三因子解釋股票市場價格現象
⑴ 三因子模型和capm本質上都是解釋什麼問題
Sharp(1964),Lintner(1965),Black(1972)的資本資產定價模型(Capital asset pricing model, CAPM)認為,股票的收益只與整個股票市場的系統風險有線性關系。即Rit-Rft=βi(Rmt-Rft),也就是說,股票的期望收益只與市場的系統風險有關。但是,Banz(1981)的論文發現,股票的收益還與其市場價值有關。在隨後的一系列研究中,賬面市值比(BE/ME)、市盈率倒數(E/P)等一系列指標都被發現可以解釋股票價格的變動,也就是說,股票價格與一系列的風險因素有關。
⑵ 影響二級市場股票價格變動的宏觀因素和微觀因素各有哪些
對二級市場股票的價格造成影響的宏觀與微觀元素,實在是太多了,可以說這個世界上所發生的每一件事懟他都會造成影響,比如自然因素,地理因素,人為因素和季節因素。
⑶ 三因子模型如何運用到低風險投資產品的選擇中
三因子模型指法馬-佛倫奇三因子模型(Fama-French
three-factor
model),是一個資本資產定價模型的改進理論。三因子指的是市場溢價、規模溢價和價格溢價。該模型的提出是基於美國股市歷史回報率的實證研究結果,目的在於解釋股票市場的平均回報率受到哪些風險溢價因素的影響。
德國智能投顧錦萌的核心平台Apeiron結合Fama-French的三因子模型,對於投資產品進行投資和篩選,利用人工智慧和大數據完成更為有效的智能化資產管理。
⑷ 橫截面股票價格是什麼意思
資本資產定價模式(CAPM)在上海股市的實證檢驗
資產定價問題是近幾十年來西方金融理論中發展最快的一個領域。1952年,亨利·馬柯維茨發展了資產組合理論......
一、資本資產定價模式(CAPM)的理論與實證:綜述
(一)理論基礎
資產定價問題是近幾十年來西方金融理論中發展最快的一個領域。1952年,亨利·馬柯維茨發展了資產組合理論,導致了現代資產定價理論的形成。它把投資者投資選擇的問題系統闡述為不確定性條件下投資者效用最大化的問題。威廉·夏普將這一模型進行了簡化並提出了資產定價的均衡模型—CAPM。作為第一個不確定性條件下的資產定價的均衡模型,CAPM具有重大的歷史意義,它導致了西方金融理論的一場革命。
由於股票等資本資產未來收益的不確定性,CAPM的實質是討論資本風險與收益的關系。CAPM模型十分簡明的表達這一關系,即:高風險伴隨著高收益。在一些假設條件的基礎上,可導出如下模型:
E(Rj)-Rf=(Rm-Rf)bj
其中: E(Rj )為股票的期望收益率。
Rf 為無風險收益率,投資者能以這個利率進行無風險的借貸。
E(Rm )為市場組合的期望收益率。
bj =sjm/s2m,是股票j 的收益率對市場組合收益率的回歸方程的斜率,常被稱為"b系數"。其中s2m代表市場組合收益率的方差,sjm 代表股票j的收益率與市場組合收益率的協方差。
從上式可以看出,一種股票的收益與其β系數是成正比例關系的。β系數是某種證券的收益的協方差與市場組合收益的方差的比率,可看作股票收益變動對市場組合收益變動的敏感度。通過對β進行分析,可以得出結論:在風險資產的定價中,那些隻影響該證券的方差而不影響該股票與股票市場組合的協方差的因素在定價中不起作用,對定價唯一起作用的是該股票的β系數。由於收益的方差是風險大小的量度,可以說:與市場風險不相關的單個風險,在股票的定價中不起作用,起作用的是有規律的市場風險,這是CAPM的中心思想。
對此可以用投資分散化原理來解釋。在一個大規模的最優組合中,不規則的影響單個證券方差的非系統性風險由於組合而被分散掉了,剩下的是有規則的系統性風險,這種風險不能由分散化而消除。由於系統性風險不能由分散化而消除,必須伴隨有相應的收益來吸引投資者投資。非系統性風險,由於可以分散掉,則在定價中不起作用。
(二)實證檢驗的一般方法
對CAPM的實證檢驗一般採用歷史數據來進行,經常用到的模型為:
其中: 為其它因素影響的度量
對此模型可以進行橫截面上或時間序列上的檢驗。
檢驗此模型時,首先要估計 系數。通常採用的方法是對單個股票或股票組合的收益率 與市場指數的收益率 進行時間序列的回歸,模型如下:
這個回歸方程通常被稱為"一次回歸"方程。
確定了 系數之後,就可以作為檢驗的輸入變數對單個股票或組合的β系數與收益再進行一次回歸,並進行相應的檢驗。一般採用橫截面的數據,回歸方程如下:
這個方程通常被稱作"二次回歸"方程。
在驗證風險與收益的關系時,通常關心的是實際的回歸方程與理論的方程的相合程度。回歸方程應有以下幾個特點:
(1) 回歸直線的斜率為正值,即 ,表明股票或股票組合的收益率隨系統風險的增大而上升。
(2) 在 和收益率之間有線性的關系,系統風險在股票定價中起決定作用,而非系統性風險則不起決定作用。
(3) 回歸方程的截矩 應等於無風險利率 ,回歸方程的斜率 應等於市場風險貼水 。
(三)西方學者對CAPM的檢驗
從本世紀七十年代以來,西方學者對CAPM進行了大量的實證檢驗。這些檢驗大體可以分為三類:
1.風險與收益的關系的檢驗
由美國學者夏普(Sharpe)的研究是此類檢驗的第一例。他選擇了美國34個共同基金作為樣本,計算了各基金在1954年到1963年之間的年平均收益率與收益率的標准差,並對基金的年收益率與收益率的標准差進行了回歸,他的主要結論是:
a、在1954—1963年間,美國股票市場的收益率超過了無風險的收益率。
b、 基金的平均收益與其收益的標准差之間的相關系數大於0.8。
c、風險與收益的關系是近似線形的。
2.時間序列的CAPM的檢驗
時間序列的CAPM檢驗最著名的研究是Black,Jensen與Scholes在1972年做的,他們的研究簡稱為BJS方法。BJS為了防止β的估計偏差,採用了指示變數的方法,成為時間序列CAPM檢驗的標准模式,具體如下:
a、利用第一期的數據計算出股票的β系數。
b、 根據計算出的第一期的個股β系數劃分股票組合,劃分的標準是β系數的大小。這樣從高到低系數劃分為10個組合。
c、採用第二期的數據,對組合的收益與市場收益進行回歸,估計組合的β系數。
d、 將第二期估計出的組合β值,作為第三期數據的輸入變數,利用下式進行時間序列回歸。並對組合的αp進行t檢驗。
其中:Rft為第t期的無風險收益率
Rmt為市場指數組合第t期的收益率
βp指估計的組合β系數
ept為回歸的殘差
BJS對1931—1965年間美國紐約證券交易所所有上市公司的股票進行了研究,發現實際的回歸結果與理論並不完全相同。BJS得出的實際的風險與收益關系比CAPM 模型預測的斜率要小,同時表明實際的αp在β值大時小於零,而在β值小時大於零。這意味著低風險的股票獲得了理論預期的收益,而高風險股票獲得低於理論預測的收益。
3.橫截面的CAPM的檢驗
橫截面的CAPM檢驗區別於時間序列檢驗的特點在於它採用了橫截面的數據進行分析,最著名的研究是Fama和Macbeth(FM)在1973年做的,他們所採用的基本方法如下:
a、根據前五年的數據估計股票的β值。
b、 按估計的β值大小構造20個組合。
c、計算股票組合在1935年—1968年間402個月的收益率。
d、 按下面的模型進行回歸分析,每月進行一次,共402個方程。
Rp=g0+g1bp+g2bp2+g3sep+ep
這里:Rp為組合的月收益率、
βp為估計的組合β值
bp2為估計的組合β值的平方
sep為估計βp值的一次回歸方程的殘差的標准差
g0、g1、g2、g3為估計的系數,每個系數共402個估計值
e、對四個系數g0、g1、g2、g3進行t檢驗
FM結果表明:
①g1的均值為正值,在95%的置信度下可以認為不為零,表明收益與β值成正向關系
②g2、g3在95%的置信度下值為零,表明其他非系統性風險在股票收益的定價中不起主要作用。
1976年Richard·Roll對當時的實證檢驗提出了質疑,他認為:由於無法證明市場指數組合是有效市場組合,因而無法對CAPM模型進行檢驗。正是由於羅爾的批評才使CAPM的檢驗由單純的收益與系統性風險的關系的檢驗轉向多變數的檢驗,並成為近期CAPM檢驗的主流。最近20年對CAPM的檢驗的焦點不是 ,而是用來解釋收益的其它非系統性風險變數,這些變數往往與公司的會計數據相關,如公司的股本大小,公司的收益等等。這些檢驗結果大都表明:CAPM模型與實際並不完全相符,存在著其他的因素在股票的定價中起作用。
(四)我國學者對風險-收益關系的檢驗
我國學術界引進CAPM的概念的時間並不長,一些學者對上海股市的風險與收益的關系做了一些定量的分析,但至今仍沒有做過系統的檢驗。他們的研究存在著一些缺陷,主要有以下幾點:
1. 股票的樣本太少,不代表市場總體,無法得出市場上風險與收益的實際關系。
2. 在兩次回歸中,同時選用同一時期的數據進行 值的估計和對CAPM模型中線性關系的驗證。
3. 在確定收益率時並沒有考慮分紅,送配帶來的影響並做相應調整,導致收益和風險的估計的偏差,嚴重影響分析的准確性。
4. 在回歸過程中,沒有選用組合的構造,而是採用個股的回歸易導致, 系數的不穩定性。
二、上海股市CAPM模型的研究方法
(一)研究方法
應用時間序列與橫截面的最小二乘法的線性回歸的方法,構造相應的模型,並進行統計檢驗分析。時間序列的線性回歸主要應用於股票β值的估計。而CAPM的檢驗則採用橫截面回歸的方法。
(二)數據選取
1.時間段的確定
上海股市是一個新興的股市,其歷史並不十分長,從1990年12月19日開市至今,不過短短八年的時間。在這樣短的時間內,要對股票的收益與風險問題進行研究,首先碰到的是數據數量不夠充分的問題。一般來說對CAPM的檢驗應當選取較長歷史時間內的數據,這樣檢驗才具有可靠性。但由於上海股市的歷史的限制,無法做到這一點。因此,首先確定這八年的數據用做檢驗。
但在這八年中,也不是所有的數據均可用於分析。CAPM的前提要求市場是一個有效市場:要求股票的價格應在時間上線性無關。在第一章中通過對上海股市收益率的相關性研究,發現93年之前的數據中,股價的相關性較大,會直接影響到檢驗的精確性。因此,在本研究中,選取1993年1月至1998年12月作為研究的時間段。從股市的實際來看,1992年下半年,上海股市才取消漲停板制度,放開股價限制。93年也是股市初步規范化的開始。所以選取這個時間點用於研究的理由是充分的。
2.市場指數的選擇
目前在上海股市中有上證指數,A股指數,B股指數及各分類指數,本文選擇上證綜合指數作為市場組合指數,並用上證綜合指數的收益率代表市場組合。上證綜合指數是一種價值加權指數,符合CAPM市場組合構造的要求。
3.股票數據的選取
這里用上海證券交易所(SSE)截止到1998年12月上市的425家A股股票的每日收盤價、成交量、成交金額等數據用於研究。這里遇到的一個問題是個別股票在個別交易日內停牌,為了處理的方便,本文中將這些天該股票的當日收盤價與前一天的收盤價相同。
三、上海股市風險-收益關系的實證檢驗
(一)股票貝塔系數的估計
中國股票市場共有8年的交易數據,應採用3年以上的數據用於估計單個股票的 系數,才能保證 具有穩定性。但是課題組在實踐中通過比較發現由於中國股票市場作為一個新興的市場,無論是市場結構還是市場規模都還有待於進一步的發展,同時各種股票關於市場的穩定性都不是很高,股市中還存在很大的時變風險,因此各種股票的 系數隨著時間的推移其變化將會很大。所以只用上一年的數據估計下一年的 系數時, 系數將更具有靈敏性,因為了使檢驗的結果更理想,均採用上一年的數據估計下一年的 系數。估計單個股票的 系數採用單指數模型,如下:
其中: : 表示股票i在t時間的收益率
: 表示上證指數在t時間的收益率
:為估計的系數
:為回歸的殘差。
進行一元線性回歸,得出 系數的估計值 ,表示該種股票的系統性風險的測度。
(二)股票風險的估計
股票的總風險,可以用該種股票收益率的標准差來表示,可以用下式來估計總風險
其中:N為樣本數量, 為 的均值。
非系統風險,可用估計 的回歸方程中的殘差 的標准差來表示,用 表示股票i的非系統性風險,可用下式求出:
其中: 為一次回歸方程的殘差
為 的均值
(三)組合的構造與收益率計算
對CAPM的總體性檢驗是檢驗風險與收益的關系,由於單個股票的非系統性風險較大,用於收益和風險的關系的檢驗易產生偏差。因此,通常構造股票組合來分散掉大部分的非系統性風險後進行檢驗。構造組合時可採用不同的標准,如按個股b系數的大小,股票的股本大小等等,本文按個股的b系數大小進行分組構造組合。將所有股票按b系數的大小劃分為15個股票組合,第一個股票組合包含b系數最小的一組股票,依次類推,最後一個組合包含b數子最大的一組股票。組合中股票的b系數大的組合被稱為"高b系數組合",反之則稱為"低b系數組合"。
構造出組合後就可以計算出組合的收益率了,並估計組合的b系數用於檢驗。這樣做的一個缺點是用同一歷史時期的數據劃分組合,並用於檢驗,會產生組合b值估計的偏差,高b系數組合的b系數可能會被高估,低b系數組合的b系數可能被低估,解決此問題的方法是應用Black,Jenson與Scholes研究組合模型時的方法(下稱BJS方法),即如下四步:
(1)利用第一期的數據計算股票的b系數。
(2)利用第一期的b系數大小劃分組合
(3)採用第一期的數據,對組合的收益與市場收益率進行回歸,估計組合的b系數
(4)將第一期估計出的組合b值作為自變數,以第二期的組合周平均收益率進行回歸檢驗。
在計算組合的平均周收益率時,我們假設每個組合中的十隻股票進行等額投資,這樣對平均周收益率 只需對十隻股票的收益率進行簡單平均即可。由於股票的系統風險測度,即真實的貝塔系數無法知道,只能通過市場模型加以估計。為了使估計的貝塔系數更加靈敏,本研究用上一年的數據估計貝塔系數,下一年的收益率檢驗模型。
(四)組合貝塔系數和風險的確定
對組合的周收益率求標准方差,我們可以得到組合的總風險sp
組合的b值的估計,採用下面的時間序列的市場模型:
Rpt =ap+bpRmp+ept
其中:Rpt表示t時期投資組合的收益率
:為估計的系數
Rmt表示t期的市場組合收益率
ept為回歸的殘差
對組合的每周收益率與市場指數收益率回歸殘差分別求標准差即可以得到組合sep值。
表1:組合周收益率回歸的b值與風險(1997.01.01~1997.12.31)
組合 組合b值 組合а值 相關系數平方 總風險 非系統風險
1 0.781 0.001 0.888 0.063 0.021
2 0.902 0.000 0.943 0.071 0.017
3 0.968 0.000 0.934 0.076 0.02
4 0.989 0.000 0.902 0.079 0.025
5 1 0.000 0.945 0.078 0.018
6 1.02 0.000 0.958 0.079 0.016
7 1.04 0.002 0.935 0.082 0.021
8 1.06 0.000 0.925 0.084 0.023
9 1.08 0.000 0.938 0.085 0.021
10 1.1 0.000 0.951 0.086 0.019
11 1.11 0.000 0.951 0.087 0.019
12 1.12 0.000 0.928 0.089 0.024
13 1.13 0.000 0.937 0.089 0.022
14 1.16 0.000 0.912 0.092 0.027
15 1.17 0.000 0.922 0.092 0.026
(五)組合平均收益率的確定
對組合按前面的構造方法,用第98年的周收益率求其算術平均收益率。
表2:組合的平均收益率(1998.1.1-1998.12.31)
組合 組合b 平均周收益率
1 0.781 0.0031
2 0.902 -0.0004
3 0.968 0.0048
4 0.989 0.0052
5 1 0.0005
6 1.02 -0.002
7 1.04 0.0038
8 1.06 0.003
9 1.08 0.0016
10 1.1 0.0026
11 1.11 0.005
12 1.12 0.0065
13 1.13 0.0044
14 1.16 0.0067
15 1.17 0.0074
(六)風險與收益關系檢驗
以97年的組合收益率估計b,以98年的組合收益率求周平均收益率。對15組組合得到的周平均收益率與各組合b系數按如下模型進行回歸檢驗:
Rpj=g0+g1bpj
其中 : Rpj 是組合 j的98年平均周收益率
bpj 是組合j的b系數
g0,g1為估計參數
按照CAPM應有假設:
1.g0的估計應為Rf的均值,且大於零,表明存在無風險收益率。
2.g1的估計值應為Rm-Rf>0,表明風險與收益率是正相關系,且市場風險升水大於零。
回歸結果如下:
g0 g1 R2
均值 -0.0143 0.0170 0.4867
T值 -2.8078 3.5114
查表可知,在5%顯著水平下回歸系數g1顯著不為0,即在上海股市中收益率與風險之間存在較好的線性相關關系。論文在實踐檢驗初期,發現當以93年至97年的數據估計b,而用98年的周收益率檢驗與風險b關系時,回歸得到的結論是5%顯著水平下不能拒絕回歸系數g1顯著為0的假設。這些結果表明,在上海股市中系統性風險b與周收益率基本呈現正線性相關關系。同時,上海股市仍為不成熟證券市場,個股b十分不穩定,從相關系數來看,尚有其他的風險因素在股票的定價中起著不容忽視的作用。本文將在下面進行CAPM模型的修正檢驗。
四、CAPM的橫截面檢驗
(一)模型的建立
對於橫截面的CAPM檢驗,採用下面的模型:
Rp=g0+g1bp+g2bp2+g3sep+ep
該模型主要檢驗以下四個假設:
1,系統性風險與收益的關系是線性的,就是要檢驗回歸系數E(g2)=0。
2,b是衡量證券組合中證券的風險的唯一測度,非系統性風險在股票的定價中不起作用,這意味著回歸方程的系數E(g3)=0。
3,對於風險規避的投資者,高系統性風險帶來高的期望回報率,也就是說:E(g1)=E(Rmt)—E(Rft)>0
4,對只有無風險利率才是系統風險為0的投資收益,要求E(g0)=Rf。
(二)檢驗的結果及啟示
對CAPM模型的橫截面的檢驗採用多元回歸中的逐步回歸分析法(stepwise),即在回歸分析中首先從所有自變數選擇一個自變數,使相關系數最大,再逐步假如新的自變數,同時刪去可能變為不顯著的自變數,並保證相關系數上升,最終保證結果中的所有自變數的系數均顯著不為0,並且被排除在模型之外的自變數的系數均不顯著。
表4:多元回歸的stepwise法結果
g0 g1 R2
系數 -0.0143 0.0170 0.4867
T值 -2.8078 3.5114
從表中可以得出如下結論:
1.bp2項的系數的T檢驗結果並不顯著,表明風險與收益之間並不存在非線性相關關系。
2.sep 項的系數的T檢驗結果並不顯著,表明非系統風險在資產組合定價中並不起作用。
3.g0的估計值為負,即資金的時間價值為負,表明市場具有明顯的投機特徵。
五、影響收益的其他因素分析
(一)歷史回顧
長期以來,Sharp,linter和Mossin分別提出的CAPM模型一直是學術界和投資者分析風險與收益之間關系的理論基石,尤其是在Black,Jensen,和Scholes(1972)以及 Fama 和MacBeth(1973)通過實證分析證明了1926-1968年間在紐約證券交易所上市的股票平均收益率與貝塔之間的正的相關關系以後。然而八十年代,Reinganum(1981)和Lakonishok ,Shapiro(1986)對後來的數據分析表明這種簡單的線性關系不復存在。Roll對CAPM的批評文章發表之後,對CAPM的檢驗也轉向對影響股票收益的其他風險因素的檢驗,並發現了許多不符合CAPM的結果。Fama和French(1992)更進一步指出,從四十年代以後,紐約股票市場股票的平均收益率與貝塔系數間不存在簡單的正線性相關關系。他們通過對紐約股票市場1963年至1990年股票的月收益率分析發現存在如下的多因素相關關系:
R=1.77%-(0.11*ln(mv))+(0.35*ln(bv/mv))
其中:mv是公司股東權益的市場價值,bv是公司股東權益的賬面價值。
從前一節我們對上海股票市場的檢驗結果可以看出,當選用的歷史數據變化以後,上海股市中收益與系統性風險相關的顯著程度並不如CAPM所預期的那樣。羅爾對CAPM的解釋同樣適合於上海市場,即一方面我們無法證實市場指數就是有效組合,以我們分析的上海股票市場而言,上證指數遠沒有包括所有金融資產,比如投資者完全可以自由投資於債券市場和在深圳證券交易所上市的股票。另一方面,在實際分析中我們無法找到真正的貝塔(true beta)。為了找出上海股市中股票定價的其他因素,本文結合上海股票市場曾經出現炒作的"小盤股"、"績優股"、"重組股"等現象,對公司的股本大小,公司的凈資產收益率,市盈率等非系統因素對收益的影響進行了分析。具體方法是:論文首先對影響個股收益率的各因素進行逐年分析,然後構造組合,再對影響組合收益率的各因素進行分析,組合的構造方法與前相同。
(二)單股票的多因素檢驗及結果
檢驗方法是用歷史數據計算b系數,再對b系數、前期總股本、前期流通股本、預期凈資產收益率、預期PE比率對收益率的解釋程度進行分析。例如在分析年所有股票收益率的決定因素時,採用93年股票的收益率計算貝塔系數,總股本為93年末的總股本,凈資產收益率和市盈率根據94年的財務指標計算。由於股票在此之後4年交易期間,凈資產收益率(ROE)和每股收益(EPS)尚未公布,因此凈資產收益率和市盈率都稱為預期凈資產收益率和預期市盈率。具體模型如下:
Rj=g0+g1bj+g2Gj+g3ROEj+g4PEj+ej
其中 : Rj 是股票 j的第t期年平均周收益率
bj 是股票j的b系數,b系數由第(t-1)期歷史數據算出
Gj 是股票j的第(t-1)期總股本對數值
ROEj是股票j的第t期凈資產收益率
PEj 是股票j的第t期期末市盈率
STEPWISE多元回歸發現94年各股票收益率與以上因素並無顯著關系,其他各年的結果如下:
表5:95年個股收益率的STEPWISE多元回歸結果
Rj=g0+g2Gj
R2 g0 g2
均值 T值 均值 T值
0.05 -0.013 -3.568 0.0011 2.958
表6:96年個股收益率的STEPWISE多元回歸結果
Rj=g0+g2Gj+g3ROEj
R2 g0 g2 g3
均值 T值 均值 T值 均值 T值
0.171 -0.011 -1.93 0.002 2.845 0.024 5.249
表7:97年個股收益率的STEPWISE多元回歸結果
Rj=g0+g2Gj
R2 g0 g2
均值 T值 均值 T值
0.099 0.0317 6.328 -0.0028 -5.325
表8:98年個股收益率的STEPWISE多元回歸結果
Rj=g0+g1bj+g2Gj+g3ROEj
R2 g0 g1 g2 g3
均值 T值 均值 T值 均值 T值 均值 T值
0.195 0.0343 7.799 0.005 3.582 -0.003 -8.548 0.0013 0.0045
(三)組合的檢驗及結果
組合的構造方法與前面所描述的一致。對所有組合98年平均周收益率與組合的97年數據所計算出的貝塔系數、97年末平均總股本、98年平均凈資產收益率、98年底平均市盈率進行回歸分析,模型如下:
Rpj=g0+g1bpj+g2Gpj+g3ROEpj+g4PEpj+ej
其中 : Rpj 是組合 j的98年平均周收益率
bpj 是組合j的b系數
Gpj 是組合j的 97年總股本對數值
ROEpj 是組合j的98年凈資產收益率
PEpj 是組合j的98年末市盈率
表9:98年組合收益率的STEPWISE多元回歸結果
g0 g3 R2
均值 0.0425 -0.0039 0.593
T值 4.736 -4.355
(四)結果分析
對組合的收益率以及97年以來個股的收益率採用stepwise回歸分析可以看出,公司的股本因素在上海股票市場的股票定價中起著顯著的作用。股票的定價因素同西方成熟股市一樣,存在規模效應(Size Effect),即小公司的股票容易取得高收益率。這個結論與中國股市的近幾年價格波動實際特點相一致,其原因可以從以下三方面分析:首先,小公司股本擴張能力強。在我國股市中,投資人主要是希望公司股本擴張後帶來的資產增值盈利。其次,小股本的股票便於機構投資者炒作。我國機構投資者的實力總體偏弱,截止98年年底,注冊資本在5億元以上的券商只有10多家。最後,小公司往往被市場認為是資產收購與兼並的目標。許多早期上市的公司,市場規模較小,在激烈的市場競爭中無行業壟斷優勢和規模經濟效益,無法與大企業抗衡。而許多高科技企業或具有較強市場競爭力的企業迫切需要進入資本市場,將收購目標瞄準這些小規模上市公司實行低成本借殼上市。這三方面的因素都導致小股本公司的股票受到市場的青睞。因此在論文的檢驗結果中,無論是個股還是組合在歷年的收益率中都是顯著地與股本相關
⑸ 什麼叫股市價格行為
轉:
多年以來,中國經濟一直是全球經濟發展中一道亮麗的風景,然而,同樣迅速發展中的中國股市有時卻表現出不和諧的音符。中國由計劃經濟向市場經濟轉軌的特定經濟發展背景,以及西方對金融計量經濟研究方法和經驗檢驗的發展和積累,無疑為研究中國股票市場價格行為,甚至更一般的股票市場價格行為,提供了不可多得的土壤和工具。因此,中國股市價格行為的統計特徵為何?其動態行為服從什麼樣的規律?中國股市價格行為和實質經濟之間的關繫到底怎樣?中國股市價格的決定和發現遵循什麼樣的過程或者模型?等等。這些來源於實踐的問題,同樣也是極富理論意義的問題,就構成了本文的研究中心。 本文在佔有大量國內外相關文獻的基礎上,以中國經濟體制轉軌變遷下的上市公司和投資者行為特徵為外部環境基礎,以西方金融計量經濟學方法為主要研究工具,以對中國股市價格行為的理論分析和經驗研究為中心,利用中國股票市場相關數據,對中國股票市場價格行為典型事實進行理論分析和經驗研究,試圖把握近代金融理論發展的方向,豐富股票價格行為的研究內涵,探討轉軌新興股票市場股價行為的特性,進而提出一定的政策建議。 在研究中,本文將金融計量經濟學方法作為研究的基本方法。在建模方法論的指導之下,在對相關金融理論分析的基礎之上,本文通過構造大量的計量經濟學模型,包括經濟模型和統計模型,來對中國股價行為進行經驗研究。本文採取理論研究和經驗研究相結合、實證分析和規范分析相結合、歷史比較分析法、國際比較分析法和邏輯分析法等研究方法。為了直觀揭示某些典型事實特徵,本文還大量應用了圖表分析方法。此外,本文還採用了定性分析和定量分析相結合、靜態分析與助態分析相結合、宏觀分析與微觀分析相結合的研究方法。 股票市場價格含有大量豐富的信息,股市價格行為涉及到股票市場運行的方方面面。在對相關金融理論分析的基礎之上,本文主要對中國股價行為的主要典型事實進行經驗研究,並對股價決定發現機制和理論進行經驗檢驗,包括8章內容: 第一章導論,主要涉及到論文的一些介紹性工作。本章以問題提出開始, 內容摘要 介紹了論文的研究背景和理論實踐意義。在對論文研究對象進行界定後,就國 內外研究現狀介紹了典型文獻的研究情況。最後給出了論文研究的總體思路、 研究方法以及論文基本結構、主要創新和不足之處。 第二章到第四章側重於對中國股價靜態行為和動態行為的統計特徵進行研 究。第二章中國股價及收益率統計特徵研究,在給出股票價值模型和收益率定 義測度以及分布理論的基礎上,概括總結了國內外對收益率分布的相關文獻, 隨後研究了價格指數水平和價格指數收益率的統計特徵。本章得出了關於日內 和日間漲跌點數的統計規律,表明價格指數收益率呈現出尖峰厚尾的統計特徵, 並給出了相應的解釋。關於價格離散化對股價統計特徵的影響研究是本文的重 點,介紹並研究了交易價格離散化這一普遍現象對股票價格、收益率、以及M 維歷史關系圖中的羅盤現象在中國股市的應用情況。交易價格離散化對價格的 影響主要表現為價格尾數聚集現象。在有限的樣本之下,本章得出的結論認為, 盡管存在價格尾數聚集現象,但中國股市和外國股市價格尾數聚集模式並不相 同。價格離散化對收益率的影響研究表明尚未發現和國外相同的高價股票離散 化程度比較弱的規律。關於M維歷史關系圖中羅盤現象的經驗研究表明,我國 股票收益率數據中確實存在著羅盤現象。本章還考察羅盤出現的影響因素,解 釋了羅盤現象出現的原因,改進了Crack和Ledoit(1 996)的解釋模型。 第三章中國股價行為自相關性與協整性研究,主要研究了中國股票市場價 格行為的相關性和協整性。本章首先研究了相關性的若干基本問題,然後分析 了相關性和相應金融理論之間的關系。在第三節簡單研究了我國股價行為的動 態特性,主要分析了股票市場價格指數之間的相關性和協整性,得出結論認為 收益率之間相關系數高於價格指數相關系數,上海股市和深圳股市之間的相關 程度相當高。協整性研究表明對數價格指數序列都是單整的,其一階差分序列, 也就是復合收益率序列都是平穩的;在上海股市和深圳股市成份指數之間、綜 合指數之間分別存在著協整關系,而交叉指數之間則不存在協整關系。這表明 非流通股的存在嚴重影響了股票價格指數的動態行為。第四節主要研究了低頻 收益率的自相關現象。論文先用歷史比較法來研究不同時期收益率的自相關情 況,得出結論認為中國股票收益率自相關系數還是比較弱的;且隨著時間推移, 自相關現象有進一步減弱的趨勢。自相關情況的國際比較雖然表明中國股市自 相關性弱於國際成熟市場,但是未必得出中國股市目前隨機性也強於對應國際 內容摘要3 甲...月..月旦旦旦旦,甲悶旦 股票市場的結論,並給出了簡單的原因分析。第五節為了研究高頻收益和低頻 收益自相關情況是否遵循相同模式,分析了上海股市高頻收益率的自相關性情 況。得出結論認為高頻收益率中存在著非常明顯的負低階自相關現象;但隨著 階數增加,這種負自相關衰減非常迅速。本節最後給出了解釋高頻收益率自相 關現象的幾種理論假說,並對自己提出的理論假說進
⑹ 影響股票價格的因素有那些
影響股價的兩大根本因素,
一個是資產質量,也就是我們之前常說的物以優為貴,這個很好理解,參鮑肚翅這種高檔食材肯定比大米白面的成本高、營養成份高,價格自然也高。
另一個是供求關系,供求關系有分成兩種,
一種是總量供求,如果整個市場內消費者都比有錢,消費能力強的話,那麼無論高檔食材還是大米白面都可以買到比較高的價格,市場里錢多股票少的話,即使資產質量很一般的股票也能買上好價錢。這個就是我們常說的整體供求關系。
一種是局部供求,市場里的總資金量不變的情況下,如果市場內有A、B兩類股票,A類股票短期受到追捧,那麼就會有投資者賣出B類股票變現去追逐A類股票,形成蹺蹺板效應,這就是我們常說的市場熱點。好比今年流行素食主義的話,即使高檔食材尤其是肉類和生鮮類的質量保持不變甚至是上升,由於不流行,短期可能就要折價出售。
資產質量是基石,決定了股價的下限;
市場熱點是拉力,決定了股價的上限;
供求關系是水位,決定了市場的整體位置。
如果有投資者能完全理解並有效預判三大因素對市場的影響,基本就可以做到「戰無不勝」,但是人的精力和能力畢竟有限,很難有人能做到對三大因素的理解和預期毫無短板。
因此,對於大多數投資者來說,優先選擇一種因素作為自己投資思路的核心,輔以另外兩種因素進行考慮的話,投資收益就已經非常可觀了。
但是現實中,大多數投資者往往只重視自己比較熟悉或者擅長的一種因素,忽視另外兩種因素,這樣的話就會在另外兩種因素占據上風並主導市場時進入尷尬期。
⑺ 影響股票市場價格波動的因素有哪些
股票市場價格波動是股市運行的基礎,也是股票投資者關注的焦點。股價的波動受各種經濟因素和非經濟因素的影響,分析這些因素的影響,可為投資者作出正確的投資決策提供一定的依據。本文結合我國股市波動的實例,從各種因素對股價影響的傳導機制入手,著重對影響我國股票市場價格波動的基本因素作一般性考察。
雖然影響股價波動的因素很多,但對這些因素的分析,可以從以下三點出發:
(1)股價有其內在價值,股價圍繞其內在價值波動,內在價值決定論是基本面分析的基礎;
(2)股價隨投資者對各種因素的心理預期的變化而波動,心理預期理論是技術分析的基石;
(3)股價波動是諸因素形成合力作用的結果;
以此為出發點,就可以從經濟因素、市場因素、非經濟因素三個方面,全面地考察影響我國股票市場價格波動的基本因素。
⑻ 怎樣理解fama french三因子模型
Fama 和French 1993年指出可以建立一個三因子模型來解釋股票回報率。模型認為,一個投資組合(包括單個股票)的超額回報率可由它對三個因子的暴露來解釋,這三個因子是:市場資產組合(Rm− Rf)、市值因子(SMB)、賬面市值比因子(HML)。這個多因子均衡定價模型可以表示為:
E(Rit) − Rft= βi[E(Rmt− Rft] + siE(SMBt) + hiE(HMIt)
其中Rft表示時間t的無風險收益率;Rmt表示時間t的市場收益率;Rit表示資產i在時間t的收益率;E(Rmt) − Rft是市場風險溢價,SMBt為時間t的市值(Size)因子的模擬組合收益率(Small minus Big),HMIt為時間t的賬面市值比(book—to—market)因子的模擬組合收益率(High minus Low)。
β、si和hi分別是三個因子的系數,回歸模型表示如下:
Rit− Rft= ai+ βi(Rmt− Rft) + SiSMBt+ hiHMIt+ εit
但是,我們應該看到,三因子模型並不代表資本定價模型的完結,在最近的研究發現,三因子模型中還有很多未被解釋的部分,如短期反轉、中期動量、波動、偏度、賭博等因素。