动与股市收益率的变动正相关;投资者情绪是收益模型的重要遗漏变量,并且投资者情绪水平可以影响尾部风险和收益率之间的关联作用;当投资者情绪水平处于低落和高涨状态时,股市收益率和尾部风险的关联性较大;当投资者情绪高涨时,收益模型的解释率较低;当投资者情绪低落时,收益模型的解释率较高。根据实证结果提出如下建议:完善我国证券市场发展的交易机制,消除由机制不成熟所导致的市场异象,同时优化和丰富市场参与者,加强机构投资者在市场中发挥的作用,弱化中小投资者的噪声交易和情绪化投资放大的市场风险和波动。
陈劼敏[3](2020)在《市场流动性对羊群行为的影响研究 ——基于我国A股市场的实证分析》文中认为在我国证券市场发展的三十年里,一直是以散户投资者为主导,散户投资者认知和决策能力较弱,同时,金融市场信息披露体系不健全,信息透明度较低,我国市场本身政策制度和交易者结构的特殊性,引发了非理性交易方式的激增,严重时会破坏金融市场的平稳发展。造成股票市场羊群行为的因素有很多,市场波动率、信息不对称等均会影响羊群行为强弱,而在对金融产品定价、流通和风控管理中,流动性通常可作为观测股票市场异常浮动的指标,因此,在不同的经济环境下,流动性与羊群行为之间存在何种关系也是值得探讨的问题。那我国市场流动性是否会影响羊群行为?影响效果是正向还是负向?不同经济环境下影响效果是否存在区别?本文运用CCK模型研究沪深、沪市和深市A股市场的羊群行为,以2008年金融危机和2015年股灾为分界点,比较了危机前、中和后三个时期下加入波动率、换手率和市值三个控制变量前后的羊群行为程度。结果显示:加入控制变量后羊群系数小幅度降低,在危机前和危机中均存在显着的羊群效应,而危机后羊群不显着。再分析不同流动性下羊群行为程度,并检验不同行情、极端区间、不同行业下流动性对羊群行为效果。研究表明:我国股票市场在流动性较弱时存在更为显着的羊群行为,三个期间羊群行为强弱为,危机中强于危机前,危机前强于危机后;且在熊市、极端区间和第三产业下流动性对羊群行为的影响效果更大。由此,本文从政府和投资者层面提出如下政策建议:其一,应对经济冲击要实行松紧适度的监管政策,扩大市场透明度需要政府、市场两手抓,激发市场流动性,要给予市场政策鼓励,激发行业良性竞争。其二,增强个人投资者的投资决策意识,要推进构建金融互动平台,加快开展金融风险教育;优化机构团队结构,防范内幕交易,要加强金融机构内部审查和行业监督。
龚振[4](2020)在《产业扶持政策与企业系统风险 ——来自我国股票市场的经验证据》文中认为一般而言,企业承担相对低的系统风险,而承担相对高的特质风险,更有利于激发企业活力和创造力,同时对于金融市场的健康发展也有着重要作用。在我国的转型经济环境下,政府通过选择性产业扶持对微观企业经营活动进行广泛而细致的干预,产业扶持政策对企业系统风险的影响不可忽视。然而,虽然目前已有很多文献讨论了产业扶持政策的经济后果,但现有文献对产业扶持政策如何影响金融市场关注较少,而且目前鲜有文献从上市企业系统风险的角度对此进行研究。本文的主要目的是讨论产业扶持政策是否会对我国上市企业系统风险产生重要影响,并探究这种影响在国有企业与民营企业之间是否存在差异。为此,本文基于资本资产定价模型(CAPM),用股票β系数来衡量系统风险,并以2006年1月至2017年12月沪深A股上市企业为样本进行研究。文章首先通过百度新闻大数据提炼新颖的产业扶持政策指标;然后将产业扶持政策指标引入时变系统风险β的估计中,同时加入产权性质虚拟变量,运用贝叶斯算法动态检验产业扶持政策对不同产权性质企业系统风险的影响;最后,将引入产业扶持政策因素的时变β与其他传统未考虑产业扶持政策因素的时变β进行对比分析,以进一步检验产业扶持政策对系统风险存在的关键性影响。研究发现:产业扶持政策提升了相关行业国有企业的系统风险,同时降低了这些行业民营企业的系统风险。进一步的检验发现,产业扶持政策因素的引入有助于提高时变β的估计精度和估计有效性(包括对股票横截面收益的解释力和在长期内的样本外预测力两方面)。此外,分组回归和更换产业扶持政策指标(以“五年规划”中的产业扶持条款度量)的稳健性检验结果亦说明了本文结论的稳健可靠。本文从企业股票系统风险的角度来探讨我国产业扶持政策的经济后果。不仅丰富了产业扶持政策和系统风险这两个方面的文献,而且也为政府制定实施产业扶持政策和投资者进行投资组合风险管理提供了重要启示。
杨彩霞[5](2020)在《机构投资者建仓对β系数估算的影响研究》文中提出资本资产定价模型(简称CAPM模型)的核心参数是β系数,用来反映单项资产或资产组合的收益率对市场平均收益率的敏感性,也可以反映单个公司的股价相对于整个股市的波动情况,β系数也称为系统风险指数。目前,β系数在某种程度上已经脱离了CAPM模型,它用来衡量某个股票相对市场的敏感性。β系数是证券特征线的斜率,具有时变的特征,影响斜率的因素都会影响β系数,目前对于β系数影响因素的研究往往集中在基本面因素,比如宏观经济因素、公司的基本特征和公司的行业类别及所归属的经济部门等,较少从交易因素角度进行研究。而对于交易因素来说,机构投资者持有巨额资金,往往会凭借这些资金进行大宗交易,所以与个人投资者相比,机构投资者的市场力量更强大,会影响股票价格的波动,进而影响β系数。因此,研究机构投资者交易行为对β系数的影响就有重要意义。在实证研究的设计方面,第一,本文三个模型所选取的都是季度数据,这是因为考虑到按照上市公司监管准则,上市公司和相关机构会按季度公布财务数据和机构交易者的交易数据;第二,本论文对于模型一,除了选用季度数据外,在稳健性检验中,还利用了年度数据,从而对比验证机构投资者建仓对β系数的影响。本文发现机构投资者建仓行为与β系数呈负相关,且时间跨度越大,这种影响力越小;机构投资者建仓行为也会影响证券特征线的回归截距(即α)和回归残差(即e),且建仓行为与α呈正相关,与e呈负相关。本文的研究框架分为以下五个部分:第一部分是绪论,先分析研究背景,引出文章要研究的问题,而后论述此研究的理论意义和实践意义,β系数在诸如资本预算分析、资本成本估算、投资决策等方面都具有重要的实用价值,因此从机构投资者建仓角度研究对其影响具有重要的意义,同时本部分还对本文涉及的相关概念进行界定,指出研究方法、框架和创新点。第二部分是文献回顾,主要包括以下内容:β系数的特性及影响因素、机构投资者的市场力量、机构投资者的建仓行为及该行为对股票收益会产生的影响,最后进行文献评述,通过研究发现β系数具有时变性,目前关于市场因素对β系数影响的研究又少之又少,而机构投资者存在市场力量,会对股价波动性产生影响,进而也会影响β系数。第三部分是相关基础理论,主要包括β系数的相关理论、单指数模型相关理论、机构投资者建仓的成本分析和相关理论评述等。第四部分是重要的实证分析部分,模型一用来检验假设一,即机构投资者建仓行为会影响证券特征线的回归斜率(即β系数),且建仓行为与β系数呈负相关,样本范围包括2015年到2019年沪深300指数成分股的季度数据;模型二利用2015年到2019年的沪深300指数成分股的季度数据检验假设二,即机构投资者建仓行为会影响证券特征线的回归截距(即α),且建仓行为与α呈正相关;模型三利用2015年到2019年的沪深300指数成分股的季度数据检验假设三,即机构投资者建仓行为会影响证券特征线的回归残差(即e),且建仓行为与e呈负相关。检验过程运用统计学的方法,包括描述性统计、相关性分析、回归分析以及稳健性检验等。第五部分是研究结论、政策建议及研究展望,通过结果分析,提出了一些政策建议,并且在分析本文研究局限性的基础上,提出了未来的研究展望。
刘钰莹[6](2019)在《Fama-French三因子模型实证及扩展 ——基于中国A股市场》文中进行了进一步梳理资本资产定价模型是现代金融经济学的主要内容,旨在从风险收益角度研究和决定具有不确定未来收益的资产的价格。研究资产定价模型,对于各种市场主体及整个国民经济发展都具有重要意义。但是,由于人们对于资产价格形成机理的认识尚不完全,很难得出一个可以完全描述资产价格系统性变化形态的资产定价模型。美国资本市场起步较早,发展出许多影响深远的资产定价理论。经典的CAPM模型通过一个单因子模型,简单的描绘了市场均衡状态下资产期望收益率与风险之间的关系。但是大量的实证研究表明它遗漏了收益率变化中的其他一些形态。继而,ICAPM和APT将股票风险从单一因素扩展到多个因素。在多因子定价理念的框架下,Fama-French三因子模型、q因子模型和Fama-French五因子模型成为不同时期中较好的解释了股票收益率中的系统性变化形态的资产定价模型,为美国的资本市场研究和实践提供了有力工具。本文基于Fama-French三因子模型,考察Fama-French三因子模型在当下中国证券股票市场的适用性,并将其与CAPM模型进行比较,最后拓展三个方面的风险因素,试图改进三因子模型以寻找适合中国股票市场的模型。本文选取2009年1月初和2018年12月底共10年所有的沪深A股数据(除创业板)公司的周交易数据进行研究分析,研究结果发现中国存在“低账面市值比效应”,而相比于CAPM模型,Fama-French三因子在拟合度上表现更好。在随后的研究中,本文新加入三个因子,分别是动量因子(换手率)、质量因子(资产负债率)以及成长因子(营业收入增长率),发现加入的三个因子均能提高股票超额收益率,而进一步通过GRS检验,从总体上换手率因子相比于其他两个因子更具备贡献力,更具有价值。
朱莎[7](2019)在《中国金融压力指数的测度、甄别以及对基金收益的影响》文中研究表明源于2007年次贷危机爆发的全球金融危机,不仅给各个主要事件国带来了严重的经济损失,也造成了世界各国金融风险的加剧和金融市场的结构性变化。全球金融危机后,为了增强金融风险的识别和防范能力,世界各国的金融机构、政府部门和学者们纷纷探索金融市场新规律,并尤为重视金融体系的脆弱性和国家的金融安全。如何评估、防范与化解金融体系的系统性金融风险,成为全球范围内广受关注的学术性与政策性问题。世界各国的经济学家和政策制定者都认识到了识别和测量系统性金融风险的重要意义,认识到这是攸关新秩序时期金融稳定和宏观审慎监管的关键性工作。当前,随着中国经济的发展进入新常态时代,中国的金融业运行亦进入了重大转折时期。金融风险多发将成为当前及今后一段时期中国金融业运行的新常态。在近年来的政府工作会议上,中央把对金融风险的防范提到了首要位置。如今,“守住系统性金融风险的底线”是中国的优先工作。在新时期背景下,构筑中国金融风险防范体系和风险监管体系,及时监测系统性金融风险,预警重大风险隐患,健全早期政策干预机制,是十分必要的。鉴于此,本文针对中国国情,改进国际货币基金组织IMF(2011)发布的EM-FSI(Emerging Market Financial Stress Index,简称EM-FSI)指数,编制专门实用于中国金融体系的系统性金融风险实时监测指数——中国金融压力指数(China Financial Stress Index,简称CFSI),旨在刻画金融市场风险的律动,动态监测金融安全的基本状况。EM-FSI选择了银行业的贝塔系数、股指收益率、时变股指收益波动率、主权债券利差、汇率的贬值和外汇储备的下降共六个源指标来度量了25个新兴市场国的压力指数。与此同时,IMF还发布了发达国家金融压力指数(Advanced Financial Stress Index,简称AE-FSI)。除以上六个源指标以外,AE-FSI还包括了银行业泰德利差和期限利差两个指标。因此,本文所构建的指数体系在EM-FSI的基础上增加了被忽略的银行业泰德利差和期限利差两大指标,以期能够更好地反映中国金融市场压力变化。改进后的中国金融压力指数体系有整体金融市场指数CFSI,还涵盖了银行业、证券市场和外汇市场三大高发金融风险的金融市场,即子市场风险指数分别为CFSIbank、CFSIsecurity和CFSIFX。为全面验证CFSI指数体系在中国的适用性,本文在已构建的中国金融压力指数和子市场指数的基础上,逐一讨论了金融压力指数的实际运用,包括对未来中国宏观经济变化的预测作用、中美金融压力的跨国溢出现状、金融压力指数的预测方法以及新时期中国金融压力风险状态转变的甄别。更进一步的是,从宏观经济运行视角准确地切入金融投资理论,对中国公募基金收益的研究有了创新性的认识。最后,本文总结了研究结论,对系统性金融风险形成金融市场视角下的新的认识,提出系统性金融风险监管的政策建议。本论文的主要研究创新与贡献是:第一,改进IMF(2011)发布的EM-FSI指数,构建中国金融压力指数(China Financial Stress Index,简称CFSI)。改进一是,参考发达国家已发布的金融压力指数,融入能更好反映中国银行业压力的新指标,即银行业泰德利差和期限利差。改进二是,补充被国内文献忽略的中国银行业的贝塔系数测算。改进后的中国金融压力指数CFSI和子市场指数CFSIbank、CFSIsecurity和CFSIFX的样本期为1997年1月至2016年12月,从不同的市场角度捕捉中国金融市场风险的脉动,逐一对应历史危机事件。第二,在金融秩序重塑的背景下,构建金融压力识别指数判别中国金融体系的极高风险事件,采用马尔可夫状态转变模型甄别金融市场的两区制风险转变特征,为预警新时期中国金融市场系统性风险危机提出有效的防范手段。因此,中国金融体系的监管者和经济政策的制定者为坚持守住不发生系统性风险的底线,积极维护金融体系的稳定,应通过“前瞻性”的干预手段来规范金融机构行为,及时调整政策舵向,弥补监管漏洞和监管空白。在此基础上,首次尝试从金融市场风险视角探究新秩序下中国经济政策不确定性(EPU)攀高的原因,提出了金融市场风险会通过银行业、证券市场和外汇市场对经济政策颁布形成冲击。截止2016年底,全球和中国的经济政策不确定性已升至历史新高。本文认为,这种经济政策不确定性变化的原因极有可能与这一时期中国系统性金融风险的累积有关。实证发现,中国金融市场风险会通过银行业、证券市场和外汇市场三个市场的金融压力正向冲击中国经济政策的变动。当金融市场压力增大时,政府会持续出台若干经济政策措施,从而增加了我国经济政策不确定性。第三,提出一种更易实现和测度的金融压力指标,深入分析其对宏观经济波动的实时跟踪,改进和补充现有研究框架,从金融压力新视角看待资产收益预测谜题。现有的研究框架有两个特点:首先,缺少适合基金研究的宏观经济跟踪指数。已有的研究文献大多采用大数据的方法或高阶计算方法,涉及经济的宏观微观细节,跟踪宏观经济的波动,在实证操纵上对于大部分中小型金融机构是有一定难度的。其次,缺乏适合中国公募基金收益研究的有效计量方法。Fama-French三因子和惯性因子在中国股票市场有较好的适用性,但是其对中国公募基金收益的影响还有待讨论。本文的研究结果和其他国内学者的研究结果均表明,Fama-French三因子和惯性因子是不适用于中国公募基金市场的。为改进现有的研究框架,本文寻找到了能够影响中国公募基金收益的新影响因子——金融压力,增加了适合基金投资市场的新宏观因子,并提出了有效的计量方法,深入探讨了金融市场信息对基金收益的影响,论证了中国公募基金收益与宏观经济波动之间的定价关联,弥补了现有研究的不足:首先,与已有的宏观经济波动的跟踪指数相比,本文提出的金融压力指数具有明显的相对优势:金融压力指数是更易实现和测度;金融压力指数的源指标选择的逻辑更为严密;金融压力指数蕴含着经济周期信息和宏观经济风险信息。其次,实证结果显示,本文所构建的中国金融压力指数能够作为市场信号影响和预测未来基金收益的走势。最后,不同于美国公募基金的表现,中国公募基金市场更重视宏观形势的追踪,公募基金具备择时能力,但择时能力尚待提高。因此,本文建议投资者参考金融压力的变化去捕捉宏观市场信息,作出相应的择时投资决策,这样更有助于优化基金的投资收益。本论文的主要研究内容和研究结论如下:第一章是导论部分。主要先提出研究的问题,阐述研究选题的背景,论述本文的研究意义。再对重要的概念进行界定。最后对研究方法和逻辑思路、主要的创新点以及未来的研究展望等方面的内容进行概述。第二章是论文的研究综述。主要分为文献回顾和研究述评两大部分。文献回顾部分从国内外与金融压力指数提出、发展现状、构建和运用等有关的研究现状总结,拓展到基于宏观经济波动的资本资产定价的理论框架、实证发展和前沿的研究进展。研究述评部分提出了两个重要观点,阐述了本文研究问题与文献回顾的联系。第一,从宏观、微观和溢出三个维度的系统性金融风险再界定,提出本文系统性金融风险的研究范畴以高发金融风险的金融市场为主体,并且金融压力指数与系统性金融风险的同步性;第二,从金融压力指数蕴含的经济金融信息以及它对宏观经济收缩的预示作用,提出金融压力指数对资本资产定价有影响。第三章是中国金融压力指数的构建体系和运用实证。从理论角度,对金融压力的概念、重要特征和对宏观经济发展减速的影响进行详述,对能够实时有效地反映中国金融压力的若干指标的精心选取进行了说明。从实证角度,构建符合国情的中国金融压力指数以及子市场指数,对已构建的金融压力指数在中国的实际运用加以实证。第四章是新时期中国金融市场风险状态的甄别。截取2007年1月至2016年12月为新时期的样本期,划分为全球金融危机、后危机时代和新常态时期。基于前文建立的中国金融压力指数,构建极高风险事件的识别指数——中国金融压力识别指数,采用马尔可夫状态模型甄别金融市场的两区制风险转变特征。此外,还首次尝试从金融市场风险视角去探究新时期中国经济政策不确定性攀高的原因。第五章是中国金融压力指数对基金收益的定价和冲击。主要分为:中国金融压力指数对基金收益定价的理论框架和实证研究。在基金收益定价的理论部分,先梳理宏观因子与资产定价密切相关的经典理论;再剖析金融压力指数能够作为领先宏观经济周期的信号指标,反映宏观经济运行风险,影响资产价格走势;然后,就金融压力指数在中国基金市场中定价的适用性和可行性进行讨论;最后,基于金融压力指数建立适用于中国基金市场的宏观经济风险的条件资产定价模型,阐述模型理论的相关分析和假设假说。在基金收益定价的实证部分,先采用36个月滚动窗口的时间序列回归方法估计月度时变的金融压力指数对基金收益的风险暴露βCFSI,再选择βCFSI、当期基金收益以及其他影响基金收益的因素,对未来基金收益进行Fama-MacBeth横截面月度回归。研究结论是,中国金融压力指数能够影响基金收益。基金-月度的βCFSI绝大部分散在[-0.05,0.05]之间,呈现出正态分布特征,这说明了CFSI指数对于公募基金的收益有很好的判别能力。并且,金融压力的风险暴露βCFSI对单个中国公募基金收益横截面有显着解释力。金融压力的风险暴露βCFSI每增加1单位,投资者需要每月约为81%的风险溢价作为补偿,其中βCFSI>0的基金组平均每月可以获得0.32%的风险收益(年化收益为3.96%),而βCFSI<0的基金组平均每月的风险损失为-0.49%(年化损失为-5.88%)。在基金收益冲击的实证部分,先计算金融压力的冲击大小,估计金融压力冲击对基金收益的风险暴露βshock,再对未来的基金收益构建金融压力冲击贝塔βshock和其他控制变量的Fama-MacBeth横截面回归,最后按金融压力冲击的好坏对实证结果分组统计。研究结论是,金融压力冲击的风险暴露βshock对基金收益的冲击是显着的。金融压力冲击每增加1单位,其风险的市场价格每月增加62%73%,其中βshock>0的基金组平均每月可以获得0.2%的风险收益,年化收益为2.9%,而βshock<0的基金组平均每月的风险损失为-0.3%,年化损失为-3.6%。此外,按照好坏冲击分组后,坏冲击组风险的市场价格较高约为74%89%且显着,好冲击组风险的市场价格较低约为39%55%但不显着。其经济意义是,金融压力对基金收益的影响是非对称的,宏观金融市场环境变好时,基金市场并不一定能够很快地接受信号或者有高的风险补偿,但是当市场持续变糟糕时,投资者会要求获得更高的风险补偿。第六章是全文研究结论总结和政策建议。根据全文研究框架,该部分对各章研究结论进行统一的归纳梳理,结合研究的主要观点与结论,并阐述金融市场视角下的系统性金融风险的剖析。在此基础上,提出相应的监管建议,包括:建立金融市场预警指数动态监测金融市场风险;针对主要金融市场建立完善的分市场系统性金融风险监测;警惕金融市场间系统性金融风险的溢出和传染;兼顾微观主要金融机构系统性金融风险的监测;提出系统性金融风险的宏微观审慎并重的新监管机制。总之,基于金融压力去研究中国系统性金融风险问题,本文不仅仅只局限于系统性金融风险本身,更首次把金融压力的测度、甄别、冲击、传导、预测和资本资产定价等等有机统一起来,形成了全面、系统的研究框架。
刘钦[8](2019)在《行为资产定价模型在股票市场中应用研究》文中提出中国证券市场在高速成长与发展的过程中,存在着市场剧烈波动,证券价格非正常的暴涨暴跌,关联交易、内幕交易及机构操控股市等问题。在这样一个非有效的证券市场中,资产价格不能充分反映市场信息。本文选用噪声交易系数、股票平均换手率和股票收益率水平三个指标来测量股票市场的噪声情况,并与股票市场发达的国家或地区进行对比分析,进而对中国股票市场是否有效进行论证,得出中国股票市场并非完全具有市场有效性,同时也发现中国股票市场与其他发达股票市场还存在着一定的距离。但是,通过上证股票市场与其他发达股票市场比较,结果表明上证股票市场与其他发达股票市场的差距越来越小。同时,为进一步科学地论证中国证券市场是否有效,利用中国GDP增长率对上证综合指数增长率的关系,与其他发达国家或地区的GDP增长率对其股票市场综合指标增长率的关系进一步比较分析,且它们的关系构建均采用Markov切换模型,结果表明中国股票市场并非完全有效。利用Markov切换模型把上证综合指数收益率的振幅波动划分三个状态,分别为高度振幅状态、中度振幅状态和低度振幅状态,再在三个状态中把上海证券交易所股票作为研究对象,比较分析出了行为资产定价模型和传统资产定价模型的区别和联系,进而选出了合理的股票定价模型。故此,投资者可以根据三种状态下选择相应的市场β值,对有投资意向的金融产品进行价值评估,从而按照一定的投资组合方式购买金融理财产品、股票和期权期货等,以此获取投资回报。当然,投资者还需关注股票市场状态,从而获取理想的金融产品信息。接着,本文还给予金融监管部门和金融机构一定的管理和运作建议,使得他们积极地去引导投资者,推动中国股票市场的良好运转。综上所述,本文在投资者的投资策略和投资行为方面进行了理论和实证相结合的研究,并给出了相应的投资建议,这不仅对中国新兴证券市场的建设方面带来了重要的理论价值,而且还具有十分重要的实践价值,同时也为投资者理解市场“异象”提供了一定的理论解释。
岳艺青[9](2019)在《偏成长型GARP策略组合产品设计》文中进行了进一步梳理随着我国经济发展和社会进步,人们的闲置资金越来越多,投资者的理财需求越来越旺盛。近年来频繁爆出关于医药方面的社会问题,与此同时,我国政府在医药生物行业方面也在不断地出台新政策,社会对医药生物行业的关注程度也越来越高,医药生物行业成长性较好。原有的量化投资策略主要分为两种,一是价值投资策略,二是成长投资策略。后来经过不断摸索创新,兼顾内在价值和成长性的GARP策略应运而生,对其中的成长型指标权重赋予值超过50%则构成偏成长型GARP策略。本文利用医药生物行业2008年5月至2013年5月的数据从原有指标中进行因子有效性分析选出2个价值型指标和3个成长型指标,构造偏成长型GARP策略。再以2013年5月20日至2019年3月29日医药生物行业的股票为样本进行排序打分,选出综合得分位于前三名、前五名及前十名的股票来构造应用到医药生物行业的偏成长型GARP策略,发现偏成长型GARP3策略最优。在此基础上本文又引入股指期货对冲策略的系统性风险对偏成长型GARP策略进行改进,并结合中国金融市场实际构造三种不同的对冲策略,发现利用与股票组合相关性最强的股指期货构造出的对冲策略效果最佳,能够兼顾风险及收益。本文的研究对偏好成长性行业的投资者具有一定的参考价值和借鉴意义。
邵晖益[10](2019)在《关于中国股票市场长期与短期回报异象的因子研究》文中进行了进一步梳理现实的资本市场瞬息万变,不可捉摸,针对其中的各种现象及资产价格,国内外学者提出了有效市场理论和资本资产定价模型等。但除此之外,市场上仍然有很多相关理论无法解释的现象,学者们将这些现象称作市场异象,并且层出不穷的实证证据表明这些异象具有统计学上的显着性。Hou、Xue和Zhang(2015)的文章中,将股票市场上的80个显着的异象分为动量、价值与增长、投资、盈利能力和无形资产以及交易成本六类汇总在一起,并以此为标准,判断其提出的q因子模型对其是否具有更好的解释性。在其随后的论文(2018)中,将其80个异象拓展成158个,并以此为标准,判断其提出的q-5因子模型相较其他因子模型对其是否具有更好的解释性。资本资产定价理论随着资本市场的日趋壮大而不断发展,而资本资产定价理论的不断发展又进一步推动着资本市场不断完善。截至到今时今日,从最开始的资本资产定价模型到普通的多因子模型,再到Fama5因子模型,不同的学者通过从公司金融学和行为金融学的不同角度,总结出自己不同的因子模型,并通过检验模型对市场异象的解释能力来判断和检验各种因子模型的定价能力。本文选取了我国沪深证券交易所A股加创业板(剔除ST股和金融股)的2008年1月-2017年12月长达120个月的所有个股月回报和日回报数据,以及公司季度、年度等财务数据,先根据前人的总结构造出比较典型的几种市场长短期异象,并检验其在我国市场的显着性,随后以Kent、David和Lin(2017)的论文为标准,构建出行为因子及行为因子定价模型,试图通过检验模型对显着的市场异象的解释性来判断因子模型的定价能力。本文是长时间窗口的面板数据,先使用了Fama-Macbeth两步回归,对面板数据中的影响个股的回报因素进行了实证检验,然后仿照Fama-French构建了相应的因子模型,并进行了时间序列回归。本文首先验证了我国股票市场上与美国股票市场类似,存在部分长短期市场异象。其次本文发现,市值、账面市值比、上市公司流通股增速和盈余公告后股价漂移效应对个股的收益率具有显着影响。最后,在对市场异象进行回归分析时,发现行为因子模型在我国股票市场上对本文提出的大部分异象具有更强的解释力,但对部分异象却没有Fama因子模型表现好。
二、中国股市β系数的实证研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、中国股市β系数的实证研究(论文提纲范文)
(1)混频模型背景下投资者情绪对股票收益率的影响研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 文献综述 |
1.3.1 投资者情绪与股票收益的理论研究 |
1.3.2 投资者情绪与股票收益的实证研究 |
1.3.3 混频模型在投资者情绪与股票收益率研究中的应用 |
1.3.4 文献述评 |
1.4 研究内容与研究框架 |
1.4.1 研究内容 |
1.4.2 研究框架 |
1.5 研究方法 |
1.6 可能的创新点 |
1.6.1 投资者情绪指标的构建和有效性检验 |
1.6.2 投资者情绪对股票收益率的作用机制分析 |
1.6.3 运用混频模型进行总体效应和时序效应分析 |
第二章 相关概念界定、理论基础和研究假设 |
2.1 投资者情绪的定义 |
2.2 投资者情绪的度量 |
2.2.1 直接指标 |
2.2.2 间接指标 |
2.2.3 非经济指标 |
2.2.4 综合指标 |
2.3 行为金融学的相关理论 |
2.4 DSSW模型 |
2.4.1 模型假设 |
2.4.2 模型介绍 |
2.5 研究假设 |
第三章 投资者情绪指标构建和有效性检验 |
3.1 投资者情绪指标构建 |
3.1.1 源指标的选取与数据的描述性统计 |
3.1.2 主成分分析 |
3.2 投资者情绪有效性检验 |
3.2.1 定性检验 |
3.2.2 定量检验 |
第四章 投资者情绪对股票收益率的实证研究 |
4.1 混频模型介绍 |
4.2 股市市态划分 |
4.3 研究设计 |
4.4 变量的描述性统计和平稳性检验 |
4.5 对总体效应的实证检验 |
4.6 对时序效应的实证检验 |
4.7 稳健性检验 |
第五章 结果分析与讨论 |
5.1 结果分析 |
5.2 研究启示 |
5.3 不足 |
参考文献 |
附录 |
在学期间的研究成果 |
致谢 |
(2)投资者情绪对股市收益率与尾部风险的关联性影响研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.3 文献综述 |
1.3.1 投资者情绪 |
1.3.2 投资者情绪与股市收益 |
1.3.3 尾部风险与股市收益 |
1.4 本文创新点与不足 |
1.5 本文结构安排 |
第2章 研究假设 |
2.1 股市收益率与尾部风险的关联性 |
2.2 投资者情绪水平对股市收益率与尾部风险的关联性影响 |
2.3 投资者情绪水平影响的不对称性 |
第3章 研究设计 |
3.1 股市收益的度量 |
3.2 尾部风险的度量 |
3.3 复合情绪指数的构建 |
3.3.1 情绪指标选取 |
3.3.2 复合情绪指标 |
第4章 实证分析 |
4.1 最小二乘回归模型构建 |
4.1.1 格兰杰因果检验 |
4.1.2 最小二乘回归模型构建 |
4.1.3 回归结果分析 |
4.2 分位数回归 |
4.3 建立GARCH模型 |
4.4 稳健性检验 |
结论与政策建议 |
参考文献 |
致谢 |
(3)市场流动性对羊群行为的影响研究 ——基于我国A股市场的实证分析(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容、方法与技术路线 |
1.2.1 研究内容 |
1.2.2 研究方法 |
1.2.3 技术路线 |
1.3 创新点 |
2 相关理论与文献综述 |
2.1 相关理论 |
2.1.1 流动性定义与度量 |
2.1.2 羊群行为定义与度量 |
2.1.3 流动性与羊群行为理论分析 |
2.2 文献综述 |
2.2.1 国外文献综述 |
2.2.2 国内文献综述 |
3 流动性与羊群行为的研究设计 |
3.1 样本选取与数据处理 |
3.1.1 样本选取 |
3.1.2 数据处理 |
3.2 模型设定 |
3.2.1 流动性指标选择 |
3.2.2 羊群行为模型选择 |
3.2.3 流动性与羊群行为模型选择 |
4 流动性对羊群行为影响的实证分析 |
4.1 描述性统计 |
4.2 相关性分析 |
4.2.1 流动性与羊群行为相关性检验 |
4.2.2 流动性与羊群行为因果检验 |
4.3 实证结果与分析 |
4.3.1 流动性对羊群行为影响的整体分析 |
4.3.2 按市场行情分组的实证分析 |
4.3.3 按所属行业分组的实证分析 |
4.3.4 按QR模型分组的实证分析 |
4.4 稳健性检验 |
4.4.1 流动性指标角度 |
4.4.2 市场波动率角度 |
4.4.3 羊群行为测量角度 |
5 结论与建议 |
5.1 结论 |
5.2 建议 |
5.2.1 政府层面 |
5.2.2 投资者层面 |
参考文献 |
致谢 |
(4)产业扶持政策与企业系统风险 ——来自我国股票市场的经验证据(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景与研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 研究思路与文章结构 |
1.2.1 研究思路 |
1.2.2 文章结构 |
1.3 研究的创新与不足 |
1.3.1 创新之处 |
1.3.2 不足之处 |
第二章 文献综述 |
2.1 企业系统风险相关文献 |
2.1.1 系统风险与β系数 |
2.1.2 系统风险的影响因素 |
2.1.3 系统风险的稳定性 |
2.1.4 系统风险的估计方法及其有效性 |
2.2 产业扶持政策经济后果相关文献 |
2.2.1宏观经济层面的研究 |
2.2.2 微观企业层面的研究 |
2.2.3 产业扶持政策对金融市场的影响 |
2.3 文献评述 |
2.4 本章小结 |
第三章 制度背景、理论分析与研究问题 |
3.1 中国的产业扶持政策 |
3.2 理论分析 |
3.2.1 产业扶持政策对系统风险的影响机理 |
3.2.2 产业扶持政策、产权性质与系统风险 |
3.2.3 产业扶持政策与β估计的有效性 |
3.3 研究问题 |
3.4 本章小结 |
第四章 实证研究设计 |
4.1 产业扶持政策指标的测量 |
4.2 样本筛选与数据来源 |
4.3 实证模型说明 |
4.4 本章小结 |
第五章 实证结果分析 |
5.1 产业扶持政策指标的描述性统计 |
5.2 产业扶持政策影响系统风险的实证结果 |
5.3 进一步研究 |
5.3.1 引入产业扶持政策因素的系统风险的估计精度 |
5.3.2 引入产业扶持政策因素的系统风险的横截面收益解释力 |
5.3.3 引入产业扶持政策因素的系统风险的样本外预测力 |
5.4 稳健性检验 |
5.4.1 发展良好产业和其他产业的比较 |
5.4.2 更换产业扶持政策指标的结果 |
5.5 本章小结 |
结论与建议 |
参考文献 |
附录 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(5)机构投资者建仓对β系数估算的影响研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与问题提出 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 相关概念界定 |
1.3.1 β系数估算概念界定 |
1.3.2 机构投资者概念界定 |
1.3.3 建仓概念界定 |
1.4 研究方法、框架和创新点 |
1.4.1 研究方法 |
1.4.2 论文框架 |
1.4.3 创新点 |
第二章 文献综述 |
2.1 β系数的特性及影响因素 |
2.1.1 β系数的特性 |
2.1.2 β系数的影响因素 |
2.2 机构投资者的市场力量 |
2.3 机构投资者建仓行为及对股票收益的影响 |
2.4 文献评述 |
第三章 相关基础理论 |
3.1 β系数的相关理论 |
3.1.1 资本产定价模型与争论 |
3.1.2 资本资产定价模型的发展 |
3.1.3 β 系数的应用及争论 |
3.2 单指数模型相关理论 |
3.2.1 单指数模型 |
3.2.2 单指数模型中的相关参数 |
3.3 机构投资者建仓的成本分析 |
3.3.1 显性交易成本 |
3.3.2 隐性交易成本 |
3.3.3 结论 |
3.4 相关理论评述 |
第四章 机构投资者建仓行为对β系数影响的实证研究 |
4.1 提出研究假设 |
4.1.1 关于β的假设 |
4.1.2 关于α和 e的假设 |
4.2 研究模型与变量选择 |
4.3 研究样本选择 |
4.4 回归结果分析 |
4.4.1 描述性统计 |
4.4.2 相关性分析 |
4.4.3 回归分析 |
4.5 稳健性检验 |
第五章 研究结论、政策建议及研究展望 |
5.1 研究结论 |
5.2 政策建议 |
5.3 研究局限性 |
5.4 研究展望 |
参考文献 |
发表论文及参加科研情况说明 |
致谢 |
(6)Fama-French三因子模型实证及扩展 ——基于中国A股市场(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究目的 |
1.3 研究内容 |
1.4 论文框架 |
1.5 研究方法 |
1.6 研究创新 |
第2章 文献综述 |
2.1 Fama-French三因子模型的提出 |
2.2 Fama-French三因子模型的适用性研究 |
2.3 Fama-French三因子模型的改进 |
2.4 研究评述 |
第3章 Fama-French三因子模型的实证研究 |
3.1 数据的选取和处理 |
3.1.1 数据的选取 |
3.1.2 数据的处理 |
3.2 研究设计 |
3.2.1 解释变量 |
3.2.2 被解释变量 |
3.3 描述性统计 |
3.4 实证结果 |
3.4.1 CAPM模型回归结果分析 |
3.4.2 Fama-French三因子模型回归结果 |
第4章 Fama-French三因子模型的扩展研究 |
4.1 新因子的选取 |
4.1.1 五因子指标 |
4.1.2 描述性统计及回归结果 |
4.2 换手率因素 |
4.3 资产负债率 |
4.4 营业收入增长率 |
4.5 GRS检验 |
第5章 总结 |
5.1 研究结论 |
5.2 不足之处 |
参考文献 |
致谢 |
(7)中国金融压力指数的测度、甄别以及对基金收益的影响(论文提纲范文)
摘要 |
Abstract |
第1章 导论 |
1.1 问题的提出 |
1.2 研究背景和意义 |
1.2.1 研究背景 |
1.2.2 研究意义 |
1.3 重要概念界定 |
1.4 主要研究内容和拟解决的问题 |
1.4.1 研究内容 |
1.4.2 拟解决的问题 |
1.5 研究方法和思路 |
1.5.1 研究方法 |
1.5.2 研究思路 |
1.6 研究创新与展望 |
1.6.1 研究创新和贡献 |
1.6.2 研究展望 |
第2章 研究综述 |
2.1 金融压力指数的构建理论 |
2.1.1 金融压力指数的提出 |
2.1.2 国外金融压力指数的发展现状 |
2.1.3 中国金融压力指数的构建 |
2.1.4 金融压力指数的运用 |
2.2 资产定价视角下的宏观经济波动追踪 |
2.2.1 资产定价视角下宏观经济波动的根源 |
2.2.2 资产定价视角下宏观经济波动的变量选择 |
2.3 资产定价视角下宏观经济与金融资产的关联 |
2.3.1 宏观经济波动与资产定价关联的理论探索 |
2.3.2 宏观经济波动与资产定价关联的实证发展脉络 |
2.3.3 宏观经济波动与资产定价关联的研究突破 |
2.4 研究述评与启示 |
2.4.1 金融压力指数与系统性金融风险理论的关系 |
2.4.2 资产定价视角下宏观经济与金融压力指数的关系 |
2.5 本章小结 |
第3章 金融市场视角下中国金融压力指数的构建与测度 |
3.1 中国金融压力指数理论 |
3.1.1 金融压力的解释 |
3.1.2 金融压力的重要特征 |
3.1.3 金融压力与宏观经济发展减速 |
3.2 研究设计与指数构建 |
3.2.1 CFSI源指标选取 |
3.2.2 银行业贝塔的核算 |
3.3 CFSI的构建实证 |
3.3.1 CFSI的构建 |
3.3.2 金融压力对宏观经济的冲击实证 |
3.3.3 金融压力的风险传导 |
3.3.4 金融压力的预测 |
3.4 本章小结 |
第4章 新时期中国金融市场系统性风险状态甄别及政策冲击 |
4.1 国际金融新秩序的重塑与金融市场风险的防范 |
4.2 新时期CFSI的风险特征描述 |
4.3 新时期CFSI的极端压力识别 |
4.4 新时期中国金融系统压力的状况甄别 |
4.5 新时期中国金融系统压力对经济政策不确定性的冲击 |
4.6 本章小结 |
第5章 中国金融压力指数对基金收益的定价和冲击 |
5.1 金融压力、宏观经济运行与基金收益的关联 |
5.1.1 宏观经济运行与金融资产收益的关联 |
5.1.2 基于金融压力指数对基金收益研究的可行性 |
5.2 基于宏观经济风险的条件资产定价模型 |
5.3 理论分析和假设假说 |
5.4 中国金融压力指数对基金收益的定价 |
5.4.1 基金数据和金融压力指标变量 |
5.4.2 中国金融压力指数的贝塔 |
5.4.3 中国金融压力的贝塔与基金收益横截面回归 |
5.5 中国金融压力指数对基金收益的冲击 |
5.5.1 中国金融压力的冲击 |
5.5.2 中国金融压力的冲击与基金收益横截面回归 |
5.6 对比分析 |
5.7 稳健性检验 |
5.8 本章小结 |
第6章 研究结论与政策建议 |
6.1 全文研究总结 |
6.1.1 第一层面 |
6.1.2 第二层面 |
6.1.3 第三层面 |
6.2 政策建议:金融市场视角下系统性金融风险剖析 |
6.2.1 新常态下的系统性金融风险 |
6.2.2 主要金融市场的系统性金融风险 |
6.2.3 多市场间系统性金融风险溢出的可能 |
6.3 政策建议:金融市场视角下系统性金融风险监管 |
6.3.1 建立金融市场预警指数动态监测金融市场风险 |
6.3.2 针对主要金融市场建立完善的分市场系统性金融风险监测 |
6.3.3 警惕金融市场间系统性金融风险的溢出和传染 |
6.3.4 兼顾微观主要金融机构系统性风险的监测 |
6.3.5 完善系统性金融风险的宏微观审慎相结合的新监管机制 |
参考文献 |
附录 |
致谢 |
博士研究生期间科研成果 |
(8)行为资产定价模型在股票市场中应用研究(论文提纲范文)
摘要 |
ABSTRACT |
绪论 |
0.1 选题背景及研究意义 |
0.1.1 选题背景 |
0.1.2 研究意义 |
0.2 主要研究内容及结构安排 |
0.3 研究方法 |
0.4 创新与不足之处 |
1 资产定价模型相关指标体系与数据收集整理 |
1.1 金融市场中的异象和情绪特征 |
1.1.1 金融市场中的异象 |
1.1.2 投资者的情绪特征 |
1.2 我国股票市场有效性相关测度指标 |
1.2.1 噪声交易者风险 |
1.2.2 股票平均换手率 |
1.2.3 股票收益率水平 |
1.3 股票市场有效组合相关指标体系 |
1.3.1 动量指数(DVI) |
1.3.2 上证综合指数 |
1.4 数据选取与处理 |
2 资产定价模型与相关方法的选取 |
2.1 传统资本资产定价理论(CAPM) |
2.1.1 CAPM的理论基础 |
2.1.2 CAPM的理论模型 |
2.2 行为资本资产定价模型(BAPM) |
2.2.1 BAPM的理论基础 |
2.2.2 BAPM的理论模型 |
2.3 MARKOV切换模型 |
2.3.1 Markov理论基础 |
2.3.2 Markov理论模型 |
2.4 公司价值评估方法 |
2.4.1 现金流量法 |
2.4.2 基于行为资产定价模型的公司价值评估 |
3 股票市场有效性划分及行为资产定价模型应用分析 |
3.1 股票市场有效性实证检验 |
3.1.1 数据和模型的选择 |
3.1.2 上证股票市场有效性检验 |
3.2 上证综合指数区制状态划分 |
3.2.1 数据和模型的选择 |
3.2.2 上证综合指数区制状态划分实证分析 |
3.3 行为资产定价模型与传统资产定价模型的比较 |
3.3.1 数据和模型的选择 |
3.3.2 传统资产定价模型与行为资产定价模型的比较实证分析 |
3.3.3 行为资产定价模型的有效性检验 |
3.4 市场风险β在股票市场中应用分析 |
3.4.1 市场风险 β 在股票市场中应用介绍 |
3.4.2 市场风险 β 在股票市场中应用分析 |
4 结论与政策建议 |
4.1 研究结论 |
4.2 政策建议 |
参考文献 |
附录 |
致谢 |
(9)偏成长型GARP策略组合产品设计(论文提纲范文)
摘要 |
Abstract |
一、绪论 |
(一)选题来源及意义 |
1.选题来源 |
2.选题意义 |
(二)文献综述 |
1.量化投资策略研究现状 |
2.偏成长型GARP策略研究现状 |
3.利用股指期货对冲研究现状 |
(三)研究内容及创新 |
1.研究内容及研究方法 |
2.研究思路 |
3.文章创新点 |
二、相关机理分析 |
(一)偏成长型GARP策略 |
1.偏成长型GARP策略介绍 |
2.偏成长型GARP策略运作流程 |
(二)Alpha策略 |
1.投资组合理论 |
2.资本资产定价模型 |
3.Alpha策略介绍 |
4.Alpha策略机理分析 |
(三)本章小结 |
三、偏成长型GARP策略指标选择 |
(一)指标选取 |
(二)数据选取及处理 |
(三)因子有效性检验实证过程 |
1.因子组合的构建 |
2.因子有效性的考察 |
(四)因子有效性检验实证结果 |
(五)本章小结 |
四、偏成长型GARP策略产品设计及实证分析 |
(一)基于医药生物行业偏成长型GARP策略产品设计 |
1.对指标赋予权重并打分 |
2.数据选取 |
3.交易成本 |
4.构造投资组合 |
(二)基于医药生物行业偏成长型GARP策略实证研究 |
1.偏成长型GARP3 策略 |
2.偏成长型GARP5 策略 |
3.偏成长型GARP10 策略 |
4.偏成长型GARP3、GARP5、GARP10 策略对比 |
(三)本章小结 |
五、引入股指期货对冲的策略改进 |
(一)引入对冲组合的偏成长型GARP策略 |
1.对冲工具——股指期货 |
2.确定资金配比及手续费 |
3.确定期货头寸及期货合约 |
(二)引入股指期货对冲后实证分析 |
1.对冲策略Ⅰ |
2.对冲策略Ⅱ |
3.对冲策略Ⅲ |
4.对冲前后偏成长型GARP策略对比 |
(三)本章小结 |
总结及展望 |
(一)总结 |
(二)展望 |
参考文献 |
附录 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(10)关于中国股票市场长期与短期回报异象的因子研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究思路及方法 |
1.2.1 研究思路 |
1.2.2 研究方法 |
1.2.3 论文结构 |
1.3 本文的创新与不足 |
1.3.1 本文的创新 |
1.3.2 本文的不足 |
2 文献综述 |
2.1 国内外研究现状和发展趋势 |
2.1.1 股票定价理论研究现状 |
2.1.1.1 均值-方差理论 |
2.1.1.2 资本资产定价模型 |
2.1.1.3 套利定价理论 |
2.1.1.4 行为资产定价模型 |
2.1.1.5 因子模型 |
2.1.2 相关文献研究现状 |
3 金融市场有效假说及金融异象 |
3.1 金融市场有效假说 |
3.2 金融异象 |
3.3 行为金融学派对异象的解释 |
4 模型设计与变量定义 |
4.1 研究概述 |
4.2 数据处理 |
4.3 异象选择和定义 |
4.3.1 股市短期异象 |
4.3.2 股市长期异象 |
4.3.3 因子的定义及构建 |
5 实证结果及分析 |
5.1 我国股票市场长短期异象的存在性及分析 |
5.1.1 中国股市短期异象描述性统计及分析 |
5.1.2 中国股市长期异象描述性统计及分析 |
5.2 Fama及行为因子模型对我国股市异象的解释力度 |
5.2.1 解释因子的描述性统计 |
5.2.2 因子的Fama-Macbeth回归分析 |
5.2.3 因子模型对股市异象的解释性 |
5.3 稳健性检验 |
5.3.1 扩大的时间窗口模型检验 |
5.3.2 创业板数据检验 |
5.4 本章小结 |
6 研究结论及建议 |
6.1 研究结论 |
6.2 建议 |
参考文献 |
后记 |
致谢 |
四、中国股市β系数的实证研究(论文参考文献)
- [1]混频模型背景下投资者情绪对股票收益率的影响研究[D]. 赵慧慧. 兰州大学, 2021(12)
- [2]投资者情绪对股市收益率与尾部风险的关联性影响研究[D]. 周琪琰. 吉林大学, 2020(10)
- [3]市场流动性对羊群行为的影响研究 ——基于我国A股市场的实证分析[D]. 陈劼敏. 湖南师范大学, 2020(01)
- [4]产业扶持政策与企业系统风险 ——来自我国股票市场的经验证据[D]. 龚振. 华南理工大学, 2020(02)
- [5]机构投资者建仓对β系数估算的影响研究[D]. 杨彩霞. 天津商业大学, 2020(12)
- [6]Fama-French三因子模型实证及扩展 ——基于中国A股市场[D]. 刘钰莹. 广东外语外贸大学, 2019(03)
- [7]中国金融压力指数的测度、甄别以及对基金收益的影响[D]. 朱莎. 中央财经大学, 2019(08)
- [8]行为资产定价模型在股票市场中应用研究[D]. 刘钦. 辽宁大学, 2019(01)
- [9]偏成长型GARP策略组合产品设计[D]. 岳艺青. 华南理工大学, 2019(01)
- [10]关于中国股票市场长期与短期回报异象的因子研究[D]. 邵晖益. 西南财经大学, 2019(07)