高频数据下投资者情绪与股票收益的研究

《高频数据下投资者情绪与股票收益的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、高频数据下投资者情绪与股票收益的研究摘要资本资产定价模型认为，市场风险是决定股票价格的唯一因素，市场风险涵盖了资本市场存在的所有风险。然而随着越来越多金融异象的出现，人们开始对资本资产定价模型产生怀疑。Fama和French通过对美国股市数据的实证研究提出了经典的三因子定价模型，认为市场因子、规模因子、价值因子共同影响了资产的价格。然而三因子模型仍然不能解释股票市场存在的动量效应。有效市场假说的支持者研究发现，资产定价模型无法解释越来越多的金融异象并不是因为市场无效，而是因为模型忽略了风险的动态变化趋势，于是资产定价模型开始逐渐向时变的

2、条件资产定价模型发展。本文采用非参数估计方法，利用基于数据驱动的方法寻找最优估计窗宽，对中国A股市场2000年一2011年日度数据进行了FF三因子模型的实证研究，通过将非参数估计结果与经典的滚动窗口估计结果对比，发现非参数方法明显优于滚动窗口估计，通过对时点定价误差和长期定价误差的检验，发现非参数估计方法更适合中国股票市场；而后我们对三因子模型进行了股票市场上下行定价因子的检验，发现市场因子和规模因子通过了检验，而价值因子并没有通过检验。这说明在中国股票市场，只有市场因子和规模因子是定价因子，相应的系统风险影响资产组合的价格：而价值因子

3、是特别风险，市场不会一直对其进行补偿，价值IT堑匹至圈态芏鲍土芏焦j金童因子在中国并不是定价因子。基于上述的实证结果，本文创造性地采用了对中国股票市场价格有很大影响力的投资者情绪指标替代没有通过定价因子检验的价值因子，并对2000年一2011年的中国A股日度数据进行了实证研究。实证表明，改进的三因子模型虽然在实证效果方面弱于FF三因子模型，但是改进的三因子模型通过了定价因子的检验，表明投资者情绪因子在中国股票市场是定价因子，相应的风险属于系统风险，影响资产组合的价格。关键词：条件资产定价模型；非参数估计方法；定价误差；定价因子；投资者情

4、绪III浙江工商太堂亟±堂焦诠童．．麴STUDYoFCONDITIoNALASSETPRICINGMoDELANDINⅦSToRSENTⅡ讧ENTBASEDoNHIGH-PREQUENCYDATAABSTRACTCapitalAssetPricingModelassiststhatmarketriskistheonlyfactordeterminedthestockprice．Marketriskcoversallexistingriskfactorsincapitalmarket．However,withemergenceofmore

5、andmorefinancialanomalies，peoplebegantodoubtthecapitalassetpricingmodel．FamaandFrenchstudiedempiricalresearchoftheU．S．stockmarketandproposedtheclassicalthree—factorpricingmodelwhichheldthatthemarketfactor,sizefactorandvaluefactortogetheraffectassetprice．However,three—fac

6、tormodelstillgala_’texplainmomentumeffectinstockmarket．Theefficientmarkethypothesis(EMF)proponentsarguethatthereasonwhyassetpricingmodelCan’texplainthegrowingnumberoffmancialvisionisnotbecauseofmarketinefficiencies，butbecausetheCAPMmodelignorestherisk’Schangingtrends．Ass

7、etPricingModelgraduallydevelopsintotheconditioningtime-varyingmodel．Inthispaper,weusenon-parametricestimationmethod-utilizingthedata-drivenmethod—tofindthebestestimatedwindowwidth，andconductIV蜇迤王面太生亟±生焦论塞FFthree--factormodelempiricalresearchusingChineseA--sharemarket2000

8、-201DaysDegreedata．Bycontrastingnon—parametricestimationresultswiththeclassicalrollingwindowestimationr