论文部分内容阅读
当前，证券市场蓬勃发展，国民不断加入投资者的大军。我国自2014年6月至今正经历一轮股市价格波动周期，经历了大涨大落。股市波动牵动了亿万人的心，关系了众多家庭的财富。为避免遭受损失，投资者需要对股票价值走向做出合理的判断，也就是对股票收益率进行预测。在金融领域，股票收益率的预测是个老生常谈的问题，也是金融领域的基础问题，并且是许多问题研究的基础。近几十年来，国内外相关学者提出了许多股票收益率预测模型或方法，可谓多种多样，从线性模型到非线性模型，从参数模型到半参数模型，再到非参数模型等等。虽然这个问题老生常谈，但是，金融市场是不断变化和复杂的且有些模型具有一定的时效性。因此，我们仍然需要源源不断的探索精度更高的股票收益率预测模型。本文的研究目的就是为了与传统方法相比提高股票收益率的预测精度。本文从影响股票收益率变动的因素入手，根据这些影响因素，结合股票市场变动的动态特征建立模型。 股票收益率的影响因素众多，国内外学者几十年来进行了源源不断的探索。自Fama和French（1992）在前人的基础了全面研究了市场因子、市值因子以及账面市值比因子与股票收益率的变动关系之后，许多学者提出了众多股票价格影响因子。据不完全统计，影响因子总计达到200多个，并在不断丰富中。这些因子有上市公司基本面因素、宏观因素以及市场因素等。例如，国内有些学者从行为金融角度出发，研究了空气质量、百度搜索量同股票价格收益率的关系。本文选取的因素来自Fama和French（1993,2015）提出的三因素和五因素和中国学者田利辉和王冠英（2014）在Fama和French经典三因子模型基础上提出的包含交易量和换手率的中国五因子模型。选取完影响因子以后，需要建立模型。之前的学者在建立模型对股票收益率进行预测时，大多仅仅考虑参数的时变性。本文综合考虑到金融市场的时变性即参数的时变性和模型的时变性，运用Raftery等（2010）提出的动态模型平均方法对股票收益率进行预测。动态模型平均方法是建立在卡尔曼滤波算法基础上的一种参数和模型均时变的预测模型。本文将上述三个备选因子模型即Fama和French（1992）三因子、Fama和French（2015）五因子模型以及田利辉和王冠英（2014）提出的中国股市五因子模型作为备选因子模型，判别在预测时间段上每一个时间点的最优模型并根据最优模型对股票收益率进行预测。再者，为了避免模型过度拟合，本文选取两个预测时间段。在预测对象上，为避免市值效应的影响，本文选取三组研究对象即大市值组合股票、中等市值组合股票以及小市值组合股票。最后，在模型比较方法上，本文使用Diebold和 Mariano（1995）提出的基于统计判断的比较预测模型预测准确性的方法，分别选择误差项的均方值和以及误差项的绝对值平均值作为比较测度。对于每一只股票，在每一比较组中包含两个预测模型，我们可以得出三种结果即模型一优于模型二、模型二优于模型一或者一样的预测精度。同时，为避免单只股票偏差的影响，本文通过计算每一类市值股票集合中每个模型占优的比重进行比较模型的预测精度。 通过实证分析发现：第一，对于预测时间段一，在每一类市值股票组合中的任何十个比较组合，两个模型的预测效果是一样的结果都是占优的；第二，对于预测时间段一，在任一十个比较组合，仍能发现一些模型占优数量的比重仍然明显高于另一模型；第三，对于预测时间段二，在每一类市值股票组合中的十个比较组，能从统计上发展模型占优的情况；第四，在时间段一且在大市值组合中，十个组合的比较效果，从数据上来看，好于其他市值组合，这或许是因为大市值股票不易受心理预测、资金等因素的影响。回顾我国上证指数走势，我们可以看出预测时间段一正处于牛市阶段，由于中国股民缺乏专业的投资知识，大多“随波逐流”追涨杀跌，缺乏理性，价值投资理念缺失。这导致股票收益率的变动无法体现影响因子的或者说影响因子无法解释股票收益率的变动，最终体现在两个预测模型均有很大的偏差，预测效果统计上显著一样。在预测时间段二，股市经过几个月的急速下滑，市场回归理性，股票价格的变动越来越反应影响因子的变动，此时可以到出模型之间的比较非预测效果一样的结果，并且能够看出5个备选模型的优劣性。但是，本文可以看出动态选择模型优于动态模型平均，这一点不符合我们的愿景，因为当增加解释变量时，信息更多，预测效果应该更好。这可以解释为新增加的信息对原解释变量是“有害的”，降低了预测的效果。总体而言，动态选择模型和动态模型平均这两个模型的预测效果优于其他模型，并且在其余三个模型中，Fama和French五因子模型（2015）具有更好的预测效果 根据本文研究的主要内容，本文通过以下四部分完成不同模型之间的预测精度比较： 第一章为绪论。这一部分主要包括研究背景、研究意义、研究方法、文章结构以及创新，通过研究背景发现研究问题，进而选择合理的研究方法，提出问题并进行研究分析。 第二章为文献综述。文献综述部分整理了国内外关于股票价格影响因子的研究结果以及股票收益率预测方法的相关文献。通过对文献的整理，我们可以了解当前学术界对该问题的研究进度以及争议，并且从中发现各类模型优缺点以及预测方法的发展方向，进而再次印证了本文研究问题具有理论意义和现实意义。文献综述的最后部分是动态模型平均和动态选择模型的文献综述，叙述了国内外学者应用动态模型平均和动态选择模型预测通货膨胀等变量的文献，可以看出此方法还是比较新的。 第三章为理论基础。这一章主要介绍了本文的相关模型基础知识。首先，第一部分介绍了Fama和French经典的三因子定价模型和在此基础上，相关学者的发展的四因子等模型；下一部分介绍了基于状态空间模型的卡尔曼滤波算法以及其参数估计过程。随后部分介绍了基于卡尔曼滤波的动态选择模型和动态模型平均的具体算法和操作。在介绍动态模型平均和动态选择模型时，文章是先从简单的单一模型情况开始入手，然后再介绍多模型情况，这样的安排能够更容易理解动态选择模型的方法。最后部分介绍基于统计分析的 Diebold-Mariano预测模型比较方法以及修正的 Diebold-Mariano预测模型比较方法。 第四章为模型实证部分。这一章首先介绍了因子模型即影响股票价格影响因素的选取，本文的中心目的在于实证检验动态选择模型和动态模型平均的预测精度。同时，选取的影响因子是经典的三因子和五因子模型以及田利辉和王冠英提（2014）提出的交易量因子和换手率因子。在因子的计算过程中，本文遵循Fama和French构造因子的方法。Fama和French介绍了三种方法构造因子。本文选取第二种方法，这样构造的因子用到了所有股票的信息。从因子的时间序列图可以看出，账面市值比因子的波动幅度最小。其次，介绍了数据的收益率数据的获取与计算。最后，比较预测模型的预测效果。 第五章为结论部分，根据第四章的实证部分可以看出我国股民缺乏理性投资的理念，应该加强广大股民的专业知识学习，提高抵御风险的能力。 相比而言，本文主要有以下两点创新之处： 第一，本文所选取的方法能够做到参数和模型均时变。以往大多数学者预测股票收益率的方法或者是参数时变，或者是模型时变。在金融实际中，由于制度变迁、心理预期变化等原因，预测模型和参数应该都是是变化的。因此，本文选取的模型更加贴合实际。 第二，模型的适用性和实用强。本文使用的模型只是提供一种基于影响因子的预测方法，能够随着情况变化拓展。当影响股票价格的因素变化时或者发现新的影响因子时，模型可以方便添加因子。 尽管本文在数据选取与模型设定等方面力求客观准确，但由于本人学术水平有限，本文仍存在着许多不足之处： 第一，选取的影响因子的缺陷。首先，本文选取的影响股票价格的部分因子是根据美国股市情况分析出的因子，面临随时间变化的适用性问题。最后，影响股票收益率的因素很多，本文仅仅选择上市公司基本面因素，在我国股票价格上涨更受心理预期、资金等因素。这些因素本文未考虑其中。 第二，动态选择模型和动态模型平均从本质上讲是线性模型。在金融实际中，金融时间序列的变化往往是非线性的。因此，本文选取的模型和其它模型一样存在缺陷，不能完美模拟实际。