07流动性信息与资产收益基于非参数模型的分析.docVIP

流动性信息与资产收益 目 录 摘要 1 1. 背景分析 1 2. 流动性的非参数求解 3 3. 非参数建模、估计方法与检验 4 3.1. 模型建立与估计 4 3.1.1. 流动性信息对预期收益冲击的非参数定向加权法 5 3.1.2. 变系数部分线性模型及估计 6 3.1.3. 变系数部分线性模型的检验 7 4. 数据与模型结果分析 8 4.1. 数据说明与描述 8 4.2. 模型估计结果及分析 9 4.2.1. 定向加权部分的结果及分析 9 4.2.2. 变系数部分线性模型的估计、检验和bootstrap模拟 10 4.3. 模型讨论 13 5. 小结与建议 13 参考文献 15 附录 I 摘要 本文首先从全新的角度给出市场深度指标的求解方法，分别从定向加权和变系数部分线性模型的视角检验流动性信息的预测能力，并应用于我国股票市场每日收益率的研究，得出四点判断：1、通过非参数方法求解得到的指标值具有显著的平稳性。2、流动性信息的时变性对股票市场存在显著的非线性冲击，而且流动性信息的持续性变化与收益之间存在负向关系，并发现股票收益分布具有多峰性的特点。3、得到和经典资产定价模型相同的结论，即市场综合指数对个股具有显著的影响。4、模型验证了流动性信息通过波动性将信息非线性传导给投资者的假设，伴随着流动性信息的时变性，投资者所得到的风险补偿也具备时变性，但由于市场不够透明、信息不对称，流动性信息并不能全部传导给投资者，或者在之前由于信息的外漏，原本的流动性信息传导路径也可能会被误导。5、通过实际数据的验证，我们所建立的变系数部分线性模型能够较好的解释流动性信息的传递，也为我们以后的实证研究提供了一个估计和检验流动性信息传导和时变型风险补偿的新方法。 关键词：流动性信息 市场深度 定向加权 变系数部分线性模型 波动性 背景分析 自从证券市场诞生以来，预测资产回报一直是人们关注的焦点之一。Fama(1970)提出，资产回报可预测性被分为基于过去回报信息的“弱形式(weak form)”可预测性和基于过去公开信息的“半强形式(semi-strong form)”可预测性。其中，弱形式可预测研究探讨回报的序列依赖性，这种序列依赖性也可捕获期望回报的可预测变化；半强形式可预测研究使用其它公开可得的滞后变量作为工具(instrument)变量,详见文献[20]。 不过，滞后工具变量的预测能力仍存在争议，这是因为研究者认为所度量的预测关系可能是伪关系(spurious) ，为了辨别这些预测关系的真伪，在资产回报预测方面，研究者通常采用条件资产定价检验方法，和自回归条件异方差检验(Engle，1987)，这两种方法的优点在于，它们可以解释条件变量所捕获的股票回报可预测变化，即解释条件变量为什么具有预测能力，从而在条件变量和可预测股票回报之间建立了相依关系。所不同的是，条件资产定价检验是针对预期收益率(一阶矩)的角度进行估计和预测，而Engle提出自回归条件异方差理论以后，突破了这一局限，将预测拓展到波动性预测(即二阶矩)。但上述两种方法的建模均是参数模型，对模型的灵活性有所限制，基于此，本文尝试将二者的优点结合起来采用更具灵活性的非参数模型展开分析，并对模型的有效性进行检验。考虑到信息变量在预测中重要性，本文将流动性信息的滞后变量考虑进模型中，对流动性信息的重要性将在下面简要分析。 流动性是指能够以较低的交易成本即时完成交易指令、同时对市场价格影响较小的交易能力，如果一种资产和现金能够以较小的交易成本迅速相互转换，该资产就具有流动性，从流动性的定义上我们完全有理由认为，流动性信息是市场调节机制中重要的影响变量，自从Amihud(2002)以来，研究者就意识到流动性可以解释资产回报随时间的可预测变化。如果今天的一个冲击使流动性下降，那么，投资者会预期随后阶段的流动性也较低，这将导致今天的价格下降，从而使其期望回报升高。因此，流动性的持续性隐含了回报和流动性之间具有负向关系。 但到目前为止，研究者仍没有结合使用条件资产定价模型和自回归条件异方差模型检验流动性的预测能力。条件资产定价理论和条件异方差理论实际上都是使用条件矩来描述资产的价格行为，其实证研究一般依赖理性预期假设，即数学上的条件期望。而在随机折现因子框架下，条件模型和无条件模型的差异主要在于前者考虑了回报条件矩的时变(time-variation)，即随机折现因子中的参数将依赖于投资者对未来回报的预测。这意味着研究者所采用的信息集能否代表投资者预期，是研究者所采用模型好坏的决定因素之一。 在众多流动性的研究中,关于流动性与资产定价关系的研究是一个重要的分支。在这一领域最重要的问题就是流动性是否是决定资产价格的一个因子,即流动性是否对资产回报有重要的影响。国内外学者对其已有大量的研究，