基于历史最高收益的风险因子定价研究

根据历史收益来检验投资策略的有效性,造成了基于历史收益的股票选择偏差,并由此导致历史收益较低的股票必须有更高的风险溢价才会被投资者选择。文章以1996—2017年沪深两市全部正常的A股信息为研究对象,创新性地提出股票历史最高收益因子,将其作为新的风险定价因子加入到资本资产定价模型中,并通过Fama-MacBeth横截面方法进行了单因子检验和多因子的有效性检验。研究发现:历史最高收益风险因子的系数均显著异于零,可以作为解释股票收益的必要因子,能够反映我国沪深股票市场的股票价格波动;新的风险因子的发现有益于投资者正确全面地判断影响股票收益的因素,从而使投资者获得更大的利益,同时能够通过资源的优化配置促进我国股票市场健康稳定的发展。     

投资者情绪对不同类型股票收益影响的实证研究

随着行为金融学的兴起,学者们越来越重视投资者情绪因素在股票收益产生过程中所起的重要作用。特别是,我国股票市场以个体投资者为主,而个体投资者的交易行为极易受到情绪影响,因此投资者情绪势必对我国股票收益的产生具有重要影响。为验证这一论题,实证分析了不同类型的股票在情绪乐观期和情绪悲观期内各自收益的变化情况,其中对于情绪期的划分主要依赖于所构建的投资者情绪指数的大小,对于股票类型的划分主要基于股票的自身特征、股票的交易特征和股票的行业特征。结果发现,在不同情绪期内,各类型股票收益的变化情况均不相同,由此证实了投资者情绪在我国股票定价过程中扮演着重要角色。     

我国企业债券信用利差影响因素分析

借助协整理论和误差修正模型,从指数层面对3年期、10年期、20年期及三个年限下AAA、AA+、AA级企业债券信用利差时间序列数据进行建模。实证分析表明,信用利差与其影响变量间存在协整关系。无风险利率、债券收益率曲线斜率与信用利差间均呈负相关,股票历史波动率、货币市场流动性、固定资产投资、工业增加值、发电量、沪深300指数单个指标对信用利差的影响为正,企业债交易额对信用利差影响不显著。信用利差对于自身的短期波动有一定的调整力,使得偏离程度减小,这一量化指标有利于对债市信用风险进行理性分析与预测。     

债券利率风险与信用风险对信用价差的交互影响研究

为解释"信用价差之谜",学者们对信用价差的影响因素进行探索。利率风险、信用风险是债券信用价差的重要影响因素,然而鲜有文章从这两种风险交互关系的角度研究对信用价差的影响。选取2014年3月——2016年3月中国公司债券的面板数据,利用利率风险、信用风险以及二者的交互作用,从发行期限、信用等级和所属行业等角度对信用价差的影响因素进行多元回归分析,并加入流动性风险因素与结构化模型结果相比较,检验利率风险和信用风险对信用价差的交互作用是否仍然显著,得出稳定的结论。结果表明,利率风险和信用风险的交互作用显著影响中国公司债券的信用价差。本文为我国公司债券信用价差影响因素的研究方法做补充,为解释"信用价差之谜"提供了新思路。     

IPO与可转债打新收益的比较及实证研究

IPO与可转债是目前投资者进入一级市场打新的两种投资标的,其中IPO打新由来已久,市场成熟度高,而可转债在2017年9月实行纯信用申购制度后,投资者"无钱无股即可打新",可转债市场扩容速度加快。虽然同为一级市场打新标的,但二者的打新收益差别较大。本文分别以沪深两市IPO的打新收益、可转债的打新收益作为研究对象,利用因子分析、逐步回归法对影响二者打新收益的因素进行对比分析。实证结果表明,市场定价效率与二者的打新收益密切相关,公司的基本面指标、首次发行指标和市场氛围指标对沪市打新收益影响显著,除上述指标外,投资者情绪指标也对深市IPO打新收益产生显著影响,但对于可转债而言,转换价值才是影响投资者打新收益的主要因素。     

信用风险缓释工具定价理论研究

2010年11月,中国银行间市场交易商协会推出了信用风险缓释工具(CRM),并在银行间交易市场展开试点工作。由于我国市场刚刚起步,关于CRM定价的研究寥寥无几。本文借鉴国外信用违约互换定价理论的研究,比较各模型特点,结合我国产品及市场的实际情况,对CRM定价理论展开研究。     

中国股票市场的大宗商品风险溢价——基于横截面检验的实证分析

大宗商品价格波动是企业面临的重大风险来源之一,而且相比中国股票市场,中国商品期货市场存在较强的参与约束,这影响了投资者对大宗商品价格风险的对冲。针对这一背景,在Boons、Roon和Szymanowska(2013)的基础上,采用实证资产定价的范式对中国股票市场上是否存在大宗商品风险溢价进行实证分析。实证结果表明:主板市场上的一些行业存在大宗商品风险溢价;中小板、创业板市场上存在大宗商品风险溢价。     

基于随机森林-支持向量机的企业债主体信用评级研究

企业债券是我国资本市场的重要组成部分,而信用评级是企业债券市场快速发展的基石。由于企业债券信用评级具有小样本、非线性、高维数等问题,传统的评级方法并不能很好地适用。采用新的机器学习方法即随机森林来对评级指标体系进行特征选择,在此基础上建立基于随机森林-支持向量机的企业债主体信用评级模型。选取120家在上海和深圳证券交易所以及银行间债券市场发行企业债的企业进行实证研究,结果显示,通过随机森林进行特征选择的随机森林-支持向量机比支持向量机模型具有更高的预测准确度。     

基于KMV模型的我国创业板企业信用风险评估

创业板自上市以来,由于自身技术水平不成熟、自有资产小等原因,信用风险的问题一直存在。本文选取了创业板上市的100家企业为样本,通过运用其股票市场的数据和财务报表中的债务数据,利用KMV模型信用评估方法,考虑创业板企业的实际市场情况,对参数进行了修改,并且结合相应编程计算其违约距离DD。实证研究结果表明,KMV模型对我国创业板企业的信用风险评估具有较高的准确性和科学性,对创业板企业进行风险预测和防范有着重要的意义。     

基于CDS策略的专利融资信用风险违约概率研究

专利融资是一种备受国家创新战略关注的技术知识产权资本化模式,信用违约风险则是该模式运作过程必须面对的关键问题之一。基于信用违约互换(CDS)工具与策略,主要研究专利融资信用风险期望违约概率与实际违约概率的相关性,并分析其参数敏感性。研究结果表明,实际概率通常会低于期望概率且两者呈现正相关关系,同时,风险溢价与期望收益也呈现正相关性,即系统可以通过标准化分析工具调控实际概率,且能在一定程度上适当容忍稍大的风险,从而提高融资效率。