经典模型及其实证方法.ppt

证券市场风险结构检验 系统性风险变化和上证指数季度数据对比图 证券市场风险结构检验 在此基础上，我们采用季度数据对证券市场系统性风险进行分析，对我国系统性风险特征进行实证检验。利用样本上市公司的周数据，计算出系统性风险占总风险比重的季度数据，通过与同期上证指数对比发现，系统性风险与股指波动呈现明显负相关性。图中横轴标是时间，左轴为系统性风险比重指标，右轴为上证指数，当股市处于牛市期，系统性风险比重呈下降趋势；在市场处于熊市时期，系统性风险比重呈现上升趋势，这表明在牛熊市转换间我国证券市场系统性风险呈现非对称性特点。 证券市场风险结构检验 证券市场风险结构的行业特征 对于行业板块和投资组合，收益和风险则通过以下公式计算： 论文将不同行业内样本上市公司的系统性风险占总风险比例进行平均，得到不同考察年度行业系统性风险占总风险比重的分布。不同行业系统性风险占总风险比重走势和整个市场总体相似，但从年度间系统性风险比重的同方差检验看，行业间系统性风险占总风险比重则有一定的分散化趋势。 证券市场风险结构检验 再考察另一个风险测度指标——行业β系数 统计数据显示行业β系数均值基本趋近1，说明行业和市场共性很高，行业收益率受市场影响很大。但从时间跨度看，行业β的变异系数存在逐步增大的趋势，这表明系统风险在不同行业间出现分化特征，上市公司的行业特性和行业区别进一步扩大。 APT Arbitrage Pricing Theory 套利 投资者不需要进行净投资就可以得到无风险的利润 买入 卖出同时完成 交易者不承担任何风险 不需要投资但是有正收益 ATP假设 1因素能够描述证券收益 2市场上有足够的证券来分散风险 3完善的证券市场不允许任何套利机会存在 在哪里寻找风险 因子分析与APT检验 三、APT的实证检验 1、Roll和Ross等人的早期实证检验 早期的APT的实证检验是由罗尔和罗斯提出来的，他们的“关于套利定价的实证研究”首次对从实证的角度验证了套利定价理论。 Roll-Ross检验分两个步骤： （1）从单个资产收益率的时间序列数据估计预期收益率和各因素系数； （2）使用这些估计值检验APT隐含的基本定价结论。具体而言，这些资产的收益率是否与步骤（1）中得出的共同因素相一致？ 因子分析与APT检验 豪根（Haugen）的近期检验 豪根（Haugen,1999）以美国规模最大的3000只股票为样本，从1980年到1997年为时间区间，用下列因素检验了APT的预测能力： 国库券的月收益率； 长期和短期政府债券的月收益率差异； 长期政府债券和到期日相同的低级别公司债券的月收益率差异； 消费价格指数月百分比变动； 美国价格指数月百分比变动； 标准普尔指数月初的股息-价格比率。 因子分析与APT检验 四、因子分析法在APT检验中的应用——以中国股市为例 在APT实证检验方法中，最基本、最常用的检验方法就是因子分析法。在此，我们着重介绍这种方法在中国证券市场的适用性。 在此，我们主要根据这篇论文对APT的检验方法进行介绍。该文样本区间为1997年6月19日—2000年3月23日，共666个交易日的样本数据，300种证券等分成15组，每组包含20种证券。 利用因子分析方法检验分两步骤进行：（1）根据单个资产收益率的时间序列估计期望收益率和因子载荷（因子系数），验证因子存在的可能性；（2）用这些估计量对套利定价模型进行检验，说明因子存在和模型设定的合理性。 因子分析与APT检验 第一步，求解因子模型。 在因子分析全过程，先用主成分因子分析方法对因子个数进行预估，取特征值k>1 的主成分的个数作为共同因子的个数, 然后再通过最大似然法对预估的因子个数进行修正, 取满足卡方显著性检验和残差矩阵检验(残差矩阵中大于0.05 的残差个数占总数的比重小于10% ) 的因子个数作为最终的公共因子个数, 并据此求得因子载荷矩阵。 因子分析与APT检验 第二步，对解得的因子模型进行检验。 在求解因子个数时，对期望收益率Ei和因子载荷矩阵B进行估计，现在就利用它们构造截面回归方程： 并对零假设 ： 进行检验。在此，用3.5%作为 的估计值，对APT模型进行检验。 * 关于欧洲，日本负利率的思考 CAPM中，如果是负利率会发生什么事情 理论上会鼓励哪些投资行为 实证体系对吗？ 有没有漏洞？ 如果不对，为什么？ 罗尔批判 CAPM在实际中无法检验 任何计算手段都无法真正表达市场组合，跟市场指数永远只是市场组合的代理变量 为什么？ 什么是市场组合？如何理解指数？ 三因素资产定价模型及其实证检验 三因素模型 因为在Fama和French的研究中，他们发现了其他因素对股票收