- 1、本文档被系统程序自动判定探测到侵权嫌疑,本站暂时做下架处理。
- 2、如果您确认为侵权,可联系本站左侧在线QQ客服请求删除。我们会保证在24小时内做出处理,应急电话:400-050-0827。
- 3、此文档由网友上传,因疑似侵权的原因,本站不提供该文档下载,只提供部分内容试读。如果您是出版社/作者,看到后可认领文档,您也可以联系本站进行批量认领。
查看更多
摘 要
流动性定价是近年来财务经济学领域的一个热点问题。流动性定价的理论
框架迄今为止还远未完善,有关经验证据也不一致甚至相互冲突。本文试图通过
理论模型的构建对流动性定价现象作出合理的解释,并利用我国股市数据对相关
的理论结论进行实证检验。
本文根据资产交易的经济实质认为流动性应理解为未来收入转换为现时收
入的难易程度。在这一定义的基础上,本文以消费效用的状态依赖性为基本假定、
以基于消费的资本资产定价模型为理论原型建立了流动性定价的基本理论模型。
模型表明:时间维度的不可逆性是经济中存在非负的流动性补偿的终极原因、单
个消费者对流动性的最大支付意愿取决于消费状态的离散程度、消费状态的系统
性因子是完美市场中基准流动性补偿的直接影响因素。在非完美市场中,资产流
通市场的存在性、资产交易成本和信息成本构成了资产流动性水平的三个基本维
度,资产在这三个维度上的差异导致了流动性补偿的截面差异。引入资产未来收
入的不确定性(资产风险)和资产流动性水平的不确定性(流动性风险)之后的
分析则表明:流动性供给者和流动性需求者的风险厌恶倾向使得资产非系统风险
对资产期望收益率与资产换手率产生正向影响。流动性风险的不同结构使得流动
性风险的各个替代指标与资产期望收益率的相关性表现出不同的性态。
在理论分析的基础上,本文以相对买卖价差、报价深度、交易频率作为流
动性水平的基本替代变量,以流动性水平的非预期变化与同期股票收益率的内在
联系作为出发点,采用时间序列回归方法对我国股市中股票流动性水平与预期收
益率的相关性进行了实证检验并获得了预期的结果。进一步的实证研究发现非系
统风险与股票期望换手率的正相关;非系统风险与股票预期收益率负相关;股票
流动性水平与系统流动性水平的协方差、股票流动性水平与市场收益率的协方差
以及股票收益率与系统流动性水平的协方差这三个变量对股票期望收益率水平
的解释力有限,但股票流动性水平的波动性对股票期望收益率有显著影响。
关键词:流动性资产定价流动性补偿期望收益率
Abstract
infinancialeconomicsinrecent f打
iSaheatedissue years.So
Liquiditypricing
thetheoreticalframeworkof is near and
liquiditypricinghardlyperfectempirical
evidencesof are even thesis
inconsistent,sometimesconflicting+111is
liquiditypricing
toconstructatheoreticalmodelto reasonable for
attempts provide explanations
marketon
tomake testsinChinesestock propositions
liquiditypricing,andempirical
fromthemodel.
resulting
oft11eeconomicessenceofassets thesis that
Inview trading.thisproposes
incomeCanconvertinto
shouldbedefinedast
您可能关注的文档
最近下载
知传链电子书
- 梯度提升法的基本原理-[共4页]-248-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- Bagging算法是如何工作的-[共11页]-237-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 二元决策树的过拟合-[共4页]-232-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 决策树的训练等同于分割点的选择-[共3页]-229-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 如何训练一个二元决策树-[共4页]-225-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 多类别分类-分类犯罪现场的玻璃样本-[共6页]-214-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 二分类:使用惩罚线性回归来检测未爆炸的水雷-[共24页]-190-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 基扩展:基于原始属性扩展新属性来改进性能-[共4页]-186-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 部署前在整个数据集上进行训练-[共6页]-180-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 构建并测试模型以预测红酒口感-[共5页]-175-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
文档评论(0)