本文關(guān)鍵詞：探究我國股市高階矩和橫截面收益率之間的關(guān)系，由筆耕文化傳播整理發(fā)布。

【摘要】：1609年,世界歷史上首個股票交易所——阿姆斯特丹證券交易所(Amsterdam stock Exchange, AEX)在荷蘭阿姆斯特丹成立了。而早在1602年荷蘭聯(lián)合東印度公司成立,這是歷史上首只可以上市交易的股份公司。自世界上首個證券交易所和首只股票的成立起,人們對金融資產(chǎn)的研究就從未間斷過。其中,最具有開創(chuàng)性的研究是Harry M. Markowitz(1952)的均值-方差分析和投資組合理論,Harry M. Markowitz首次提出了風(fēng)險與收益的概念,并將風(fēng)險-收益的研究轉(zhuǎn)化為數(shù)理統(tǒng)計上的均值-方差分析上,用均值代表金融資產(chǎn)的期望收益率、方差代表金融資產(chǎn)的風(fēng)險,以此來研究資產(chǎn)組合構(gòu)成和選擇問題。由此引發(fā)了金融學(xué)研究的“大爆炸”,而Harry M. Markowitz的理論更是被譽為“華爾街的第一次革命”。隨后,William Sharpe(1964), Jan Mossin(1966)和John Lintner(1965)在 Harry M. Markowitz (1952)的基礎(chǔ)上進(jìn)一步對金融資產(chǎn)的收益和風(fēng)險進(jìn)行研究,分別獨立地推導(dǎo)出了資本資產(chǎn)定價模型(Capital Asset Pricing Model, CAPM),研究了證券市場資產(chǎn)收益率和系統(tǒng)性風(fēng)險的關(guān)系。隨著市場的日益復(fù)雜性,影響金融資產(chǎn)價格走勢的因素越來越多且具有難以預(yù)測性,Eugene Fama 和 Kenneth French (1992)、Carhart (1997)在前人研究的基礎(chǔ)上,分別提出了Fama-French三因子模型和Carhart四因子模型,增強了傳統(tǒng)資本資產(chǎn)定價模型對收益率的解釋力。另一方面,由于傳統(tǒng)資本資產(chǎn)定價模型具有比較強的假設(shè)條件,近年來通過放寬假設(shè)條件對資本資產(chǎn)定價模型的研究越來越多。諸多研究表明金融資產(chǎn)收益的分布大多呈現(xiàn)出正偏或者負(fù)偏,且具有尖峰厚尾的特征,這對收益率服從正態(tài)分布的假設(shè)條件提出了挑戰(zhàn),也對只研究了金融資產(chǎn)收益率二階矩特征的傳統(tǒng)資本資產(chǎn)定價模型提出了質(zhì)疑。隨著金融市場的日益復(fù)雜化,金融風(fēng)險的多樣化以及市場內(nèi)外部沖擊的多重化,再加上投資者的風(fēng)險態(tài)度和行為偏差等因素,加劇了資產(chǎn)收益率的有偏特征。對收益率的有偏特征產(chǎn)生原因的解釋主要有杠桿效應(yīng)、波動反饋效應(yīng)和異質(zhì)信念理論等。金融資產(chǎn)收益率分布的有偏、尖峰厚尾特征表明簡單的二階矩分析框架不能很好地刻畫收益率的分布特征,應(yīng)跳出二階矩的局限,從高階矩的層面來刻畫收益率的分布特征。Kraus和Litzenberger(1976)首次在傳統(tǒng)資本資產(chǎn)定價模型中融入了偏度變量發(fā)展了三階矩資本資產(chǎn)定價模型,并發(fā)現(xiàn)協(xié)偏度對單個風(fēng)險資產(chǎn)的收益率溢酬有解釋能力。Fang和Lai(1997)首次在傳統(tǒng)資本資產(chǎn)定價模型中同時加入偏度變量和峰度變量,構(gòu)造了四階矩資產(chǎn)定價模型,并通過實證發(fā)現(xiàn)資產(chǎn)預(yù)期超額收益率和系統(tǒng)波動率、系統(tǒng)峰度呈正相關(guān),而與系統(tǒng)偏度呈負(fù)相關(guān)。此后,眾多學(xué)者(Lim,1989;Kimball,1993,Harvey和Siddique, 2000;Ang et al,2006;Conrad et al,2013等)開始在傳統(tǒng)資本資產(chǎn)定價模型中加入高階矩變量研究高階矩和股票收益率的關(guān)系。本文借鑒Amaya等(2015)用日內(nèi)高頻收益率計算已實現(xiàn)高階矩的方法。金融高頻數(shù)據(jù)是指以小時、分鐘和秒為頻率搜集到的金融交易數(shù)據(jù),甚至還有金融資產(chǎn)逐筆交易的時間序列數(shù)據(jù)。相比于低頻數(shù)據(jù),金融高頻數(shù)據(jù)包含更細(xì)致的市場結(jié)構(gòu)與時變的市場信息,更加能反映出金融低頻數(shù)據(jù)中所沒有包含的信息。從高頻數(shù)據(jù)中提取的已實現(xiàn)高階矩只是由歷史數(shù)據(jù)驅(qū)動的,沒有假定任何特定的函數(shù)形式,并且在抽樣頻率適當(dāng)時,已實現(xiàn)高階矩是真實高階矩的有效、無偏、一致的估計量。由于本文選取的是上海證券交易所和深圳證券交易所的所有股票作為研究對象,考慮到上證指數(shù)和深證綜指分別刻畫的兩個市場股票價格的變動情況,不能反映整個市場的綜合情況,所以本文選取wind全A指數(shù)作為市場指數(shù)。wind全A指數(shù)取全部在上海證券交易所、深圳證券交易所上市的股票為樣本股,以流通股本作為權(quán)重加權(quán)進(jìn)行計算。本文的研究工作主要從兩方面開展：一是從市場高階矩的角度出發(fā),研究市場波動率、市場偏度和市場峰度和股票橫截面收益率的關(guān)系,探究市場波動率、市場偏度和市場峰度的定價能力,研究在加入了市場溢酬因子、市值因子、賬面市值比因子和動量因子之后,三者的定價能力是否依然存在,并借鑒Fama-French (1993)構(gòu)造市值因子(SMB)和賬面市值比因子(HML)的方法,構(gòu)造了市場高階矩風(fēng)險的代理變量,同時還通過Fama-Macbeth回歸研究了市場波動率、市場偏度和市場峰度三個風(fēng)險因子的定價能力：二是從個股高階矩的角度出發(fā),研究個股高階矩與未來收益率在橫截面維度上的關(guān)系,并構(gòu)建新組合——買入最高高階矩組合、賣出最低高階矩組合,通過新組合的收益率表現(xiàn),探究個股高階矩對未來收益率的預(yù)測作用,同時通過Fama-Macbeth回歸考察了在加入公司特征變量之后,這種預(yù)測作用是否依然存在。通過實證研究,得到以下結(jié)論。(1)市場偏度的風(fēng)險暴露系數(shù)和股票橫截面收益率呈現(xiàn)出顯著且穩(wěn)定的負(fù)向關(guān)系,與劉楊樹等(2012)、Bo等(2013)的實證結(jié)果一致,風(fēng)險溢酬大約在每年-9.83%,而市場波動率和市場峰度對股票橫截面收益率的實證結(jié)果不太顯著,在分時期回歸結(jié)果中,根據(jù)βKURT排序的資產(chǎn)組合實證結(jié)果出現(xiàn)反轉(zhuǎn),并且Fama-Macbeth回歸結(jié)果中市場偏度的回歸系數(shù)始終為負(fù),且大多顯著；綜上,市場偏度風(fēng)險因子在股票橫截面收益率上具有顯著的解釋能力,并且其解釋能力不能被市場溢酬因子、市值因子、賬面市值比因子和動量因子所完全覆蓋。(2)個股偏度和股票未來收益率存在比較顯著的負(fù)向關(guān)系,與Shapiro和Zhang (2010)、Amaya等(2015)等的實證結(jié)果一致,個股偏度對股票未來收益率的影響?yīng)毩⒂谑袌鲆绯暌蜃�、市值因子、賬面市值比因子和動量因子對收益率的影響,并且可以通過買入低偏度股票、賣出高偏度股票獲得4.63%的月收益率,另外本文通過Fama-Macbeth回歸再次證實了個股偏度和未來收益率的負(fù)相關(guān)關(guān)系是穩(wěn)定的；綜上,實證結(jié)果表明個股偏度對股票未來收益率具有一定的預(yù)測能力,而個股波動率和個股峰度對股票未來收益率的影響都不太顯著。本文主要有以下幾點創(chuàng)新之處：(1)國內(nèi)利用高頻數(shù)據(jù)研究高階矩的文獻(xiàn)不多,本文借鑒Amaya等(2015)從高頻數(shù)據(jù)中提取已實現(xiàn)波動率、已實現(xiàn)偏度和已實現(xiàn)峰度的方法,分別研究了市場高階矩和個股高階矩與股票收益率的關(guān)系；(2)考慮到高階矩信息的時變性特征,本文在每一個時刻t,都會對所有股票排序,按照其所具備的特性進(jìn)行分組,使得每個資產(chǎn)組合在每一個時刻,某一個變量的差異達(dá)到最大化,這樣可以更直觀地分析高階矩和股票收益率之間的關(guān)系,并且運用Fama-Macbeth的滾動回歸方法,既能包含高階矩的時變性特征,也能減小由于時間區(qū)間短而帶來的系數(shù)估計誤差；(3)借鑒Fama-French(1993)構(gòu)造SMB和HML的方法,通過對所有個股依據(jù)市場超額收益率、市場波動率、市場偏度和市場峰度的風(fēng)險暴露排序、分組,構(gòu)成81個資產(chǎn)組合,再由最高組的收益率減去最低組的收益率,構(gòu)造市場波動率風(fēng)險、市場偏度風(fēng)險和市場峰度風(fēng)險的代理變量,在國內(nèi)現(xiàn)有文獻(xiàn)中比較少；(4)與國內(nèi)現(xiàn)有文獻(xiàn)不同,本文的市場指數(shù)沒有使用上證指數(shù)和深圳綜指,而是選用wind全A指數(shù),考慮到本文研究的是上海交易所和深圳交易所的所有股票,從整體考慮需要有一個統(tǒng)一的指數(shù)反映市場走勢情況,wind全A指數(shù)取全部在上海證券交易所、深圳證券交易所上市的股票為樣本股,能更好地描述滬深兩市的整體情況。
【關(guān)鍵詞】：CAPM 高階矩 橫截面收益率 風(fēng)險溢酬
【學(xué)位授予單位】：西南財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F832.51
【目錄】：

• 摘要4-8
• ABSTRACT8-12
• 1. 緒論12-18
• 1.1 研究背景12-14
• 1.2 研究意義14-15
• 1.3 研究內(nèi)容和分析框架15-16
• 1.4 創(chuàng)新之處16-18
• 2. 文獻(xiàn)綜述18-31
• 2.1 國外文獻(xiàn)回顧18-27
• 2.2 國內(nèi)文獻(xiàn)回顧27-29
• 2.3 國內(nèi)外文獻(xiàn)綜評29-31
• 3. 偏度和峰度相關(guān)理論基礎(chǔ)31-36
• 3.1 基本含義31-32
• 3.2 產(chǎn)生原因32-33
• 3.3 度量方法33-36
• 3.3.1 從歷史數(shù)據(jù)中提取高階矩33-34
• 3.3.2 基于衍生品交易數(shù)據(jù)估計高階矩34-36
• 4. 樣本說明和變量選取36-41
• 4.1 樣本說明36
• 4.2 變量選取36-37
• 4.3 高頻數(shù)據(jù)說明37-38
• 4.4 計算已實現(xiàn)高階矩38-41
• 5. 市場高階矩實證分析41-62
• 5.1 描述性統(tǒng)計41-45
• 5.2 基本分析框架45-46
• 5.3 基于市場高階矩回歸系數(shù)排序構(gòu)造資產(chǎn)組合46-55
• 5.3.1 基于市場波動率回歸系數(shù)排序47-49
• 5.3.2 基于市場偏度回歸系數(shù)排序49-50
• 5.3.3 基于市場峰度回歸系數(shù)排序50-52
• 5.3.4 基于市場高階矩回歸系數(shù)排序小結(jié)52-53
• 5.3.5 分時期分析53-55
• 5.4 構(gòu)造81個因子組合55-57
• 5.5 通過FAMA-MACBETH回歸探究風(fēng)險溢酬57-61
• 5.6 小結(jié)61-62
• 6. 個股高階矩實證分析62-75
• 6.1 描述性統(tǒng)計62-64
• 6.2 基于個股高階矩排序構(gòu)造資產(chǎn)組合64-67
• 6.2.1 基于個股波動率排序64-65
• 6.2.2 基于個股偏度排序65-66
• 6.2.3 基于個股峰度排序66-67
• 6.3 個股高階矩和未來收益率67-71
• 6.3.1 基于個股波動率對未來收益率排序68-69
• 6.3.2 基于個股偏度對未來收益率排序69-70
• 6.3.3 基于個股峰度對未來收益率排序70-71
• 6.4 FAMA-MACBETH回歸71-73
• 6.5 小結(jié)73-75
• 7. 結(jié)論、不足及展望75-79
• 7.1 研究結(jié)論75-77
• 7.2 不足之處77
• 7.3 研究展望77-79
• 參考文獻(xiàn)79-85
• 致謝85

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張龍斌;王春峰;房振明;;考慮條件高階矩風(fēng)險的動態(tài)對沖模型研究[J];管理工程學(xué)報;2009年04期

2 楊愛軍;劉曉星;;基于高階矩的封閉式基金業(yè)績評價研究[J];證券市場導(dǎo)報;2012年11期

3 蔣翠俠;許啟發(fā);張世英;;金融市場條件高階矩風(fēng)險與動態(tài)組合投資[J];中國管理科學(xué);2007年01期

4 許啟發(fā);;高階矩波動性建模及應(yīng)用[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2006年12期

5 許啟發(fā);張世英;;多元條件高階矩波動性建模[J];系統(tǒng)工程學(xué)報;2007年01期

6 蔣翠俠;張世英;;金融高階矩風(fēng)險溢出效應(yīng)研究[J];中國管理科學(xué);2009年01期

7 蔣翠俠;許啟發(fā);張世英;;基于多目標(biāo)優(yōu)化和效用理論的高階矩動態(tài)組合投資[J];統(tǒng)計研究;2009年10期

8 方立兵;曾勇;郭炳伸;;動量策略、反轉(zhuǎn)策略及其收益率的高階矩風(fēng)險[J];系統(tǒng)工程;2011年02期

9 王鶯歌;江孝感;;高階矩風(fēng)險與金融投資決策[J];價值工程;2008年09期

10 黃文彬;鄭振龍;;基于高階矩的金融資產(chǎn)定價和配置[J];福州大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2010年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 潘雪;自旋模型中高階矩的臨界起伏以及重離子碰撞中守恒荷高階矩的統(tǒng)計起伏[D];華中師范大學(xué);2015年

2 方立兵;引入高階矩的資產(chǎn)定價、波動率建模與風(fēng)險測量[D];電子科技大學(xué);2011年

3 賴奔;高階矩量法及其快速算法的研究與應(yīng)用[D];西安電子科技大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 齊馮偉;基于Bézier曲面四邊形剖分的高階矩量法研究[D];東南大學(xué);2016年

2 李為健;基于高階矩波動性的中國金融危機預(yù)警指數(shù)研究[D];廣東財經(jīng)大學(xué);2016年

3 俞詩力;相對論重離子碰撞守恒荷高階矩的模型研究[D];華中師范大學(xué);2016年

4 張婷;探究我國股市高階矩和橫截面收益率之間的關(guān)系[D];西南財經(jīng)大學(xué);2016年

5 袁浩波;高階矩量法的研究[D];西安電子科技大學(xué);2006年

6 林順發(fā);馬爾可夫轉(zhuǎn)換GARCH模型的平穩(wěn)性和高階矩[D];廈門大學(xué);2006年

7 李新民;引入高階矩的GARCH模型理論研究及實證[D];東北財經(jīng)大學(xué);2010年

8 趙曉瑜;含有高階矩的動量資產(chǎn)定價模型及其檢驗[D];廈門大學(xué);2007年

9 帥之凰;基于S型效用函數(shù)和高階矩條件下的穩(wěn)健投資組合[D];廈門大學(xué);2009年

10 王艷朝;股票市場收益率高階矩的動態(tài)特征研究[D];山東大學(xué);2014年

  本文關(guān)鍵詞：探究我國股市高階矩和橫截面收益率之間的關(guān)系，由筆耕文化傳播整理發(fā)布。

，

本文編號：255252