Fama-French三因子模型和五因子模型对A股钢铁企业的实证检验

以中国股票市场中16家具有代表性的上市钢铁企业作为研究对象,将这16只个股按规模大小、账面市值比、盈利能力以及投资风格分成12组,使用Fama-French三因子模型和五因子模型对上市钢铁企业进行实证检验和回归分析。实证结论如下:第一,更为新颖的五因子模型在中国股市市场的钢铁板块中,并不奏效,相比三因子模型的回归效果反而更差,盈利能力因子和投资风格因子都冗余。第二,Fama-French三因子模型的四个回归组合,其市场风险系数β值都显著,且数值都接近于1,说明钢铁行业与大盘走势密切相关,呈正相关。第三,在我国上市钢铁股中存在"小规模效应",对于投资者来说,中国钢铁行业中风险溢价最高的是规模较小、高账面市值比的企业,S/H型企业是钢铁股里最好的投资对象,适合在大盘上升中持有;而规模较大、低账面市值比的企业在同等条件下表现最差,在投资中应该优先规避。     

基于Logistic模型的开放式基金异常分红问题研究

本文选取2006年、2007年开放式基金有关数据,运用Logistic模型对开放式基金异常分红的影响因素进行了实证分析,结果表明:我国开放式基金异常分红明显受到投资类型、单位基金可分配收益的影响,与基金最新规模、累计净值增长率、投资风格等因素没有显著的相关关系;股票型基金易发生异常分红现象,且与单位基金可分配收益显著负相关.     

基于Logistic模型的开放式基金异常分红问题研究

本文选取2006年、2007年开放式基金有关数据,运用Logistic模型对开放式基金异常分红的影响因素进行了实证分析,结果表明:我国开放式基金异常分红明显受到投资类型、单位基金可分配收益的影响,与基金最新规模、累计净值增长率、投资风格等因素没有显著的相关关系;股票型基金易发生异常分红现象,且与单位基金可分配收益显著负相关。     

市面上的基金产品非常多,让人眼花缭乱，如何根据基金产品的名字判断其类别？

根据基金名称可以粗略判断其风格。例如：（1）价值型基金。在投资风格上偏重于价值投资,对大盘蓝筹股和长期价值增长型的上市公司投资较多。价值型股票基金换手率较低,较适合长线投资。（2）稳健型基金。这类基金追求稳定的回报,投资风格相对保守。稳健类基金一般都会寻求基金资产的长期稳健增长,所以在仓位和重仓股的选择上较谨慎,换手率也较低。（3）成长型基金。     

Spss统计分析证券风格类型

通过将各只样本基金在不同时期的超额收益率对研究选取的一系列风格指数的回归分析,来考察开放式基金收益对这些因素的暴露情况。利用Sharpe的基于收益的风格分析方法再对以上样本基金进行逐一分析。Sharp风格分析模型包含了一个由多个消极性资产类别混合成的基准,相对于单因素评价模型而言,Sharpc模型考虑了投资涉及的所有资产类别,使得投资者可以更好地理解各基金的收益的来源。     

开放式指数基金业绩与规模研究

目前，基金行业比较关注的一个问题是基金是否存在一个最佳规模。事实上，不同投资风格的基金可能具有不同最佳规模，本文拟以被动型基金的典型代表——指数型基金为例进行实证检验。     

协同性与风格投资——基于中国封闭式基金折价的实证分析

协同性与风格投资是行为金融的新课题。本文通过构建中国封闭式基金折价指数及投资者情绪的替代变量,利用回归分析对2001至2007年中国封闭式基金折价的协同性,及投资者情绪的多样性进行实证检验,验证投资者情绪对基金折价的解释力与相关性。结果表明,我国证券市场上不仅存在协同性．而且协同性表现出较强的风格投资特征,风格投资是产生协同性的重要原因。     

不同风格基金之间的配置

目前我国的基金品种已经比较丰富，从主动型基金到被动型指数基金，从低风险的货币型基金、债券型基金到风险较高的股票型基金，从投资国内的基金到投资全球的基金，投资者可以根据自己的偏好选择合适的品种进行搭配。     

投资风格漂移与基金业绩——来自开放式基金的经验证据

基金投资风格是双刃剑,带来短期超额收益同时也具有巨大漂移风险。目前我国基金信息披露制度不完善,相关监管缺失,加上投资者大多只注重收益而忽视风险,导致基金投资风格漂移现象普遍存在。选取2004年7月前成立的65只偏股型基金为样本,对样本基金在2005—2012年的实际投资风格进行识别,并检验基金业绩与风格漂移的关系,结果显示：基金存在严重的投资风格漂移现象,而且漂移随股市走势变化明显,基金整体上投资风格趋同;在价值/成长风格的漂移方面,大多数基金投资风格倾向于成长型或平衡型,价值型风格缺乏;在大/小盘风格的漂移方面,基金投资风格均匀分布于大盘和小盘,某些年份随股市走势变化,风格漂移明显且趋同;过去业绩越好的基金越容易发生投资风格漂移,且投资风格漂移并不能带来基金业绩的改善。     

Markowitz投资组合模型最优权重的稳定性检验

鉴于Markowitz投资组合模型与线性回归模型之间的联系,可以在线性回归框架下解决投资组合问题,并作相关的统计与计量经济学检验。Markowitz投资组合权重是最优的,但并不保证该证券在分散组合的非系统性风险方面显著有效,线性回归模型的显著性检验告诉我们,只有最优组合权重通过了显著性检验的证券才对分散组合的非系统性风险有明显的贡献。在实例中,首先用线性回归的方法估计出最小方差点处的最优组合权重;其次通过显著性检验,把不显著的证券从组合中去掉,建立更加简洁有效的投资组合,降低管理成本;最后,使用邹氏预测检验对投资组合的动态性或最优组合权重的结构性变化进行检验,为投资组合的最佳调整时机选择提供一种思路。     

收益联动性与风格投资研究评述

收益联动性与风格投资是行为金融学的新课题,国外学术界进行了广泛研究,但国内对收益联动性及风格投资的研究刚起步。本文试将其主要成果进行归纳和梳理,以期有助于该研究的深入。     

Markowitz投资组合模型下最优组合权重的显著性检验

鉴于Markowitz投资组合模型与线性回归模型之间的联系,我们可以通过线性回归方法估计最优组合权重,并且检验最优组合权重的显著性。Markowitz投资组合权重是最优的,但并不保证该证券能够有效分散组合的非系统性风险。线性回归模型的显著性检验告诉我们,只有最优组合权重通过了显著性检验的证券才对分散组合的非系统性风险有明显的贡献。在实际运用中,以计算最小方差点处的最优组合权重为例,最小二乘回归的结果与直接使用非线性规划求解的结果相同。通过显著性检验还可以把不显著的证券从组合中去掉,建立更加简洁有效的投资组合,从而降低管理成本。     

基金投资风格与投资管理

介绍了按照基金投资组合的不同种类利润目标和不同规模的投资风格分类 ;阐述了基金投资风格对投资者投资效果的影响。基金投资风格的转变对投资者投资效果产生的影响不同 ,因此 ,投资者应该密切关注基金的操作风格。     

中国转型期货币需求模型：1978—2000

在理性经济人与货币市场均衡的假设前提下,本文将经济制度的转型予以定量化并纳入货币需求模型,运用岭回归方法进行参数估计。并且从货币流通速度来看,我们发现存在“超额货币”现象,本文对这一现象从制度转型的角度作了简要解释。     

基金投资风格漂移与证券市场稳定

基金投资风格发生漂移已成为常态,本文对我国开放式基金的投资风格漂移与证券市场稳定之间的关系进行探讨,实证研究表明:短期内基金投资风格漂移呈现出较大的差别,证券市场表现出较大的波动;而长期呈现出较小的差别,证券市场表现出较小的波动;基金发生羊群效应显著,与证券市场的稳定成反向关系。     

对经济增长的时间序列分析

时间序列分析在经济运用中作用十分明显。利用1980～2003年国内生产总值的相关资料,运用时间序列分析,应用SAS软件对经济增长时间序列进行模型识别、拟合、估计和预测,预测结果较为满意。而改革开放以来,投资在经济增长中的作用越来越明显,在对经济增长序列进行时间序列分析的同时,也结合回归分析建立经济增长和投资的回归-时间序列组合模型来进行分析。     

买基五虑

投资品种决定收益空间 对基金的回报要有合理的预期,必须了解其投资组合,即基金投资于什么证券。一般来讲,股票型基金以股票投资为主,积极配置型基金的股票投资比重通常较股票型低,但也在50％以上,保守配置型基金的债券加现金比重在50％以上,债券型基金以债券投资为主,货币市场基金投资于货币市场工具,保本基金投资较多的是固定收益类产品。     

把握净值变动的六大规律

第一,震荡市对不同类型基金的影响各异。股票型基金与证券市场的关联性极强。证券市场的任何风吹草动,均会在基金净值上得到反映。因此,关注证券市场的变化,对投资者了解股票型基金净值的变化规律非常重要;债券型基金很少或不投资于股票,或参与股票品种的投资(新股申购、投资可转债等)有限,其净值变动受证券市场的影响较     

经济发展、人口增长与耕地资源动态变化研究——以南京市为例

本文通过对经济发展、投资增长、人口增加与耕地资源动态变化弹性关系的分析,发现1980～1997年间随着南京市社会经济的不断发展,国民经济的投资报酬率及土地产出率不断提高,据此作者建立了动态回归模型,进一步验证了耕地资源动态变化与经济发展、投资增长、人口增加之间的数量关系,根据这一数量模型还预测了2000年及2010年南京市的耕地资源保有量。通过与耕地资源动态变化一元回归模型预测结果的比较分析,两者相差甚微,故预测结果可信     

一种基于规则化方法的最优稀疏指数追踪模型设计

本文将目前流行的规则化方法加入到传统指数追踪模型中,得到若干种稀疏而且稳定的资产组合,用于复制指数的收益率,并构建样本内外预测、模型一致性、资产组合稀疏性和BIC准则进行模型效果评价。基于对上证综指、沪深300指数和中证500指数的实证发现:图结构约束可以提升模型的样本外预测能力、模型一致性和资产组合稀疏性;ITM-adaL₁在资产组合稀疏性上表现远好于其他模型;结合三种指数追踪,含有自适应L₁罚函数以及图结构约束的指数追踪模型总体表现优于其他模型。本文的研究方法和结果对指数型基金管理公司、个人和投资机构者有较为重要的实际意义。