多因子股票计量模型.docx

多因子股票计量模型.docx

《多因子股票计量模型.docx》由会员分享，可在线阅读，更多相关《多因子股票计量模型.docx（22页珍藏版）》请在冰豆网上搜索。

多因子股票计量模型

利用多因子股票计量模型

估测市场炒作影响

第一部分问题提出

对于股票收益率问题，早有人做出研究企图找到合适的影响因素通过回归进行股票收益率预测，但模型往往和现实拟合程度低。

原因主要是选取的模型因子往往是宏观经济变量或大盘指标，并没有考虑到个股的特殊情况，比如CAPM中简单的把个股的非系统性风险带来的收益归结到截距项超额收益率中。

而FAMA等人提出的三因子模型考虑到了个股间的特殊情况，但研究的是市值和账面价值比，是在长期中对股价造成影响的因素，短期股价波动中并不显著。

因此，要研究短期股价波动，必然需要找到在短期中影响到股价的因子。

在我国的股市中，分析师常常会称市场的恶意炒作很大程度影响了价格走势。

而在媒体的评论中，市场的恶意炒作成了口诛笔伐的对象。

而股价短期波动也往往是由于炒作引起的，而且这种炒作并不具有长期回归均值的特性。

是否可以通过在原有已成熟的定价模型中加入炒作因子，使原有模型拟合程度更好呢？

又应该如何量化炒作因子，使用何种方法加入到模型中？

这就是我们需要研究的问题。

第二部分文献研究

2.1文献综述

Sharpe（1964）、Lintner（1965）以及Mossin（1966）分别独立发展了资本资产定价模型（CAPM）。

假定投资者能够以无风险收益率借贷，则：

E（R）=Rf+β（Rm-Rf）

其中，b=cov（R,Rm）/var（Rm）。

R，Rm，Rf分别为单只股票、市场组合以及无风险资产的收益率。

在此，β被定义为单个证券收益率和市场组合收益率变动的协方差与市场组合收益率方差的比率，通常被看作股票收益变动对市场组合收益变动的敏感性衡量。

CAPM指出，单只股票的预期收益率与其β值成正比。

CAPM的理论核心指出了，在风险定价过程中，那些只影响单只股票收益率，而不影响它与市场组合协方差的风险因素在定价中不起作用，对定价唯一起作用的是该股票的b值。

早期对CAPM的检验如Black，Jensen和Seholes（BJS，1972），Blume和Friend（l973），Fama和MacBeth（FM，1973）都支持了该理论的中心观点。

BJS对美国纽约证券交易所（NYSE）1931-1965年间所有股票数据进行时间序列检验，得出的收益与β的正比关系比CAPM预测的要小，低风险的股票获得了理论预期的收益，而高风险股票获得低于理论预测的收益。

Ron（1976）首先对CAPM模型的实证检验提出了疑问:

由于无法证明市场指数组合是有效的市场组合，因而无法对CAPM模型进行检验。

他提出了著名的套利定价理论（APT）:

假设在竞争性和无摩擦的市场上，股票收益率是与未知数量的未知因素相联系的。

因此CAPM不过是一种最简单的单因素模型。

由此开始，针对CAPM的检验由单一β的检验转向多变量的分析。

而市场炒作这方面几乎没有文献进行过相关的研究，即使在影响股价的因素中涉及到了，也往往是定性研究，没有进行模型和实证研究，得出的结论往往不可靠。

相关研究概括起来表现为：

定性研究较多、定量研究不够细致或者几乎没有，研究内容的广度和深度不够，研究学科仅仅考虑到了简单金融，没有从统计的角度验证合理性。

2.2对文献的评价和利用

1、从CAPM模型的提出和发展，我们看到了一个从简单到复杂，从单因子到多因子的演变，许多前辈们在这方面做出了不懈努力。

因此我们按照这个思路，以原有的CAPM模型为框架，加入市场炒作因子作为新增的解释变量，进行实证研究。

2、市场炒作因子往往被定性论述而没有具体的定量描述，因此启示我们选取某种指标量化市场炒作因子，加入到模型中进行检验。

3、同时考虑到股票各自风险不同，基本面不同等因素，每只股票面临的市场炒作程度也不同，因此我们选取某一只有代表性，存在明显市场炒作迹象的股票作为研究对象，建立时间序列模型。

第三部分模型设定

3.1建模的基本思路与模型变量的选择

模型是在CAPM的假设前提下引进炒作因素而设立的。

即：

R-Rf=a+b（Rm-Rf）

其中：

R为股票收益率，反应股票当天上涨或下跌幅度。

Rf为无风险利率；

a为股票超额收益率，反应不能被系统风险解释的收益率；

b为股票的β因子，反应其面临的是系统风险；

Rm为市场因子。

Rf为无风险利率，选取的是上海银行间同业拆借利率（shibor），可以认为该利率最接近于中国当前市场上的无风险利率。

Rm选取的是上证指数。

考虑到研究的是炒作因子，为了达到研究大幅炒作对市场股价走势的影响的目的，我们选取了600735新华锦这只股票作为研究对象，原因有：

1、600735近期表现活跃，仅最近3个交易日（5月15日到5月17日）就有连续3个涨停；

2、总股本20900万，大于8000万小于100000万，股本适合庄家炒作，容易被选为炒作目标；

3、公司近期基本面并未发生重大变化。

选取的数据日期为2012年1月1日至2012年5月17日，除去节假日和股票的临时停牌，一共有86个数据。

研究炒作因素，首先需要考虑怎么通过数据量化这个定性因素，由于具体量化困难，因此选择虚拟变量（0,1）来衡量一只股票是否被炒作。

考虑到市场炒作往往反映在成交量能放大，换手率增加，在这里我们选取换手率作为研究变量，在86个数据中，换手率最高的20%设定为当天严重炒作，换手率最高的20%到40%设定为当天少量炒作。

即：

D1=D2=

中国市场上股票只能做多而不能做空，因此炒作因素往往反映在股票的上涨上，基于此，模型只考虑上涨时炒作因素的作用，设定虚拟变量来反映股价的上涨和下跌：

D3=

3.2函数形式设定

模型中一共引入了4个解释变量，包括3个虚拟变量，在CPAM模型的基础上，引入虚拟变量一共有2种方法：

加法模型和乘法模型。

同时考虑到炒作因子的影响由于股价反映的滞后性和对股价的预期，以及跟风盘等因素，可能会延续到第二天，对第二天股价产生影响，因此需要考虑D1、D2的滞后一期项对股价的影响。

由此我们假设模型形式为：

加法模型：

E（R-Rf）=a+b1*（Rm-Rf）+b2*D1*D3+b3*D2*D3+b4*D1（-1）*D3+b5*D2（-1）*D3

该模型认为炒作因子是扩大该股票单独的超额收益率，和市场系统风险对其影响无关。

乘法模型：

E（R-Rf）=a+b1*（Rm-Rf）+b2*D1*D3*（Rm-Rf）+b3*D2*D3*（Rm-Rf）+b4*D1（-1）*D3*（Rm-Rf）+b5*D2（-1）*D3*（Rm-Rf）

该模型认为炒作因子是扩大市场收益对其收益的影响程度。

第四部分数据的收集与处理

通过CSMAR数据库找到了600735新华锦、上证指数和上海银行间同业拆借利率从2012年1月1日到2012年5月17日共86个数据，并由此计算出虚拟变量D1、D2、D3：

日期

个股换手率

R

Rm

Rf（%）

d1

d2

d3

2012-01-04

0.0090587

-0.022039

-0.0136536

3.7635

0

0

0

2012-01-05

0.0058908

-0.021127

-0.00965248

4.1292

0

0

0

2012-01-06

0.0059543

-0.002878

0.0069585

4.1094

0

0

0

2012-01-09

0.0130819

0.077922

0.02888509

4.1638

0

0

1

2012-01-10

0.0166752

0.040161

0.02688812

3.834

0

1

1

2012-01-11

0.012157

-0.016731

-0.00423933

3.4844

0

0

0

2012-01-12

0.0122757

0.01178

-0.00045693

3.6775

0

0

1

2012-01-13

0.0111232

-0.032342

-0.01337577

4.6812

0

0

0

2012-01-16

0.0059488

-0.06016

-0.01710342

5.6744

0

0

0

2012-01-17

0.0159288

0.099573

0.04178697

7.4843

0

1

1

2012-01-18

0.0159399

-0.050453

-0.01392285

8.2412

0

1

0

2012-01-19

0.0078372

0.008174

0.0131046

6.4852

0

0

1

2012-01-20

0.0089307

0.005405

0.01003449

3.783

0

0

1

2012-01-30

0.0047289

-0.016129

-0.01469523

3.3273

0

0

0

2012-01-31

0.0053363

-0.009563

0.00331285

3.3793

0

0

0

2012-02-01

0.0076774

-0.022069

-0.0106996

3.1689

0

0

0

2012-02-02

0.0062187

0.015515

0.0196113

3.2219

0

0

1

2012-02-03

0.0186241

0.029167

0.00771872

3.1095

0

1

1

2012-02-06

0.0415724

0.072874

0.00031325

3.0247

1

0

1

2012-02-07

0.0198814

-0.041509

-0.01683297

3.0329

1

0

0

2012-02-08

0.0184207

0.035433

0.02427244

2.9496

0

1

1

2012-02-09

0.0196967

-0.001267

0.00087752

2.8045

1

0

0

2012-02-10

0.0102564

-0.007614

0.0010172

2.8985

0

0

0

2012-02-13

0.0123516

0.007673

-0.00005102

2.8827

0

0

1

2012-02-14

0.0193749

0.016497

-0.00301464

3.1208

1

0

1

2012-02-15

0.0130911

0.011236

0.00935273

3.1596

0

0

1

2012-02-16

0.0403701

0.050617

-0.00415769

3.8091

1

0

1

2012-02-17

0.0180039

-0.027027

0.00013577

4.731

0

1

0

2012-02-20

0.0160782

-0.003623

0.00272359

4.9669

0

1

0

2012-02-21

0.0140137

0.010909

0.00754358

4.9532

0

0

1

2012-02-22

0.0238355

0.022782

0.00930533

5.0529

1

0

1

2012-02-23

0.0185442

-0.001172

0.00247962

5.2711

0

1

0

2012-02-24

0.0124562

0.001174

0.01248366

4.6506

0

0

1

2012-02-27

0.0190727

0.004689

0.00304554

3.0957

1

0

1

2012-02-28

0.0125817

-0.026838

0.00196154

2.855

0

0

0

2012-02-29

0.0088107

-0.020384

-0.00953154

2.7332

0

0

0

2012-03-01

0.0097415

0.015912

-0.00097592

2.6431

0

0

1

2012-03-02

0.0156338

0.031325

0.01424909

2.5955

0

0

1

2012-03-05

0.0433524

0.050234

-0.00637626

2.5238

1

0

1

2012-03-06

0.0231595

0.007786

-0.01413088

2.4542

1

0

1

2012-03-07

0.0241696

-0.012141

-0.00649671

2.3998

1

0

0

2012-03-08

0.0158076

0.002235

0.01064394

2.3995

0

1

1

2012-03-09

0.0180661

0.016722

0.0079247

2.4202

0

1

1

2012-03-12

0.0112484

-0.01864

-0.00188566

2.3908

0

0

0

2012-03-13

0.0106469

0.007821

0.00860008

2.4049

0

0

1

2012-03-14

0.0266207

-0.063193

-0.02629286

2.3913

1

0

0

2012-03-15

0.0160149

-0.033136

-0.00730168

2.4775

0

1

0

2012-03-16

0.0189561

0.040392

0.01304676

2.4379

0

1

1

2012-03-19

0.0152739

0.007059

0.0022622

2.4848

0

0

1

2012-03-20

0.0108198

-0.037383

-0.01383299

2.6021

0

0

0

2012-03-21

0.0095374

0.008495

0.00057219

2.6599

0

0

1

2012-03-22

0.0083389

0

-0.00102178

2.8049

0

0

0

2012-03-23

0.0066981

-0.012034

-0.01104063

2.8434

0

0

0

2012-03-26

0.0038217

0

0.00045115

2.8135

0

0

0

2012-03-27

0.0048639

-0.009744

-0.00145495

2.7216

0

0

0

2012-03-28

0.010136

-0.073801

-0.02654249

2.7518

0

0

0

2012-03-29

0.0072232

-0.025232

-0.01432023

2.8545

0

0

0

2012-04-05

0.0102743

0.044959

0.01743423

3.2071

0

0

1

2012-04-06

0.0081677

0.011734

0.00187209

3.4165

0

0

1

2012-04-09

0.0077223

-0.001289

-0.00900479

3.0769

0

0

0

2012-04-10

0.0058448

0.009032

0.00878475

3.0899

0

0

1

2012-04-11

0.008557

0.001279

0.00133139

3.0551

0

0

1

2012-04-12

0.01551

0.02682

0.01815993

3.1236

0

0

1

2012-04-13

0.0179602

0.029851

0.00353062

3.5448

0

1

1

2012-04-16

0.0106484

0.002415

-0.00090286

3.3904

0

0

1

2012-04-17

0.0077525

-0.015663

-0.00935075

3.0849

0

0

0

2012-04-18

0.0142381

0.026928

0.01964034

3.0508

0

0

1

2012-04-19

0.0135126

0.011919

-0.00093244

3.2701

0

0

1

2012-04-20

0.0150796

0.011779

0.01186818

3.4479

0

0

1

2012-04-23

0.0131871

0.002328

-0.0075908

3.3598

0

0

1

2012-04-24

0.0170184

0.003484

0.00010048

3.3031

0

1

1

2012-04-25

0.0262693

0.034722

0.0075267

3.5238

1

0

1

2012-04-26

0.0149474

-0.02349

-0.00087668

3.4972

0

0

0

2012-04-27

0.0096572

-0.0126

-0.00348484

3.3645

0

0

0

2012-05-02

0.0150856

-0.018561

0.01757695

2.9745

0

0

0

2012-05-03

0.0153373

-0.013002

0.00067256

3.0868

0

0

0

2012-05-04

0.0177278

0.020359

0.00488918

3.0427

0

1

1

2012-05-07

0.0190836

-0.016432

-0.00002447

3.0193

1

0

0

2012-05-08

0.0163628

0.002387

-0.00125206

2.5246

0

1

1

2012-05-09

0.0102484

-0.02381

-0.01645242

2.4916

0

0

0

2012-05-10

0.0059316

0

0.0006809

2.4373

0

0

0

2012-05-11

0.0105201

-0.028049

-0.0063272

2.3436

0

0

0

2012-05-14

0.0098803

0.027604

-0.00594995

2.0112

0

0

1

2012-05-15

0.0888622

0.100122

-0.00247403

1.9195

1

0

1

2012-05-16

0.0424133

0.099889

-0.01206397

1.9092

1

0

1

2012-05-17

0.0395728

0.099899

0.01393749

1.9015

1

0

1

注：

R为个股收益率

Rm为上证指数收益率

Rf为上海银行间同业拆借利率

根据对换手率进行排序，选定的恶意炒作值临界值为0.018956，即换手率大于改临界值界定为恶意炒作；少量炒作临界值为0.015808，即换手率大于该临界值并小于恶意炒作临界值界定为少量炒作，由此得出D1与D2

第五部分已假设模型的筛选

5.1加法模型检验

加法模型设定为：

E（R-Rf）=a+b1*（Rm-Rf）+b2*D1*D3+b3*D2*D3+b4*D1（-1）*D3+b5*D2（-1）*D3

为了检验其拟合程度，通过Eviews的最小二乘法进行回归：

DependentVariable:

R-RF

Method:

LeastSquares

Date:

05/19/12Time:

13:

47

Sample（adjusted）:

286

Includedobservations:

85afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

0.015226

0.005971

2.549932

0.0127

RM-RF

1.620043

0.156660

10.34111

0.0000

D1*D3

0.054323

0.006808

7.978977

0.0000

D2*D3

0.013387

0.007011

1.909406

0.0598

D1（-1）*D3

0.000940

0.008660

0.108561

0.9138

D2（-1）*D3

0.002928

0.007049

0.415382

0.6790

R-squared

0.737364

    Meandependentvar

-0.027493

AdjustedR-squared

0.720741

    S.D.dependentvar

0.036794

S.E.ofregression

0.019444

    Akaikeinfocriterion

-4.974619

Sumsquaredresid

0.029866

    Schwarzcriterion

-4.802196

Loglikelihood

217.4213

    F-statistic

44.35923

Durbin-Watsonstat

1.469058

    Prob（F-statistic）

0.000000

5.2乘法模型检验

乘法模型为：

E（R-Rf）=a+b1*（Rm-Rf）+b2*D1*D3*（Rm-Rf）+b3*D2*D3*（Rm-Rf）+b4*D1（-1）*D3*（Rm-Rf）+b5*D2（-1）*D3*（Rm-Rf）

为了检验其拟合程度，通过Eviews进行回归

DependentVariable:

R-RF

Method:

LeastSquares

Date:

05/19/12Time:

13:

50

Sample（adjusted）:

286

Includedobservations:

85afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

0.020521

0.005909

3.472781

0.0008

RM-RF

1.764654

0.161204

10.94669

0.