基于行为金融背离的股市风险量化研究.docVIP

基于行为金融背离的股市风险量化研究 　　摘要：本文从传统的行为金融现象“羊群效应”对A股市场的波动特征展开了量化研究，通过对较长周期样本的截面分析证实了现实中股市波动规律有别于传统的金融理论是简单和线性的，实际上大部分时间由于投资者非理性和趋势交易较容易产生“趋同效应”而放大市场波动。另一方面，由于“反趋同效应”较少的存在有助于我们对市场在上涨动能衰歇时做出及时判断，而以APT模型为核心的回归因子模型能较有效的把握这种“反趋同效应”的节奏，从而实现顶部风险识别和择时模型在样本数据区间的构建，也有助于行为金融学者和资本市场数量研究人员从另一角度看待A股市场的行为转换和波动规律。 　　关键词： 行为金融 投市风险 量化研究 　　▲▲一、市场的非理性？――由“肥尾现象”和“羊群效应”的谈起 　　传统研究市场风险的方法主要是波动率测算，其核心思想是风险R（v）是以波动率（volatility）为自变量的函数。基于传统金融计量理论，资产价格收益率呈正态分布或有偏正态分布的特征，基于历史经验样本的收益率序列可开展ARCH或GARCH研究，以期得到滑动的波动率（volatility）变量。当然，这是在不考虑肥尾（fat-tail）现象的前提下的。 　　“肥尾分布”现象是指行为金融理论挑战传统金融学的一个重要证据，是指在收益率分布的尾部时它的概率分布密度要较标准分布厚，即金融市场出现极端情形要比预期来的概率大些。由于波动率经常存在异方差（heteroskedasticity）现象，其时间序列在分布上存在波动的随机性，因而可以解释股价趋势和反趋势变化时存在拐点。Mandelbort和Fama将时间序列常常出现某一特征的值成群出现的现象称之为波动聚集效应，在统计学上其表现形式就是波动率的阶段相关性和反相关性。因而可以解释市场经常拐点后，上升趋势和下降趋势的相互转化。 　　羊群效应（Herding Effect）是信息连锁反应导致的一种行为方式，即个体投资者阶段性忽视自己拥有的信息或缺乏研究分析的独立性，容易受到其他投资者行为的影响跟风而容易做出非理性的决策。羊群效应行为的存在体现于股价趋同性（stock price synchronicity），是指单只股票的价格波动与市场指数波动的关联性，当市场“同涨同跌”的程度很高时，市场存在显著的羊群行为。 　　▲▲二、拟构建的基于行为金融趋同因子的分析框架 　　1. 一个思路的提出 　　由于A股的个股与市场指数表现出较强系统性（systematic risk）且大部分时候Beta大于0（但不同的个股表现出不同高低的Beta），要寻找个股收益率波动受指数或行业收益率波动的解释度，我们可以从APT模型出发，将指数的各个成分股的日收益率对指数和行业的日收益率进行线性回归（OLS），得到最佳估计的回归方程： 　　我们引入OLS回归模型的解释度R2，其为反应个股收益率与独立解释变量（回归方程中为市场指数和行业指数）收益率之间线性关系的拟合度（Goodness of Fits），R2由回归偏差（SSR）占总偏差（SST）的百分比所定义： 　　， 　　SST为总偏差的平方和，与个股收益率样本的方差呈线性关系；SSR为回归平方和，即OLS回归线上的值 与实际样本的均值 的离差平方和，为OLS模型中可解释总偏差的部分；而SSE为残差平方和，为回归模型不可解释总偏差的部分。 　　如果个股的收益率紧密分布在回归线附近，那么SSE会较小，显示个股收益率对指数收益率的关联度较高；相反如果个股的收益率分布在离回归线很远的地方，SSE会较高，说明个股收益率对指数收益率的关联度会较低。因此Rsq可以代表市场的系统性风险占个股总风险的百分比。把不同时期市场指数的各个成分股的Rsq相加（按沪深300的权重动态加成），便可得到各个时点市场的整体分化水平，我们把其定义为MR2。当MR2越低，说明个股涨跌受市场指数涨跌的解释度越低，体现了市场的分化程度在上升（或趋同度在下降）。 　　接下来，我们将2005-2010年（似为样本内）以来MR2进行实证研究，并将相关规律外推至样本外（2011-2013）。 　　2. 实证检验 　　目前沪深300指数和上证综合指数是衡量A股市场的最好基准，全市场95%的基金公司和大部分保险机构将其似为重要的相对基准，2010年股指期货放开以来，也将000300.SH视为重要的基础交割合约，融资融券业务也首先围绕沪深300里的290只成份股试点。因此，本文的行为金融研究框架中的市场指数，以沪深300开展（06年以来与上证综指的相关性高达99.4%）。2005年以来，沪深300的成份股共调整28次，据不重复成份股的统计，涉及调入的成份股共计526只，在测算上均以成份股的历史日收益率（