股市中百分比收益率和对数收益率有什么区别
中国股票市场的历史相似性研究
10.13999/ki.scyj.2017.07.013理论与方法MARKETING RESEARCH中国股票市场的历史相似性研究◊熊丁摘要:本文以2005年1月4曰至2016年4月1曰上证综 指作为研究对象,对上证综指进行描述性统计分析,并采用方差比检验对股票市场进行弱势有效分析,随后通过非参数检验中的双样本Kolmogorov-Smimov检验研究我国股市的历史相似性。
研究发现,2016年当期股市状况与2009年相似。
这 一结论,对股票市场运行规律的研究具有一定的现实意义。
关键词:历史相似性;方差比检验;双样本Kolmogorov- Smimov检验&"引言股票市场的历史走势出现惊人的相似,但是又不是简单 的重演。
2016年当期股市与2009年都出现快速上涨之后的调 整,估值处于历史中等偏低水平,同样处在以稳增长为主的政 策环境,经历了大宗商品价格较大幅度的下跌、投资者关于人 民币汇率贬值及经济前景偏于悲观的类似预期等现象。
对此,通过建模分析尝试解决股市有什么历史相似性。
二、问题分析选取上证综指2005年1月4曰至2016年4月1曰逐曰 数据(数据来源Wind资讯)。
通过绘制上证综指趋势图可知,2011~2016年趋势图与2009年出现惊人的相似:经过一段缓 慢的上升,然后急剧上升达到峰值,并在达到峰值后又急剧下 降,随后通过调整并下降到谷点;2005~2009年股市在降到极 小值点后又幵始升温,而2010~2013年上证综指变动较为平 缓。
因此,为了验证2016年当期股市与2009年的相似性,笔 者将总样本区间划分为三个子区间,即2005~2010年、2011~ 2013年、2014~2016年,分别用符号H S3表示,用!表示总 样本区间。
以上证综指八个常见指标及对数收益率为研究变量,通 过对各顶指标进行描述性统计分析发现:收盘价、幵盘价、最 高价及最低价变动类似,且各自不同的样本区间差异较大;成 交额及成交量变动类似,且各自不同的样本区间差异较大;1、!3上对数收益率、股市跌涨额、股市跌涨幅差异较小。
上证综指股票收益率波动特点分析
上证综指股票收益率波动特点分析以自回归条件异方差(ARCH)族模型为基础,结合上海证券市场的特点,试图拟合我国股票市场的波动特征,同时研究股票价格指数的波动规律和特点。
标签:上证综指;股票收益率波动;GARCH模型1 引言上世纪80年代,美国学者罗伯特·恩格尔和克莱夫·格兰杰提出了ARCH模型来描述证券市场波动性方差的时变性特征,此后不断发展深入,其相关拓展模型也相继推出,比如GARCH模型,TARCH模型等等。
这些模型在金融领域得到了广泛的应用。
中国股票市场仅仅20多年,从无到有,取得了巨大的成就。
特别是06年以来,股票市场规模不断扩大,上市公司质量也不断提高,沪深股市作为宏观经济晴雨表的作用越来越明显。
然而,我国证券市场毕竟处于发展初期,市场的波动性和风险要远远高于国外市场,特别是欧美等成熟市场。
因此,如何较为真实刻画和衡量股价波动成为广大学者研究的重点。
2 模型和数据2.1 模型介绍(1)ARCH模型。
美国学者罗伯特·恩格尔于1982年提出了ARCH模型,其具体形式如下yt=xtβ+ε(1)σ2t=α0+α1ε2t-1+α2ε2t-2+…+αqε2t-q(2)为保证条件方差σ2t>0,要求α0>0,αi>0(i=1,2…,q)式1称之为均值方程,式2称之为条件方差方程。
基本的ARCH模型又衍生出许多变形,下面具体介绍GARCH模型、TARCH模型和EGARCH模型。
(2)GARCH模型。
罗伯特·恩格尔提出ARCH模型来描述误差的条件方差中可能存在的某种关联。
通过该模型,可以预测经济时间序列中基于某种非线性依赖的大变化。
GARCH模型的一般表示如下:yt=xtβ+ε(1)εt=ht·vt(2)h1=α0+α1ε2t-1+…+αt-1ε2t-q+β1ht-1+…+βpht-p=α0+qi=1αiε2t-1+pj=1βjh t-j(3)其中,p是GARCH项的最大滞后阶数,q是ARCH项的最大滞后阶数。
中国股市收益率波动的统计检验与分析
中图分 类 号 :2 0 F 7 文 献 标 志码 : A
Sait e t n ay i n S o k Ma k tReu n l t i h n tt i T s a d An l sso tc r e t r sVoai t i C ia sc ly n
收 稿 日 期 :o 7 0 — 1 2 O — 8 3
作者简介 : 家树(9 5 )男, 刘 17 一 , 安徽六安人 , 讲师。
维普资讯
第2 期
刘家树 : 中国股市收益率波动的统计检验与分析
27 1
深证成指收益率 向右偏斜 的程度远小于上证指数收益率向右偏斜的程度 。恒生指数 和道琼斯指数的收益率
文章 编 号 :6 17 7 (0 80 - 2 6 0 17 — 82 2 0 )2 0 1— 5 -
中国股市收益率 波动 的统计检验与分析
刘 家 树
( 安徽 工业 大学 经济 学院 , 徽 马鞍 山 2 3 0 ) 安 4 0 2
摘要 : 描述股市收益率基本统计特征 , 对股市 收益率正态性和厚尾性进行检验 , 通过 A C R H效应分析 , 出了相关结论。 得
2收 益 率基 本 统 计 特 征描 述
从表 1 可知 , 四个股市指数 的收益率的极差 、 标准差指标值来看 , 上证指数的极差为 0 90 , . 2 3深证成指 8 的极差为 0 79 , . 66 分别是道琼斯指数收益率极差 的近 8 4 倍和 4 ; 倍 沪深指数 的收益率的标准差也远大于香 港和美国股市 , 因此 , 中国股市的收益率的波动要大于比较成熟的香港和美国股市 ; 同时 , 上证收益率的波动
3收益 率 分 布 的 统 计 检 验
股票的贝塔指标
股票的贝塔指标贝塔指标是股票投资中经常使用的一个指标,它可以帮助投资者分析个股的波动情况并评估市场风险。
贝塔指标又称为贝塔系数,是衡量股票相对于整个市场波动的度量。
这篇文章将详细介绍贝塔指标的概念、计算方法、应用场景等相关知识。
贝塔指标是股票的一个风险指标,它表示一只股票对整个市场波动的相对强度。
贝塔指标通常是一个介于-1和1之间的数字。
如果一个股票的贝塔大于1,那么它的波动比整个市场更为剧烈;如果贝塔小于1,则说明该股票的波动比市场更为平缓。
如果贝塔指标等于1,那么说明该股票与整个市场波动程度相同。
二、如何计算贝塔指标贝塔指标的计算需要以下的数据:1.个股每日收盘价数据;2.市场指数每日收盘价数据。
计算步骤如下:1.首先,需要将个股收盘价与市场指数收盘价取自然对数转化为对数收益率。
2.然后,计算个股对数收益率与市场对数收益率之间的协方差;4.最后,用协方差除以方差即可得到个股的贝塔系数。
贝塔系数的计算公式如下所示:Beta = Covariance(Ri, Rm) / Variance(Rm)其中,Beta为个股的贝塔系数;Covariance为协方差;Variance为方差;Ri为个股的对数收益率;Rm为市场指数的对数收益率。
三、贝塔指标的应用场景贝塔指标是股票投资中非常重要的一个风险指标,它可以帮助投资者评估个股的风险水平,找到符合自己风险偏好的投资品种。
以下是贝塔指标的几种应用场景:1.选择投资品种:以贝塔系数为基础,投资者可以选择符合自己风险偏好的个股。
如果投资者风险承受能力较强,可以选择贝塔系数大于1的高风险个股;如果投资者风险承受能力较弱,可以选择贝塔系数小于1的低风险个股。
2.评估市场风险:贝塔指标也可以评估市场风险。
通常来说,整个股市的贝塔系数为1。
如果股市中的某一个领域或板块的贝塔系数高于1,说明该领域或板块的风险比整个股市更高。
如果贝塔系数小于1,则说明该领域或板块的风险比股市整体更低。
【会计实操经验】论净资产收益率与总资产收益率
【会计实操经验】论净资产收益率与总资产收益率长期以来,我国上市公司对净资产收益率指标非常重视,因为它是决定企业配股资格的唯一硬指标,围绕净资产收益率的达标问题(以前是连续三年平均10%,现在是连续三年平均6%),衍生出不少问题。
有人曾作过研究,发现上市公司净资产收益率分布于10%——11%之间的企业比重明显偏大,将配股资格线降低为6%以后,这种局面同样存在。
当然,企业为了得到再融资资格,在合理的范围内进行资产重组或资金运筹,倒也无可非议,关键是指标本身应科学合理,能恰当地评价和反映企业资金使用效果。
近年来,上市公司配完股就“变脸”的情况越来越多,有的配完股当年就亏损,这种问题不能不引起我们的重视。
不少专业人士认为,以单项指标作为认定配股资格的依据并不合适,企业可通过“数字游戏”来达到资格线。
不难发现,配股后“变脸”的公司,大部分前几年净资产收益率平均处于10%——11%之间,现在则往往正好是在6%以上。
由此可以看出,对企业配股的考核依据需要完善。
是否需要建立指标体系来考核,本文暂不涉及。
笔者认为,仅从单项指标的考核来看,净资产收益率也不是最优的选择,因为净资产收益率作为一项财务指标,虽然有一定的考核作用,但也有着明显的缺陷。
第一,净资产收益率的计算,分子是净利润,分母是净资产,由于企业的净利润并非仅是净资产所产生的,因而分子分母的计算口径并不一致,从逻辑上是不合理的。
第二,净资产收益率可以反映企业净资产(股权资金)的收益水平,但并不能全面反映一个企业的资金运用能力。
道理十分明显,全面反映一个企业资金运作的整体效果的指标,应当是总资产收益率,而非净资产收益率,所谓总资产收益率,计算公式是:净利润÷资产总额(负债十所有者权益)×100%比较一下它与净资产收益率的差别,仅在于分母的计算范围上,净资产收益率的计算分母是净资产,总资产收益率的计算分母是全部资产,这样分子分母才具有可比性,在计算口径上才是一致的。
智慧树知到《金融风险管理》2019章节测试答案
鏅烘収鏍戠煡鍒般€婇噾铻嶉闄╃鐞嗐€?019绔犺妭娴嬭瘯绛旀绗竴绔?1銆併€愬崟閫夐銆? (2鍒?缇庡浗鈥?路11鈥濅簨浠跺彂鐢熷悗寮曡捣鐨勫叏鐞冭偂甯備笅璺岀殑椋庨櫓灞炰簬锛堢郴缁熸€ч闄╋級2銆併€愬崟閫夐銆? (2鍒?涓嬪垪璇存硶姝g‘鐨勬槸锛堝垎鏁e寲鎶曡祫浣块潪绯荤粺椋庨櫓鍑忓皯锛?3銆併€愬崟閫夐銆? (2鍒?鐜颁唬鎶曡祫缁勫悎鐞嗚鐨勫垱濮嬭€呮槸锛堝搱閲?椹濞佽尐锛?4銆併€愬崟閫夐銆? (2鍒?鍙嶆槧鎶曡祫鑰呮敹鐩婁笌椋庨櫓鍋忓ソ鏈夋洸绾挎槸锛堟棤宸紓鏇茬嚎锛?5銆併€愬崟閫夐銆? (2鍒?涓嶇煡瓒充笖鍘屾伓椋庨櫓鐨勬姇璧勮€呯殑鍋忓ソ鏃犲樊寮傛洸绾垮叿鏈夌殑鐗瑰緛鏄紙鏀剁泭澧炲姞鐨勯€熷害蹇簬椋庨櫓澧炲姞鐨勯€熷害锛?6銆併€愬崟閫夐銆? (2鍒?鍙嶆槧璇佸埜缁勫悎鏈熸湜鏀剁泭姘村钩鍜屽崟涓洜绱犻闄╂按骞充箣闂村潎琛″叧绯荤殑妯″瀷鏄紙鍗曞洜绱犳ā鍨嬶級7銆併€愬崟閫夐銆? (2鍒?鏍规嵁CAPM锛屼竴涓厖鍒嗗垎鏁e寲鐨勮祫浜х粍鍚堢殑鏀剁泭鐜囧拰鍝釜鍥犵礌鐩稿叧锛堝競鍦洪闄╋級8銆併€愬崟閫夐銆? (2鍒?鍦ㄨ祫鏈祫浜у畾浠锋ā鍨嬩腑锛岄闄╃殑娴嬪害鏄€氳繃锛堣礉濉旂郴鏁帮級杩涜鐨勩€?9銆併€愬崟閫夐銆? (2鍒?甯傚満缁勫悎鐨勮礉濉旂郴鏁颁负锛?锛夈€?10銆併€愬崟閫夐銆? (2鍒?鏃犻闄╂敹鐩婄巼鍜屽競鍦烘湡鏈涙敹鐩婄巼鍒嗗埆鏄?.06鍜?.12銆傛牴鎹瓹APM妯″瀷锛岃礉濉斿€间负1.2鐨勮瘉鍒竂鐨勬湡鏈涙敹鐩婄巼涓猴紙0.132锛夈€?11銆併€愬崟閫夐銆? (2鍒?瀵逛簬甯傚満鎶曡祫缁勫悎锛屼笅鍒楀摢绉嶈娉曚笉姝g‘锛?瀹冩槸璧勬湰甯傚満绾垮拰鏃犲樊寮傛洸绾跨殑鍒囩偣锛?12銆併€愬崟閫夐銆? (2鍒?鍏充簬璧勬湰甯傚満绾匡紝鍝璇存硶涓嶆纭紙璧勬湰甯傚満绾夸篃鍙瘉鍒稿競鍦虹嚎锛?13銆併€愬崟閫夐銆? (2鍒?璇佸埜甯傚満绾挎槸锛堟弿杩颁簡鍗曚釜璇佸埜锛堟垨浠绘剰缁勫悎锛夌殑鏈熸湜鏀剁泭涓庤礉濉斿叧绯荤殑绾匡級銆?14銆併€愬崟閫夐銆? (2鍒?鏍规嵁CAPM妯″瀷锛岃繘鍙栧瀷璇佸埜鐨勮礉濉旂郴鏁帮紙澶т簬1锛?绗簩绔?1銆併€愬崟閫夐銆? (2鍒?鎸夐噾铻嶉闄╃殑鎬ц川鍙皢椋庨櫓鍒掑垎涓猴紙绯荤粺鎬ч闄╁拰闈炵郴缁熸€ч闄╋級銆?2銆併€愬崟閫夐銆?(2鍒?锛? 淇$敤椋庨櫓锛夋槸鎸囪幏寰楅摱琛屼俊鐢ㄦ敮鎸佺殑鍊哄姟浜虹敱浜庣绉嶅師鍥犱笉鑳芥垨涓嶆効閬电収鍚堝悓瑙勫畾鎸夋椂鍋胯繕鍊哄姟鑰屼娇閾惰閬彈鎹熷け鐨勫彲鑳芥€с€?3銆併€愬崟閫夐銆? (2鍒?浠ヤ笅涓嶅睘浜庝唬鐞嗕笟鍔′腑鐨勬搷浣滈闄╃殑鏄紙浠e鐞嗚储浜у搧鐢变簬甯傚満鍒╃巼娉㈠姩鑰岄€犳垚鎹熷け锛?鎵€璋撶殑鈥滃瓨璐锋姣斾緥鈥濇槸锛堣捶娆?瀛樻锛?5銆併€愬崟閫夐銆?(2鍒?閲戣瀺鏈烘瀯鐨勬祦鍔ㄦ€ч渶姹傚叿鏈夛紙鍒氭€х壒寰侊級銆?6銆併€愬崟閫夐銆? (2鍒?閾惰瀵规妧鏈€ч闄╃殑鎺у埗鍜岀鐞嗚兘鍔涘湪寰堝ぇ绋嬪害涓婂彇鍐充簬锛堣绠楁満瀹夊叏鎶€鏈殑鍏堣繘绋嬪害浠ュ強鎵€閫夋嫨鐨勫紑鍙戝晢銆佷緵搴斿晢銆佸挩璇㈡垨璇勪及鍏徃鐨勬按骞筹級銆?7銆併€愬崟閫夐銆? (2鍒?閲戣瀺鏈烘瀯鐨勬祦鍔ㄦ€ц秺楂橈紝( 椋庨櫓鎬ц秺灏忥級銆?8銆併€愬崟閫夐銆? (2鍒?娴佸姩鎬х己鍙f槸鎸囬摱琛岋紙璧勪骇锛夊拰璐熷€轰箣闂寸殑宸銆?9銆併€愬崟閫夐銆? (2鍒?褰撻摱琛岀殑鍒╃巼鏁忔劅鍨嬭祫浜уぇ浜庡埄鐜囨晱鎰熷瀷璐熷€烘椂锛屽競鍦哄埄鐜囩殑锛堜笂鍗囷級浼氬鍔犻摱琛岀殑鍒╂鼎銆?10銆併€愬崟閫夐銆? (2鍒?涓轰簡瑙e喅涓€绗旇捶娆句粠璐峰墠璋冩煡鍒拌捶鍚庢鏌ュ畬鍏ㄧ敱涓€涓俊璐峰憳璐熻矗鑰屽鑷寸殑鍐崇瓥澶辫鎴栦互鏉冭皨绉侀棶棰橈紝鎴戝浗閾惰閮藉紑濮嬪疄琛屼簡锛? 瀹¤捶鍒嗙锛夊埗搴︼紝浠ラ檷浣庝俊璐烽闄┿€?11銆併€愬崟閫夐銆? (2鍒?娴佸姩鎬ч闄╂槸鎸囬摱琛岀敤浜庡嵆鏃舵敮浠樼殑娴佸姩璧勪骇涓嶈冻锛屼笉鑳芥弧瓒虫敮浠橀渶瑕侊紝浣块摱琛屼抚澶憋紙娓呭伩鑳藉姏锛夌殑椋庨櫓銆?绗笁绔?1銆併€愬崟閫夐銆? (2鍒?淇濋櫓鍏徃鐨勮储鍔¢闄╅泦涓綋鐜板湪锛堣祫浜у拰璐熷€虹殑涓嶅尮閰嶏級銆?涓嬪垪涓嶅睘浜庝繚闄╄祫閲戣繍鐢ㄩ闄╃鐞嗙殑鏄紙鍔犲ぇ瀵瑰紓甯镐俊鎭拰琛屼负鐨勭洃鎺у姏搴︼級3銆併€愬崟閫夐銆? (2鍒?锛堜繚闄╄浆绉伙級鏄寚閾惰璐拱淇濋櫓锛屼互缂寸撼淇濋櫓璐逛负浠d环锛屽皢椋庨櫓杞Щ缁欐壙淇濅汉銆?4銆併€愬崟閫夐銆? (2鍒?鏈夎鍒掕嚜鎴戜繚闄╀富瑕侀€氳繃寤虹珛椋庨櫓鍑嗗閲戠殑鏂瑰紡鏉ュ疄鐜般€傚叾搴斿鐨勬崯澶卞睘浜庯紙棰勬湡鎹熷け锛夈€?5銆併€愬崟閫夐銆? (2鍒?锛堟崯澶卞垎甯冩硶锛夋槸鍩轰簬淇濋櫓绮剧畻鎶€鏈彂灞曡€屾潵鐨勬柟娉曘€?6銆併€愬崟閫夐銆? (2鍒?浠ヤ笅涓嶅睘浜庡熀閲戞墭绠′汉淇℃伅鎶湶鑼冨洿鐨勬槸(鍩洪噾鍕熼泦淇℃伅鎶湶)銆?7銆併€愬崟閫夐銆? (2鍒?璐у竵甯傚満鍩洪噾閫傚悎浣曠绫诲瀷鐨勬姇璧勮€?鍘屾伓椋庨櫓銆佸璧勪骇娴佸姩鎬у拰瀹夊叏鎬ц灏辫緝楂樼殑鎶曡祫鑰?銆?8銆併€愬崟閫夐銆? (2鍒?涓嬪垪鏈夊叧鍩洪噾鎶曡祫杩愪綔鐨勮娉曪紝閿欒鐨勬槸锛堜氦鏄撻儴鏄熀閲戞姇璧勮繍浣滅殑鏀拺閮ㄩ棬锛岃礋璐g粍缁囥€佸埗瀹氬拰鎵ц浜ゆ槗璁″垝锛夈€?9銆併€愬崟閫夐銆? (2鍒?鍩洪噾甯傚満涓婂瓨鍦ㄧ潃鐨勪袱澶ч渶姹備富浣擄紝涓嬪垪璇存硶鍑嗙‘鐨勬槸锛堜釜浜烘姇璧勮€呭拰鏈烘瀯鎶曡祫鑰咃級銆?绗洓绔?1銆併€愬崟閫夐銆? (2鍒?鍋氬ソ鐜伴噾闇€姹傞娴嬫槸寮€鏀惧紡鍩洪噾绠$悊锛堣祹鍥炰笌娴佸姩鎬ч闄?锛夌殑鎵嬫銆?2銆併€愬崟閫夐銆?(2鍒?(鍏徃鍨? )鍩洪噾鍏锋湁娉曚汉璧勬牸銆?3銆併€愬崟閫夐銆?(2鍒?鍩洪噾绠$悊鍏徃杩涜椋庨櫓绠$悊涓庢帶鍒剁殑鍩虹鏄紙鑹ソ鐨勫唴閮ㄦ帶鍒跺埗搴? 锛夈€?4銆併€愬崟閫夐銆?(2鍒?璇佸埜鍏徃鐨勭粡绾笟鍔℃槸鍦紙浜岀骇甯傚満锛夊競鍦轰笂瀹屾垚鐨勩€?5銆併€愬崟閫夐銆? (2鍒?锛堟垚闀垮瀷鍩洪噾锛夋槸浠ヨ拷姹傞暱鏈熻祫鏈埄寰椾负涓昏鐩爣鐨勪簰鍔╁熀閲戯紝涓轰簡杈惧埌杩欎釜鐩殑锛屽畠涓昏鎶曡祫浜庢湭鏉ュ叿鏈夋綔鍦ㄩ珮閫熷闀垮墠鏅叕鍙哥殑鑲$エ銆?6銆併€愬崟閫夐銆? (2鍒?涓嬪垪鍝」褰掑睘浜庡熀閲戞姇璧勮繍浣滅幆鑺傜殑涓氬姟锛堝熀閲戠殑缁╂晥琛¢噺锛夈€?7銆併€愬崟閫夐銆? (2鍒?鍊哄埜鍨嬪熀閲戠殑涔呮湡瓒婇暱锛屽噣鍊煎浜庡埄鐜囧彉鍔ㄧ殑娉㈠姩骞呭害瓒婏紙澶э級锛屾墍鎵挎媴鐨勫埄鐜囬闄╄秺锛堥珮锛夈€?8銆併€愬崟閫夐銆? (2鍒?浠ヤ笅鍝鍩洪噾鏈€閫傚悎鍘屾伓椋庨櫓銆佸璧勪骇娴佸姩鎬у拰瀹夊叏鎬ц姹傝緝楂樼殑鎶曡祫鑰呰繘琛岀煭鏈熸姇璧勶紵锛堣揣甯佸競鍦哄熀閲戯級9銆併€愬崟閫夐銆? (2鍒?鍩洪噾鎷涘嫙璇存槑涔︽槸鐢憋紙鍩洪噾绠$悊浜猴級灏嗘墍鏈夊鎶曡祫鑰呬綔鍑烘姇璧勫垽鏂湁閲嶅ぇ褰卞搷鐨勪俊鎭簣浠ュ厖鍒嗘姭闇诧紝浠ヤ究鎶曡祫鑰呮洿濂藉湴鍋氬嚭鎶曡祫鍐崇瓥銆?10銆併€愬崟閫夐銆? (2鍒?涓嬪垪(璇佸埜甯傚満鐩稿叧椋庨櫓)涓嶅睘浜庤揣甯佸競鍦哄熀閲戞墍闈复鐨勯闄┿€?11銆併€愬崟閫夐銆? (2鍒?鐩墠锛屾垜鍥藉紑鏀惧紡鍩洪噾鐨勯攢鍞綋绯讳互鍟嗕笟閾惰銆佽瘉鍒稿叕鍙革紙浠i攢锛夊拰鍩洪噾鍏徃锛堢洿閿€锛変负涓汇€?12銆併€愬崟閫夐銆? (2鍒?鏍规嵁鎶曡祫鐩爣涓嶅悓锛屽彲浠ュ皢鍩洪噾鍒嗕负( 鎴愰暱鍨嬪熀閲戙€佹敹鍏ュ瀷鍩洪噾鍜屽钩琛″瀷鍩洪噾)銆?绗簲绔?1銆併€愬崟閫夐銆? (2鍒?锛堟湡璐у悎绾︼級鏄湪浜ゆ槗鎵€鍐呴泦涓氦鏄撶殑鏍囧噯鍖栫殑杩滄湡鍚堢害銆傜敱浜庡悎绾︾殑灞ヨ鐢变氦鏄撴墍淇濊瘉锛屾墍浠ヤ笉瀛樺湪杩濈害鐨勯棶棰樸€?2銆併€愬崟閫夐銆? (2鍒?锛堟湡鏉冿級璧嬩簣鍏舵寔鏈夎€呮嫢鏈夊湪灏嗘潵鏌愪釜鏃舵鍐呬互纭畾浠锋牸璐拱鎴栧嚭鍞爣鐨勮祫浜х殑鏉冨埄鑰岄潪涔夊姟锛屾槸涓€绉嶆洿涓哄鏉傜殑闈炵嚎鎬ц鐢熶骇鍝併€?3銆併€愬崟閫夐銆? (2鍒?锛堟湡鏉冨悎绾? 锛夋槸鎸囩敱浜ゆ槗鎵€缁熶竴鍒跺畾鐨勩€佽瀹氫拱鏂规湁鏉冨湪鍚堢害瑙勫畾鐨勬湁鏁堟湡闄愬唴浠ヤ簨鍏堣瀹氱殑浠锋牸涔拌繘鎴栧崠鍑虹浉鍏虫湡璐у悎绾︾殑鏍囧噯鍖栧悎绾︺€?4銆併€愬崟閫夐銆? (2鍒?锛堝埄鐜囦簰鎹級鏄寚浜掓崲鍙屾柟灏嗚嚜宸辨墍鎸佹湁鐨勩€侀噰鐢ㄤ竴绉嶈鎭柟寮忚鎭殑璧勪骇璐熷€猴紝璋冩崲鎴愪互鍚岀璐у竵琛ㄧず鐨勩€佷絾閲囩敤鍙︿竴绉嶈鎭柟寮忚鎭殑璧勪骇鎴栬礋鍊虹殑琛屼负銆?5銆併€愬崟閫夐銆? (2鍒?褰撴湡鏉冨崗璁环鏍间笌鏍囩殑璧勪骇鐨勫競鍦轰环鏍肩浉鍚屾椂锛屾湡鏉冪殑鐘舵€佷负锛堜袱骞?锛?6銆併€愬崟閫夐銆? (2鍒?鏈熸潈鏍囩殑璧勪骇鐨勪环鏍兼尝鍔ㄨ秺澶э紝鏈熸潈鐨勬椂闂翠环鍊硷紙瓒婂ぇ锛?7銆併€愬崟閫夐銆? (2鍒?閲戣瀺琛嶇敓宸ュ叿闈复鐨勫熀纭€鎬ч闄╂槸锛堝競鍦洪闄?锛?8銆併€愬崟閫夐銆?(2鍒?1973 骞达紝璐归洩路甯冭幈鍏嬶紙 Fisher Black锛夈€侀害闅喡疯垝灏旀柉锛?Myron Scholes锛夈€佺綏浼壒路榛橀】锛圧obert Merton锛夋彁鍑猴紙娆у紡鏈熸潈瀹氫环妯″瀷锛夛紝涓哄綋鏃剁殑閲戣瀺琛嶇敓浜у搧瀹氫环鍙婂箍娉涘簲鐢ㄩ摵骞充簡閬撹矾锛屽紑杈熶簡椋庨櫓绠$悊鐨勫叏鏂伴鍩熴€?9銆併€愬崟閫夐銆?(2鍒?锛? 鍗曚竴鍥犵礌鍒嗘瀽锛夋柟娉曠殑涓昏鎬濇兂鏄€氳繃鏀瑰彉妯″瀷涓殑鏌愪釜鎴栨煇缁勭壒瀹氱殑椋庨櫓鍥犲瓙鏉ヨ娴嬫ā鍨嬬粨鏋滈殢涔嬪彂鐢熺殑鍙樺寲锛屼粠鑰屽緱鐭ョ浉搴旂殑璧勪骇鍙樺寲銆?10銆併€愬崟閫夐銆? (2鍒?锛堝満澶栬鐢熷伐鍏蜂氦鏄擄級鎸囧啘鍚堟満鏋勪笌浜ゆ槗瀵规墜鍦ㄤ氦鏄撴墍浠ュ杩涜鐨勫悇绫昏鐢熷伐鍏蜂氦鏄擄紝濡傚姹囥€佸埄鐜囥€佽偂鏉冿紝浠ュ強鍟嗗搧鐨勮繙鏈熴€佷簰鎹€佹湡鏉冪瓑浜ゆ槗鍚堢害鍜屼俊璐疯鐢熷伐鍏风瓑浜ゆ槗鍚堢害銆?绗叚绔?1銆併€愬崟閫夐銆? (2鍒?鏍规嵁锛堥闄╀腑鎬у畾浠峰師鐞嗭級锛屾棤椋庨櫓璧勪骇鐨勯鏈熸敹鐩婁笌涓嶅悓绛夌骇椋庨櫓璧勪骇鐨勯鏈熸敹鐩婃槸鐩哥瓑鐨勩€?2銆併€愬崟閫夐銆? (2鍒?锛堟湡璐э級鏄湪鍦哄唴锛堜氦鏄撴墍锛夎繘琛屼氦鏄撶殑鏍囧噯鍖栬繙鏈熷悎绾︼紝鍖呮嫭閲戣瀺鏈熻揣鍜屽晢鍝佹湡璐х瓑浜ゆ槗鍝佺銆?3銆併€愬崟閫夐銆? (2鍒?锛?杩滄湡澶栨眹浜ゆ槗锛夋槸鏈€甯哥敤鐨勫鍐叉眹鐜囬闄┿€侀攣瀹氬姹囨垚鏈殑鏂规硶銆?褰撳競鍦哄埄鐜囧彂鐢熷彉鍖栨椂锛屽浐瀹氭敹鐩婁骇鍝佺殑浠锋牸灏嗗彂鐢熷弽姣斾緥鐨勫彉鍔紝鍏跺彉鍔ㄧ▼搴﹀彇鍐充簬锛堜箙鏈? 锛夌殑闀跨煭锛屽叾瓒婇暱鐨勮瘽锛屽叾鍙樺姩骞呭害涔熷氨瓒婂ぇ銆?5銆併€愬崟閫夐銆? (2鍒?杩滄湡姹囩巼鍙互鏍规嵁浼犵粺鐨勶紙鍒╃巼骞充环鐞嗚锛夋帹瀵煎嚭鏉ワ紝骞剁粨鍚堝疄闄呯殑閲戣瀺甯傚満鐘跺喌杩涜璋冩暣銆?6銆併€愬崟閫夐銆? (2鍒?锛圞MV 鐨凜redit Monitor 妯″瀷锛夋槸涓€绉嶉€傜敤浜庝笂甯傚叕鍙哥殑杩濈害姒傜巼妯″瀷锛屽叾鏍稿績鍦ㄤ簬鎶婁紒涓氫笌閾惰鐨勫€熻捶鍏崇郴瑙嗕负鏈熸潈涔板崠鍏崇郴锛屽€熻捶鍏崇郴涓殑淇$敤椋庨櫓淇℃伅鍥犳闅愬惈鍦ㄨ繖绉嶆湡鏉冧氦鏄撲箣涓紝浠庤€岄€氳繃搴旂敤鏈熸潈瀹氫环鐞嗚姹傝В鍑轰俊鐢ㄩ闄╂孩浠峰拰鐩稿簲鐨勮繚绾︾巼銆?7銆併€愬崟閫夐銆? (2鍒?鏈熸潈椋庨櫓璧勬湰璁℃彁鏈変袱绉嶆柟娉曪紝鍏朵腑锛堝緱灏斿+娉曪級閫傚悎鍚屾椂瀛樺湪鏈熸潈绌哄ご鐨勯噾铻嶆満鏋勩€?8銆併€愬崟閫夐銆? (2鍒?鍒╃巼椋庨櫓鎸夌収鏉ユ簮涓嶅悓锛屽垎涓洪噸鏂板畾浠烽闄┿€佹敹鐩婄巼鏇茬嚎椋庨櫓銆佸熀鍑嗛闄╁拰鏈熸潈鎬ч闄┿€傚叾涓噸鏂板畾浠烽闄╋紙鏄渶涓昏鍜屾渶甯歌鐨勫埄鐜囬闄╁舰寮忥紝婧愪簬閾惰璧勪骇銆佽礋鍊哄拰琛ㄥ涓氬姟鍒版湡鏈熼檺锛堝氨鍥哄畾鍒╃巼鑰岃█锛夋垨閲嶆柊瀹氫环鏈熼檺锛堝氨娴姩鍒╃巼鑰岃█锛変箣闂存墍瀛樺湪鐨勫樊寮傦級銆?9銆併€愬崟閫夐銆? (2鍒?鏈熸潈鎬у伐鍏峰洜鍏锋湁锛堜笉瀵圭О锛夌殑鏀粯鐗瑰緛鑰岀粰鏈熸潈鍑哄敭鏂瑰甫鏉ョ殑椋庨櫓锛岃绉颁负鏈熸潈鎬ч闄┿€?绗竷绔?1銆併€愬崟閫夐銆? (2鍒?鐩稿娴嬪害鎸囨爣涓昏鏄祴閲忓競鍦哄洜绱犵殑鍙樺寲涓庨噾铻嶈祫浜ф敹鐩婂彉鍖栦箣闂寸殑鍏崇郴锛岄拡瀵硅偂绁ㄧ殑鎸囨爣鏄紙beta 鍊?锛夈€?鍚屾椂鍗栧嚭鏈熸潈鐨勯噾铻嶆満鏋勫簲浣跨敤鐨勬柟娉曟槸锛堝緱灏斿+锛圖elta鈥昉lus 锛夋柟娉?锛夈€?3銆併€愬崟閫夐銆? (2鍒?锛堝競鍦洪闄╄祫鏈姹傦級=鍒╃巼椋庨櫓鐗瑰畾椋庨櫓+鍒╃巼椋庨櫓涓€鑸闄?鑲$エ椋庨櫓鐗瑰畾椋庨櫓+鑲$エ椋庨櫓涓€鑸闄?姹囩巼椋庨櫓+鍟嗗搧椋庨櫓+鏈熸潈椋庨櫓锛圙amma 鍜孷ega锛夎祫鏈姹傜畝鍗曞姞鎬汇€?4銆併€愬崟閫夐銆? (2鍒?涓嬪垪鍝竴椤瑰叧浜庢湡鏉冨笇鑵婂€肩殑璇存硶鏄纭殑锛燂紙鏈熼檺杈冮暱鐨勫钩鍊兼湡鏉冪殑vega鍊艰緝澶э級5銆併€愬崟閫夐銆? (2鍒?涓嬪垪鍝竴椤规槸涓嶆纭殑锛燂紙鍜屽钩鍊兼寮忕湅娑ㄦ湡鏉冪浉姣旓紝鍏锋湁鐩稿悓鎵ц浠锋牸鍜屽墿浣欐湡闄愮殑铏氬€兼寮忔湡鏉冨叿鏈変竴涓礋鐨勮緝澶х殑theta鍊硷級6銆併€愬崟閫夐銆? (2鍒?涓€涓湡闄愪负90澶╃殑寰蒋鑲$エ鐨勭湅璺屾湡鏉冪殑鎵ц浠锋牸涓?0缇庡厓銆傚井杞偂绁ㄧ殑褰撳墠甯傚満浠锋牸涓?0缇庡厓銆傝鏈熸潈鐨刣elta鍊兼渶鎺ヨ繎浜庯紙 -0.5锛夛紙涓€涓钩鍊肩湅璺屾湡鏉冪殑delta鍊兼帴杩?0.5锛夈€?7銆併€愬崟閫夐銆? (2鍒?涓嬪垪琛嶇敓鍝佷笉灞炰簬绾挎€т骇鍝佺殑鏄紵锛堣偂绁ㄦ湡鏉冿級8銆併€愬崟閫夐銆? (2鍒?浜ゆ槗鍛樺浣曟瀯閫犱竴涓獀ega鍊间负璐熴€乬amma鍊间负姝g殑澶村锛燂紙涔板叆鐭湡鏈熸潈锛屽崠鍑洪暱鏈熸湡鏉冿級9銆併€愬崟閫夐銆? (2鍒?涓€涓猟elta涓€х殑浜ゆ槗鐨勭粍鍚坓amma涓?0锛屽綋鏍囩殑璧勪骇鐨勪环鏍肩獊鐒朵笂娑?缇庡厓鏃讹紝浜ゆ槗缁勫悎鐨勪环鍊兼€庝箞鍙樺寲锛堝鍔?0缇庡厓锛夛紙鍋囪螖t=0锛?10銆併€愬崟閫夐銆? (2鍒?锛? 椋庨櫓瀵瑰啿锛夋槸鎸囬€氳繃鎶曡祫鎴栬喘涔颁笌鏍囩殑璧勪骇鏀剁泭娉㈠姩璐熺浉鍏崇殑鏌愮璧勪骇鎴栬鐢熶骇鍝侊紝鏉ュ啿閿€鏍囩殑璧勪骇娼滃湪鎹熷け鐨勪竴绉嶇瓥鐣ユ€ч€夋嫨銆?绗叓绔?1銆併€愬崟閫夐銆? (2鍒?涓€涓エ闈㈠埄鐜囦负10锛咃紝绁ㄩ潰浠峰€间负100鍏冿紝杩樻湁涓ゅ勾鍒版湡鐨勫€哄埜鍏剁幇鍦ㄧ殑甯傚満浠锋牸涓哄灏戯紵(鍋囪鐜板湪鐨勫競鍦哄埄鐜囦负10锛咃級锛?00鍏冿級2銆併€愬崟閫夐銆? (2鍒?鍋囪鏌愰噾铻嶆満鏋勭敱浜庡競鍦哄埄鐜囩殑鍙樺寲锛屽叾璧勪骇鐨勫競鍦轰环鍊? 澧炲姞浜?锛?5涓囧厓锛岃礋鍊虹殑甯傚満浠峰€煎鍔犱簡5锛?5涓囧厓锛屽垯璇ラ噾铻嶆満鏋勭殑鑲′笢鏉冪泭鍙樺寲涓?鍑忓皯浜?涓囧厓)銆?3銆併€愬崟閫夐銆? (2鍒?鏈熼檺涓轰竴骞达紝闈㈠€间负1000鍏冿紝鍒╃巼涓?2锛咃紝姣忓崐骞翠粯鎭殑鍊哄埜鐨勬湁鏁堟湡涓?0.971骞?銆?4銆併€愬崟閫夐銆? (2鍒?鏈熼檺涓?骞达紝闈㈠€间负1 000鍏冪殑闆舵伅鍊哄埜鐨勬湁鏁堟湡涓?2骞?銆?5銆併€愬崟閫夐銆? (2鍒?鍊哄埜鐨勭エ闈㈠埄鐜囪秺澶э紝鏈夋晥鏈?瓒婂皬 )銆?6銆併€愬崟閫夐銆? (2鍒?褰撳€哄埜鐨勫埌鏈熸棩涓嶆柇澧炲姞鏃讹紝鏈夋晥鏈熶篃澧炲姞锛屼絾浠ヤ竴涓?閫掑噺)閫熺巼鍦ㄥ鍔犮€?7銆併€愬崟閫夐銆? (2鍒?锛堣揣甯佷簰鎹級鏄寚浜ゆ槗鍙屾柟鍩轰簬涓嶅悓璐у竵杩涜鐨勭幇閲戞祦浜ゆ崲銆?8銆併€愬崟閫夐銆? (2鍒?锛堝埄鐜囦簰鎹級鏄袱涓氦鏄撳鎵嬩粎灏卞埄鎭敮浠樿繘琛岀浉浜掍氦鎹紝骞朵笉娑夊強鏈噾鐨勪氦鎹€?9銆併€愬崟閫夐銆? (2鍒?涔呮湡鍙互鐢ㄦ潵瀵归摱琛岃祫浜ц礋鍊虹殑鍒╃巼鏁忔劅搴﹁繘琛屽垎鏋愶紝璧勪骇璐熷€轰箙鏈熺己鍙g殑缁濆鍊艰秺澶э紝鍒欙紙閾惰鏁翠綋甯傚満浠峰€煎鍒╃巼鐨勬晱鎰熷害灏辫秺楂橈紝鍥犺€屾暣浣撶殑鍒╃巼椋庨櫓鏁炲彛涔熻秺澶э級10銆併€愬崟閫夐銆? (2鍒?甯傚満椋庨櫓绠$悊涓殑涔呮湡缂哄彛鍚屾牱鍙互鐢ㄦ潵璇勪及鍒╃巼鍙樺寲瀵归摱琛屾煇涓椂鏈熺殑娴佸姩鎬х姸鍐电殑褰卞搷锛氬綋涔呮湡缂哄彛涓猴紙璐熷€硷級鏃讹紝濡傛灉甯傚満鍒╃巼涓嬮檷锛屾祦鍔ㄦ€т篃闅忎箣鍑忓急锛涘鏋滃競鍦哄埄鐜囦笂鍗囷紝娴佸姩鎬т篃闅忎箣澧炲己銆?11銆併€愬崟閫夐銆? (2鍒?鍋囪鏌愰噾铻嶆満鏋勭殑1骞存湡鍒╃巼鏁忔劅鎬ц祫浜т负20涓囧厓锛屽埄鐜囨晱鎰熸€ц礋鍊轰负15涓囧厓锛屽垯鍒╃敤閲嶅畾浠锋ā鍨嬶紝璇ラ噾铻嶆満鏋勫湪鍒╃巼涓婂崌1涓櫨鍒嗙偣鍚?鍋囪璧勪骇涓庤礋鍊哄埄鐜囧彉鍖栫浉鍚?锛屽叾鍑€鍒╂伅鏀跺叆鐨勫彉鍖栦负(鍑€鍒╂伅鏀跺叆鍑忓皯0锛?5涓囧厓 )銆?绗節绔?1銆併€愬崟閫夐銆? (2鍒?锛堟按骞虫敹鐩婄巼鏇茬嚎锛夎〃鏄庢敹鐩婄巼鐨勯珮浣庝笌鎶曡祫鏈熼檺鐨勯暱鐭棤鍏炽€?2銆併€愬崟閫夐銆? (2鍒?鍦ㄩ闄╃鐞嗗疄璺典腑锛岄€氬父灏嗭紙鏍囧噯宸級浣滀负鍒荤敾椋庨櫓鐨勯噸瑕佹寚鏍囥€?3銆併€愬崟閫夐銆? (2鍒?鎸夌収锛堟姇璧勭粍鍚堬級鐞嗚锛屽競鍦轰笂鐨勬姇璧勮€呴兘鏄悊鎬х殑锛屽嵆鍋忓ソ鏀剁泭銆佸帉鎭堕闄╋紝骞跺瓨鍦ㄤ竴涓彲浠ョ敤鍧囧€煎拰鏂瑰樊琛ㄧず鑷繁鎶曡祫鏁堢敤鐨勫潎鏂规晥鐢ㄥ嚱鏁般€?4銆併€愬崟閫夐銆? (2鍒?娴嬮噺娼滃湪鎹熷け鍗抽闄╂祴搴︼紝鍏剁悊璁哄彂灞曞ぇ鑷寸粡鍘嗕簡涓変釜闃舵锛岄鍏堟槸浠ワ紙鏂瑰樊鍜岄闄╁洜瀛愶級绛変负涓昏搴﹂噺鎸囨爣鐨勪紶缁熼闄╂祴搴﹂樁娈点€?5銆併€愬崟閫夐銆? (2鍒?鏌愯祫浜х殑娉㈠姩鐜囦负姣忓勾25%锛屽搴斾竴澶╃殑璧勪骇浠锋牸鐧惧垎姣斿彉鍖栫殑鏍囧噯宸槸澶氬皯锛燂紙 1.57%锛?6銆併€愬崟閫夐銆? (2鍒?浣跨敤位=0.95鐨凟WMA妯″瀷鏉ラ娴嬫柟宸紝璧嬩簣鍓嶇4澶╂敹鐩婄巼鐨勬潈閲嶆槸澶氬皯锛燂紙0.043锛?7銆併€愬崟閫夐銆? (2鍒?缃戠珯鐨勮闂鏁版湇浠庡箓寰嬪垎甯冿紝鍏朵腑伪=2銆傚亣瀹氭湁1%鐨勭綉绔欐瘡澶╀細鍙楀埌500鎴栨洿澶氭鐨勭偣鍑伙紝鍒欏湪鎵€鏈夌殑缃戠珯涓紝鏃ョ偣鍑绘鏁颁负1000鐨勭綉绔欐墍鍗犵殑姣斾緥鏄灏戯紵锛?.25%锛?8銆併€愬崟閫夐銆? (2鍒?鏌愪竴璧勪骇鐨勬尝鍔ㄧ巼鐨勬渶鏂颁及璁″€间负 1.5%锛岃祫浜у湪鏄ㄥぉ浜ゆ槗缁撴潫鏃剁殑浠锋牸涓?0缇庡厓銆侲WMA妯″瀷涓殑位涓?.94锛屽亣瀹氬湪浠婂ぉ浜ゆ槗缁撴潫鏃惰祫浜т环鏍间负30.50缇庡厓锛屾牴鎹瓻WMA妯″瀷璁$畻鐨勬尝鍔ㄧ巼涓猴紵锛?.51%锛?9銆併€愬崟閫夐銆? (2鍒?瀵逛簬涓€涓鏁版鎬佸彉閲廥锛屾垜浠凡鐭n(X)鏈嶄粠鍧囧€间负0锛屾爣鍑嗗樊涓?.5鐨勬鎬佸垎甯冦€傞偅涔圶鐨勬湡鏈涘拰鏂瑰樊鏄灏戯紵锛?.133鍜?.365锛?10銆併€愬崟閫夐銆? (2鍒?鍋囪鏀剁泭搴忓垪涓嶇浉鍏筹紝濡傛灉2澶╃殑娉㈠姩鐜囦负1.2%锛岄偅涔?0澶╃殑娉㈠姩鐜囨槸澶氬皯锛燂紙3.79%锛?绗崄绔?1銆併€愬崟閫夐銆? (2鍒?2008 骞寸殑鍏ㄧ悆閲戣瀺鍗辨満琛ㄦ槑锛屽嵄鏈烘椂鏈熶笉鍚屾満鏋勩€佷笉鍚岄闄╀箣闂寸殑鐩稿叧鎬т細锛堣繀閫熶笂鍗囷級銆?2銆併€愬崟閫夐銆? (2鍒?锛? 鍥犲瓙鍒嗘瀽娉曪級鐨勫熀鏈€濇兂鏄皢瑙傛祴鍙橀噺杩涜鍒嗙被锛屽皢鐩稿叧鎬ц緝楂橈紝鍗宠仈绯绘瘮杈冪揣瀵嗙殑鍒嗗湪鍚屼竴绫讳腑锛岃€屼笉鍚岀被鍙橀噺涔嬮棿鐨勭浉鍏虫€у垯杈冧綆锛屾瘡涓€绫诲彉閲忓疄闄呬笂灏变唬琛ㄤ簡涓€涓熀鏈粨鏋勶紝鍗冲叕鍏卞洜瀛愩€?3銆併€愬崟閫夐銆? (2鍒?濡傛灉涓や釜璧勪骇鐨勬棩鏀剁泭鐜囦负姝g浉鍏筹紝閭d箞锛堟棩鏀剁泭鐜囩殑鍗忔柟宸负姝o級4銆併€愬崟閫夐銆? (2鍒?浠ヤ笅鍏充簬鐩稿叧绯绘暟鐨勮娉曪紝鍝釜鏄敊璇殑?锛?鐩稿叧绯绘暟绛変簬闆惰鏄庝袱涓殢鏈哄彉閲忔槸鐙珛鐨勶級5銆併€愬崟閫夐銆? (2鍒?濡傛灉璇佸埜A 鍜孊姝g浉鍏筹紝閭d箞褰撹瘉鍒窤浠锋牸涓婃定鏃讹紝璇佸埜B鐨勪环鏍硷紙涓婃定锛?6銆併€愬崟閫夐銆? (2鍒?涓€涓闄╁笀甯屾湜浣跨敤copula瀵硅祫浜ф敹鐩婄巼涔嬮棿鐨勭浉鍏虫€ц繘琛屽缓妯★紝浠栧繀椤讳娇浠栫殑缁忕悊鐩镐俊杩欐槸鏈€濂界殑鏂规硶銆備笅鍒楀摢椤硅娉曟槸閿欒鐨勶紵锛堝湪浣庡競鍦烘尝鍔ㄧ巼鏃舵湡浼拌鍑虹殑鐩稿叧绯绘暟閫氬父琛ㄧ幇绋冲畾锛屽湪甯傚満鍘嬪姏鎯呭喌涓嬪彉寰楁尝鍔ㄣ€備娇鐢ㄨ緝闀挎椂闂磋寖鍥翠及璁″嚭鐨勭浉鍏崇郴鏁拌绠楀緱鍒扮殑椋庨櫓搴﹂噺灏嗗湪甯傚満鍘嬪姏鏃舵湡浣庝及椋庨櫓锛?7銆併€愬閫夐銆? (2鍒?浠ヤ笅鍏充簬鐩稿叧绯绘暟鐨勮杩帮紝姝g‘鐨勬槸锛堝叏閫夛級9銆併€愬崟閫夐銆? (2鍒?鍋囧涓€瀹堕摱琛屽澶ч噺闆跺敭瀹㈡埛鍙戞斁浜嗗ぇ閲忚捶娆撅紝姣忕瑪璐锋鐨勫勾杩濈害姒傜巼涓?.5%锛屾牴鎹甐asicek妯″瀷鎴戜滑鏈?9.5%鐨勬妸鎻¤偗瀹?骞村唴杩濈害姒傜巼涓嶄細澶т簬锛燂紙鍋囪Copula鐩稿叧绯绘暟蟻鐨勪及娴嬪€间负0.2锛夛紙13%锛?10銆併€愬崟閫夐銆? (2鍒?鍋囧畾璧勪骇A鍜孊鐨勬棩娉㈠姩鐜囧垎鍒负1.6%鍜?.5%,璧勪骇A鍜孊鍦ㄤ笂涓氦鏄撴棩鏈殑浠锋牸涓?0缇庡厓浠ュ強40缇庡厓锛岃鏃ヨ祫浜у洖鎶ョ浉鍏崇郴鏁扮殑浼拌鍊间负0.25锛孍WMA妯″瀷涓殑位鍙傛暟涓?.95锛岄偅涔堟柊鐨勭浉鍏崇郴鏁颁及璁′负锛燂紙0.3锛?绗崄涓€绔?1銆併€愬崟閫夐銆? (2鍒?涓嬪垪璧勪骇闂存敹鐩婄殑鐩稿叧鎬т笌璧勪骇缁勫悎鐨勬€婚闄╅棿鐨勫叧绯绘纭殑鏄?璧勪骇闂存敹鐩婅嫢涓哄畬鍏ㄦ鐩稿叧鍒欒祫浜х粍鍚堢殑鎬婚闄╄秺澶?銆?2銆併€愬崟閫夐銆? (2鍒?鍋囪涓€涓姇璧勭殑骞冲潎鏃ユ敹鐩婄巼-0.03锛咃紝鏍囧噯宸负1锛咃紝鐩墠鐨勪环鍊间负100涓囧厓锛岀疆淇″害姘村钩涓?9锛咃紝鍒橵aR涓?23 000鍏? )銆?3銆併€愬崟閫夐銆? (2鍒?娴嬮噺鏃ラ闄╀环鍊肩殑鍏紡涓猴細(鏃ラ闄╀环鍊?DEAR)=澶村鐨勬湰甯佸競鍦轰环鍊济楀ご瀵哥殑浠锋牸鏁忔劅搴γ楁敹鐩婄殑娼滃湪涓嶅埄鍙樺寲 )銆?4銆併€愬崟閫夐銆?(2鍒?鍦ㄥぇ鍨嬮摱琛屾墍浣跨敤鐨勫唴閮ㄦā鍨嬩腑锛屽浗闄呮竻绠楅摱琛屾墍瀹氫箟鐨勫競鍦轰笉鍒╁彉鍖栫殑缃俊搴︽按骞充负锛? 99%锛夈€?5銆併€愬崟閫夐銆? (2鍒?锛圗S锛夊氨鏄姇璧勭粍鍚堝湪缁欏畾缃俊姘村钩鍐冲畾鐨勫乏灏炬鐜囧尯闂村唴鍙兘鍙戠敓鐨勫钩鍧囨崯澶便€?6銆併€愬崟閫夐銆? (2鍒?褰撶敤VaR 搴﹂噺椋庨櫓鏃讹紝鏌愮鎶曡祫缁勫悎鐨勯闄╁彲鑳戒細姣旇缁勫悎涓墍鏈夎瘉鍒搁闄╀箣鍜岋紙澶э級銆?7銆併€愬崟閫夐銆? (2鍒?杩戝勾鏉ラ闄╃鐞嗚€呬滑寮€濮嬬敤鎵€鏈夐闄╃被鍒墍闇€鐨勭粡娴庤祫鏈潵璇勪及鎬讳綋椋庨櫓锛岃繖涓€璧勬湰涔熻绉颁綔锛? 椋庨櫓璧勬湰锛夛紝鍏惰閲忓熀纭€灏辨槸楂樼疆淇℃按骞充笅鐨勯闄╀环鍊糣aR銆?8銆併€愬崟閫夐銆? (2鍒?。
capm模型、FF模型在我国的应用(题目)
资产定价理论一直以来都是证券市场研究的热点问题。
其最经典的模型是Sharp 提出的资本资产定价模型(CAPM),但是由于严苛的条件假设和有限的解释效果,后来又被逐渐完善,其中尤为著名的是Fama and French 建立的包括市场因素、规模因素、和价值因素在内的三因素模型。
随着中国股市近年来不断发展成熟,国内学界对于CAPM和FF模型及其在中国股票市场的适用性,试图将其应用到中国股票市场的研究越来越多。
本文通过详细介绍CAPM、FF三因素模型的假设,模型方程、解释能力,以及在中国股票市场的适用性分析,得出以下结论:中国股市发展较慢,不够发达,信息披露等方面存在一定问题,属于弱势市场,FF模型比CAPM模型有着更强的解释力,和适应性。
Capm模型、FF模型在我国的适应性分析一、CAPM模型资本资产定价模型(CAPM)是现代金融学的奠基石,由威廉•夏普、约翰•林特纳、简莫辛分别建立了经典资本资产定价模型CAPM。
1. CAPM模型的基本假设是:(1)市场是均衡的,信息完全。
(2)投资者是风险厌恶的,并且追求效用最大化。
(3)投资者仅依据来自资产组合的期望收益和标准中差做决策。
换言之,假定资产收益服从正态分布或投资者具有二次效用函数。
(4)资产无限可分,即投资者可以任意金额投资于各种资产。
也就是说不仅机构投资者,而且资金相对不足的个人投资者都可持有任意的资产组合。
(5)无交易费用,即忽略买卖任一资产的交易成本。
因为如果假定存在交易费用,在买卖资产的收益是交易费用的一个函数,大大增加了模型的复杂性。
(6)无个人收入税或假定对投资者所得的股利收入和资本利得按同一税率征税。
(7)单个投资者都是价格接受者,不能通过其买卖行为影响资产的价格,即没有价格操纵,这条类似于微观经济学中的完全竞争。
(8)允许无限制地卖空,无制度限制。
即单个投资者可卖空任意数量的任意资产。
(9)投资者对资产组合的投入、期望收益和方差及协方差有相同的预期。
沪深300指数的分形特征及长记忆性研究-2002-2011
沪深300指数的分形特征及长记忆性研究:2002-2011内容摘要:沪深300指数作为反映我国A股市场整体走势的指数,它的推出具有重大的现实意义。
它不仅能反映我国证券市场股票价格变动的概貌和运行状况,更是能够作为投资业绩的评价标准,为指数化投资和指数衍生产品的创新提供基础条件。
因此,对沪深300指数的相关特征的研究就显得尤为必要与紧迫。
本文即是在对沪深300指数的分形特征展开研究的基础上对该指数的长记忆性及其周期进行了初试的探索,得出沪深300指数的对数收益率序列具有约101天的系统对初始条件的平均记忆长度。
关键词:沪深300指数有效市场正态分布分形长记忆引言近年来,随着人们对金融市场的深入研究及计算技术的飞速发展,原有的以有效市场假说(EMH)为基石的线性的范式已不能准确地揭示金融市场的复杂性,而以分形和混沌为代表的非线性系统的分析方法则逐渐深入金融市场,成为分析其特性的有力工具。
非线性系统,特别是分形这种新范式理论描述了一种更接近于市场真实特性的市场结构,即收益序列具有自相似性、长期记忆性、非线性、方差无限或不存在等特性。
对金融市场的分形特征研究虽然已有许多,但研究对象几乎都是分别的沪、深两股市数据,还没有就反映沪深两个市场整体走势的沪深300指数进行过系统的分形特征的研究。
沪深300指数样本选自沪深两个证券市场,覆盖了大部分流通市值。
其中的成份股为市场中市场代表性好、流动性高、交易活跃的主流投资股票,能够反映市场主流投资的收益情况。
所以,通过对该指数的分形研究,能够更加准确地揭示沪深300指数的非线性特征,从而为指数化投资和指数衍生产品的创新提供参考和依据。
本文采用R/S分析法对2002-2011年沪深300指数的分形特征进行了实证检验,通过Hurst指数更好地揭示了我国股票市场的非线性本质。
理论与方法分形R/S分析即所谓的重标极差分析(Rescaled Range Analysis),首先由H.E.Hurst(1951)提出。
MBA财务管理讲稿4.5.6章
5
经计算,赎回收益率为13.82% 经计算,赎回收益率为13.82%。
表面上看投资者似乎从债券赎回中获得了好处,其实不然。 每年从 债券收到120元利息的投资者,现在将收到一笔1 120元的新款项, 债券收到120元利息的投资者,现在将收到一笔1 120元的新款项, 假设将这笔款项按现在的市场利率8%进行剩余年份的投资,每年 假设将这笔款项按现在的市场利率8%进行剩余年份的投资,每年 的现金流量就会从120元降到89.6元(1120×8%),每年将减少 的现金流量就会从120元降到89.6元(1120×8%),每年将减少 收入30.4元(120-89.6)。虽然投资者可以在赎回日收到1 收入30.4元(120-89.6)。虽然投资者可以在赎回日收到1 120 元,但投资者减少的收入现值约为260元(30.4×(P/A,8%,15)), 元,但投资者减少的收入现值约为260元(30.4×(P/A,8%,15)), 超出了赎回溢价120元(1 120- 000)的现值81.67元 超出了赎回溢价120元(1 120-1 000)的现值81.67元 (120×(P/F,8%, 5)),因此债券赎回会使投资者蒙受损失。 120× 5)),因此债券赎回会使投资者蒙受损失。
(2)乘数估价法 又称相对估价法。主要是通过拟估价公司的某一变量乘以价格 又称相对估价法。主要是通过拟估价公司的某一变量乘以价格 乘数来进行估价。确定适当的变量和乘数是其应用的关键。实务中, 乘数是指股价与财务报表上某一指标的比值,常用的报表指标有每 股收益、息税折旧摊销前收益、销售收入、账面价值和现金流量等, 利用它们可分别得到价格收益乘数、销售收入乘数等。
我国股市收益率波动偏度和峰度的实证分析
我国股市收益率波动偏度和峰度的实证分析本文通过以我国股票市场的代表性指数—上证综指和深证成指长达20年的历史数据为样本,对指数收益率偏度和峰度进行实证分析,考察涨跌停板限制的影响,验证我国股票市场的“一月效应”,并对所得结果给予理论解释。
研究结论包括:涨跌停板限制实施后,股市收益率的偏度和峰度都显著降低,且偏度的方向改变;涨跌停板限制实施后,波动峰度逐步降低,负收益率的持续性更强;我国股市存在“一月效应”,一月份收益率降低了波动峰度,提高了波动偏度值,但并不改变波动偏向。
关键词:偏度峰度涨跌停板限制一月效应引言偏度(Skewness)和峰度(Kurtosis)是用金融资产收益率的高阶矩(三阶和四阶)来刻画收益率分布的特性。
现有学术文献中,研究证券市场波动性的较多,但专门针对收益率分布偏度和峰度的很少。
Samuelson在1970年就发现,在最优风险决策函数中加入三阶或更高阶矩后,相比均值-方差效用函数,解决方案将得到完善,可见高阶矩在解决实际问题中的重要性早已为学者所关注。
王鹏等(2009)用自回归条件方差-偏度-峰度(GJRSK-M)模型研究我国股票市场的高阶矩波动特征,结论表明,我国股市的条件方差、条件偏度和条件峰度都具有波动持续性和杠杆效应,且该模型比现有其他高阶矩波动模型具有更强的预测能力。
Amado(1999)研究发现,股票市场和外汇市场日收益率的非正态分布特征,使得对对称性和偏度的检验变得毫无意义;在非正态分布假定下,大多数市场收益都具有对称性,即使在正态分布假定下也没有显著的非对称性;但某些市场的收益率在正超额收益和负超额收益的分布上存在差别。
然而,对偏度和峰度进行深入研究的方向之一,考察“一月效应”对二者的影响,至今却鲜有文献涉及。
“一月效应”是指股票收益率在一月要显著高于其他月份。
Aggarwal等(1989)通过研究日本股市1965-1984年的月数据,发现日本股市收益分布具有显著且持续的尖峰厚尾性,其程度随组合中股票数目的增加而递减;但收益率对正态分布的偏离几乎不受一月收益率和公司规模的影响。
hurst指数分析
从图 2 看出:大约在 97 年之前 (图上是 93 年左 右, 因为我们的滑动窗口选择是 1008, 就是 4 年, 其余 的依次类推) hurst 指数呈下降的趋势,从 0.58 降到 0.45。从 97 年到 2006 年左右,上证综指的 hurst 指数 0.5 左右浮动, 没有大幅度长时间的变化, 但是从 2006 年到 2008 年 12 月, hurst 指数一路走高。 我们用分段的 线性回归估计每个阶段的趋势, a2t+b2,t1<t<t2 a= a3t+b3,t>t2 其中 t1 大约是 1993 年 2 月, 实际的年份大约就是 1997 年 2 月左右。 2 大约是 2002 年 10 月, t 实际的年份 大约就是 2006 年 10 月。分段回归的拟合线见图 2 中 的虚线。 从图 3 我们看出, 上证综指和深证成指的 hurst 指 数的变化是不同的。 1991- 1997 之间, 在 上证综指和深 证成指的 hurst 指数的变化趋势大致相同, 但是深证成 指的 hurst 指数的波动更加强烈, 说明上证市场在这个 阶段比深证市场更加有效,可能是因为深证市场刚刚 建立, 各项制度不够完善所导致的。 在 1997 年到 2006 年之间, 沪深两市的 hurst 指数 特别是沪市表 整体上来说是变小了, 0.5 附近波动, 在 沪、 现比较有效, 可能是因为 1996 年 12 月 16 日, 深证 券交易所上市的股票交易,实行涨跌幅不超过前日收 市价 10%的限制。但是从 1997 年到 2000 年 11 月左
X 注: 轴上的日期值代表了估计该 hurst 指数时的样本的开始值对 应的日期。因此, 对于一个 Apr- 91 的 hurst 指数是被估计样本的区间是 Apr- 91 到 Apr- 95,其余的依次向前类推。 对于窗 1008 天每步 10 天的意 思就是: 我们用最先的 1008 个观测值, DFA 方法计算 hurst 指数, 用 然 加入下 10 个观察值, 然后重 后向前滚动样本, 去掉最初的 10 个观察值, 新估计 hurst 指数, 重复这个过程直到序列的结尾。
股票市场流动性指标
流动性指标采用Amihud(2002)提出的算法: 1||iy D iy iy iyd iyd i t ILLIQ D RVOLD ==∑ (1)其中,|R iyd |为股票i 在y 年d 天的日回报率1的绝对值,VOLD iyd 为成交额。
ILLIQ iy 为每单位成交量的股价变动水平,衡量的是指令流对价格的影响。
Brennan 等(2013)对ILLIQ iy 进行了进一步的分解(原文中用A o 表示ILLIQ iy ): 011()(),0||||||11()()11()(),0r A if r r r T r T S S A A DVOL T DVOL T S S r A if r T SS ++--⎧=>⎪⎪=====⎨-⎪=≤⎪⎩ (2) 其中T 为日换手率(daily share turnover, daily share volume divided by the total number of shares outstanding ),S 为市值规模,从而A 为换手率形式的ILLIQ iy ,r +=max(0,r),r -=min(r,0)。
Amihud(2002)在对股票收益率进行截面分析时,每个指标每年算一次,采用如下的截面回归方程:0,11J imy my jmy ji y imy j R k k X U -==++∑(3)而Brennan 等(2013)的指标则是每月算一次,具体而言:A 0为原始的Amihud 指标为每月日|r|/DVOL 的平均值,r 为股票日回报率,DVOL 为日成交额(千美元)。
A 为换手率形式的Amihud 测量,为每月日|r|/T 的平均值,T 为日换手率(日成交量除以总发行量)。
A +(A -)为股票上涨日(下跌日)半Amihud 测量,为日r +/T (r -/T )的月平均值;A +,m (A -,m )为股市上涨日(下跌日)半Amihud 测量,为日|r|/T 在CRSP 市值加权股市收益率为正(负)时的月平均值。
证券投资学复习资料
一、名词解释1.债券:是政府、金融机构、工商企业等机构直接向社会借债筹措资金时,向投资者发行,同时承诺按一定利率支付利息并按约定条件偿还本金的债权债务凭证。
2.证券投资型基金:通过公开发售基金份额募集资金,由资金托管人托管,由基金管理人管理和运作基金,为基金份额持有人的利益,以资产组合的方式进行证券投资的一种利益共享、风险共担的集合投资方式。
3.开放式基金:基金股份总数可以变动的基金,它既可以向投资者销售任意多的基金单位,也可以随时应投资者要求赎回已发行的基金单位。
4.期货:买卖双方共同约定在未来的某一时候交割特定标的物。
5.期权:在未来一定使其可以买卖的权力,是买方向卖方支付一定数量的金额后拥有的在未来一段时间内或未来某一特定日期以事先规定好的价格向卖方购买或出售一定数量特定标的物的权利,但不负有必须买进或卖出的义务。
6.一级市场:通过发行股票进行筹资活动的市场,一方面为资本的需求者提供筹集资金的渠道,另一方面为资本的供应者提供投资场所。
7.二级市场:有价证券的流通市场,是已发行的有价证券进行买卖交易的场所。
8.股票价格指数:衡量股票市场上股价综合变动方向和幅度的一种动态相对数,其基本功能是用平均值的变化来描述股票市场股价的动态。
9.股权分置改革:将A 股市场上的上市公司的股份分为流通股与非流通股。
10.股利折现模型:A.假设——股利是可以无限预期的对股利的预期可以采用增长模型B.公式——)1(1t t t g D D +=- t g :股利增长率C.类型——①零增长模型②固定增长模型③多重股利折现模型假设——未来股利的增长率不固定11.资产组合理论:A.理性投资者的行为特征——追求收益最大化厌恶风险追求效用最大化B.相关公式12.CAPM :A.基本假设——相同预期资本市场是完全的,没有赋税,没有交易成本所有资产都是无限可分的所有投资者都具有风险厌恶的特征存在无风险利率市场是完全竞争的,经济高度市场化信息充分、免费并且立即可得B.公式C.发展:零βCAPM多βCAPM以消费为基础的CAPM13.资产负债率:是反映资本结构的重要指标,也是反映可能信用风险的重要参照指标14.流动比率:反映偿债能力的重要指标15.财务杠杆:由于固定债务利息和优先股股利的存在而导致普通股每股利润变动幅度大于息税前变动幅度的现象。
股票市场收益率分析论文
股票市场收益率分析论文摘要:在金融市场迅速发展、金融创新不断深入的今天,股票市场的波动也日益加剧,风险明显增大,资产收益率的分布形态也更加复杂化。
对上证综指对数收益率序列进行实证研究,依据严密的统计分析方法建立了GARCH-t(1,1)模型。
最后,通过相应的模型检验方法验证了GARCH-t(1,1)模型能够很好的刻画上证综指对数收益率序列的统计特征。
关键词:股票收益率;GARCH模型;统计检验在风险管理中,我们往往关注的就是资产收益率的分布。
许多实证研究表明,金融资产收益率分布表现出尖峰、厚尾的特征。
另外,收益率序列还具有条件异方差性、波动聚集性等特点。
选择合适的统计模型对金融资产收益率分布进行描述显得尤为重要。
1数据选取本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。
考虑到我国于1996年12月16日开始实行涨跌停板限价交易,即除上市首日以外,股票、基金类证券在一个交易日的交易价格相对上一个交易日收市价格的涨跌幅不得超过10%,本文把数据分析时段选择为:1996.12.16-2007.05.18,共2510组有效数据。
数据来源为CCER中国经济金融数据库。
数据分析采用软件为Eviews5.1。
通过对原始序列的自然对数变换,得到上证综指收益率序列,有2509个数据,记为RSH。
2基本统计分析 2.1序列的基本统计量对称分布的偏度应为等于0,而上证综指收益率的偏度为负值,说明该序列的分布是有偏的且向左偏斜,即收益率出现正值的概率小于收益率出现负值的概率。
另外,已知正态分布的峰度等于3,而上证综指收益率的峰度是8.919924,远大于3,这表明RSH序列不服从正态分布,而是具有尖峰厚尾特性。
2.2序列的自相关性采用Ljung-BoxQ 统计量检验上证综指收益率序列的自相关性。
原假设为序列不存在阶自相关。
根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知,上证综指收益率的相关性并不显著。
股票名词解释
股票(gǔpiào)名词解释最新总股本(gǔběn):总股本包括新股发行前的股份和新发行的股份的数量的总和最新流通股本:流通股是在证券市场交易(jiāoyì)流通的股票数量每股收益:每股收益=净利润/年末(nián mò)普通股股份总数每股收益是衡量上市公司盈利能力较重要的财务指标。
它反映普通鼓的获利水平。
在分析时可进行公司间的比较,了解公司相对(xiāngduì)获利能力,可以进行不同时期比较,了解该公司盈利能力的变化趋势每股净资产:股票的净值又称为帐面价值,也称为每股净资产,是用会计统计的方法计算出来的每股股票所包含的资产净值。
其计算方法是用公司的净资产(包括注册资金、各种公积金、累积盈余等,不包括债务)除以总股本,得到的就是每股的净值。
股份公司的帐面价值越高,则股东实际拥有的资产就越多。
由于帐面价值是财务统计、计算的结果,数据较精确而且可信度很高,所以它是股票投资者评估和分析上市公司实力的的重要依据之一。
股民应注意上市公司的这一数据每股资本公积金:益价发行债券的差额和无偿捐赠资金实物作为资本公积金市盈率:市盈率=普通股每股市场价格÷普通股每年每股盈利每股未分配利润:每股未分配利润=企业当期未分配利润总额/总股本净资产收益率:净资产收益率是公司税后利润除以净资产得到的百分比率,用以衡量公司运用自有资本的效率主营收入增长率:主营业务收入增长率是本期主营业务收入与上期主营业务收入之差与上期主营业务收入的比值。
用公式表示为:主营业务收入增长率=(本期主营业务收入-上期主要业务收入)/上期主营业务收入_100%净利润增长率:净利润是指在利润总额中按规定交纳了所得税后公司的利润留成,一般也称为税后利润或净收入。
净利润的计算公式为:净利润=利润总额(1-所得税率)净利润是一个企业经营的最终成果,净利润多,企业的经营效益就好;净利润少,企业的经营效益就差,它是衡量一个企业经营效益的主要指标。
关于股票收益与BM的分析(数据可改)
关于账面市值比的实证分析举例研究样本和变量计算 研究样本本文的数据样本的时间区间是2003年7月-2011年6月,样本包括了我国A 股市场钢铁的45支股票,剔除了一些由于特殊性不能采纳的股票:ST 股票;年报中净资产(股东权益)为负的股票;数据缺失的股票。
变量计算2. 收益率计算(1)个股收益率的计算股票i 在t 月的收益率计算公式为: 11()/it it it it R P P P --=- (1) 其中it P 和1it P -分别为股票i 在t 月和t-1月的股权收盘价格。
(2)投资组合收益率的计算投资组合P 在t 月的收益率pt R 为投资组合中所含股票的个股月收益率it R 的等权重平均值,也便是其算数平均值。
()p f R R -是投资组合的超额收益率,其中,f R 代表的是我国三个月期的定期存款年利率折算出来的月无风险利率。
市场投资组合收益率M R 代表的是所选择样本区间内我国钢铁全部股票(包括被删除的股票)月收益率的等权重平均值。
3. 账面市值比(BE/ME )的计算本文在每年的6月末对所选的样本数据进行分组,用t-1年末的个股权益值和t-1年末的股价之比BE/ME 来衡量股票从t 年7月到t+1年6月的账面市值比的大小。
比如,用2003年末的BE/ME 来衡量股票从2006年7月到2007年6月的账面市值比大小,以后的隔年也按照这个规律类推。
用ln(/)BE ME来表示BE/ME的自然对数值。
描述性统计投资组合分组投资组合分组的方法是指投资组合以特定的指标或变量进行分组的前提下,通过考察各组合的平均收益,利用所选特征值的最大值和最小值的组合平均收益的差值,并用差值的显著性来判断横截面收益现象存在与否。
经过上文的解释分析,我们认为账面市值比对股票收益的影响作用是非常大的,可以看作是影响股票收益的最重要的原因之一。
所以在考虑不同市场情况下,特征变量对股票收益的影响时,可以只考虑账面市值比因子对股票收益率的影响。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
股市中百分比收益率和对数收益率有什么区别
————————————————————————————————作者:————————————————————————————————日期:
股市中百分比收益率和对数收益率有什么区别?
在股市分析中,我们会经常用到百分比收益率和对数收益率来对资产收益率从进行分析。
同是收益率,两者之间有什么区别呢?
股市中常用的收益率是百分比收益率,而对数收益率在金融理论中用的较多。
百分比收益率的定义是:Rb=(s2- s1)/s1=s2/ s1-1
对数收益率的定义是:Rd=ln(s2/ s1)
其中,s1,s2,s3是连续各期的股价,Rb表示百分比收益率,Rd表示对数收益率。
由定义可推知:Rd=ln(s2/s1)= ln((s2-s1)/s1+1)=ln(Rb+1)
Rb简单易懂,使用最为普遍,但其有一些特点要注意。
1、不对称性:
比如股价s从50升到100再跌回50,股价的变化是0,但R%将如下变化:
50 upto 100,Rb1=100/50-1=100%
100downto50, Rb 2=50/100-1=-50%
2项之和为100%+(-50%)=-50%,并不为0。
也即股价s对称地上升和下降同样的数字,其百分比收益率是不同的,也即是不对称的。
再看看对数收益率。
50 upto 100,Rd1=ln100/50=69%
100downto 50, Rd 2= ln50/100=-69%
因此对数收益率是对称的。
2、虽然n期的百分比收益率之和为0,但通常最后的股价都小于最初的股价,即sn;
以n=3作一说明。
表中列有3种情况,每种情况下的百分比收益率之和Rb1+ Rb2都为0,但s3都小于s1。
百分比收益率越大,跌幅越大。
从对数收益率角度来看就很好理解,因为对数收益率之和都是负数,百分比收益率越大,?对数收益率之和的负数绝对值越大,跌幅越大。
若n期的对数收益率之和为0,则sn=s1。
证明如下:
Rd 1+Rd 2=ln(s2/s1)+ ln(s3/s2)= ln((s2/s1)* (s3/s2))=ln(s3/s1)=0
s3/s1=e**0=1
s3=s1
3、第2条反过来,若n期的最后的股价等于最初的股价,即sn=s1,则百分比收益率之和大于0,且负的百分比收益率越大,?正的百分比收益率要超过负的百分比收益率的绝对值要更多。
如下表示。
4、收益率的标准差定义为收益率的波动率。
如果n期的百分比收益率的平均值相同,但是波动率不同,则波动率大的,其复合收益率小,说明如下。
复合收益率的计算过程:
可以看出,波动率越小,即收益越稳定,其复合收益率就越大。
以上就是股市中百分比收益率和对数收益率的介绍,百分比收益率和对数收益率都是表示资产收益情况的指标,对两者结合来分析会得到更可信赖的结果。
处理金融数据为什么要对数化?
ﻫ
因为统计学有连续复合收益率(Continuously Compounded
Return)。
ﻫ1. 记 t-1时刻,你拥有的金额是P_(t-1);在 t
时刻,你拥有的金额为 P_(t),则你的单期简单收益率(One-period
Simple Return)R_t 可由下式定义:
2. 把 t-1 到 t 时刻等分成 n 份,假设每份的收益率都是一样的,也就是 r_t / n, 那么一共n期,上式变成这样:
取n→∞,那么该段时间就可看成连续的了,于是有
3. 由于1和2里面结果要相等,那么都取个自然对数,有
4. 如果有 k 期,那么连续复合收益率
连续符合收益率可直接线性叠加!而普通收益率得指数关系推导半天。
如果把各期的值先取对数,连续复合收益率可以直接想减得出,由连续符合收益率反推单期简单收益率和多期简单收益率就很好办了。
而要是直接算简单收益率的话,那些指数会把人吓爬的。
以一个物理人的角度,最后一定要明白连续复合收益率的含义:
1.假设单期由无穷多收益相同的 n 个小期构成(收益率x),这些无穷多小
期的总金额分别是(1+x)、(1+x)²、(1+x)³……
2.连续复合收益率,就是把 x 的总影响算出来,然后平均分配到n个小
期中。
那么显然可以得出,每小期的收益率最后的效果“叠加”起来,要等于单期简单收益率的。
由于“叠加”实际上是连乘,那么x=r_t/ n 一定要比 R_t 要小,才能让R_t 这个一次相乘的结果,与 n 次“叠加”的结果匹配。
3.验证上面的猜测:
显然,连续复合收益率比简单收益率要小!。