宏观经济不确定性与股票超额收益:来自中国A股市场的证据

宏观基本面冲击作为股票市场波动的重要原因被广泛认可,但从宏观经济不确定性视角探讨其对中国市场股票超额收益率影响的研究却相对缺乏。利用中国宏观经济和金融的多指标数据,构建2002—2022年中国宏观经济不确定性指数,考察其对A股超额收益率的影响。研究发现宏观经济不确定性暴露的负向溢价显著存在,即具有负的宏观经济不确定性贝塔股票的未来超额收益率更高;不过这种溢价在不同股权性质、规模和行业的股票中存在差异,并且相对于经济上行时期,经济下行时期的宏观不确定性贝塔(beta)溢价更为显著,凸显其异质性和状态依赖性。本研究对于理解宏观经济不确定性对股票市场的影响以及构建相应的资产组合来应对宏观不确定性冲击具有一定的理论意义和现实价值。

中国股市投资组合收益分布的实证研究

采用随机等权重有放回抽样方法 ,以周收益率为指标 ,以沪深A股为样本股 ,对组合收益率时间序列的分布特征进行实证研究 ,发现组合收益率序列并不呈现出正态分布的情形 ,并且随着组合数的增加 ,组合收益率序列的尖峰厚尾特征并没有显著改善 ,说明用方差来刻画组合收益率风险特征并不合适 .为此用GeneralizedAutoregressiveConditionalHeteroskedasticity(GARCH)模型对组合收益率时间序列进行了模拟 .

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。

价值投资:中国股票市场实证分析

已有的研究表明,在成熟市场中,价值股的投资收益率普遍高于热门股(亦称成长股)。那么,这一结论在新兴市场是否成立?本文运用组合法,对沪、深股市1996年至2004年期间的股票进行了系统的实证研究。我们发现,中国股市存在微弱的价值溢酬,但常用的价值指标与股票收益率之间的关系存在差异。研究结果表明,中国股票市场具有鲜明的新兴市场特征;但随着时间的推移,价值投资溢酬呈现逐渐提高的趋势。

我国股票市场有效前沿的实证分析——对马科维茨模型的验证

在中国股票市场上 ,运用马科维茨模型所计算的上海和深圳两股市的有效前沿 ,表明深圳股市风险要低于上海股市。其实证结果表明 :根据马科维茨模型计算出的有效组合不仅明显优于基础证券和随机简单等权组合 ,而且比整个证券市场的平均表现更好。

生产还是消费(1)——中国股市生产资本资产定价模型实证检验

生产资本资产定价模型从企业利润最大化角度出发,推出资产的均衡价格.相较于消费资本资产定价模型,生产资本资产定价模型能更好的满足信息完全和决策者理性的假设条件.本文从生产资本资产定价模型出发,利用现值模型将生产的系统性风险因子,即生产的贝塔因子分解为现金流贝塔和折现率贝塔,并采用社会总投资和股市数据进行实证检验.本文发现生产-现金流贝塔是中国股市的重要定价因子,可较好地解释股权溢价的截面差异.相比之下,消费资本资产定价模型对不同资产之间风险溢价的解释能力较弱.

含交易费用的投资组合问题的新模型及其求解途径

本文提出了证券投资组合的一个新模型.该模型综合考虑了证券的收益率、证券分红和证券价格的关系,并将证券分红和证券价格作为系统的随机参数处理,建立了证券投资组合的随机规划模型.利用机会约束规划方法,我们研究了将所建立的随机规划模型转化为普通光滑优化问题求解的方法,得到了该类问题求解的有效途径.

股票组合投资一个优化模型构建研究

对投资者而言要将所有资金投资于单只股票风险太大,所以通常选取适当的投资组合以降低风险。投资决策是一个复杂的心理过程,综合各种风险和收益指标,同时考虑风险潜在的损失和投资人心理曲线,从而降低总风险并获得最大收益。综合考虑心理因素变量的影响,构建股票组合投资优化理论模型,为进一步的实证研究打下基础。

我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角

本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股票异象因子构建不全面问题,(2)特征变量构建过多而存在的"维度灾难"问题,(3)特征变量之间的高相关性导致预测不稳定问题。研究结果显示,组合LASSO-logistic算法能够有效识别特征变量与预期收益之间的复杂关系,其投资组合资产配置的策略能够比传统多元Logistic算法、支持向量机(SVM)算法和随机森林算法得到更高的超额回报。同时,本文发现影响股票预期收益的公司特征变量并非一成不变,其显著的动态变化在一定程度上提示了我国股票市场的弱稳定性。

中小板市盈率投资组合与股票收益研究

中小板企业上市后业绩下滑,并未表现出与其高水平市盈率相匹配的成长性。通过构建市盈率投资组合,对比分析后发现企业的高市盈率可能是由于相对于其股价而言,每股盈余较低所致;基于低市盈率的投资组合投资策略具有高收益、低风险的特点,我国中小板市场存在市盈率效应,但不能被规模效应所解释。该研究结果为中小板市场的研究提供了经验数据,结论对于中小板投资者具有一定的启示意义。

证券组合选择理论在股票投资中的应用(英文)

以上海证券交易所中上证材料,上证能源,上证工业,上证可选(可选消费),上证消费,上证金融,上证医药,上证信息,上证电信,上证公用十个行业的数据为样本,利用马科维茨证券组合选择理论,通过均值-方差模型、以期望收益最大值、最小值,方差最小值确定投资组合的有效边界,根据有效边界选择投资组合。

基于风险调整后收益的A股投资组合策略

中国资本市场经过20多年的发展,股票数量和交易总量都已初具规模,股票成为一种重要的资产配置。伴随着中国经济由高速增长向高质量发展转变,优胜劣汰的结构性行情成为市场的主基调。针对这种情况,提出了一种能够获取稳定预期收益的A股投资组合构建策略,通过风险调整后收益评价股票的投资价值,进而通过总股本构建投资组合,可供以资产配置为目的的投资者参考使用。

基于ARMA模型与均值-方差模型的我国股市投资组合选择

基于统计假设检验、财务分析以及ARMA预测模型,并采用一个扩展均值-方差投资组合模型,研究了在我国A股市场构建具有实践意义的投资组合的问题.结果表明,由本研究分析框架得到的投资组合是比较有效的,该组合的实际月收益率最小值为8.2%,且在实际的股票投资中具有较强的操作性;同时,投资组合是一个动态过程,需要根据预测和实际运行情况不断进行修正.

基于沪深300成份股的多因子量化选股策略研究

选取沪深300成份股作为样本股,截取2007-2016年财务数据和行情数据,通过模糊C均值聚类算法进行有效但冗余因子的剔除,构建多因子选股模型,将投资组合收益作为检验模型有效性的依据开展研究。结果表明,市盈率、市净率、每股收益等因子对股价波动规律有较强的关联性,多因子选股模型应用于投资实践能够取得稳定的相对于沪深300指数收益的超额收益,模糊C均值聚类算法与多因子选股模型的结合获得了较好的验证,为量化投资研究提供了新思路。

投资者情绪与股票横截面收益的实证研究

本文以1999～2008年沪深两市A股一般上市公司为样本,探讨了投资者情绪对股票横截面收益的影响。结果表明,股票估值的主观程度和投资主体存在的特征差异使得股票收益对于情绪的敏感度存在差异,投资者情绪对于当期与未来短期的相对超额收益具有一定的影响作用,情绪对横截面收益存在影响效应。这种横截面影响具体表现在情绪乐观时,有形资产率低的、资产负债率高的、无现金分红的股票会有超额收益,情绪悲观时则相反;低价股、亏损型、高账面市值比、利润增长率比较极端的股票在情绪乐观时获得超额收益,情绪悲观时相反,但是并不显著;按照规模和机构持股比例构造的投资组合,投资者情绪对其收益的横截面影响均未表现出显著规律。

最终控制人投资组合集中度、股票投资回报与对冲策略

本文探究了最终控制人投资组合集中度对上市公司未来股票投资回报的影响,通过检验2009-2015年中国A股上市公司的相关数据,发现最终控制人投资组合集中度越高,上市公司未来股票投资回报越高。进一步探究其影响机制,结果显示最终控制人投资组合集中度高的企业,未来的公司业绩越好、内控质量越高、代理成本越低,即提高最终控制人投资组合集中度有利于提升公司价值。基于以上结论,本文利用最终控制人投资组合集中度构建了一个对冲策略,即买入最终控制人投资组合集中度高的公司,卖出最终控制人投资组合集中度低的公司,结果显示该对冲策略在短期与长期都可以获得显著为正的股票投资超额回报。这说明中国证券市场的投资者并没有完全理解最终控制人投资组合集中度所包含的信息。后续检验中,我们还发现最终控制人间接控制的公司比直接控制的公司对冲策略的有效性更强,信息透明度低的公司比信息透明度高的公司对冲策略的有效性更强。

特质波动率与股票收益——基于Fama-French五因子模型的研究

股票收益与风险之间的关系一直以来都是金融学理论研究的核心问题.近年来,针对股票收益与特质风险之间的关系的研究受到了越来越多的学者的关注.在有效市场的理论下,通过构建多样化投资组合,投资者可以分散公司的特质风险,使组合收益更多的与市场风险相关.然而由于投资者之间信息不对称、市场政策差异化、资金成本不均衡等因素的影响,往往无法构建其目标组合,于是无法分散的特质风险就会在一定程度上影响股票收益.该文章以沪深A股自2000年1月4日至2015年12月31日共计3871个交易日的日收益率数据作为研究样本,通过滚动窗口分析的方法,以最新的五因子模型为切入点,研究发现了在中国股票市场中特质波动率与股票收益之间的负相关关系,并通过构建高特质风险与低特质风险股票组合进一步发现特质波动率与收益之间的负相关关系在经济意义上显著.

企业股价崩盘风险与股票预期收益率——来自中国A股上市企业的经验证据

从企业股价崩盘风险的经济后果角度出发,探究企业股价崩盘风险对股票预期收益率的影响,并以2000—2015年A股上市公司为样本进行实证检验。研究结果表明:企业股价崩盘风险对预期收益率影响显著,二者间的递增关系符合"高风险高收益"的传统金融定价逻辑;并且这种影响作用尚无法由已发现的企业基本面溢价因素所替代;进一步研究发现,崩盘风险对收益率的影响力会因市场行情不同而异,即在牛市时更胜一筹,在熊市时表现欠佳。本文的研究不仅拓展了企业股价崩盘风险经济后果领域的文献,也为资产风险溢价解释提供了新的观点。

债市信息下的股票收益预测——基于Bootstrap小样本检验分析

利用债市信息构建水平型、斜率型和曲度型三类股票收益预测变量,并通过Bootstrap进行小样本偏差检验分析,从而探究中国股票市场收益的可预测性。研究发现中国股票市场收益能够很好地被水平型变量远期利率组合和斜率型变量到期收益率斜率成分所预测。两类变量均与股票组合收益负相关,即当前债市整体收益较高,期限溢价较大,则预示着未来股票收益将会下降,股市进入低谷。由于两类变量所涵盖的信息不同,使得远期利率组合在预测短期滚动股票收益时表现较好,而到期收益率斜率成分则在长期时具有较强的预测能力。此外,公司特征包括市值、账面市值比以及净资产收益率能够影响股票收益可预测性的程度。其中,市值和账面市值比的影响作用在短期和长期时会出现明显的反转现象。

资产定价与劳动成本占比

根据经典生产函数可知与劳动要素相关的变化应反映到企业价值层面,那么劳动要素对股票市场具有怎样的影响呢?本文以沪深A股为研究对象,基于劳动成本占比探索劳动要素对股票市场定价的影响。通过模型推理和实证分析相结合的方法证明劳动成本占比与企业风险正相关,劳动成本占比具有放大企业风险的杠杆作用。基于风险与收益相补偿的原理,通过回归分析和投资组合分析发现劳动成本占比具有正的股票收益预测能力;采用买多-卖空组合构建劳动成本占比风险因子,通过Fama-MacBeth回归证明劳动成本占比是影响股票收益的风险因子,并且相对Fama-French的五因子不是冗余因子;在三因子模型和五因子模型基础上包含劳动成本占比风险因子的定价模型对股票横截面收益的解释力更好,模型的定价效率更高。本文不仅丰富了股票收益影响因子和劳动成本经济后果领域的文献,而且对投资者投资决策、企业制定薪酬制度、政府颁布劳动保护相关政策和收入分配改革方面具有参考价值。