APT模型实证分析报告
资本资产定价模型CAPM与套利定价模型APT在股票市场投资中的应用
（2）市场中的所有资产，其收益率分布都是独立分布的，且为正态分布。
（3）用资产收益率的标准差代替资产风险水平。
（4）投资者在考虑投资决策的时候，只考虑资产的收益率和风险两个要素。
（5）市场上所有的投资者都是理性，他们的投资策略是在风险水平相同的条件下优先选择收益率高的资产组合，同时在收益率相同的情况下优先选择风险小的资产组合。
1.3
CAPM由夏普于1964年创建，是马科维茨于1959年建立的现代证券理论（MPT）的扩展。约翰·林特纳和简·莫森在1965和1966年对CAPM理论的贡献完善了该模型。夏普，林特纳和莫森被视为CAPM的创始人，其模型版本称为标准CAPM。自1970年以来，资本资产定价模型（CAPM）已被企业广泛采用。时至今日，该模型仍在美国学术界使用。许多研究人员在经济世界中使用了资本资产定价模型来研究金融或经济学方面的特定问题。
1.2
CAPM定价模型多用于理论分析和实证研究。理论分析方面，斯微惟（2019）重新探讨了CAPM模型中的贝塔系数和市场定价之间的关系问题[1]。史永东（2019）利用CAPM模型研究了投资者情绪导致的市场定价异象的问题[2]。实证研究方面，肖恒（2018）探讨了不同市场环境下，CAPM模型的适用性问题[3]。陈梦媛（2019）在CAPM模型的基础之上研究了中国房地产上市企业股票的价格行为问题[4]。张虎（2016）专门针对上海股票市场做了CAPM模型的有效性检验[5]。周子耀（2015）在中国A股市场针对CAPM做了完整的实证研究，证明CAPM模型在中国市场具有一定的有效性[6]。
在资产定价理论研究的历史中，产生了许多具有重要学术价值和应用价值的研究成果，在20世纪60-70年代，学者夏普，林特纳，莫辛和布莱克一起提出了资本资产定价模型，也就是众所周知的CAPM模型。凭借着这一经典模型夏普等人也获得了1990年的诺贝尔经济学奖。在他们提出CAPM模型之后，沿着该思路的研究如井喷一样发展起来，越来越多的改进模型被提了出来，如ICAPM即跨期资本定价模型等CAPM的衍生模型。随着讨论的加深，人们逐渐发现了CAPM模型的一些缺点，如风险因素过于单一，前提假设过于严格等问题。因此70年代后期，学者罗斯提出了APT模型即套利定价模型，该模型仅从无套利这一假设出发，弥补了CAPM模型的诸多不足，也可以使定价过程涵盖更多的风险因素，因此APT模型与CAPM模型成为资本资产定价理论两大经典模型。
金融领域中的资产定价技术的使用教程
金融领域中的资产定价技术的使用教程资产定价技术是金融领域中一项重要的工具，它能够帮助投资者和金融机构评估和确定资产的合理价格。
通过使用不同的资产定价技术，投资者可以更好地了解市场中的投资机会，并做出明智的投资决策。
本文旨在介绍金融领域中常用的资产定价技术，并提供相应的教程和实际应用案例，以帮助读者更好地理解和应用这些技术。
一、资本资产定价模型（CAPM）资本资产定价模型（CAPM）是一种常用的资产定价技术，它基于资产的预期收益和风险来确定其价格。
CAPM模型的核心思想是，投资者应该要求一个与资产风险相匹配的预期回报率。
这个模型通常是通过计算投资资产的预期回报率与市场无风险回报率之间的差异来确定资产的价格。
CAPM模型的计算公式如下：E(Ri) = Rf + βi(E(Rm) - Rf)回报率，βi表示资产i的系统风险。
为了使用CAPM模型，首先需要确定资产的系统风险β值。
这可以通过回归分析来计算得出。
具体步骤如下：1. 收集资产i的历史收益率和市场整体的历史收益率数据。
2. 通过线性回归分析计算资产i的回归系数β值。
3. 将β值代入CAPM模型中，计算资产i的预期回报率。
二、实证资产定价模型（APT）实证资产定价模型（APT）是另一种常用的资产定价技术，它与CAPM模型类似，但比CAPM模型更具灵活性。
APT模型可以通过考虑多个市场风险因素来定价资产，而不仅仅局限于一个市场因素。
APT模型的基本假设是，资产的回报率与一系列经济因素（如通货膨胀率、利率、产业发展等）之间存在关系。
通过对这些因素的分析和预测，可以确定资产的合理价格。
APT模型的计算公式如下：E(Ri) = Rf + β1F1 + β2F2 + ... + βnFn回报率，β1到βn表示资产i与因素F1到Fn之间的敏感性系数。
为了使用APT模型，首先需要确定资产与各个因素之间的敏感性系数。
这可以通过回归分析来计算得出。
具体步骤如下：1. 收集资产i的历史收益率和各个经济因素的历史数据。
国际能源价格波动对中国股市的影响_基于计量模型的实证检验
国际能源价格波动对中国股市的影响———基于计量模型的实证检验郭国峰1，郑召锋2（1.郑州大学商学院，河南郑州450001；2.中国人民银行濮阳市中心支行，河南濮阳457000）[摘要]本文从中国整体股市—沪深分市场股指—分行业股指三个层次，利用GARCH （1，1）-M 模型研究了国际能源价格波动对中国股票市场的影响。
研究结果表明，国际能源价格波动对中国股市的整体影响不显著，但对沪、深分市场股指的影响是显著的，并且对沪市收益率的影响大于对深市收益率的影响。
分行业来看，国际能源价格波动对化工制品、石油和天然气、基础资源、建筑和材料、食品和饮料、汽车和零件、个人和家庭用品等7行业股指收益率的影响是显著的，其他行业的股票收益率对国际能源价格波动则没有显著响应。
[关键词]国际能源价格；股票市场；计量检验[中图分类号]F416.2[文献标识码]A [文章编号]1006-480X （2011）06-0026-10【国民经济】一、问题提出伴随着中国经济的高速增长，中国能源需求总量日益增长，而能源生产量增速有限，导致能源消费对外依存度逐步上升，从而使中国经济受国际能源价格波动的影响越来越显著。
作为宏观经济的晴雨表和风向标，股票市场也理所当然地会受到国际能源价格波动的影响。
国外学者对于国际能源价格波动、特别是石油价格波动影响的研究文献十分丰富，概括起来可以分为两类。
一是国际能源价格波动对一国股市的整体影响。
Chen ，Roll and Ross （1986）研究了美国和日本股票市场对于石油价格波动的响应，没有发现石油价格可以作为股票定价因子的证据。
但Kaneko ，Lee （1995）采用不同的样本数据进行实证分析，则发现石油价格可以影响日本股市收益率。
Basher and Sadorsky （2006）的研究结果则表明石油价格可以显著地影响新兴市场的股指收益。
二是国际能源价格对股市不同行业的影响。
AL-Mudhaf and Goodwin （1993）研究了美国石油公司股票收益率对石油价格波动的反应，发现石油价格对石油公司股票价格的影响是不稳定的。
风险中性定价理论在金融市场中的实证研究
风险中性定价理论在金融市场中的实证研究引言：风险中性定价理论是现代金融学中的一种重要理论框架，其基本思想是资产的价格取决于预期收益率和风险，而风险中性投资者在投资决策中不会偏好任何特定风险。
本文旨在通过实证研究探讨风险中性定价理论在金融市场中的应用和效果。
一、风险中性定价理论的基本原理风险中性定价理论是由著名的金融学家法玛（Fama）于1970年提出的。
该理论的基本假设是市场上的投资者是风险中性的，即不会偏好任何特定风险。
根据此假设，投资者在构建投资组合时，只会考虑收益率和风险的期望，而不会考虑风险的特定偏好或厌恶程度。
二、实证研究方法为了验证风险中性定价理论在金融市场中的适用性，研究者通常采用以下方法进行实证研究：1. 资产定价模型（Asset Pricing Model）：研究者根据风险中性定价理论的基本原理，构建适当的资产定价模型，并利用市场数据进行参数估计和模型检验。
其中最著名的模型是CAPM（Capital Asset Pricing Model）和APT（Arbitrage Pricing Theory）。
2. 市场数据分析：研究者通过分析市场数据，从中发现存在的规律和现象，以验证风险中性定价理论的实证效果。
常用的数据分析方法有回归分析、面板数据分析等。
三、实证研究结果1. CAPM模型的实证研究：CAPM模型是风险中性定价理论中最为著名的模型之一。
许多研究表明，市场中的资产的预期回报与它们的β系数（代表资产相对市场风险敞口的度量）呈正相关关系，从而验证了CAPM模型的有效性。
2. APT模型的实证研究：APT模型是一种多因子模型，能够考虑到多个影响资产回报的因素。
研究表明，通过引入不同的相关因子，APT模型可以解释资产回报的变异性，并获取更准确的回报预测。
3. 风险溢价效应的实证研究：风险中性定价理论认为，投资者愿意为承担风险而获得的额外回报支付风险溢价。
实证研究表明，高风险资产的预期回报通常高于低风险资产的预期回报，从而验证了风险溢价效应的存在。
资产定价模型的实证研究
资产定价模型的实证研究资产定价模型是金融领域的一个重要理论框架，用于解释资产的价格形成机制。
在实证研究中，学者们通过对历史数据的分析和统计推断，验证和比较不同的资产定价模型。
本文将就几种常见的资产定价模型进行实证研究，分析它们的优势和不足之处。
一、CAPM模型资本资产定价模型（Capital Asset Pricing Model，CAPM）是一种理论模型，用于解释资产的预期回报和风险之间的关系。
该模型基于投资者的理性行为假设，认为资产的预期回报与市场的系统风险有关。
根据CAPM模型，一个资产的预期回报可以通过以下公式计算：E(Ri) = Rf + βi(E(Rm) - Rf)在公式中，E(Ri)代表资产i的预期回报，Rf是无风险利率，E(Rm)是市场的预期回报，βi是资产i的系统风险。
实证研究中，学者们使用历史数据来估计CAPM模型中的参数，进而验证模型的有效性。
然而，一些学者认为CAPM模型的假设过于简化，不能完全解释市场实际情况。
例如，模型假设投资者的期望回报是线性的，忽略了人们的非理性行为。
二、APT模型多因子资产定价模型（Arbitrage Pricing Theory，APT）是一种扩展的资产定价模型，相比于CAPM模型，APT模型包含更多的风险因子，更能反映市场的复杂性。
根据APT模型，一个资产的预期回报可以通过以下公式计算：E(Ri) = Rf + β1F1 + β2F2 + ... + βnFn在公式中，Fi代表第i个风险因子，βi代表资产对该风险因子的敏感性，Rf是无风险利率。
实证研究中，学者们尝试通过统计分析，确定APT模型中的风险因子，并估计资产对这些因子的敏感性。
研究结果显示，相比于CAPM模型，APT模型对市场的解释能力更强。
然而，APT模型也有其局限性。
首先，确定适当的风险因子是一个复杂的任务，不同的研究结果可能会得出不同的结论。
其次，APT模型依然基于一些假设，可能无法完全解释市场的现象。
APT模型
APT 模型套利定价理论(Arbitrage Pricing Theory,简称APT)是由斯蒂夫•罗斯(Stephen Ross)于1976年提出的（在《经济理论杂志》上发表了经典论文“资本资产定价的套利理论”）。
他试图提出一种比CAPM 传统更好的解释资产定价的理论模型。
经过十几年的发展，APT 在资产定价理论中的地位已不亚于CAPM 。
APT 的研究思路研究者拓展问题的思路是：首先，分析市场是否处于均衡状态；其次，如果市场是非均衡的，分析投资者会如何行动；再次，分析投资者的行为会如何影响市场并最终使市场达到均衡；最后，分析在市场均衡状态下，证券的预期收益由什么决定。
套利定价理论认为，套利行为是现代有效率市场形成（亦即市场均衡价格形成）的一个决定因素。
套利定价理论认为，如果市场未达到均衡状态的话，市场上会存在无风险的套利机会。
一、因素模型套利定价理论的出发点是假设证券的回报率与未知数量的未知因素相联系。
套利定价理论是利用因素模型来描述资产价格的决定因素和均衡价格的形成机理的。
因素模型是一种统计模型。
（一）单因素模型：单因素模型认为证券收益率受到一种因素的影响，一般可以用下面的方程来表示单因素模型：这里， 是因素值， 是证券对这一影响因素的敏感度，即因素F 对于风险资产i 的收益率的影响程度，称它为灵敏度(sensitivity)或者因素负荷（factor loading ）。
如果因素等于零，这种证券的收益率等于因素每变动一个单位，收益率 增减 单位。
是随机误差项，它是一个期望值为零、标准差等于 的随机变量。
根据单因素模型中参数的估计，证券i 的预期收益率可以写成：其中 项表示因素预期值为零时证券i 的预期收益率。
（二）多因素模型在现实经济中，影响预期收益率改变的因素往往有若干种，因此用多因素模型取代单因素模型分析证券的收益率，将会更切合实际。
我们首先从多因素模型的特列：两因素模型入手。
1.两因素模型假定收益率决定模型中含有两种因素，模型表达如下：（11.5）这里， 和 是影响证券收益率的两个因素； 和 是证券i 对这两个因素的灵敏度；同前面一样， 为随机误差项； 是当两个因素为零时证券i 的预期收益率。
论我国房地产业与股票市场间的区隔与整合——基于APT投资组合理论模型的分析
基 于 Ａ Ｔ投 资 组合 理论 模 型 的分 析 Ｐ
彭 兴庭
（ 圳 证 券 交 易所 ，广 东 深 圳 深 ５８ １ ） １００
摘要 ： 本文研 究结论表 明， 在我国 ， 国房地产报酬 、 海房地产报 酬均与股 票资产 不存 在 关联 。 因此 ， 全 上
会上 涨 ， 价赌 地 价 会 上 涨 ， 体 来 讲 是 资本 市 股 整 场 与房地产 商共 赌未来 房价 会不 断上 涨 。 ２０ ０ ７年 ６月 份 以后 ， 国股 票 市 值 第 一 次 我 超 过 了 Ｇ Ｐ 股价 对宏 观经济 及楼 市 的影 响开 始 Ｄ ， 显 现 出来 ， 价与房 价 的关 系越来 越 密切 。就 股 股
房地产 业 与 股 票 市 场 之 间是 否 存 在 关 系 ？ 存在何 种关 系？ 目前 ， 观 点认 为 ， 市 与股 市 有 房
增 加使 股票 资产具 有准 货币 的功 能 ， 它极 大地 提 高 了社会 的实 际 购 买 力 ， 使 房 价 上 涨 。第 二 ， 促 股市 繁荣 为地产 类公 司提 供 了大 量 的廉 价资 金 。 股价 的上涨 不 仅提 高 了房 地产 市场 的购买 力 ， 而 且通 过上 市公 司 的 融 资为 地 产 开 发 公 司提 供 了 大量 廉价 的资金 ， 助推 了地 价 和房 价 。就房 价 如 何影 响股价 而言 。“ 一方 面 ， 与股 票市场 类 似 ， 房
地 产 市场也存 在着 制 度 变 革 所 导 致 的财 富溢 价 现象 。房改 之后 ， 地 的 价值 逐 渐 被 发 现 ， 接 土 直 的表现 就是 房 价 不 断 上 升 。房 价 的大 幅度 上 涨 使 国 民的账 面财 富大幅度 增加 ， 地产 实 际上 已 房
第五讲 套利定价模型(APT)
a 差为
，
i
i为常数，它表示要素值为0时证券i的预期
收益率。因素模型认为，随机变量ε与因素是不相关的，
且两种证券的随机变量之间也是不相关的。
2021/10/10 10
根据式（5-1），证券i 的预期收益率为：
其ri中F a表i示该b要i 素F的期望值。（5-2）
根据式（5-1），证券i 收益率的方差为：
r
APT资产定价线
B
S
2021/10/10
bB=bS
bi
22
式（5-5）中的 0和1代表什么意思呢？
我们知道，无风险资产的收益率等于无风险利率
，即：ri r f 。由于式（5-5）适用于所有证券包括无
风险证券，而无风险证券的因素敏感度
_
bi 0
，因此
根据式（5-5）我们有： ri 0 。由此可见，式（5-5）
讲套利定价模型（APT）
2021/10/10
1
本讲的主要内容：
1、CAPM模型的缺陷 2、因素模型 3、套利组合 4、APT模型 5、CAPM与APT的比较
2021/10/10
2
一、CAPM的局限性
（一）相关假设条件的局限性 1.市场无摩擦假设和卖空无限制假设与现实不符； 2.投资者同质预期与信息对称的假设意味着信息是无
2021/10/10 18
五、套利定价模型
投资者的套利活动是通过买入收益率偏高的证券同时 卖出收益率偏低的证券来实现的，其结果是使收益率偏高 的证券价格上升，其收益率将相应回落；同时使收益率偏 低的证券价格下降，其收益率相应回升。这一过程将一直 持续到各种证券的收益率跟各种证券对各因素的敏感度保 持适当的关系为止。下面我们就来推导这种关系：
套利定价理论与实证例题和知识点总结
套利定价理论与实证例题和知识点总结一、套利定价理论（APT）的基本概念套利定价理论是一种资产定价模型，由斯蒂芬·罗斯于1976 年提出。
它试图解释资产的预期收益率与多个因素之间的线性关系，与资本资产定价模型（CAPM）不同，APT 并不依赖于市场组合这一单一的风险因素。
APT 的核心假设是：资产的收益率受到多个系统性风险因素的影响，并且不存在套利机会。
套利机会是指在不承担风险的情况下，能够获得正的收益。
二、APT 的数学表达式假设资产的收益率受到 K 个因素的影响，可以用以下线性方程来表示：＼R_i ＝ E(R_i) ＋＼beta_{i1}F_1 ＋＼beta_{i2}F_2 ＋＼cdots ＋＼beta_{iK}F_K ＋＼epsilon_i＼其中，＼（R_i\）是资产 i 的收益率，＼（E(R_i)＼）是资产 i 的预期收益率，＼（＼beta_{ij}＼）是资产 i 对因素 j 的敏感性系数，＼（F_j\）是因素 j 的价值变动，＼（＼epsilon_i\）是资产 i 的特异性风险（非系统性风险）。
三、影响资产收益率的因素在实际应用中，选择哪些因素来解释资产收益率是一个关键问题。
常见的因素包括宏观经济变量，如通货膨胀率、利率、经济增长率等；行业特定因素，如行业竞争程度、原材料价格等；以及公司特定因素，如公司规模、财务杠杆等。
四、实证例题假设我们要研究股票 A 的收益率，并且认为它受到两个因素的影响：宏观经济增长率（＼（F_1\））和利率水平（＼（F_2\））。
经过一段时间的观察和数据分析，我们得到以下估计值：＼（E(R_A) ＝ 5\％＼）＼（＼beta_{A1} ＝ 12\），＼（＼beta_{A2} ＝－08\）在某一时期，宏观经济增长率为 3%，利率水平为 2%。
则股票 A 在该时期的预期收益率为：＼＼begin{align}R_A&＝5\％＋ 12×3\％ 08×2\％＼＼＆＝5\％＋ 36\％ 16\％＼＼＆＝7\％＼end{align}＼五、套利机会的判断如果市场上存在两种资产，资产 1 和资产 2，它们的预期收益率和风险因素敏感性如下：资产 1：＼（E(R_1) ＝ 8\％＼），＼（＼beta_{11} ＝ 1\），＼（＼beta_{12} ＝ 05\）资产 2：＼（E(R_2) ＝ 6\％＼），＼（＼beta_{21} ＝ 08\），＼（＼beta_{22} ＝ 06\）假设两个因素的值分别为＼（F_1 ＝ 2\％＼），＼（F_2 ＝ 1\％＼）。
多因素定价模型与实证研究
多因素定价模型与实证1、多因素模型综述1952年马克维茨投资组合理论揭开了证券市场投资组合的序幕，1964年威廉·夏普则提出了著名的资本资产定价模型(CAPM)，这一模型将风险资产的风险分为两部分，一部分是风险资产自身的特有风险，另一部分是与市场整体相联系的风险。
该理论指出了分散投资对降低非系统性风险的可能性及其积极意义。
威廉·夏普的资本资产定价模型对金融理论的发展产生了巨大影响，但理查德．罗尔却于1977提出：一般均衡模型的CAPM形式是不能被实证检验的，并提出了一些合理的置疑：（1）如果市场是处于均衡效率状态，则任何资产的价格都是落在证券市场上，CAMP定价模型左右两边为恒等式，不需要检验CAPM模型；（2）真正的市场组合包括所有风险资产，我们不知道市场组合的构成。
1976年，斯蒂芬·罗斯提出一种新的理论来解释资产的定价：假定多因素模型说明了风险证券回报率的形成过程，给定证券收益的产生过程，从套利论证中推导出资产价格，即在指定的收益产生过程的条件下推导均衡条件，用套利观点发展了均衡定价模型，即套利定价理论(APT模型)。
套利理论以收益率形成过程的多因子模型为基础，认为证券收益率与一组因子线性相关，这组因子代表证券收益率的一些基本因素。
相比于CAPM定价模型，套利模型具有更少的理论假设：（1）投资者相同的投资理念；（2）投资者是回避风险的，并且追求效用最最大化；（3）市场是完全竞争的。
套利理论在理论上更具实践意义，但是对套利定价理论的实证检验却存在困难，因为套利定价理论本身没有指明哪些经济或公司因素应该影响收益率。
因此，对APT的检验还包括因素分析的过程。
1980年，罗尔和罗斯最先进行了套利定价理论的检验，他们以30只股票为一组，总共40组股票进行了因素分析，他们发现至少有3个因素在影响股票收益率方面具有显著性。
1982年，埃尔顿和格鲁伯发现，一个五因素的APT模型能够很好地解释日本股市的期望收益，而CAPM在日本股市应用的实证效果不好。
投资组合模型的发展与实证分析
投资组合模型的发展与实证分析投资组合模型是指对于一组不同的投资标的进行组合，从而达到风险最小化或者收益最大化的模型。
这种模型的发展可以追溯到上世纪50年代，当时Markowitz提出了现代投资组合理论，其核心思想是通过分散投资来降低风险。
随后，学术界陆续提出了一系列的投资组合模型，如CAPM模型、APT模型、Black-Litterman模型等。
投资组合模型的发展与实证分析密不可分。
实证分析是对投资组合模型的实证研究，通过统计分析已有的市场数据，来检验模型的有效性和适用性。
实证分析的方法多种多样，包括回归分析、协整分析、时间序列模型等。
这些研究为投资组合模型的发展提供了实证支持，也揭示了模型的局限性和改进方向。
在投资组合理论的发展过程中，Markowitz的均值-方差模型是里程碑式的进展。
通过将资产的预期收益和风险考虑进去，该模型能够确定最优的投资组合。
该模型存在诸多的假设，如资产收益率的正态分布假设、资产间线性相关性假设等，限制了其在实际应用中的效果。
学术界提出了一系列改进的模型。
CAPM模型是其中最为重要的一个。
该模型通过考虑市场风险和个股特质风险，建立了预期收益与风险之间的关系。
实证研究发现，实际市场并不总是遵循CAPM模型的预测，存在着市场异常回报，即所谓的“超额收益”。
为了解释这种现象，学术界提出了另一个重要的模型——APT模型。
APT模型认为，资产的收益是受到多种因素的影响，如利率、通货膨胀率、政治因素等。
通过回归分析市场数据，研究人员可以确定这些因素对预期收益的影响程度。
APT模型有助于投资者理解市场的未来发展趋势，从而为投资组合的调整提供指导。
除了CAPM和APT模型，还有一些其他的投资组合模型，如Black-Litterman模型、Fama-French三因子模型等。
这些模型的提出都是为了解决现实市场中所存在的问题。
Black-Litterman模型考虑了投资者对预期回报的个人主观判断，使得投资决策更加符合实际情况。
基于APT股票收益率影响因素实证分析
基于APT的股票收益率影响因素的实证分析摘要：本文以沪深300为研究样本，选择2010-2012期间的数据，以股票收益率为因变量，以股票票价格、市盈率、成交量和换手率为自变量，运用apt（套利定价理论），建立apm（套利定价模型），用多元回归分析方法检验apt的每个因素与股票收益率的相关性。
研究表明：收盘价、市盈率、成交量和换手率与股票收益率存在线性关系，希望能为投资者提供一个参考。
关键词：apt；股票收益率；多元线性回归分析；相关性中图分类号：f832.5 文献标识码：a 文章编号：1001-828x（2013）07-0-02一、引言近年来受金融危机的影响，中国股市震荡明显，矛盾和问题不断凸显，股市运行特征和收益影响因素也不断发生变化，风险加大，科学决策和获得高收益更加困难，投资者损失惨重，大多抽资逃离，股市低迷，经济发展动力不足。
研究当前背景下股票收益与哪些因素有关、针对性的提出完善股市的投资建议是证券研究人员的动力和责任；是稳定投资者信心、满足投资者需求的需要；也是股市健康有效发展的迫切需要。
二、apt概述1.apt由罗斯于20世纪70年代中期建立，它解决了如果所有证券的收益都受到某个共同因素的影响，那么在均衡市场状态导致各种证券具有不同收益的原因是什么的问题，从而揭示了均衡价格形成的套利驱动机制和均衡价格的决定因素。
根据套利定价理论，当受多个因素共同影响时，股票收益率具有如下构成形式：r=a+b1f1+b2f2+b3f3+...bnfn +ε。
2.创新之处主要依据多因素套利定价模型研究股票收益率的影响因素，用最新的数据研究，以期得出新的有效结论；以往关于股票收益率的研究大多是用年度和季度数据，本章尝试基于月度数据，不仅能获得更多的上市公司数据，而且结果更详细准确。
三、实证模型的构建1.样本和数据来源以沪深300成分股为研究样本，对2010-2012年的数据进行实证分析，研究收盘价、成交量、换手率和市盈率与收益率的关系。
APT理论在我国证券市场的适用性研究——以金融业为例
摘 要： 随着我国金融改革的不断深化，投机性及风险溢价愈来愈高，估值泡沫问题也不断凸显。本文基于套利定价模型在 我国证券市场金融板块的适用性问题，从其股价变化本身出发，以金融业板块 33 支个股 2017 年 1 月 2 日至 2018 年 9 月 28 日的原 始日收益率数据作为研究变量，利用因子分析对其提取因子，旨在预估模型因子个数，从而建立影响我国金融业个股收益率的三 因素模型，并进一步根据两路径回归法进行模型检验。研究结果表明，上海证券交易所金融业板块基本符合套利定价理论的结论。
关键词： 套利定价； 收益率； 因子分析
一、引言 套利定价理论是美国经济学家 Steven A． Ｒoss 在 1976 年提出的 一种新的资本资产均衡理论。套利定价理论与资本资产定价模型具 有很多相同的作用，提供了一种可用于资本预算、证券估值以及投 资业绩评价的收益基准线。此外，套利定价理论强调了不可分散风 险需要风险溢价来补偿，而可分散风险则不需要； 套利定价模型的 建立不需要假设存在一个内生的不可观测的 “市场” 投资组合上的 前提。因此，套利定价理论在测量风险和定价方面有某些优于资本 产定价模型的方面，从而备受人们关注。近年来，我国的证券市场 有了很大的发展和完善，金融业作为一国国民经济的枢纽部门，金 融业通过其特殊产品和服务推动经济的增长，其健康发展关系了国 家财政收入来源，并且金融业增加值占 GDP 的比重持续上升。无论 是对于国家还是投资者个人来说，金融业的资本资产定价问题是金 融市场健康发展不可忽视的问题。所以本文从我国证券市场金融业 的发展情况出发，基于套利定价模型在我国证券市场金融板块的适 用性问题，立足股价变化本身，以金融业板块 33 支个股 2017 年 1 月 2 日至 2018 年 9 月 28 日的原始日收益率数据作为研究变量，利 用因子分析对其提取因子，并采取两路径回归法进行模型检验。旨 在检验套利定价理论在我国证券市场金融业板块的适用性问题。 二、国内外研究现状 以下是关于 APT 模型的国内外研究归纳： APT 模型的适用性研究主要包括收益率的影响因素、公共因子 的确定方法以及最终市场适用的检验三方面。 最初，Ｒichard Ｒoll 和 Stephen Ｒoss （ 1986） ［1］提出个股收益率受 行业生产增长率、通货膨胀预期变化、非预期的通货膨胀、风险溢 价的非预期变化和期限溢价的未预期变化五个因素影响，随后 Yasushi Hamao （ 1988） ［2］认为收益率还由投资者信心、利率、国际汇 兑和石油价格等宏观经济因素决定，Brown （ 1989） 进一步认为长 短期利率差异、预期和非预期通货膨胀率、工业生产指数、优等债 券和劣等债券之间的差异等变量对收益率的影响显著。Eben Otuteye （ 1992） ［3］则更进一步考察了失业增长率和价值加权市场指数对收益 率的影响程度。刘文秀 （ 2006） 则着重从商业周期、利率的期限结 构、违约风险等宏观经济变量的预期来研究收益率影响因素。孙君 敏 （ 2007） ［13］通过对 11 个因素进行筛选，确定了国家总体经济水 平、通货膨胀率、全社会固定资产投资增长速度和利率状况这四个 能够很好反映所有因素包含的信息。同样的，刘举款 （ 2013） 通过 对 10 个经济变量进行分析，最终选了总体经济水平、国际贸易状况
CAPM和APT模型的比较研究
CAPM和APT模型的比较研究CAPM模型和APT模型是金融学中常用的两种资产定价模型。
它们都通过对资产的预期收益率建立数学模型，帮助投资者了解风险与收益之间的关系，从而做出投资决策。
本文将比较CAPM模型和APT模型的特点和适用性，并从理论和实证研究的角度介绍它们的异同。
CAPM模型（Capital Asset Pricing Model，资本资产定价模型）是由Sharpe、Lintner和Mossin等学者在20世纪60年代初提出的。
根据CAPM模型，资产的预期收益率等于无风险利率与市场风险溢酬之和的线性组合。
CAPM模型的基本假设是有风险的资产收益率服从正态分布，投资者无限期地持有资产，并且可以充分分散化投资。
CAPM模型计算简单，易于理解和解释，常用于资本市场的定价和投资组合构建。
与CAPM模型相比，APT模型（Arbitrage Pricing Theory，套利定价理论）是由Ross在20世纪70年代提出的。
APT模型认为资产的预期收益率可以通过多个影响因子的线性组合来解释，而不仅仅是市场因子。
APT模型假设投资者通过套利的机会来避免不当的定价，从而实现收益的最大化。
APT模型的假设较为松散，可以容纳更多的市场因素，因此在一些复杂的情况下更加适用。
CAPM模型和APT模型在理论和实证研究中存在一些异同。
从理论上看，两个模型都基于风险资产的预期收益率与市场风险溢酬之间的关系，但假设不同。
CAPM模型假设投资者风险厌恶，市场因子能够完全解释资产回报的波动，而APT模型允许非完全风险厌恶和其他影响因素。
另外，CAPM模型是建立在静态均衡的基础上，而APT模型则考虑了动态均衡。
从实证研究上看，CAPM模型和APT模型的效果存在差异。
有研究表明，CAPM模型无法解释多个市场因子对资产回报的影响，而APT模型可以更好地解释这些影响。
另外，少数研究认为CAPM模型对市场利率变动和个体股票的灵敏度较高，而APT模型则对宏观经济因素和行业指标的变动更敏感。
apt可行性报告
Apt可行性报告一、背景近年来，随着城市人口的增长和房地产市场的发展，住房问题日益凸显。
在城市中，人们对于居住环境的要求也越来越高，尤其是对于公寓式住宅的需求逐渐增加。
因此，本报告旨在探讨在当前的社会背景下，推行公寓式住宅（简称Apt）的可行性。
二、市场需求分析1. 人口增长趋势随着城市化进程的加快，人口持续向城市集中。
特别是一线城市，人口密度大、土地资源有限，传统的独栋住宅已经无法满足市民的居住需求。
因此，公寓式住宅成为了一种更加合适的选择。
2. 生活方式变化随着人们生活水平的提高，对于居住环境的要求也越来越高。
Apt提供了共享的公共设施和服务，如健身房、游泳池、社区活动中心等，符合现代人们追求便利、舒适的生活方式。
3. 经济因素在城市中，土地成本高昂，传统的独栋住宅开发成本较高，而Apt的开发成本相对较低，可以更好地利用有限的土地资源，提高土地利用率，降低住房建设成本。
三、可行性分析1. 市场潜力根据市场需求分析，Apt在当前市场具有较大的潜力。
特别是在一线城市和人口密集的区域，Apt的需求更为迫切，市场前景广阔。
2. 技术支持随着建筑技术的不断进步，Apt的设计和建造技术也在不断改进。
现代化的建筑技术可以保证Apt的质量和安全，提高住户的居住体验。
3. 政策支持政府对于房地产市场的调控逐渐趋严，鼓励开发商推行多元化的住房产品，Apt作为一种新型住宅模式，符合政府的政策导向，可以获得政策支持。
4. 竞争分析尽管Apt市场前景广阔，但也面临激烈的竞争。
在市场推广和品牌建设方面，需要与其他房地产开发商展开竞争，提高Apt的知名度和市场份额。
四、风险评估1. 市场风险随着经济形势的变化，房地产市场波动较大，Apt面临市场需求下降、竞争加剧等风险。
2. 技术风险建筑技术和设计标准的不符合可能导致Apt质量问题，影响市场口碑和销量。
3. 政策风险政府政策的调整可能对Apt的开发和销售造成影响，需要密切关注政策变化，做好风险防范。
上海股票市场风险因子数量研究——基于APT模型的分析
３ ４ ５ ６ ７
累积方差 贡献率 （ ｌ 卡 方统计量 ％
６ ５ ６ ９９ ７ ５４ ７ ８５ ８ ０７ １ ５７１ ９ １６５ ２ １４８ ０ ５ ８ ５ ６２ ６ ４ ７ ６
自由度
１３ ３ １６ １ １０ ０ ８ ５ ７ １
Ｐ值
Ｏ０７ ７ ４ ０２ ８ ３ ００ ５ ３ ０４ ２ ４ ０５ ７ ９
基 石 ， 其 中 最 为 著 名 的 莫 过 于 １ ６ 年 Ｓ ａｐ ￣ 立 的 Ｃ Ｍ理 论 与 ９ ４ ｈ ｒｅ Ｊ Ｊ ＡＰ １ ７ 年 Ｓ ｅ ｈ ｎＲ ｓ 提 出 的ＡＰ 模 型 ， 前 者 由 于 受 到 市 场 组 合 的 问 ６ ９ ｔｐ ｅ ｏ ｓ Ｔ 题 实 际 上 使 得 无 法 进 行 相 关 的 实 证 检 验 ， 因 此 更 多 的 实 证 研 究 是 检 验ＡＰ 模 型 的 有 效 性 。 ＡＰ 理 论 虽 然 指 出 了 系 统 风 险 是 几 个 因子 的 函 Ｔ Ｔ 数 ， 但 并 未 明 确 指 明 各 个 风 险 因子 ， 这 就 需 要 通 过 实 证 研 究 去 识 别 风 险 因子 。 Ｒ ｌ Ｒ Ｓ （９ ０使 用 因子 分 析 方 法 发 现 ， 仅 仅 ３ 或４ ｏＩ Ｏ Ｓ １ ８ ） 和 个 个 因 子 就 能 解 释 美 国 股 票 收 益 的 变 动 ， 不 过 Ｄｈ ｙ ｍｅ 等门 ９ ４ 却 指 出 ｒ ｓ ８ ） 因 子 个 数 依 赖 于 每 个 投 资 组 合 中 证 券 的 数 量 ， 由 此 可 见 国 外 学 者 无 论 对 美 国 还 是 英 国 股 市 的 实 证 研 究 并 没 有 统 一 的 结 论 。 张 妍 （ ０ ０）借 鉴 Ｒ ｌ 方 法 对ＡＰ 在 上 海 股 市 进 行 实 证 检 验 ， 研 究 结 果 ２ ０ ｏｌ 的 Ｔ
多因素模型的实证分析
3） SMBt 表示第 t 期小公司与大公司的股票收益率之差；
4.1.1. 因素初选...................................................................................12 4.1.2. 风险因素的最终确定...............................................................13 4.2 多元回归模型构建..........................................................................16 4.3 因素敞口预测模型..........................................................................17 4.2.1. 因素敞口预测模型...................................................................18 4.2.2. 预测模型结果分析...................................................................19 五、 风险分解.................................................................................................19 5.1 估计协方差矩阵..............................................................................20 5.2 系统风险和非系统风险..................................................................21 5.3 风险分解结果分析..........................................................................21 六、 最优投资组合.........................................................................................22 6.1. 效用函数..........................................................................................23 6.2. 最大效用解......................................................................................23 6.3. 最优投资组合基本特点..................................................................25 6.4. 绩效归因..........................................................................................26 6.4.1 绩效归因步骤...........................................................................27
aptt实验报告
aptt实验报告
《aptt实验报告》
实验目的：通过测定凝血酶原时间（aptt）来评估凝血功能，了解体内凝血系
统的活动状态。
实验原理：凝血酶原时间（aptt）是一种常用的凝血功能指标，用于评估凝血
系统内在凝血通路和共同凝血通路的活动情况。
通过测定患者的凝血酶原时间，可以判断凝血功能的正常与否，对于一些凝血功能异常的疾病具有重要的临床
意义。
实验方法：实验中，我们收集了一组健康人群的血液样本，采用标准的凝血酶
原时间测定方法，通过加入活化部分凝血活酶（APTT试剂）和钙离子，观察血浆凝血酶原时间的变化，从而得出凝血功能的评估结果。
实验结果：经过实验测定，我们得出了一组健康人群的凝血酶原时间数据，并
对比了不同性别、年龄段的凝血酶原时间差异。
通过对比实验结果，我们发现
不同人群的凝血酶原时间存在一定的差异，这提示我们在临床实践中需要考虑
到个体差异对凝血功能的影响。
实验结论：凝血酶原时间（aptt）是一种重要的凝血功能指标，对于评估凝血
功能具有重要的临床意义。
通过实验数据的分析，我们得出了一些有价值的结论，为临床诊断和治疗提供了一定的参考依据。
同时，我们也发现了一些需要
进一步研究的问题，希望能够通过更多的实验数据和临床观察，为凝血功能的
评估提供更准确的方法和依据。
总结：通过本次实验，我们对凝血酶原时间（aptt）的测定方法和意义有了更
深入的了解，同时也为未来的研究和临床实践提供了一定的参考价值。
希望我
们的实验结果能够为相关领域的研究和实践提供一定的帮助，为提高凝血功能的评估水平和临床诊疗水平做出贡献。
- 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)。
APT模型实证分析
1.0.0.研究方法与样本选取
1.1.0. 基本假设
套利定价模型（APT）如同资本资产定价模型，描述了风险溢价和单个证券或投资组合收益率之间的关系，它主要基于以下三个基本假设：1．组合是无风险的；2．组合的敏感性因子为0；3．组合期望收益率大于0。
1.2.0.套利定价模型
套利定价模型的基本形式为
r
i组合 =C+ ∑β
i
F
i
+ε
i，
i=1,2,3…n
r
i
表示投资组合i的收益率，即为组合各个证券收益率的加权平均和；
F
i
是第i种系统风险因素；
β
i
表示第i种风险因素的β值，也等于组合各单个证券β值加权平均和；
1.3.0.因素分析
为了使因素选取更为准确恰当，我们将从股票定价的基本模型——股利折现模型出发，对各个因素进行分析。
股利折现模型的基本形式为：
P i =∑(Div
i
/（1+r）i), i=1,2,3…,n
其中Divi表示第i期的股利，r表示折现率。
所以可以看出，折现率，预期的红利水平，和当期的价格都将对于个股的收益率产生影响。
由此，我们确定如下因素作为股票收益率的系统风险因素。
1.3.1.市场风险溢价
根据CAPM模型的基本结论，单个股票的收益水平应该市场风险有相关关系，所以市场风险溢价可以认为是影响单个股票收益水平的系统风险因素；
1.3.
2.GDP增长率
宏观经济环境的变化对于股票市场上大多数公司的收益水平都有影响，进而对于股利的支付水平也有影响，所以也应把GDP作为系统风险因素考虑再；
1.3.3.通货膨胀率的变化
与上面的宏观因素一样，通货膨胀率的变化也会影响到实际利率水平，进而对折现率有影响；
1.4.0 .模型构造
根据上面所选取的因素，对于各个因素分别选取了恰当的指标进行度量：
1.4.1.市场风险溢价(Rm-rf)
根据CAPM模型的基本理论，这里我们用Rm-rf作为市场风险溢价的度量因素，其中Rm为市场收益率，用综合指数收益率代表，rf为市场无风险利率，用央行公布的一年期定期存款的利率代表；
1.4.
2.GDP增长变化(GDPM,GDPY)
由于理性的投资者对于GDP的变化有一定预期，应以GDP增长的变化作为风险因素考虑，那么可以用lnGDP(t)-lnGDP(t-1)代表，另外需要说明的是由于GDP 月度数据的不可得性，本文参考了国大多数文献对于GDP月度数据的处理办法，用当月工业增加值对于GDP季度数据进行加权，然后对于经处理过后GDP的月度数据观察可以发现，数据呈现出很明显的周期性，因为也把GDP相对于去年同期增长变化水平作为令一个解释因素，即lnGDP(t)-lnGDP(t-12)；
1.4.3.通货膨胀率的变化(In)
这里采用当月居民物价指数作为通货膨胀率的代表；
最后把单个股票的超额收益率（rie）作为解释变量，构造线性模型表示为如下形式：
rie=C+β1*rme+ β2* GDPM+β3*GDPY +β4*IN+
i
1.5.0.样本选取
首先需要说明的是，本文的数据均为月度数据。
本文样本选取为，股票交易市场2002年1月1日至2006年12月31日（60个月）正常交易的500支股票交易数据。
参照Nai-Fu Chen, R. Roll and S. Rose （1986）的处理办法，将样本股票按照股票市值大小分为了20个投资组合（这里，分组原因是因为普遍认为公司的规模为与股票收益率相关的因素），每个组合25支股票，根据假设条件2，我们认为每个组合都能分散掉股票的非市场风险。
对于GDP数据，考虑到GDPY= lnGDP(t)-lnGDP(t-12)，其中的有之后12期的值，为了保证样本不损失，所以GDP选取2001年1月至2006年12月（24季度）的数据。
然后用相同时期的工业增加值对于其进行处理，从而得到GDPM和GDPY的数据。
对于其他的解释变量样本数据都选取为2002年1月至2006年12月的数据。
如表一
表一
数据来源：国数据库
2.0.0. 研究结果及经济意义
2.1.0 回归方程：
根据上面列出的数据和模型，假定其符合最小二乘法古典假定的情况下，用Eviews6.0进行回归有如下结果：
从以上的回归结果可以看出，4个变量中只有2个变量在0.05的置信水平下t 检验显著，分别是年度GDP增长变化率，市场风险溢价。
回归方程的可决系数为0.822917，表示变化中有82.2917%的可以被该回归方程解释。
下面分别对模型是否符合LS古典假定进行检验：
2.2.0 多重共线性的检验
首先，看各个解释变量之间的相关系数矩阵，如下表二：
表二
观察上面表格可以看出，各个解释变量之间并不存在有明显的多重共线性。
2.3.0. 异方差性的检验
由于数据为时间序列数据，样本数为60也满足大样本的需要，由White检验得
由Probability=0.0000可以判断，不能拒绝原假设，表明模型不存在异方差。
4. 序列相关检验
由回归结果可以看到DW =1.994766，查DW统计量表可以看到，当n=60,k=4时，DL=1.48，DU=1.69，那么有DU<DW<4-DU，所以原来的模型并不存在有自相关性。
5. 最后结果及经济意义
经过2,3,4部分的检验，可以看出，模型是符合最小二乘的古典假定的，所以最终的回归结果如下：
Rie=0.736+0.8853*rme + 0.6565*GDPM - 3.373*GDPY -0.0623*In
R-squared=0.822917 Adjusted R-squared=0.810038
Durbin-Watson stat=1.878415
该回归的结果表明，对于解释变量月度的GDP增长率的变化，通货膨胀率都不能通过t检验，表明不能拒绝这些变量的β值为零的假设，即这些变量对于组合股票的超额收益率的变化没有显著影响。
而另外2个解释变量，市场风险
溢价的β值为0.8853，表明了市场风险溢价每上升1%，组合股票的超额收益率将上升0.8853%，这里也从一个侧面表明了CAPM结论的正确性，说明市场风险的确能够解释组合股票的收益率。
但是对于年度GDP增长率的变化水平的β系数为- 3.373，经济意义并不是那么明确，因为负数意味着GDP的超额增加反而会造成投资组合收益率的下降，似乎和经济理论相违背，笔者估计是由于2002-2006年间，国家政策对于股市的干预导致了这个结果的产生。
但是从总体上看，该模型的可决系数为0.822917，还是能对股票组合收益率超额收益部分做出比较好的解释。
三. 模型评价
本文的模型基本上是对于已有成熟的APT模型的套用，所以模型的设置应该并不存在太大的问题，但是在基于股票市场数据的检验时，却得出了其中多数变量不显著的情况，与国外多数研究结果相左，而且经过研究数据也并不存在有违背最小二乘古典假定的情况出现，说明用最小二乘估计的结果是可信的。
但是其中参数估计的部分结果且并不能被经济学原理相解释。
笔者认为出现以上结果有如下原因：
1.中国的股票市场明显受到政策性因素的影响，导致与有效市场的基本假
设相违背。
2.处理数据的方法可能会造成偏差，对于影响因素中的。