读书月福利
欢迎光临中图网 请 | 注册
> >
资产定价模型与因子投资研究

资产定价模型与因子投资研究

作者:李博著
出版社:社会科学文献出版社出版时间:2020-05-01
开本: 24cm 页数: 173页
本类榜单:个人理财销量榜
中 图 价:¥76.4(7.8折) 定价  ¥98.0 登录后可看到会员价
暂时缺货 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

资产定价模型与因子投资研究 版权信息

  • ISBN:9787520166218
  • 条形码:9787520166218 ; 978-7-5201-6621-8
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

资产定价模型与因子投资研究 本书特色

1. 主要内容
本成果首先对因子理论、因子投资和资产定价模型的理论发展进行梳理,再对系统性因子效应的形成机制进行深入剖析,并讨论了目前研究中面临的主要问题。为了克服这些问题,采用小波分析和动态模型平均方法分别从多时间尺度和动态分析的角度进行研究。*后,深入分析了我国股票市场存在的动量和反转效应,并将因子投资理念与我国股票市场数据相结合,提出了适应我国证券市场的投资策略。
2. 主要观点
首先,对于不同的投资组合来说,能够解释超额收益的有效解释因子组合不同,并且同一投资组合在不同时间尺度上的有效解释因子组合也不完全相同,因此不能用固定的因子模型去分析不同的投资组合。其次,证明了因子有效性过程是动态变化的,利用多因子模型只能找到过去投资组合与风险因子之间的关系,无法对投资组合未来的收益进行预测。*后,发现了在我国股票市场上存在极短期和中长期的反转效应和短期的动量效用,评估了中国股票市场进行因子投资的效果,并提出了投资策略。
3. 研究方法1. 主要内容 本成果首先对因子理论、因子投资和资产定价模型的理论发展进行梳理,再对系统性因子效应的形成机制进行深入剖析,并讨论了目前研究中面临的主要问题。为了克服这些问题,采用小波分析和动态模型平均方法分别从多时间尺度和动态分析的角度进行研究。*后,深入分析了我国股票市场存在的动量和反转效应,并将因子投资理念与我国股票市场数据相结合,提出了适应我国证券市场的投资策略。 2. 主要观点 首先,对于不同的投资组合来说,能够解释超额收益的有效解释因子组合不同,并且同一投资组合在不同时间尺度上的有效解释因子组合也不完全相同,因此不能用固定的因子模型去分析不同的投资组合。其次,证明了因子有效性过程是动态变化的,利用多因子模型只能找到过去投资组合与风险因子之间的关系,无法对投资组合未来的收益进行预测。*后,发现了在我国股票市场上存在极短期和中长期的反转效应和短期的动量效用,评估了中国股票市场进行因子投资的效果,并提出了投资策略。 3. 研究方法 *,利用小波分析同时研究不同的资产定价模型,并从横向(模型之间)和纵向(时间尺度之间)上分析风险因子的有效性。第二,引入了动态模型平均的方法,将证券市场看作一个具有多种状态的系统整体构造状态空间模型,采用卡尔曼滤波进行动态的参数估计,进而采用贝叶斯模型平均的思想,获得*预测模型中各个因子出现的概率和系数估计值。第三,基于Fama-Macbeth的分组研究方法。 4. 学术创新 *,根据目前传统线性回归方法的理论缺陷,引入合适的动态研究方法进行对比分析。第二,利用动态模型平均方法的实证结果证明了因子有效性存在周期性。第三,发现横截面动量和反转效应是同时存在、相互作用的整体,推翻了以往认为两种效应轮动存在的观念。第四,构造在我国证券市场有效的因子模拟组合验证了在我国股票市场进行因子投资的可行性,并切实提出了可行的投资策略。 5. 学术价值 首先,随着计量技术的进步,传统的线性回归方法进行静态分析的局限性日益凸显,利用现代数学理论方法对研究对象进行动态分析是未来的趋势,本研究采用多种动态分析方法丰富了目前国内资产定价研究范式。其次,本研究提出的因子有效周期估计方法可以作为金融风险的预测方法,并能够反映出市场风险偏好的变化情况。

资产定价模型与因子投资研究 内容简介

本书主要内容包括: 研究背景、目的和意义、文献综述、研究思路、本书的创新点、结构安排、风险因子与因子投资、因子模型、研究中存在的缺陷、金融多时间尺度分析、小波变换与多分辨分析、资产定价模型的小波分析等。

资产定价模型与因子投资研究 目录

第1章 导言
  1.1 研究背景、目的和意义
  1.2 文献综述
  1.3 研究思路
  1.4 本书的创新点
  1.5 结构安排
第2章 理论基础与研究中存在的缺陷
  2.1 风险因子与因子投资
  2.2 因子模型
  2.3 研究中存在的缺陷
第3章 资产定价模型的小波分析
  3.1 金融多时间尺度分析
  3.2 小波变换与多分辨分析
  3.3 资产定价模型的小波分析
  3.4 本章小结
第4章 资产定价模型的动态分析
  4.1 动态模型平均方法
  4.2 实证过程和结果
  4.3 动态模型平均的实践
  4.4 本章小结
第5章 我国股票市场的动量和反转效应
  5.1 研究方法
  5.2 实证结果
  5.3 投资策略
  5.4 本章小结
第6章 我国股票市场的因子投资策略
  6.1 中证800指数简介
  6.2 规模因子投资
  6.3 价值因子投资
  6.4 反转因子投资
  6.5 多元化因子投资
  6.6 本章小结
第7章 结论与展望
  7.1 主要结论
  7.2 存在的不足
  7.3 启示与展望
参考文献
致谢
图目录
图2.1 美国股票市场因子月度收益率直方图
图2.2 美国股票市场因子净值曲线
图2.3 美国股票规模因子(a)和价值因子(b)月度收益率直方图
图2.4 美国股票市场因子、规模因子和价值因子的净值曲线
图2.5 美国股票市场因子、盈利因子和投资因子的净值曲线
图2.6 美国股票市场五种因子和多元化因子投资的净值曲线
图3.1 市场因子MODWT分解的各细节系数和趋势系数
图4.1 市盈率按市值加权Hi30分组各因子后验概率变化
图4.2 市盈率按平均加权Hi30分组各因子后验概率变化
图4.3 市盈率按市值加权Hi30分组各因子系数变化
图4.4 市盈率按平均加权Hi30分组各因子系数变化
图4.5 价值按市值加权Hi30分组各因子后验概率变化
图4.6 价值按平均加权Hi30分组各因子后验概率变化
图4.7 价值按平均加权Hi10分组各因子后验概率变化
图4.8 价值按平均加权Dec2分组各因子后验概率变化
图4.9 价值按平均加权Dec3分组各因子后验概率变化
图4.10 价值按市值加权Hi30分组各因子系数变化
图4.11 价值按平均加权Hi30分组各因子系数变化
图4.12 投资按平均加权Hi30分组各因子后验概率变化
图4.13 投资按平均加权Hi30分组各因子系数变化
图5.1 动量效应投资组合净值曲线
图5.2 反转效应投资组合净值曲线
图6.1 投资方式的演变
图6.2 按规模五等分平均加权分组和规模因子投资组合的周收益净值曲线
图6.3 按规模五等分市值加权分组和规模因子投资组合的周收益净值曲线
图6.4 按规模二等分平均加权分组和规模因子投资组合的周收益净值曲线
图6.5 按规模二等分市值加权分组和规模因子投资组合的周收益净值曲线
图6.6 四种规模因子投资组合的周收益净值曲线
图6.7 按价值五等分平均加权分组和价值因子投资组合的周收益净值曲线
图6.8 按价值五等分市值加权分组和价值因子投资组合的周收益净值曲线
图6.9 按价值二等分平均加权分组和价值因子投资组合的周收益净值曲线
图6.10 按价值二等分市值加权分组和价值因子投资组合的周收益净值曲线
图6.11 四种价值因子投资组合的周收益净值曲线
图6.12 按动量五等分平均加权分组和反转因子投资组合的周收益净值曲线
图6.13 按动量五等分市值加权分组和反转因子投资组合的周收益净值曲线
图6.14 按动量二等分平均加权分组和反转因子投资组合的周收益净值曲线
图6.15 按动量二等分市值加权分组和反转因子投资组合的周收益净值曲线
图6.16 四种反转因子投资组合的周收益净值曲线
图6.17 多元化因子投资组合与中证800指数的周收益净值曲线 表目录
表2.1 美国股票市场五种因子和多元化因子投资的业绩指标
表3.1 五种因子数据的描述性统计和因子之间的相关系数
表3.2 规模-价值2×3分组超额收益数据的描述性统计及相关系数
表3.3 规模-投资2×3分组超额收益数据的描述性统计及相关系数
表3.4 规模-盈利2×3分组超额收益数据的描述性统计及相关系数
表3.5(a) 规模-价值2×3分组数据在各时间尺度上的CAPM模型回归结果
表3.5(b) 规模-投资2×3分组数据在各时间尺度上的CAPM模型回归结果
表3.5(c) 规模-盈利2×3分组数据在各时间尺度上的CAPM模型回归结果
表3.6(a) 规模-价值2×3分组数据在各时间尺度上的FF3模型回归结果
表3.6(b) 规模-投资2×3分组数据在各时间尺度上的FF3模型回归结果
表3.6(c) 规模-盈利2×3分组数据在各时间尺度上的FF3模型回归结果
表3.7(a) 规模-价值2×3分组数据在各时间尺度上的FF5模型回归结果
表3.7(b) 规模-投资2×3分组数据在各时间尺度上的FF5模型回归结果
表3.7(c) 规模-盈利2×3分组数据在各时间尺度上的FF5模型回归结果
表3.8 CAPM模型在各时间尺度上市场因子系数和平均超额收益对比
表3.9 FF3模型在各时间尺度上市场因子系数和平均超额收益对比
表3.10 FF5模型在各时间尺度上市场因子系数和平均超额收益对比
表3.11 三种模型市场因子系数与平均超额收益的相对高低对比
表4.1 各分组收益数据的期望值
表4.2 各分组收益数据的方差
表4.3 各分组收益数据的JB统计量
表4.4 FF5模型预测均方误差(MSEFF5)
表4.5 DMA方法预测均方误差(MSEDMA)
表4.6 各分组中平均*优预测变量个数
表4.7 各分组中*大*优预测变量个数
表5.1 不同分组方式和冷静期时两种效应显著的组合个数
表5.2 不同分组方式和冷静期时在所有持有期效应显著的形成期参数
表5.3 二等分无冷静期时各组收益率和显著程度
表5.4 二等分冷静期1周时各组收益率和显著程度
表5.5 二等分冷静期2周时各组收益率和显著程度
表5.6 二等分冷静期3周时各组收益率和显著程度
表5.7 二等分冷静期4周时各组收益率和显著程度
表5.8 二等分回望期1周组合在不同冷静期时前4周累积收益率
表5.9 二等分回望期2周组合在不同冷静期时前4周累积收益率
表5.10 动量效应投资组合业绩表现
表5.11 反转效应投资组合业绩表现
表6.1 规模五等分组和规模因子投资组合收益率序列评价指标对比
表6.2 规模五等分组和规模因子投资组合与中证800指数收益率回归结果
表6.3 规模二等分组和规模因子投资组合收益率序列评价指标对比
表6.4 规模二等分组和规模因子投资组合与中证800指数收益率回归结果
表6.5 价值五等分组和价值因子投资组合收益率序列评价指标对比
表6.6 价值五等分组和价值因子投资组合与中证800指数收益率回归结果
表6.7 价值二等分组和价值因子投资组合收益率序列评价指标对比
表6.8 价值二等分组和价值因子投资组合与中证800指数收益率回归结果
表6.9 动量五等分组和反转因子投资组合收益率序列评价指标对比
表6.10 动量五等分组和反转因子投资组合与中证800指数收益率回归结果
表6.11 动量二等分组和反转因子投资组合收益率序列评价指标对比
表6.12 动量二等分组和反转因子投资组合与中证800指数收益率回归结果
表6.13 不同分组方式和加权方式下因子相关系数
表6.14 多元化因子投资组合业绩表现
表6.15 多元化因子投资组合收益率与基准指数收益率回归结果
展开全部

资产定价模型与因子投资研究 作者简介

李博,2009年6月-2014年9月,中国经济图书进出口公司,总经理助理,现为北京第二外国语学院商学院院长助理,讲师,2018年1月毕业于中国人民大学财政学专业,获应用经济学博士学位。发表论文《资产定价模型的多时间尺度分析》《法玛-弗兰奇五因子模型的动态分析》等。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服