商品期货市场中收益与波动的联动效应:流动性风险的影响

论坛 期权论坛 期权     
量化先行者   2019-10-12 23:28   6897   0

商品期货市场中收益与波动的联动效应:流动性风险的影响


文献来源:Zhang Y, Ding S.Return and volatility co-movement in commodity futures markets: the effects ofliquidity risk [J]. Quantitative Finance, 2018(2):1-16. https://doi.org/10.1080/14697688.2018.1444562
推荐原因:本文研究了不同商品期货市场收益和波动的联动性,以及两者如何被流动性风险所影响。首先,我们发现商品收益率呈现出联动性,流动性风险在资产收益特征形成中起着关键作用。此外,我们发现,商品收益的波动也存在联动关系,并且我们证明了流动性风险在两种联动模式中所起到的作用。我们还发现我们所研究的商品市场存在共同的波动率因子,这一因子决定了市场间波动率的联动效应。由于流动性风险同时影响着商品收益率和波动率冲击,所以它可能被解释为驱动这两个指标的共同因素。我们还证实了流动性冲击对剥离了市场收益和市场波动的剩余风险都有显著影响。最后,本文发现流动性溢出效应可以很大程度上驱动商品横截面收益相关性的动态变化。

1
简介
在过去十年的大部分时间里,商品期货价格,例如与黄金和石油相关的价格,一直是金融和经济新闻的核心话题。例如,油价在2008年达到每桶140美元以上的峰值,但在2016年初回落至每桶不到30美元。石油价格的这种大幅波动使这个市场特别不稳定。而且,大多数进入这个市场的新投资者都属于机构性质,这导致了商品交易量的规模和增长速度都快速增长。
商品期货价格是经济分析的关键,大量学术文献论述了商品价格和经济发展的关系。此外,资产波动和收益的相关性一直被金融领域所关注,成交量和资产价格波动的关系也被广泛研究。在期货市场,成交量常常被视为市场流动性的代理变量。
由于商品价格波动是衡量价格变化离差的一个指标,因此政策制定者不仅关注商品价格本身,还应关注其波动性,因为它们有可能增加通胀压力(Creti等,2013)。又因为商品价格的波动是全球经济的核心问题,所以了解价格波动的起源和演变可以帮助投资者,特别是机构投资者构建更好的对冲策略,并做出更好的资产配置决策。而且,由于波动性是决定衍生品定价的关键因素,我们必须探讨不同衍生品市场中各种波动率指标如何相互协调。综上,本文研究了不同商品期货市场收益和波动的联动效应。首先,我们发现商品收益呈现出联动性,且流动性风险在资产收益特征的形成中发挥着重要作用。通过控制市场收益和其他宏观变量,我们发现剩余资产收益与流动性风险显著相关,这表明流动性在商品期货定价中是一个重要的风险因子。
在对比横截面分析结果时,我们发现这些结果不能完全解释波动性的联动,因此我们认为存在影响所有商品市场的共同市场波动因素,并且该因素使单个商品市场的波动具有联动性。结合这一想法,我们考虑到了流动性风险。流动性风险同时影响商品收益率和波动冲击,它还作为商品收益率和波动率的媒介而存在,尤其是在考虑收益和波动冲击时。当波动冲击发生时,流动性冲击也可能同时出现。相反地,流动性冲击会影响商品收益。因此,波动率冲击可以通过流动性风险效应在商品定价方面发挥重要作用。此外,在控制市场收益和宏观经济变量之后,流动性冲击与资产收益率和资产波动性的剩余风险显著相关。流动性冲击与资产收益率回归的剩余风险呈负相关,与资产波动率回归的剩余风险呈正相关。
最后,我们还发现,流动性水平在商品市场之间的时变相关性中起着至关重要的作用。商品市场相关性也可能对于市场间不稳定冲击和不稳定事件的传播具有重要意义(Saghaian 2010,Du and McPhail 2012,Ji and Fan 2012)。更重要的是,时变相关性也与期货的对冲策略有关(Lien and Yang 2006)。因此,我们研究了流动性水平在两个相关市场的解释力。我们进行了一项测试,以检验流动性水平可以多大程度解释市场之间回报的相关性。结果表明,流动性水平通过影响波动率和收益率的相关性在商品期货市场中发挥重要作用。
基于上述发现,我们希望向研究人员和从业人员介绍期货市场的波动性和流动性以及这些因素如何影响衍生品定价和商品价格的一般行为。本论文组织如下。在第二节中,我们描述了商品市场波动率和流动性指标数据。在第三节中,我们论述了五个商品期货市场中收益率的联动性。我们还发现流动性风险在资产收益模式中的作用极其重要。在第四节,我们发现流动性冲击和波动性冲击关系紧密并且说明了市场波动效应。更重要的是,我们发现流动性可能是其他市场波动溢出的传导媒介。在第五节中,我们说明了两个相关市场的流动性水平可以解释其时序相关关系。第六节是本文的结论。
2
数据和方法

根据纳斯达克商品分类报告(2013年),可分为五类商品:能源(如原油),农业(如玉米),畜牧业(如活牛),贵金属(如黄金)和工业金属(如铜)。我们从每个行业中选择一种商品(如括号中所示)来构建横截面商品组合。代表性商品是其相应分类中交易最活跃的商品。原油、玉米、铜、活牛和黄金的交易量在相应的分类中最高。所选商品价格是最近到期的期货合约价格,即交易最活跃合约的价格。统计数据中,上标ca代表活牛商品期货,cop代表铜商品期货,cor代表玉米商品期货,g代表黄金商品期货,o代表石油商品期货,ML代表市场流动性指标。L代表Amihud流动性衡量标准,σ代表波动率,r代表商品期货实现的回报率。数据提供者是Thomson Datastream,数据期间是2005年1月1日到2013年12月31日,这是共有期间的最大可用数据,所有数据每天收集一次。此外,我们采用CRB(Commodity Research Bureau)指数作为商品期货市场价格指数。CRB指数目前包括能源、农业和金属领域的19种商品,这些商品能够可靠地代表整体商品的价格。对于商品流动性指标,Marshall等人(2012)在商品市场中测试了大量流动性代理变量。他们发现在所有指标中,Amihud流动性代理变量准确率最高,并强烈建议研究人员在对商品流动性进行建模时使用该指标。因此,我们将使用Amihud(2002)提出的指标,它采用以下形式:

其中,Rt是时刻t的资产收益率,Volt是时刻t的资产交易量。直观地看,当交易量很高时,流动性指标数值较小,资产被认为更具流动性。Amihud指标能清楚地从交易量中提取信息。对于实证分析来说,我们使用商品期货的已实现收益率,表示为rt,其定义为
。然后,我们通过取所有商品价格的自然对数来使得商品价格标准化。对于流动性指标,五个商品期货市场的流动性指标统计汇总表如下。

根据以上结果,我们可以认为不同期货市场可能存在规模偏差效应,因为流动性指标的均值和标准差在不同商品期货市场上存在很大差异。为了消除规模偏差效应,我们将流动性指标标准化。
图2显示了五个期货市场的标准化流动性水平,有效消除规模偏差效应似乎是合理的。本文中的所有回归结果均基于标准化流动性指标。此外,由于日指标有噪声,为了平滑流动性指标的时间序列过程,我们采用滚动方式来计算基于标准化数据的流动性指标。换句话说,我们获得移动平均后的每日Amihud指标,表明一个特定日的流动性指标实际上是上个月(过去21天)流动性指标的平均值。因此,我们的流动性数据频率以每日数据为基础。设
为过去21个交易日的流动性滚动平均值,即:


其中
是第t-i天的流动性指标。



已实现收益、已实现收益的波动率和标准化Amihud指标的月均移动平均值是本文实证分析的三个关键变量。此外,我们在回归分析中包括三个控制变量,即标准普尔500收益率、美元指数收益率和短期利率,控制变量均以日为频率(Tang and Xiong,2012)。



3
流动性风险对商品期货收益率的影响
在本节中,我们使用Amihud指标测试商品期货超额收益与流动性之间的联动。我们将商品期货超额收益定义为商品期货收益无法被市场收益和宏观经济控制变量所解释的那部分残差收益,我们将流动性风险定义为流动性创新。这种方法与部分文献一致,其以以流动性冲击的波动来衡量流动性风险(PástorStambaugh,2003;Sadka,2006)。此外,Pástor和Stambaugh(2003)在股票市场中证明了流动性风险与资产收益之间的联动关系。我们将他们的研究拓展到商品期货市场,我们测试流动性创新和商品期货超额收益之间的联动。最初,我们测试期货收益本身之间的联动。从收益率相关矩阵看,所有商品收益率似乎彼此存在显著正相关。

然后,我们研究流动性创新与商品期货超额收益之间的联动。我们试图根据经验确定流动性风险是否可以充分解释市场风险或其他宏观经济变量无法解释的残差收益。如果流动性风险与残差部分的关系独立于商品市场风险、汇率风险、利率风险和股票市场风险,则它很可能是市场中的大部分噪声信息所构成的。与我们的发现一致的是,在通过控制流动性变量之后的协整检验时,残差部分变得平稳。我们采用CRB指数收益作为商品市场收益的代理变量。我们最初使用CRB指数收益、股票市场收益、美元指数收益和利率来对五种商品收益进行回归,并获取残差收益。回归方程为:

其中i=ca,cor,cop,o和g,
是市场风险无法解释的残差收益,SP,DI和IR是控制变量,代表标准普尔500指数收益、美元指数收益率和短期利率。下面我们尝试衡量商品期货市场的流动性创新。Feng等人(2014)最近的一篇论文对流动性风险的期权进行了估值,Feng等人确定了以下两个关于资产价格和资产流动性的随机方程:

其中σ是单个资产价格波动,ρ是单个资产收益率与市场流动性之间的相关性,β是资产价格方差对市场流动性的敏感度,α是市场流动性的均值回归速度,θ是市场流动性的长期均值,ξ是市场流动性的波动性。从这两个方程式中,我们可以看到波动率已经分解为两部分:一个与市场风险
相关,另一个与流动性风险
相关。市场风险无法解释的商品期货价格方差可能与流动性风险有关。在本节中,我们将测试市场风险未解释的残差是否可以用流动性风险来解释。由于流动性风险部分是通过流动性随机方程的残差来衡量的,即
,我们可以通过以下回归来大致估计流动性风险:



是流动性自回归无法解释的残差,可以表示为流动性冲击(创新),其中i=ca,cor,cop,o和g。对于收益回归方程,我们保留每个商品分类的残差部分,将残差表示为
(在等式1中)。然后,我们运行等式(2)的自回归模型,并将残差作为流动性风险,表示为(在等式2中)。然后,我们构

之间的相关矩阵。结果表明在控制外生变量后,未被市场风险解释的残差收益与流动性风险显著相关,如图4所示。随后我们通过控制市场指数收益和三个外生变量来揭示与单个商品收益率之间的关系。回归结果如图5所示。所有商品期货收益在控制标准普尔500指数收益、美元指数收益和短期利率后,与市场指数收益以及流动性风险(
)显著相关。流动性风险可以解释商品期货收益率、市场指数收益率和其他外生宏观经济变量无法解释的残差收益。此外,似乎与所有商品期货收益具有显著的负相关关系,这意味着Amihud方法测量的流动性风险对商品期货收益存在负面影响。



之后,我们构建了来自不同期货市场的流动性创新的相关系数矩阵。我们发现所有相关系数均大于0,超过一半的相关性在统计上是显著的(见图6)。这表明当一个期货市场出现流动性冲击时,冲击可能蔓延到其他市场,所有期货市场都会受到影响。因此,流动性创新之间的正相关性可能是回归联动的一个影响因素。

流动性在期货收益中的关键作用与流动性指标有关。我们使用的流动性指标主要基于商品市场的交易量。文献中关于交易量的研究指出,交易量在金融市场中起着重要作用。例如,Blume等(1994)测试金融市场交易量的潜在作用。他们声称交易量可以为投资者提供市场价格无法提供的额外信息。此外,Lee和Swaminathan(2000)认为交易量将有助于预测横截面股票收益和价格动量。交易量与资产价格的关联性体现在三个维度。首先,交易量与价格变化正相关(参见Karpoff,1987)。这种现象的一个原因可能是处置效应,这导致持有证券的投资者在价格下跌之后比在价格上涨后更不愿意出售。Odean(1998)表明,具有收益的股票由个人投资者卖出的概率是亏损股票被卖出概率的两倍。其次,交易量与交易成本相关。同样,Karpoff(1987)指出,交易量将随着活跃交易者数量的增加而增加。当交易量较高时,Amihud指标较低,市场更活跃。由于卖方更有可能出售资产,因此交易资产的成本将会降低,这说明交易成本会随着交易量的增加而减少。Admati和Pfleiderer(1988)开发了一个模型,说明交易量和交易成本之间的负相关关系。交易量和资产波动性已在文献中充分阐述。在下一节中,我们将揭示商品期货市场中资产流动性与资产波动性之间的关系,其中资产流动性是基于交易量定义的。为了实现稳健性,我们还采用了另一种流动性指标,即Roll指标。实证结果表明,在控制市场指数收益和外生变量之后,流动性风险可以成为商品期货收益的解释因素。此外,流动性风险可以解释商品期货收益中市场指数收益无法解释的部分;除牛和玉米期货外,流动性冲击对商品期货收益具有负面影响。


4
流动性对商品期货波动率溢出和联动效应的影响
4.1. 流动性对波动率联动的影响

从上述结果来看,流动性似乎在影响商品收益率联动方面发挥着重要作用。更重要的是,上述五种商品收益率在流动性冲击的影响下都在同一方向共同变动(见图7)。因此,有理由认为流动性水平可以影响这五种商品的波动,且这五个期货市场的波动率可能有共同的趋势。图8显示,不同商品市场的波动率在2008年都很高。因此可以说五个商品期货市场的波动率可能有一个共同的趋势。




下面我们构建了五个市场波动率之间的相关系数矩阵。可以观察到,所有波动率都是正相关的,商品波动率之间强烈的横截面正相关关系的p值在统计上是显著的。横截面相关性可能会意味着这五个商品市场往往具有类似的高波动率和低波动率的时期。更重要的是,波动率之间具有正向影响(见图9)。Amihud指标说明了五种商品流动性都是正相关的,并且所有系数在统计上都是显著的。因此可以说,商品流动性也有一个共同的趋势,这与之前的收益联动性结论是一致的,不同商品期货市场的波动率和流动性也表现出联动效应(图9和图10)。



我们想要确定流动性是否会影响商品期货市场的波动性。首先,我们测试商品市场的流动性时间序列和波动率时间序列是否是平稳过程。结果表明,商品市场中的流动性和波动率在10%显著性水平下均为平稳过程。接下来,我们建立商品市场流动性和波动率的相关系数矩阵,发现所有五个商品市场的流动性和波动率均呈显著正相关。流动性和波动率的综合效应可能会影响商品期货市场的收益形成。
所有五个商品市场的流动性和波动率都显著相关,下面我们想要检验波动率冲击与流动性冲击之间是否存在关联。我们最初在等式(2)中进行流动性自回归,并将残差作为流动性冲击,表示为
。然后,我们在等式(8)中进行波动率自回归,并将残差作为波动率冲击,表示为
,再构建波动率冲击和流动性冲击的相关矩阵。所有五个商品市场的流动性和波动率冲击表现为显著正相关。因此,波动率和流动性的同期冲击将对商品期货收益率产生相当大的影响。


4.2.单个市场流动性对波动率的影响
由于流动性和波动率显著相关,我们试图确定流动性是否可以解释其自身市场的波动。下面我们构建回归模型来检验流动性是否在形成商品期货市场波动率方面起着重要作用。图11显示的回归结果表明,流动性解释了铜和原油市场中波动率的很大一部分。相反,对于黄金期货和玉米期货,调整的R相对较低,因为其自身市场流动性对波动率的影响很小,它们更多地受其他商品市场流动性的影响。例如,用于解释黄金期货波动率的调整在横截面流动性回归结果中要高得多。

4.3.截面流动性溢出和波动性溢出
然后,我们通过增加来自其他市场的流动性来构建相似的回归模型,观察拟合优度是否增加,以说明来自其他商品期货市场的流动性可能存在的影响。回归模型结果如图12所示。对于活牛期货而言,R增加了约16%,这表明其市场波动在很大程度上取决于其他商品市场的流动性。同样,玉米期货调整后的在其自身流动性回归模型中几乎为零,但增加其他市场流动性变量后调整R增加到10%,这意味着玉米市场的波动也依赖于其他商品市场的流动性。对于黄金期货而言,调整后的R从13%上升至30%,这也表明其对横截面流动性的依赖较强。

因此,可以得出结论,非农产品(能源和工业金属)期货市场的流动性效应远远强于农产品期货市场的流动性。非农产品期货市场的流动性效应不仅影响其自身波动,也会影响其他农产品期货市场的波动。换句话说,农产品期货市场比较脆弱,它们的波动容易受到其他期货市场流动性的影响。更重要的是,回归模型可以解释58%的铜波动和70%的原油波动。因此可以说,两个期货市场的大多数波动率变化都来自流动性变化。此外,我们已经表明,能源和工业金属的流动性对农产品的波动具有溢出效应。我们接下来建立一个横截面模型来检验商品期货市场的波动溢出效应。我们试图证明,一个商品市场的波动可能会受到其他商品市场波动的影响。图13的结果展示了溢出效应。例如,农产品的波动性,即活牛期货和玉米期货,与其他商品市场的关系较弱。其他市场的波动率可以解释大约20%的波动率变化。相反,非农产品的波动性受到其他市场的影响较大,特别是铜的波动;近60%的波动率变化来自其他市场。




4.4.两种溢出效应的重叠度
此外,我们将两个回归模型合并后检验调整的增加。图14显示,与前两个模型相比,调整的增加非常小。与横截面波动率回归模型相比,活牛期货调整R的增幅约为13%,而与横截面流动性回归模型相比,增幅仅为2%。相比之下,与横截面波动率回归模型相比,玉米调整R的增加约为5%,但与横截面流动性回归模型相比增加了12%。对于所有五个市场,调整R的增加汇总在图15中。总体而言,这种增量是微不足道的。因此,波动率和流动性通常很大程度解释了这种变化。流动性可被视为传导来自其他市场的波动溢出效应的媒介。





4.5.流动性冲击残差波动的正向影响
由于横截面波动率和流动性不能完全解释商品市场中的波动联动效应,我们进一步建立市场波动模型来解释商品市场中的波动率联动性。


图16清楚地表明,所有单个商品波动率与商品整体市场波动率正相关。我们认为市场波动效应就像市场收益率效应一样。市场波动效应可导致商品期货市场中所有个别商品波动率的联动,因为它对所有单个品种波动率产生正向影响。此外,我们对无法被市场波动解释的残差波动感兴趣。与图4中的结果相反,在图17中,流动性冲击对剥离市场波动的残差波动有正向影响,除了玉米期货。因此,流动性冲击可以作为市场因素之外影响商品期货波动的另一因素。


因此,商品期货市场流动性对期货收益和波动的影响是双重的。一方面,流动性引起商品期货市场的价格和收益联动。另一方面,流动性也会影响波动率之间的联动。具体而言,流动性冲击与波动率冲击正相关,波动率冲击被定义为剥离市场波动之后的剩余风险。更重要的是,流动性可被视为传导来自其他市场的波动溢出效应的媒介。因此,流动性冲击对剥离市场收益和市场波动的剩余风险都有影响,其与剥离市场收益的剩余风险呈负相关,与剥离市场波动的剩余风险正相关。
5
流动性溢出效应对横截面收益相关性的动态影响
在前面部分我们表明不同商品收益率在横截面呈现正相关,但这种相关性是静态的。在本节中,我们将介绍这种横截面相关性是时变的;换句话说,商品期货横截面收益正相关的强度或程度将随时间而变化。然后,我们证明流动性水平可能对横截面相关程度产生显著影响。图18显示,大多数与时间相关的相关系数可以通过其各自的流动性水平来解释,也就是两个商品市场之间的相关性将受其流动性水平的显著影响。如果市场变得缺乏流动性并且两个市场之间的相关性更高,那么不同市场可能会出现同步下跌。因此,流动性水平在商品期货市场中起着重要作用,它不仅传到了横截面市场波动,而且还影响了不同市场之间的相关性。


其中
分别代表商品i和商品j收益之间的时变相关系数。





6
结论综上,本文研究了不同商品期货市场收益和波动的联动关系。我们还研究了这种联动如何受到流动性风险的影响。首先,我们发现各种商品收益率表现出联动,且流动性风险在形成资产收益特征中起着重要作用。通过控制总市场收益和一些外生变量后,我们发现商品收益回归方程中的残差与流动性创新显著相关,这表明流动性的波动可以作为潜在风险因素的代理变量。这一风险因素与商品期货定价有关。我们使用Amihud和Roll指标作为流动性度量检验了模型的稳健性。此外,我们发现不同商品收益的波动率具有共同的趋势,这一波动可以被共同的市场波动因素所解释。我们对横截面波动率、流动性或两者同时对单个商品波动率进行回归,并比较调整后的R。与仅具有横截面流动性或横截面波动率作为解释变量的模型相比,最终综合回归模型中调整R的增加非常有限。横截面变量的增加不能显著增加模型的解释力,这可能表明单纯的流动性或波动率模型中的大部分解释力存在重叠。横截面波动率可以解释的变化部分类似于横截面流动性可以解释的部分。因此,假设流动性是驱动波动溢出效应的重要传导渠道是有道理的。更重要的是,我们还验证了流动性冲击与波动率冲击之间的正相关关系。可以想象,当存在流动性冲击时,最有可能发生波动率冲击。商品波动率和流动性的同期联动可能会加强不同商品市场之间的联系和溢出效应。最后,由于流动性风险同时影响商品残差收益和波动率冲击,它可能是商品收益率和商品波动率之间的媒介。当出现波动率冲击时,流动性冲击可能同时发生。相反,流动性冲击对影响商品收益及其相关性具有重要影响。因此,波动率冲击可能通过流动性风险效应对商品收益产生重大影响。因此,对冲策略和衍生品定价模型也将考虑流动性风险影响。在进一步研究中,我们还发现不同商品市场之间的收益相关性也受市场流动性水平的影响。因此,当市场流动性急剧上升或下降时,横截面收益相关性可能会受到显著影响。因此,对冲策略可能需要做出相应调整。



往期链接



海外文献推荐:因子选股类
向下滑动查看往期链接↓
第99期:低PE,成长,利率:对估值的再思考——最聪明的投资回收期
第98期:低波动需要很少的交易
第97期:机器学习时代的回测原则
第95期:防御性质的因子择时
第90期:收益预测性:来自中美两国供应链的证据
第89期:盈利,留存收益,账面市值比在股票横截面收益中的作用
第87期:因子大陆上的爱丽丝梦游:纠缠因子投资的三大谬误
第79期:不确定性、动量和盈利能力
第77期:因子动量与动量因子第71期:短期的Beta还是长期的Alpha
第70期:SmartBeta与多因子组合的最优配置
第63期:劳动杠杆与股票收益的截面效应
第62期:利用CART决策树选股
第60期:学术研究毁了因子的预测结果吗?
第59期:策略回测效果如何评估?
第58期:ESG能够提高新兴市场投资的风险调整后收益
第56期:盈余公告收益及标准化预期外盈利
第54期:六因子模型与解决价值因子冗余
第53 期:Shiller P/E与宏观经济环境
第52 期:微观领先于宏观?非流动性对股票收益和经济活动的预测能力
第50期:因子如何复合——自上而下及自下而上的指数构建方法
第50期:分析报告的可读性与股票收益
第49期:风格在债券投资中的应用
第49期:盈利指标的紧缩指数
第48期:HML 因子中的细节
第46期:市值效应的事实与流言
第43期:机器学习与资产定价
第43期:价值投资的事实和流言
第40期:因子择时是与非
第39期:质优股与垃圾股
第38期:隔夜收益与特定企业股票的投资情绪
第37期:因子选择的新指标
第36期:一种新的公允周期调整市盈率(CAPE)预测方法
第35期:因子投资模型增强:基于深度学习来预测基本面数据
第34期:工匠阿尔法:风格投资的应用
第33期:风格投资与机构投资者
第31期:因子正交与系统性风险分解
第31期:情景基本面,模型与主动管理
第30期:消化异象:一种投资方法
第29期:风格投资、联动性与股票收益可预测性
第28期:期估值因子的风险来源于哪里?由PB 分解得来的证据
第28期:基于波动率管理的投资组合
第26期:收益的可预测性
第25期:价格影响还是交易量:为什么是Amihud(2002)度量
第25期:金融危机期间企业社会责任的价值
第24期:股票流动性和股价暴跌风险
第22期;估计Beta值
第22期:价值、规模、动量、股利回报以及波动率因子在中国A股市场的表现
第19期:恐慌指数v.s.规模因子

第18期:调整因子在对收益率解释中的表现
第15期:改进的动量模型
第15期:利润质量研究
第13期:股票市场波动性与投资学习
第13期:社会责任共同基金的分类及其绩效的衡量
第13期:因子择时风险导向模型
第10期:利用信息因子解释回报
第10期;异质现金流和系统性风险
第9期:“打赌没有β”投资策略研究
第9期:利用条件信息理解投资组合的有效性
第8期:因子择时模型
第8期:优化价值
第7期:动量崩溃
第7期:动量因子及价值因子在投资组合中的运用的实证研究
第7期:后悔的神经证据及其对投资者行为的影响
第6期:持续过度反应和股票回报的可预测性
第6期:五因子资产定价模型在国际市场上的检验
第5期:价值的另一面:毛盈利能力溢价
第5期:卖空比例与总股票收益
第4期:巨变的贝塔:连续型贝塔和非连续型贝塔
第4期:全球、本地和传染的投资者情绪
第4期:投资者更关注哪些因子?来自共同基金资金流的证据
第4期:总资产增长率与股票截面收益率的实证
第3期:Beta套利
第3期:前景理论与股票收益:一个实证研究
第3期:趋势因子:投资时限的信息能获得收益?
第3期:时变的流动性与动量收益
第2期:CAPM新视角:突尼斯和国际市场基于copula方法的验证
第2期:资本投资,创新能力和股票回报
第2期:风暴来临前的平静
第2期:资本投资,创新能力和股票回报
第1期:三因子与四因子模型对比与动量因子的有效性检验
第1期:五因子资产定价模型
第1期:多资产组合中的动量因子影响
第1期:期基于插值排序标准化变量法和复杂变量的平衡分离树的多因子选股模型








海外文献推荐:资产配置类

          向下滑动查看往期链接↓
第65期:通过VaR Black-Litterman模型构建FOF投资绝对收益组合
第56期:利用低风险现象增强Black-Litterman 模型:来自韩国市场的证据
第56期:波动率模型以及波动率的程式化特征实证
第54期:放大市场异象
第53期:风险平价组合与其他资产配置方法的比较探索
第51期:关于公式化价值投资方法的事实
第48期:对风险配置策略的再思考
第41期:投资组合再平衡管理的另一类方法-叠加期权卖出合约
第38期:Smart Beta 策略怎么会出错?
第27期:风险因子的风险平价
第27期:桥水基金对风险平价和全天候策略的一些思考
第26期:协方差矩阵的非线性压缩:当Markowitz遇见Goldilocks
第24期:考虑寿命风险的多变量战略资产配置模型
第19期:稳定性风险调整后的投资组合
第17期:推动多因子世界中的战略资产配置
第17期:用更高阶矩衡量组合分散性
第16期:将因子暴露映射到资产配置
第14期:风险平价股票组合的转售价值
第12期:构造有效收入组合
第12期:投资组合中股票数量是否会影响组合表现
第11期:对冲基金收益优化投资组合
第5期:集中投资与全球机构投资者业绩

第5期:价值投资vs 成长投资:为什么不同的投资者有不同的投资风格


海外文献推荐:事件研究类
          向下滑动查看往期链接↓


第96期:规模效应隐藏于日历效应之中
第47期:工业用电量与股票收益率
第45期:预测中国股票市场的股灾
第40期:IPO 批准对现有股票的影响:来自中国的证据
第21期:低频调仓、收益率自相关性和季节性
第8期:机构投资者和股票拆分的信息产生理论
第6期:季节性收益
第6期:可预测的行为、利润和关注
第6期:盈余公告与系统性风险










海外文献推荐:投资者行为类

         向下滑动查看往期链接↓

第85期:原油期货市场的知情交易
第78期:高频报价:买价和卖价的短期波动性
第57期:数据提供者的信息中介角色   
第55期:分析师的重新覆盖与市场反应不足
第42期:卖方研究在经济不景气时期更有价值吗?
第33期:公司债市场收益的共有因子
第23期:媒体关注与消费者投资行为之间的因果关系
第20期:高频交易之间的影响
第20期:是什么使得股价移动?基本面 vs. 投资者认知

第18期:短期机构交易的表现
第16期:坏习惯和好方法
第11期:状态变量、宏观经济活动与个股截面数据的关系
第10期:条件夏普比率
第9期:强制清算,减价出售与非流动性成本
第7期:买方与卖方谁发起交易
第7期:后悔的神经证据及其对投资者行为的影响
第7期:排名效应和交易行为:卖出最差的和最好的,忽略其余的
第6期:持续过度反应和股票回报的可预测性


















海外文献推荐:择时策略类
         向下滑动查看往期链接↓


第86期:哪种趋势指标是你的朋友
第76期:商品期货的特质动量
第32期:行业表现能预测股市走势吗
第14期:几类择时策略的比较






海外文献推荐:公司金融类
         向下滑动查看往期链接↓


第103期:全球化风险溢价[/url]

[url=http://mp.weixin.qq.com/s?__biz=MzIzMzU2MjEzNQ==&mid=2247492843&idx=2&sn=f29034f3b8b1d9d9957d44ff598eb095&chksm=e8816d93dff6e4852976aa1707825ad2de7aa0fdff887deba043e4459f84df248c60b8685ab9&scene=21#wechat_redirect]第72期:独立董事的价值


第23期:经济周期、投资者情绪和高成本的外源融资
第12期:世界各地的资本结构决策:哪些因素重要
第11期:财务风险有多重要?
第3期:机构投资者对公司透明度和信息披露的影响








海外文献推荐:基金研究类

         向下滑动查看往期链接↓


第100期:便宜不一定好:论高费率共同基金的优越表现

第94期:基金经理是否具有市场流动性择时能力
第92期:波动率与主动基金管理者能力
第85期:主动ETF或将何去何从
第83期:基金经理的运气与技能
第75期:ETF的战争从未停止
第74期:风格中性FOF:分散投资还是成本重负
第73期:基于APB指标的共同基金业绩评估
第68期:弱市赢家方能恒强:对冲基金再不同市场下的表现持续性
第67期:美国ESG基金发展概览
第64期:基金的alpha源自基金经理的管理能力吗?
第52期:美国目标日期基金市场的成败之争
第51期:买方分析师的能力与角色研究
第47期:下滑轨道内部应该如何配置
第46期:时变的基金经理管理能力
第44期:一个有效的下行风险衡量指标下的FOF 策略
第42期:趋势跟踪策略在目标日期基金中的应用
第41期:基金经理的个人特征与业绩     
第39期:风格中性的基金中基金:分散化还是锁定权重?
第37期:如何设计目标基金?
第34期:市场情绪与技术分析的有效性:来自对冲基金的证据
第32期:目标日期基金需要更好的分散化
第30期:一种新的衡量基金经理能力的方式
第29期:基金真的交易越多赚的越多么?







      海外文献推荐:其他
         向下滑动查看往期链接↓


第88期:如何更好地复制对冲基金业绩
第80期:回归模型中的过拟合问题
第66期:揭开中国期货的神秘面纱
第61期:应该卖出哪一种指数期权
第21期:实证金融的未来
   








风险提示:本报告内容基于相关文献,不构成投资建议。
注:文中报告节选自天风证券研究所已公开发布研究报告,具体报告内容及相关风险提示等详见完整版报告。
证券研究报告
《天风证券-金融工程:海外文献推荐 第104期》
对外发布时间
2019年9月18日(注:报告审核流程结束时间)
报告发布机构
天风证券股份有限公司
(已获中国证监会许可的证券投资咨询业务资格)
本报告分析师
吴先兴 SAC 执业证书编号:S1110516120001

分享到 :
0 人收藏
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

积分:85
帖子:19
精华:0
期权论坛 期权论坛
发布
内容

下载期权论坛手机APP