R软件及其在金融定量分析中的应用-CH11.pptx

R软件及其在金融定量分析中的应用主编：许启发、蒋翠侠制作：王侠英、侯奇华2014年10月编写第十一章 金融市场羊群效应第一节 基于均值回归羊群效应分析第二节 基于分位数回归羊群效应分析第三节 基于神经网络分位数回归羊群 效应分析第四节 习题第五节 参考文献第一节 基于均值回归羊群效应分析参数模型参数CSSD模型设共有 N(N≥2) 只股票，Ri,t 为个股股票在第 t 期的收益率，Rm,t 为市场等权股票组合在第 t 期的收益率，CSSD表达式如下： (11.1)显然，由式(11.1)可知分散度指标随着个股收益偏离市场收益程度的增加而增加。第一节 基于均值回归羊群效应分析参数模型参数CSAD模型假设市场有 N 只股票，其中股票 i 在第 t 个交易日的个股收益率为 Ri,t ，市场组合收益率在第 t个交易日为 Rm,t ，那么市场在交易日 t 的横截面偏度CSAD为： (11.3)建立羊群效应测度模型： (11.7)若γ2回归结果为负，则样本市场存在羊群效应第一节 基于均值回归羊群效应分析非参数均值模型回归形式较为自由，受约束较少，对数据的分布一般不做任何要求。适应能力强，稳健性高，回归模型完全由数据驱动。模型的精度高，并且对于非线性问题，有非常好的效果。第一节 基于均值回归羊群效应分析非参数均值模型非参数均值CH模型以及非参数均值CCK模型，具体表达形式如下： (11.8) (11.9) 式(11.8)与式(11.9)中， 和 为抽象的非线性函数。如果方程整体性显著，则表明存在显著的羊群效应，可以通过方程整体显著性的F检验来实现。第一节 基于均值回归羊群效应分析案例分析例 11-1：首先我们给出主程序，包括数据的选取与指标的计算。从上证A股中选取了51只股票进行本章R语言案例分析。主程序演示如下： #1. 加载包 # 2. 从EXCEL中读取数据 # 3. 示性函数 #4. CSSD 指标与CSAD指标的表达式第一节 基于均值回归羊群效应分析案例分析Coefficients: Multiple R-squared: 0.5384, Adjusted R-squared: 0.5372 F-statistic: 457.8 on 2 and 785 DF p-value: 2.2e-16EstimateStd. Errort valuePr(|t|)(Intercept)0.0009037.746 2e-16 ***abs(Data$RM)0.02030.00248.499 2e-16 ***I(Data$RM^2)0.25150.04186.0132.79e-09 ***第一节 基于均值回归羊群效应分析案例分析结果解读：其中α为0.0009，γ1 为0. 0203，γ2 为0.2515，这表示该曲线拟合出为开口向上的曲线。模型的 R2 值为0.5384，F统计量为457.8。回归结果显示，我国股市存在十分严重的羊群行为，从 R2m,t 的 t 检验拒绝了二次项为零的原假设，横截面偏离度和市场收益存在十分显著的非线性关系，充分验证了我国股市存在的非理性关系。第一节 基于均值回归羊群效应分析案例分析同时得到均值回归非参数估计——局部多项式估计，结果见图11-2。可以看出，市场收益与CSSD指标（CSAD指标）有明显的非对称效应。在市场收益为负时，羊群效应相对于市场收益为正更加明显，这表明羊群效应在市场较为萧条或者熊市期间比较显著。第一节 基于均值回归羊群效应分析案例分析 图11-2 CSSD与CSAD均值局部多项式估计第二节 基于分位数回归羊群效应分析参数分位数模型基于分位数回归，给出参数分位CH模型式(11.10)以及参数分位CCK模型式(11.11)： (11.10) (11.11) 其中τ(0τ1)为分位点表明在不同分位点τ处，回归系数可能并非相同，意味着在不同分位点τ处，解释变量对被解释变量的影响模式可能具有异质性。第二节 基于分位数回归羊群效应分析非参数分位数模型采用非参数模型，在分位数估计基础上对CSSD模型和CSAD模型进行羊群效应分析，具体表达式如下： (11.12) (11.13)如果方程整体性显著，则表明存在显著的羊群效应，可以通过方程整体显著性的拟合优度检验和F检验来实现。第二节 基于分位数回归羊群效应分析案例分析例 11-2：本节通过被解释变量CSSD、CSAD与解释变量市场收益率 Rm,t 构建的模型，估计出解释变量的系数参数值。在非线性分位数回归进行羊群效应分析中，依然使用三类模型：参数分位数回归、局部多项式分位数回归、B-样条分位数回归。编写了HerdBehavior_QR.R子程序。计算代码如下：第二节 基于分位数回归羊群效应分