新書推薦:
《
微观经济学(第三版)【2024诺贝尔经济学奖获奖者作品】
》
售價:HK$
155.7
《
Python贝叶斯深度学习
》
售價:HK$
89.4
《
启微·狂骉年代:西洋赛马在中国
》
售價:HK$
78.4
《
有趣的中国古建筑
》
售價:HK$
67.0
《
十一年夏至
》
售價:HK$
76.2
《
如何打造成功的商业赛事
》
售價:HK$
89.5
《
万千教育学前·透视学前儿童的发展:解析幼儿教师常问的那些问题
》
售價:HK$
58.2
《
慈悲与玫瑰
》
售價:HK$
87.4
內容簡介:
随机无序模型是阿尔伯特·N.谢里亚夫(AlbertNShiryaev)提出的一个序贯检测方法,被运用于军工、气象、水利等工业制造领域。而在金融市场上,股票状态瞬息万变,十分考验投资者的专业判断能力。因此,本书尝试将随机无序模型引入投资决策当中,从数学统计的角度分析最优投资决策的方法,并通过三个实例分析,来阐述该模型的优越之处。
關於作者:
詹钥凇,现任中山大学商学院助理教授,硕士生导师,中国人民大学金融学博士。研究领域包括市场微观结构、金融计量、量化投资等。论文发表于Journal of Business & Economic Statistics, Journal of Economic Dynamics and Control等国际知名学术期刊
目錄 :
第1章绪论···001
1.1研究背景·001
1.2研究动机·003
1.3研究内容与创新之处··004
1.4研究方法·007
第2章文献综述·008
2.1随机无序模型的文献综述008
2.2股票动量效应和趋势交易的文献综述·010
2.3市场极端风险的文献综述014
2.4股价与企业投融资决策的文献综述016
第3章随机无序模型···019
3.1随机无序问题的概率模型019
3.2随机无序模型的求解··022
3.3附录···031
第4章高频数据下的股价趋势分析及投资策略··034
4.1引言···034
4.2模型设定及求解036
4.3数值分析·041
4.4实证研究·046
4.5基于随机无序模型的趋势跟踪策略059
4.6小结···063
4.7附录···064
第5章股票市场极端风险管理研究068
5.1引言···068
5.2极值理论·069
5.3模型设定及求解···076
5.4数值分析·084
5.5实证研究·087
5.6小结···097
5.7附录···098
第6章股价变动与公司投资决策···101
6.1引言···101
6.2模型设定及求解···103
6.3数值分析·108
6.4实证研究··117
6.5结论···122
6.6附录···123
第7章结论与展望·130
7.1研究结论·130
7.2启示与展望··131
参考文献133
內容試閱 :
市场的动态变化、信息披露的不完善和市场噪声的干扰,使得投资者往往难以获取完全信息,只能在获取信息不完全的情况下作出决策。一般而言,投资者仅通过资产收益的概率分布进行投资决策以最大化预期收益。例如,马科维茨提出的投资组合理论,是基于股票收益率的均值和协方差来构建最优投资组合。同样,莫顿问题也是考虑当风险资产价格服从几何布朗运动时,风险资产和无风险资产的最优分配比例。但是在投资实践中,资产收益的概率分布可能会随时间发生改变,或者概率分布存在多种可能性,投资者也无法准确知道相关信息。那么在这样不完全信息的情况下,投资者的决策将会陷入一个两难的境地。一方面,投资者希望获取更多的信息来降低决策时犯错的概率,但这会延缓决策时机,错过可能的投资机会。另一方面,投资者可以尽快作出决策以把握机会,但是将会面临较高的犯错概率。所以为了研究在不完全信息下,投资者应该如何权衡选择,本书运用随机无序模型分析了不同情形下的最优投资决策问题。在随机无序模型中,投资者的决策目标是最小化犯错概率和时滞成本,这意味着最优决策将会是准确并且及时的。随机无序问题的求解需要构造后验概率过程,并将优化目标转化为最优停时问题,通过自由边界微分方程来得到最优决策的判别方法。
首先,本研究探索了股票动量效应和趋势交易上的投资决策问题。由于股票的动量效应和反转效应会交替出现,投资者需要根据股价趋势变化做出正确的投资决策才能获得超额收益。但是,股价趋势反转的时机对于投资者而言完全未知,股价趋势变化的相关信息也难以获取。所以,本研究运用随机无序模型来研究投资者在不完全信息下识别趋势变化的最优策略。运用带漂移项和不完全信息下的最优决策—基于随机无序模型的投资决策问题跃过程的布朗运动对中国股票市场5分钟高频数据进行建模,利用漂移项系数
来表示股价趋势。通过求解模型,可以计算出相应的SR统计量与最优边界。投资者可以实时逐点计算当期统计量数值,并与最优边界比较,当大小首次超过最优边界时,便可以识别出股价趋势的变化。通过数值分析发现,漂移项系数和跳跃过程系数均与最优边界负相关,这意味着如果股票价格趋势特征和跳跃特征明显,投资者会容易识别出趋势变化。相反,波动项系数与最优边界正相关,表明如果股价波动越剧烈,那么判断趋势变化也就越困难。在实证分析中,考虑了趋势方向变化的四种情况,并选择了对应的样本区间进行研究。
实证结果表明,随机无序模型能够及时准确地识别出股价趋势方向的变点。而当趋势方向没有发生改变时,模型也不会出现错误信号的情况。基于随机无序模型,进一步构建了趋势跟踪策略,并应用于沪深300指数、中证500指数和上证50指数,均有较好表现,收益显著超过均线策略和买入并持有策略。然后,本研究分析了极端风险管理上的决策问题。股票收益率具有“尖峰厚尾”的特征,因此收益率的尾部行为对投资的风险管理格外重要。极值理论可以较为全面地刻画收益率尾部大小的概率分布情况,但是极端风险事件发生的频率同样也会影响到投资者所面临的损失。当极端风险出现频率升高时,投资者所面临的风险也就更大,但是投资者却无法知道极端风险事件的出现频率会在什么时候发生改变。因此,运用泊松过程上的随机无序模型,分析极端风险出现频率的变化。通过数值模拟,发现如果投资者预期频率变化前后差异较大,那么识别出变点的难度将更高,而如果投资者的时间成本较高,那么他会更倾向于尽早做出决策。选择2010年的后金融危机时期和2015年中国股灾时期作为样本进行研究,实证结果表明,随机无序模型可以准确识别出极端风险事件发生频率的变化,并且也能够判断变化的方向。同时,比较频率变化前后极值的概率分布可以发现,当频率上升后,收益率极值分布会右偏且峰度升高,这说明出现大幅下跌的概率会增加,相应地,投资者的在险价值也会随之升高。经过稳健性分析发现,虽然投资者的预期会对随机无序模型的结果产生一定影响,但是并不显著。
最后,本研究从公司管理者的角度探索了股价波动与公司的投资决策之间的关系。根据股票市场的“反馈效应”,公司管理者可以从股票市场中获取额外信息来帮助他做出决策。如果股票市场表现出对公司前景的乐观态度,那么管理者将会扩大规模,扩张投资,进行股权融资。相反,如果股票市场对公司前景表现出悲观的情绪,那么管理者便会回购股票,缩减经营规模。但是,股票市场的参与者中有许多噪声交易者,公司股价的扰动会使管理者难以掌握市场上的准确信息。所以,本研究运用三种备择假设下的随机无序模型来对企业管理者的投资决策开展研究。假设企业管理者只知道公司股价可能存在三种状态:第一种是长期趋势上涨,意味着市场上的投资者对公司的未来的态度是相对乐观的,管理者会采取激进的投资策略;第二种是,横盘整理,意味着市场上的投资者对公司未来持中立态度,那么管理者便会采取稳健的投资策略;第三种是长期趋势下跌,说明市场上的投资者对公司未来持悲观态度,所以管理者会采取保守的投资策略。不同投资策略的预期收益不同,管理者需要从股价波动中挖掘出市场的真实态度,以此决定将要采取的投资策略。通过求解随机无序模型,可以构造多个区域以对应不同的市场态度,当公司股价首次进入其中一个区域时,管理者就能够判断出市场对公司的看法,从而选择合适的投资策略。经过数值分析,发现公司股价收益率的方差越高,管理者将越难判断股价所处的状态。而如果某类投资策略的预期收益越高,那么管理者会更倾向于作出有利于选择该项策略的判断。本研究以公司定向增发股票来标志公司采取激进型投资策略,发现在定向增发预案公告前,公司股价的异常超额累计收益显著大于0。并且样本内有67%的公司股价进入到随机无序模型划分出的上涨区域中,而这些公司在预案公告后一年的股票收益也显著高于其他公司。