中国股市行业动量效应研究

动量效应是行为金融研究的一个热点问题,并且对投资者也是一种主动管理的投资方式.本文根据申银万国研究所制定的一级行业分类指数,从行业动量的角度对2001年-2009年的中国股市进行了研究.研究结果表明,中国股市在短中期存在明显的行业动量效应,其中部分投资组合能获得显著的超额收益,具有较强的投资参考意义.并且,本文通过对行业动量实际交易策略进行实证检验,结果表明行业动量效应投资策略可以获得明显的超额收益,即使考虑到交易费用和卖空限制,只买入赢家组合的投资策略依然可以获得较高的超额收益.     

中国股市行业动量效应研究

动量效应是行为金融研究的一个热点问题,并且对投资者也是一种主动管理的投资方式。本文根据申银万国研究所制定的一级行业分类指数,从行业动量的角度对2001年-2009年的中国股市进行了研究。研究结果表明,中国股市在短中期存在明显的行业动量效应,其中部分投资组合能获得显著的超额收益,具有较强的投资参考意义。并且,本文通过对行业动量实际交易策略进行实证检验,结果表明行业动量效应投资策略可以获得明显的超额收益,即使考虑到交易费用和卖空限制,只买入赢家组合的投资策略依然可以获得较高的超额收益。     

中国A股市场动量效应与“动量崩盘”现象研究

动量效应作为一种金融异象,广泛存在于各个市场。然而在丰厚收益的背后却存在着巨大的风险,学术界称之为"动量崩盘"。本文在确定中国A股证券市场动量效应的基础上,进一步研究了动量组合的风险性质。结果表明:A股市场存在周度的动量效应;且该周度效应无法被CAPM和Fama-French三因子模型所解释;A股的周度动量效应没有出现普遍存在于其他动量市场的"动量崩盘"现象,表明在A股市场实施动量策略,不仅收益比美国市场更丰厚,而且风险更小;而动量组合在牛熊市中不对称的收益表现,使得动量收益可以和股票期权一样被市场预计波动率所解释。     

对小公司效应、价值股效应、动量效应以及反转效应的实证研究——基于三因子模型

本文分析了行为金融学中小公司效应、价值股效应、动量效应以及反转效应对于中国股票市场的影响,以A股市场2000-2018年数据为研究样本,基于Fama-French三因子模型,探究结合行为金融因素的多因子模型能否较好地拟合股市。研究发现,A股市场不同板块对于各个因子的偏好与权重不同,而单一股票也很难通过多因子去很好地解释超额收益,而本文希望通过实证分析来展示非理性因素对于金融市场的影响。     

中国股票市场月份效应研究——基于行业视角

中国股票市场是否存在月份效应尚无定论,本文选取了2000年1月至2018年6月之间上证综指、深证综指和申银万国行业指数为研究样本,引入基于广义误差分布的EGARCH-M模型,从不同市场和不同行业两个方面对月份效应进行研究,最后运用滚动回归的方法对回归结果的稳健性进行检验。实证结果表明,中国股票市场存在显著的二月效应与六月效应。受行业因素的影响,不同行业股票的月份效应往往表现出一些行业特点。     

基于牛市和熊市不同周期的股票市场动量效应研究

在参考国外研究方法的基础上,以周作为检验周期,将1997年6月至2001年6月的股市作为牛市,2001年6月至2005年6月的股市作为熊市,然后分别检验股市在这两个不同时期的动量效应.研究发现,赢家组合在牛市中存在着正的动量效应,输家组合在熊市中存在着负的动量效应.而牛市中的输家组合和熊市中的赢家组合都存在着价格的反转.     

短期动量效应与收益反转效应研究——基于中国中小板市场数据实证分析

依据2011年中小板市场股票的日收益率考量对该市场短期动量效应与反转效应。结果显示:当形成期为一周时,持有期为一周、四周、八周的情况下市场均存在收益反转现象;当形成期为两周时,持有期为四周、八周的情况下市场均存在收益反转现象;当形成期为四周、八周时,各种持有期情况下均存在反转效应。重叠抽样结果显示:除了形成期为两周且持有期为两周的情况下,市场效应不明显之外,其他均显著表现为收益反转效应。同时采用静态与动态的投资策略验证2012年上半年的数据,发现时间段的选取对于研究结论有显著的影响;动态投资策略能够实现更为可观的收益,但收益波动也更为剧烈。     

中国股票市场杠杆效应研究

引言 在证券市场上，有价证券的波动性特征是广大投资者和基金经理们最为关注的问题。因此，关于投资风险和收益的研究一直是资产定价理论研究中的一个主要方面。经过近二十多年来的大量研究，理论界对于有价证券波动的可预测性基本上达成了一致(Bollerslev et al., 1992)，而争议的焦点在于预测模型的不同选取上。……     

动量交易策略及我国股票市场实证分析

动量交易策略指的是事先针对股票收益及交易量设定过滤规则,一旦股票收益或者股票收益和交易量同时满足过滤规则就买入或卖出股票的交易策略。动量交易策略的理论基础是行为金融学。国外投资者已经成功地在实践中应用了该策略。我国股票市场是否存在动量效应,还未形成统一的结论。在总结国内外学者研究方法的基础上,利用目前可用的数据,对我国股票市场在中期条件下动量交易策略的适用性进行了实证研究。但得出的结论并不支持存在动量效应。     

中国股票市场风险溢价研究

本文通过综合资产定价理论和实证文献研究结论,对1997年到2009年中国股市A股股票的风险溢价的截面差异作了详尽的实证研究。我们构造25个投资组合作为检验资产,进行Fama-MacBeth两步回归法,建立了基于市场风险溢价,账面市值比,盈利股价比,现金流股价比,投资资本比,工业增加值变化率以及回购利率和期限利差的八因素模型。我们的主要发现有以下三点:一是相对于Fama-French三因素模型,我们模型的实证解释力有显著提高;二是与过去的文献不同,我们发现回购利率和期限利差等债市指标对股市风险溢价的截面数据有显著解释能力;三是与基于投资的资产定价理论一致,我们发现投资比率和现金流股价比能显著反映我国股市的风险溢价。     

反转和动量效应的国外研究动态及展望

在对国外现有相关研究系统分析的基础上,指出了现有研究在对反转和动量效应的识别方法、成因解释和投资应用上的缺陷,并结合证券市场普遍存在分形特征的现实情况,从引入分形理论的视角对上述缺陷的解决方案进行了展望,以期为学术界和实务界提供参考。     

中国股票市场节日效应的实证研究

本文采用2000年12月1日到2014年12月31日的深圳成份指数的日收益率数据作为样本数据,在使用虚拟变量的基础上,利用ARMA—GARCH模型对我国股票市场是否存在节日效应进行了检验,最后给出了政策建议来提高我国股票市场有效性,如培养理性的投资者,提高上市公司信息披露质量以及完善套利做空的投资工具等。     

“强者”一定“恒强”吗？——来自中国股票型公募基金动量效应研究的新发现

以2014-2018年中国股票型公募基金市场为样本，改进基金动量组合构造方法，并提出中国公募基金市场“新动量效应”。研究发现：传统动量效应稳健性较差并存在较高“动量崩溃”风险，而剔除历史上表现“最好”的基金，则可以显著提高动量组合收益稳健性;同时，“新动量因子”具有更加稳健的股票横截面定价能力；最后，从“投资者关注”和“处置效应”两个角度，对“新动量因子”存在机制作出了理论解释。     

投资者情绪与动量效应——基于PLS方法与残差动量的比较

采用2010年至2019年我国大类资产的月度数据,检验了传统的动量效应及经CAPM模型调整的残差动量效应,并利用PLS方法合成了我国投资者情绪指数,研究了投资者情绪对动量效应的影响。结果发现:投资者情绪对动量效应有显著影响,动量效应的收益主要来自高情绪期,低情绪期时的收益显著降低;对动量效应的收益进行分解,发现高情绪期时动量效应的收益主要来自多头端,而在低情绪期时主要来自空头端,根据情绪设计的轮动动量效应可以显著提升投资绩效。研究结论不仅是对资产定价及行为金融理论的有力补充,而且为投资人及监管层的管理实践提供了有益借鉴。     

基于中国股市的动量策略和反转策略盈利性研究

本文测试了中国股票市场中A股的反转策略和动量策略的盈利性,实证结果证明了短期内的动量收益,而反转收益存在于中长期和长期。在对两类收益的原因探析中,本文证明反转收益部分归因于规模效应。Beta因素对两类收益都没有解释力。本文同时还测试了Fama-French三因素模型,发现包含市场风险、规模差异和账面市场价值比在内的三类公共因素均不能有效解释反转收益和动量收益。     

中国股票市场月份效应研究

使用标准的计量方法检验股票市场收益率是否存在月份效应及其表现形式。研究结果表明,中国股票市场存在收益率月份效应,其表现形式为在三、四月份表现出较高的收益率,在十二月份收益率较低。中国股市的个股也存在月份效应,其月份效应的表现形式为在一月份表现出较高的收益率,但在六月份的收益率较低。     

深度学习能否让失效因子“起死回生”？——基于Transformer模型的中国A股市场月频动量效应挖掘研究

本文使用基于Transformer模型的深度学习算法成功发现了中国A股市场的月频动量效应,并通过分析模型的信息挖掘机制解释了过去A股市场的“月频动量效应消失之谜”。具体而言本文证实Transformer模型能够利用高维嵌入算法与注意力机制成功甄别以彩票型股票偏好和非理性交易行为为代表的市场噪音,在去除相应的干扰因素后中国A股市场存在显著的月频动量效应,多空组合能够获得0.29%的平均月度收益。进一步地本文从行为金融的视角对A股市场动量效应的形成机制进行了相应分析,证实投资者对市场信息的反应不足是动量效应存在的重要原因。本文研究证实深度学习算法可以利用算力优势挖掘增量信息并增强传统因子的定价能力,对提升资本市场定价效率和投资实践具有一定的启示意义。