【原创】牛与熊,从科研角度看股市(一)---从一篇小论文谈起 [ 千里烟波 ].doc

牛与熊，从科研角度看股市（一）---从一篇小论文谈起 尝试用简单一点的语言把学术研究介绍出来。我的研究方向更多在于金融计量(Financial Econometrics)分析，最近正在做一些牛市与熊市的研究，对实践了解不多，借此宝地希望能接受更多的实践工作者的建议，也希望能找到同道中人共同进步。 从2007年一篇论文说起，作者Wu Yan, John Powell, Jing Shi 和 Wei Xu。 发表在Economic Letters。 该杂志的文章简短新颖，对经济学者来讲起到了先挖坑以后再填的作用。有什么想法第一时间冲过去报到，以后别人在写也要引你的论文了。 在金融计量方面，牛市与熊市的研究不是从估计（Estimate）开始，而是从实践中去定义。详细的算法不说了，对于转折点的定义主要在于： 1，转折点前后要有足够的时间长度，金融数据看上去很丑，所以需要一些限制来管住波动。牛熊的定义通常上是指中长期（以年为单位）。 2，对于突然间的大波动，比如一个月内指数俯冲20%，也计为熊市。 举个例子，3个月内指数减少10%不是熊市，但是如果半年内减少10%是熊市。 学术的东西一旦脱离了术语就失去了神秘性，拿出来肯定有人不满意。这位说了，这都什么呀？too simple, too naive。我还偏偏不反驳，如果都完美了咱们不就不用搞这些东西了么？ 这四个人应用Bry和Boschan的方法到深沪两市，分解出熊市和牛市，沪市为例： 牛：1991.1 - 1992.5 1992.10 - 1993.4 1994.7 - 1997.4 1997.9 - 1998.5 1999.2 - 2001.6 2002.1 - 2002.6 2003.10 - 2004.5 2005.5 - 熊：剩下的全是熊 （数据只到2006.12） 那位说了，有什么用？ 我先说个大方向，理论上任何技术分析都可以用时间序列分析表述。但是学术上无法把握的事情实在是太多，不是不能描述，而是参数太多没法解或者数学上的精确反而不如经验的模糊。不过这里底线是，很多事情没有做，也值得一做。 这四个人用以上所说的BB算法做了一个有趣的预测，如果一个高点之后五个月（这是算法中的参数）后未能有效突破，卖掉所有股票，如果一个低点之后五个月持续高于它，全仓持有。这样的交易策略带来的收益比死拿不放（buy and hold）的平均年收益要高36%（沪市），57%（深市）。 呵呵，有点用是吧？ 牛与熊，从科研角度看股市（二）---价格预测和信息 研究股票市场的大师首先要说Fama(1965)，每个人都听说过随即游走（random walk）的故事。简短地说，在有效市场的前提下，股票价格是无法预测的。什么是有效市场呢？例子如下： 两个经济学家走在路上（不是狗屎的那个），看到路上 有一百块钱，A说：“那里有一百块，赶快去捡。”B说：“你枉称经济学家，如果有一百块钱的话，早就被人捡走了！那肯定是假币！” 有效市场就是说没有免费的午餐，但是应该再加上一句：“之所以没有，是因为一旦出现就会瞬时间被一群虎视眈眈的饿鬼吃完。” 没错，就是这个时间差，才是我们应该去关注的。而从故事里我们更应该看到，谁第一个看到地上的钱才是最重要的！那么“第一个看到”是什么意思呢？信息优势！（Information） 所以，对单只股票进行计量分析不是学术界的焦点。一个身负七十八个数学博士头衔的技术高手不如那只股票所在公司的会计或者销售经理，就是因为没有信息优势。所以科研文章更关注的应用数据是指数。正如同每一个人对自己的微观情况一清二楚，但是对于宏观经济永远没有一致观点一样一样的啊。 （我把问题说得很简化，希望高手补充）所以现在的问题是：什么样的信息能够帮助预测指数？以吨计的论文说没有，以吨计的论文说有，最经典的开端在Scholes(1973)提出用以前的波动（volatility）来预测，结果从统计上来看有，经济学解释为风险贴水（Risk Premium），但总体的拟和并不好，而且预测也不理想。指数在短期内上窜下跳，乱七八糟。下图是1885-2008年美国股票市场总指数的日变化率，包括纽约证交所，美洲证交所与纳斯达克。是不是很烦人？ 这时候Engle(1982)跳出来说：“波动太厉害，弄得我无法透过迷雾看见那美丽的回报率”呼啦一下子，我们现在多了一个研究方向--风险管理。预测不了股价，我还不能预测未来的风险么？何况理论上也还没有反对风险预测的。 【原创】牛与熊，从科研角度看股市（三）---由价格预测到风险管理 学术界里一般情况下不直接讨论资产价格(price)，而是回报率（return）。二者实质上一样，但是回报率更加标准化，使得100元的中信证券和20元的太钢不锈可以比较那个增长得更快。 到此为止，没什么方法有效的