中国股票市场的已实现偏度与收益率预测

利用高频股票指数数据,本文构造了中国股票市场的已实现偏度,并检验了其对中国股票市场收益率的预测能力。实证结果显示,当前较低的已实现偏度可以显著预测下个月中国股票市场较高的超额收益率,样本内和样本外的R^2分别达到了3. 39%和2. 24%。在控制了一系列的其它股票预测变量之后,该结论依然成立。此外,基于四种不同的构造方法,已实现偏度对上海和深圳两个股票市场都具有显著的预测能力。在将所有不同的已实现偏度指标进行组合之后,预测能力得到了进一步提升。从经济解释上,本文发现已实现偏度对股票收益率的预测能力是通过影响股票市场的交易活跃程度,从而传导到股票市场收益率。

已实现波动、偏度和峰度与股票未来收益——来自中国A股市场的证据

与美国市场中已实现偏度与截面股票未来收益显著负相关不同,本文利用中国A股市场15年的高频交易数据构建已实现高阶矩,实证研究发现已实现峰度与股票未来收益存在不能被其他变量所分散的显著负相关,日内收益中的极端值的存在会导致未来收益的负向变动,相比已实现波动与偏度,是理解A股市场中截面资产定价的显著因子。此外本文发现已实现高阶矩特别是已实现峰度对股票价格的影响是状态依存的,相对于波动趋同的牛熊市,在震荡市场行情中,基于已实现峰度构造的多空投资组合能获得更高更显著的超额收益;本文基于不同的已实现高阶矩估计方法和采样频率进行的稳健性检验也支持上述结论,并且这些组合收益并不能被CAPM的beta因子及Fama-French五因子所捕获。本文的研究还表明已实现峰度和基于低频数据的高阶矩所构造的投资组合分别抓住了未来收益中的不同的部分,使用高频数据计算出来的已实现峰度包含了更多的跳跃信息,具有显著的获取超额收益的能力。

基于状态空间HAR-RV-RS模型的中国股市波动率预测

文章以高频数据下异质自回归(HAR)模型为基础,将模型的部分参数进行时变化处理,利用卡尔曼滤波方法进行参数估计,并引入新的要素——已实现的偏度(RS)作为新解释变量,构造状态空间HAR-RV-RS模型,进行波动率预测研究。文章分别选取了上证综指和深证成指3410个交易日的五分钟高频数据,通过样本内参数估计和样本外滚动时间窗预测,结合损失评价函数与HAR-RV、状态空间HAR-RV进行模型比较。实证研究表明,参数时变化和加入RS后的状态空间HAR-RV-RS模型预测效果有显著提升。