股票收益率波动的实证研究

2020，56（12）1引言收益率和波动率是诸多经济和金融研究的重要方面。

收益率反映了金融市场的价格波动，波动率则体现了价格波动的剧烈程度。

收益率及其波动情况关系到证券组合的选择和风险管理。

现实中一些国内政策及随机性事件，如宏观调控、市场突发事件等都会对股票市场产生影响。

目前对这些因素的研究主要有主成分分析、线性回归分析等，但这些方法仅能处理低维数据，尤其是线性回归分析，只能分析特定因素对结果的影响，因此本文构建了动态因子模型（DFM ）。

动态因子模型可以从数据集中提取少量公共因子，来反映其对股票收益率和波动率的影响。

从现实情形看，科学技术不断发展，政府统计的数据也在增多，由此带来了处理高维数据的难题。

动态因股票市场的高维动态因子模型及其实证分析郑红景，蒋梦梦，周杰西安电子科技大学数学与统计学院，西安710126摘要：收益率和波动率是金融市场最重要的变量，为研究对其产生影响的因素，建立了收益率和波动率动态因子模型，并引入带惩罚的EM 算法得到高维动态因子模型的稀疏参数估计。

将此模型应用到沪深交所股票数据中，得到了对股票收益率和波动率产生影响的公共因子及稀疏的因子载荷矩阵。

根据因子载荷矩阵，发现在两个模型中都有一个共同因子对绝大多数股票影响，其他因子是对某行业股票产生影响的行业因子。

结合国内相关政策和事件等因素，分析了因子波动趋势，并给出了可能的解释。

另外，利用因子贡献率，从行业角度分析了共同因子和行业因子对行业股票的影响程度。

关键词：动态因子模型；EM 算法；股票收益率；股票波动率文献标志码：A 中图分类号：F832.5；TP391doi ：10.3778/j.issn.1002-8331.1903-0233郑红景，蒋梦梦，周杰.股票市场的高维动态因子模型及其实证分析.计算机工程与应用，2020，56（12）：243-249.ZHENG Hongjing,JIANG Mengmeng,ZHOU Jie.High-dimensional dynamic factor model for stock market with empirical puter Engineering and Applications,2020,56（12）：243-249.High-Dimensional Dynamic Factor Model for Stock Market with Empirical StudiesZHENG Hongjing,JIANG Mengmeng,ZHOU JieSchool of Mathematics and Statistics,Xidian University,Xi ’an 710126,ChinaAbstract ：Yield rate and volatility are the most important variables in financial markets.In order to study the rate-influencing factors,the yield rate and volatility model of financial market is established based on the high-dimensional Dynamic Factor Model （DFM ）.Then this paper introduces the EM algorithm with penalty to estimate sparse parameter of high-dimensional DFM.By applying this model to the stock data of the Shanghai and Shenzhen stock market,the public factors that affect on the yield rate and volatility and the sparse component matrix are obtained.According to the matrix,it is found that there is a common factor in both models which have an effect on most stocks,while others are the industry factors that only impact on a certain industry of the stocks.It is also analyzed why the the factors fluctuate by combining with the domestic relevant policies and events.In addition,the influence of common factor and industry factors are researched to the indus-try by using the factor contribution rate.Key words ：dynamic factor model;EM algorithm;yield rate;volatility基金项目：陕西省自然科学基金（No.90815170011）。

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。

中国股票市场CAPM的实证研究中国股票市场CAPM的实证研究摘要：资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是一种被广泛应用于金融市场的理论模型，用于计算股票或资产的期望收益率。

本文旨在通过实证研究探究CAPM在中国股票市场中的适用性和有效性。

关键词：CAPM、中国股票市场、实证研究1. 引言中国股票市场在过去几十年间取得了快速发展，成为全球最大的股票市场之一。

随着市场的发展，投资者对于股票报酬的预期也变得更加重要。

为了准确评估投资风险和期望收益，金融学家们提出了CAPM模型，试图找到一个与风险有关的合理预期收益率。

2. CAPM模型的理论基础CAPM模型是由Sharpe(1964)、Lintner(1965)和Mossin(1966)等学者独立提出的。

它基于市场均衡理论，假设投资者的理性追求最大化效用。

3. CAPM模型的基本假设CAPM模型的有效性建立在一系列假设之上，其中最重要的是市场的完全竞争性和无套利机会。

此外，CAPM还假设投资者具有相同的投资期望值和风险偏好。

4. 使用研究方法本文选取了中国股票市场中的多个股票作为研究样本，通过历史股票价格和市场指数来计算股票的期望收益率。

然后，将这些数据代入CAPM模型中，计算每只股票的预期阿尔法和贝塔。

5. 研究结果及讨论通过对研究样本的实证分析，本文发现，中国股票市场中的股票普遍存在较高的贝塔值，这表明市场波动对股票收益的影响非常显著。

然而，对于预期的阿尔法值，结果却表现出一定的偏差。

这可能是因为CAPM模型中初始假设中的完全竞争性和无套利机会在中国股票市场中并不总是成立，因此存在一定的市场摩擦。

6. 结论和建议综上所述，本文的实证研究结果显示，中国股票市场中的股票收益率普遍具有较高的贝塔值。

然而，对于预期的阿尔法值，结果却较为不准确。

因此，在中国股票市场上，单纯依靠CAPM模型来估计股票的期望收益率可能不够准确。

基于Matlab的股票市场收益率波动分析实验丛超;徐德玲;庞世达;孙凯旋【摘要】针对金融风暴背景下的股票市场价格的波动特性,应用数学分析、经济统计与计量知识,对中国上海、深圳股票综合指数2007 ～2009年的数据进行实验分析,并利用Matlab金融分析工具箱以及广义自回归异方差模型编程建模,实现对股票市场收益率的分析和预测.结果表明,股票市场收益率序列的波动有显著的畀方差性.【期刊名称】《实验科学与技术》【年(卷),期】2014(012)005【总页数】6页(P66-70,73)【关键词】股票市场;时间序列分析;广义自回归异方差模型;Matlab编程【作者】丛超;徐德玲;庞世达;孙凯旋【作者单位】重庆理工大学电子信息与自动化学院,重庆400054;重庆理工大学电子信息与自动化学院,重庆400054;重庆理工大学电子信息与自动化学院,重庆400054;重庆理工大学电子信息与自动化学院,重庆400054【正文语种】中文【中图分类】TP311;F832.5金融时间序列收益率的波动是动态变化的，不同金融市场的波动还存在波动溢出。

股票作为一种重要的金融产品，其价格行为理论是整个市场金融理论的基础，股市价格行为（behavior of stockmarket prices）一词最早由Fama提出［1］，其核心含义是指股价的行为方式，即变动规律。

人们对股票预测也提出了各种不同的方法［2］，从最初的图表分析、技术指标（成交量曲线图、K线图、移动平均线等），到建立数学模型的方法等。

随着经济学、数学以及计算机科学的发展，针对金融市场时间序列进行统计性的建模与分析已经成为一项跨学科的分析课题，成为国内外研究的重要方向。

本文通过Matlab编程建立模型，针对2007年1月1日到2009年12月31日中国上海、深圳股票综合指数数据进行实验分析。

首先，利用Matlab金融工具箱对股票市场的收益率曲线进行计算，并检验金融分指数序列的平稳性与波动性；其次，通过使用自相关（auto correlation function，ACF）和偏相关（partial auto correlation function，PACF）分析的方法检验序列的自相关性；随后，采用Q检验和自回归异方差检验（auto regressive conditional heteroskedasticity，ARCH）进行平稳性的验证，并使用GARCH（1，1）模型对收益率曲线进行建模分析；最后，本文对模型的优缺点进行了评价，并给出了推广与改进的建议。

创业板市场股票收益率影响因素的实证分析——基于FF改进模型高广阔;黄阳阳【摘要】创业板市场曾一度成为投资者关注的焦点,其股票收益率的决定性因素是什么?本文采用2014年5月至2016年12月共计134周的创业板上市公司股票数据,基于Fama-French改进模型进行实证检验.结果表明:创业板市场存在账面市值比效应,但规模效应不显著;账面市值比因子与创业板股票预期收益率成负相关的关系,规模因子和资金净流入因子则与创业板股票预期收益率呈正相关关系;资金净流入量对2014年以来的创业板市场股票价格的暴涨和下跌起着重要的驱动作用;FF改进模型在创业板市场的适用性要明显优于FF模型.【期刊名称】《经济与管理评论》【年(卷),期】2017(000)005【总页数】6页(P83-87,111)【关键词】创业板市场;Fama-French改进模型;资金净流入;股票预期收益率【作者】高广阔;黄阳阳【作者单位】上海理工大学管理学院,上海 200093;上海理工大学管理学院,上海200093【正文语种】中文【中图分类】F8302015年创业板股票市场泡沫的破灭充分暴露了我国创业板市场存在的一些问题：创业板市场经营时间较短，内幕交易频发，市场操控等违纪行为以及投机者盲目跟风等，创业板股票市场的规范化和法制化程度不高。

但不可否认的是，创业板股票上市门槛低、高科技成长、投资收益高、市场活跃等特征也凸显了其独有的生命力。

对创业板市场股票的定价问题是学术界的关注焦点，本文中该问题涉及Fama-French三因素模型(以下简称FF模型)和FF模型的改进模型。

经典的投资学理论认为，单只股票的收益率与市场风险溢价呈线性关系，但是，之后很多学者发现仅仅依靠衡量市场风险的β值来估算预测股票的预期收益的CAPM是存在着缺陷的。

Fama and French(1992-1993)在前人研究的基础上，开创性提出了FF模型，认为β值不再是决定股票预期收益的唯一因素，规模因素和账面市值比因素与市场因素对股票的预期收益率也起着重要作用[1-2]。

Industrial Finance 产业财经43摘　要：本文以股票市场整体收益率与债券市场收益率两者之差——风险溢价作为自变量，以未来120天、240天、360天的股票投资收益率作为因变量，对变量之间的关系进行了平稳性检验、协整分析，建立了误差修正模型（ECM），最后进行了Granger因果检验。

结果表明股债市场风险溢价对未来股票投资收益率具有显著的正向促进作用，其对于中长期的正向促进作用的弹性明显高于短期；风险溢价是股票投资收益率的Granger 原因。

最后，根据研究结论给投资者提供了相关建议。

关键词：股债市场；风险溢价；收益率；误差修正模型；Granger因果检验一、引言股票和债券在标准化证券投资领域中是最常见的资产组合方式。

这两种资产在投资组合中的配置比例，除了高度依赖投资者风险偏好以外，还与资产的预期收益率之间的关系有很大联系。

为了使投资组合收益最大化，对标债券市场收益率，研究股债市场风险溢价与股票投资收益率之间相关性及其影响因素，对于投资者优化投资组合管理有重要意义。

二、数据和变量（一）数据来源和准备自2005-2020年共16年，A股经历多次的牛熊转换得到的市场数据与同期的十年期国债收益率有强烈的对比性和研究性。

本文基础数据的时间区间为：2005年1月1日-2020年12月31日，共3888个交易日。

基础数据如下：基础数据I：WIND全A指数收盘点；基础数据II：全部A股市盈率（TTM）中位数；基础数据III：十年期国债到期收益率。

其中，基础数据I、II来源为WIND 软件，基础数据III来源为中华人民共和国财政部。

（二）变量的选择1、风险溢价X本文中股债市场的风险溢价X，定义为股票市场整体收益率与债券市场收益率两者之差。

其中，股票市场整体收益率，定义为全部A股市盈率（TTM）中位数的倒数。

此外，本文中的债券市场收益率选取十年期国债到期收益率。

本文将股债市场的风险溢价作为自变量：X=(1/基础数据II)-基础数据III 2、股票投资收益率本文以WIND全A指数作为投资者参与股票市场获得投资收益为基础，以在某一时点未来120天、240天、360天的股票投资收益率作为因变量，分别如下：三、实证过程及结果本文使用平稳性检验、协整检验，验证变量之间的长期均衡关系，之后通过构建ECM误差修正模型实证分析变量间的内在联系，最后运用Granger因果检验确定变量之间的因果关系，使用Eviews10对上述数据进行统计模拟分析。

DOI:10.19995/10-1617/F7.2023.23.105前景理论与股票收益：基于A股市场的实证研究胡婷 张云怡(湖北经济学院金融学院 湖北武汉 430205)摘 要：本文提出投资者将在前景理论框架下进行决策，先通过股票的历史收益分布形成对股票的心理描述，再基于价值函数和概率加权函数进行评估得到股票的前景理论价值。

投资者将倾向配置具有较高前景理论价值的股票，从而导致其更高的均衡价格和更低的期望收益，即有前景理论价值与股票期望收益负相关。

本文基于A股市场的投资组合分析和Fama-MacBeth横截面回归分析支持了该研究假设，研究结果表明：前景理论价值对股票期望收益的预测能力主要由股票历史收益分布的偏度特征所驱动，并从行为金融视角揭示了资产价格的形成规律，本研究对证券市场参与者和监管者均具有一定的指导意义。

关键词：前景理论；股票收益；价值函数；概率加权函数；Fama-MacBeth横截面回归本文索引：胡婷,张云怡.前景理论与股票收益：基于A股市场的实证研究[J].商展经济,2023(23):105-113.中图分类号：F830.9 文献标识码：A任何资产定价模型的关键因素都是对投资者如何评估风险的假设。

标准金融学的传统资产定价模型假设投资者根据期望效用框架评估风险，基于这一假设模型有助于理解一些经验事实。

但尽管如此，仍有大量市场异象无法由传统的资产定价模型所解释。

Kahneman和Tversky(1979)、Tversky和Kahneman(1992)基于实验研究提出的行为金融学经典前景理论指出，人们对风险的态度可能显著偏离期望效用框架下的预期，该理论被大量研究证实能够更准确地描绘人们的风险态度，并被广泛应用于解释各类资产定价异象(如Barberis和Huang，2008；Wang等，2017；An等，2020；张永莉和邹勇，2013；赵胜民和刘笑天，2020)。

基于此，本文提出了一个显而易见的问题：如果一些投资者根据前景理论评估风险，那么基于该模型是否就能帮助我们更好地理解资产价格和资产收益率？本文给出了关于这个问题的实证证据。

基于GARCH模型中国股市波动性的实证分析【摘要】应用ARCH，GARCH，TARCH，EGARCH，GARCH-M模型对中国股市收益率进行定性及定量的分析。

考虑到我国股市变动的实际效果，提出EGARCH模型对我国股市是较好的选择。

分析股市的ARCH效应，对我国上证180指数收益率进行实证分析。

【关键词】上证180指数；GARCH模型；收益率一、前言一些时间序列特别是金融时间序列，常常会出现某一特征的值成群出现的情况。

特别是在市场经济条件下，股票市场出现大起大落现象，股价的剧烈变动是股票市场最显著的特征之一。

近年来，有关我国股市的各方面的研究很多，大致可以分为三类：一是经济运行基本因素对股市影响的分析模型。

二是各类股市间的相关性研究。

三是股市自回归模型。

对股票收益率序列建模，某随机扰动项往往在较大幅度波动后紧接着较大幅度的波动，在较小幅度波动后紧接着较小幅度的波动。

这种性质叫做波动的集群性。

在一般的回归分析和时间序列分析中，要求随即扰动项是同方差，但这类序列随机扰动项的无条件方差是常量，条件方差是变化的量。

这种情况下需要使用条件异方差模型，也就是本文研究的GARCH 模型。

二、模型简介ARCH模型最早是由Engle于1982年提出，是最简单最基础的条件异方差模型（自回归条件异方差模型），用来描述波动的集群性和持续性。

但是为了获取条件异方差的动态特征需要高阶的ARCH模型。

Bollerslev将ARCH模型的阶数推广到无穷，得到广义的自回归条件异方差模型，即GARCH模型。

该模型大大减少了参数估计的个数，具有良好的处理厚尾的能力。

基于这两个模型发展起来得到很大的扩充，以GARCH（1，1）模型为代价的低阶ARCH类模型因参数少且建模效果好，在金融收益率序列的波动性研究中得到广泛的应用。

然而在应用GARCH模型的过程中发现ARCH项和GARCH项的参数之和非常接近1.这表明满足参数约束的条件。

后来的研究中先后对ARCH模型进行扩展，提出了GARCH，TARCH，EGARCH，GARCH-M等模型。

标题：深度解读fama-french三因子模型一、引言在金融领域，股票收益率的波动一直是备受关注的话题。

Fama-French三因子模型是一种用来解释股票收益率波动的重要模型，对于投资者和学者来说具有重要意义。

本文将就Fama-French三因子模型进行深入探讨，并解释其在资本市场中的重要性和应用。

二、Fama-French三因子模型概述Fama-French三因子模型是由诺贝尔经济学奖得主尤金·法玛和肯尼思·弗伦奇于1993年提出的，用来描述股票收益率的波动情况。

该模型认为股票的超额收益率可由市场风险、公司规模和估值水平三个因子来解释。

其中，市场风险因子代表整体市场收益率对个股收益率的影响；公司规模因子代表公司规模对股票收益率的影响；估值水平因子则代表估值水平对股票收益率的影响。

通过这三个因子的组合，Fama-French三因子模型能够更准确地解释股票收益率的波动情况。

三、市场风险因子在Fama-French三因子模型中，市场风险因子起着至关重要的作用。

市场风险因子代表整体市场收益率对个股收益率的影响，反映了整体市场的变化对个股的影响程度。

通过对市场风险因子的分析，投资者可以更好地理解股票收益率的波动情况，从而进行更准确的风险控制和投资决策。

四、公司规模因子除了市场风险因子，Fama-French三因子模型中的公司规模因子也具有重要意义。

公司规模因子代表公司规模对股票收益率的影响，反映了小盘股和大盘股在市场中的表现差异。

通过对公司规模因子的分析，投资者可以更好地把握不同规模公司的投资机会，从而实现更好的投资回报。

五、估值水平因子Fama-French三因子模型中的估值水平因子也是不可忽视的一部分。

估值水平因子代表估值水平对股票收益率的影响，反映了股票的估值水平对其未来收益的影响程度。

通过对估值水平因子的分析，投资者可以更好地把握股票的估值情况，从而进行更准确的投资决策。

六、总结与回顾通过以上对Fama-French三因子模型的解释，我们可以看到该模型对股票收益率的解释能力非常强，能够更准确地解释股票收益率的波动情况。

经济增长、股票收益率与股市流动性之间的时变影响——基于TVP-SV-SVAR模型的分析经济增长、股票收益率与股市流动性之间的时变影响——基于TVP-SV-SVAR模型的分析摘要：本文利用时变参数-随机波动模型（TVP-SV）和结构向量自回归模型（SVAR）对经济增长、股票收益率与股市流动性之间的时变关系进行分析。

通过构建TVP-SV-SVAR模型，本文对中国的股市数据进行实证研究，并采用1996～2020年的季度数据。

研究发现，经济增长与股票收益率之间呈现出正相关关系，而股票收益率与股市流动性之间则存在负相关关系。

此外，研究还发现，这些关系随着时间的推移具有显著的时变性。

1. 引言经济增长、股票收益率和股市流动性是股市中的重要元素。

研究它们之间的关系可以帮助投资者更好地理解股市的运行机制，制定更科学的投资策略，并为政府制定经济政策提供参考。

然而，由于经济、金融等因素的不断变化，这些关系很可能会随着时间的推移而发生变化。

因此，通过分析它们的时变关系，可以更全面地认识股市的运行规律。

2. 文献综述先前的研究主要集中在经济增长与股票收益率之间的关系上，一般认为二者之间具有正相关关系。

然而，对于股票收益率和股市流动性之间的关系，则存在较多争议。

有的研究认为二者呈现负相关关系，而另一些研究则认为二者之间没有明显的关系。

此外，这些关系是否具有时变性也是一个尚未解决的问题。

3. 模型设定及实证分析为了探究经济增长、股票收益率与股市流动性之间的时变关系，本文构建了TVP-SV-SVAR模型，并利用中国股市的季度数据进行了实证研究。

在模型设定中，我们将经济增长、股票收益率和股市流动性作为端变量，并引入一些相关的控制变量，如利率、产出缺口等。

利用贝叶斯方法，我们估计出了模型的参数，并通过模型选择准则选择出最优的模型。

4. 实证结果与分析实证结果显示，经济增长与股票收益率之间存在着显著的正相关关系。

这说明在经济增长的推动下，股票市场往往呈现出较好的表现。

小组成员王召光2010310106 林楠2010310109 王宝义2010310110 柯燕青2010310179 张梁2010310099沪市股票收益率波动行的研究——基于ARCH和GARCH模型的分析摘要：本文选取上证综合指数并计算其收益率分析股票收益率的特征,数据的跨度为2001年08月09日至2004年06月30日，对数据进行ARCH检验，发现沪市收益率呈现右偏，尖峰厚尾的特征，分布并不为正态分布，同时呈现明显的条件异方差，存在ARCH效应，并且GARCH能更好的拟合沪市的数据。

Abstract: This paper selects the Shanghai Composite Index and calculate the yield of the characteristics of stock returns, the data span for the August 9, 2001 to June 30, 2004, ARCH tests on the data, show that yield Shanghai the right side, a fat tail of the characteristics, distribution is not normally distributed, while showing significant conditional heteroskedasticity, ARCH effects exist, and can better fit the GARCH Shanghai data.关键词：收益率波动性ARCH GARCH一、引言金融市场价格变化容易受到各种因素的影响，例如谣言、政局变动、国家政策等。

其不确定性特别大，要建立这些因素与金融变量之间的因果关系比较困难而且在实际中，这些变量之间可能存在自相关和异方差由美国经济学家提出的条件异方差自回归模型，即ARCH模型用于研究具有丛集性和方差波动性特点的经济类时间序列数据具有较好的效果。

摘要随着我国金融市场的不断发展与完善，影响投资行为和股票收益率的因素也逐渐变得复杂。

正确认识我国证券市场的运行特征和股票收益率的影响因素，对于投资者进行投资组合选择、基金经理评价组合业绩、企业提高自身竞争力和监管部门健全证券市场运行机制都有一定的指导意义。

本文从微观角度对影响我国股票收益率的因素进行了实证研究。

以上证A 股市场所有上市公司股票为样本，依据账面市值比和流通市值两个风险因素，使用Excel强大的筛选功能，交叉分组得到9个股票组合；通过FF三因子模型，使用计量经济学的检验方法对股票收益率与账面市值比因子、规模因子及市场因子之间的关系进行了实证分析；进一步，通过该模型比较分析了引入行业因素后进行分组所得到的各个组合股票收益率之间的差异。

在分组方法的选择上，我们比较了两种分组方式下证券组合的经济意义，最终使用账面市值比的不同取值范围来定义不同的账面市值比组合，以统一每个组合中所描述的股票收益率的财务风险大小。

在组合收益率的实证分析中，我国股票收益率表现出了明显的账面市值比效应和规模效应。

我们利用递归残差图检验和CUSUMSQ检验对三因素模型的稳定性进行了实证研究，发现其不具有稳定性。

我们使用Excel对各个组合进行步长为1的递归回归，合理解释了各因子回归系数所表现出的规律性。

在引入行业因素的比较分析中，我国股票组合收益率的账面市值比效应和规模效应并不明显。

对此，本文给出的解释为：引入行业因素后的组合中，上市公司数目少、分散性不足造成回归结果不理想。

关键词：股票收益率；三因子模型；账面市值比；规模；行业ABSTRACTWith the development of finance market in our country, the factors having an impact on investment behavior and return of stocks came to be more complex .To get a thorough understanding of these factors will have a far-reaching significance in establishing a healthy running mechanism,improving the quality of listed companies and providing investors with reliable information and scientific guidance.On the basis of that, we have an empirical research on the possible factor which influencing stock returns of our companies listed in ShangHai stock market from micro aspect. The stocks of all listed companies in Shanghai A-share market as a sample, according to two risk factors of book-to-market value and market value,together with the powerful filter function of Excel, we get nine stock portfolios which shows obvious characteristics;We examines the relationship between the return of stock and three factors:book-to-market value factor, scale factor and the market factor through FF- three factors model,as well as the inspection method arising from Econometrics ;Further, we compare and analysis the difference in the return of stock portfolios after the consideration of industry.In the selection of approach on assigning group , we show a comparation of economic meaning of each goup by two different approach .On the basis of B-M ,we find there is a corsponding relation between the value scope and define different groups ,in order to unify financial risk of each combination of stocks.In combination of empirical analysis, there are obvious book-to-market effect and scale effect in China stock returns. Three factors model in this paper does not have stability by the inspection of recursion residual figure and CUSUMSQ test. Through the recursive regression, we give reasonable explanations on the regularity of sensitive coefficient sequences of these two factors in each group.In the the comparison and analysis after the consideration of industry factor , there is no book-to-market effect and scale effect on the return of stock portfolio in our country.The possible reason is that the count of listed companies becomes less and less with the regard of industry , the lack of dispersion on data lead to the non ideal regression result.KEY WORDS：Return of Stock; Three Factor Model; Book-to-Market Value; Size; Industry学位论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果。

对外经济贸易大学硕士学位论文沪深300指数波动率及成交量对其影响的实证分析姓名：***申请学位级别：硕士专业：金融学指导教师：***20080501随着股改的顺利进行，中国股市近年来取得了长足的发展，但股市所表现出来的波动幅度和风险明显大于国外成熟的资本市场。

而波动性则是股市最重要的特征之一，波动率作为度量股市风险的重要工具之一，一直受到学界和业界的广泛重视。

目前，国内学者对中国股市波动性的研究，主要是利用ARCH族模型对沪市和深市的指数分别研究，来反映中国股市整体的波动特征。

沪深300指数是中国证券市场成立以来首只统一指数,是能够综合反映沪深两个市场整体走势的“晴雨表”。

所以本文主要研究沪深300指数的波动特征及成交量对去其波动性的影响，以期用深300指数的波动特征来反映中国股市的整体特征。

本文采用了GARCH族模型来研究沪深300指数波动性，还进一步考察了扰动项服从不同的分布假设对模型拟合的影响，最后引入成交量，作为信息到达的替代变量，来检验成交量对波动性是否具有解释力。

结果表明，沪深300指数具有高峰厚尾特征、波动具有持久性、风险存在溢价，且具有反“杠杆效应”的不对称性；在考虑不同的分布假设情况下，发现EGARCH-M（1，1）模型对沪深300指数拟合的效果最好；而成交量作为沪深300指数信息到达的替代变量是有较弱的解释力。

关键词：沪深300，波动性，GARCH-M模型，成交量With the finish of reform of non-tradable shares, Chinese Stock Market has developed fast and made great progress during the last few years. However, Chinese Stock Market is still young, margin of fluctuation and risk are bigger than the overseas mature capital markets obviously. V olatility, as one of the most important tools to measure the stock market’s risk, has been thought deeply by the scholars. Nowadays, domestic scholars mainly focus on the study of the features of Shanghai and Shenzhen stock markets respectively by using the ARCH model, and then get fluctuation characteristic of Chinese Stock Market. Since the Shanghai and Shenzhen 300 index is first one to unify Shanghai and Shenzhen stock markets, it can reflect the trends of Shanghai and Shenzhen two markets overall. Therefore this article mainly studies the Shanghai and Shenzhen 300 index’s volatility characteristics and whether the volume can be a substitution variable of information flow to explain the volatility.This article mainly focuses on following several aspects: Using GARCH model to study the Shanghai and Shenzhen 300 index; Find what the kind of distributions of residual can fit the data best, and get the best estimation effect of GARCH model;Furthermore, we consider whether the volume can be used as a substitution variable of information flow to explain the volatility.And the main results are the following: excess kurtosis and heteroskedasticity of the series data, asymmetric effect of the series data volatility and the endurance effect of the series data volatility; The EGARCH-M(1,1)-GED model is proven to be the best model to fit the series data; The V olume can be a substitution variable of information flow to explain the volatility, but it’s very weak.Keywords：Shanghai and Shenzhen 300 Index，V olatility, GARCH Model，V olume.学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。

股市特质风险与股票收益率相关关系的实证研究熊伟;陈浪南;柯忠义【摘要】Based on traditional asset pricing models,idiosyncratic risks can be well-diversified through portfolio selection,and only systematic risk is priced.However,idiosyncratic risks might not be fully diversified as there are frictions and imperfect information in the market.Researchers have different views on the effect of idiosyncratic risks on stockreturns,depending on model specifications for measuring idiosyncratic risks as well as sample data.In this paper,we examine the relationship between idiosyncratic risks and stock market return by incorporating idiosyncratic risks as a source of systematic risks un-captured by beta coefficients in China's stock market.First,we estimate idiosyncratic volatility as a standard deviation of daily residuals in the regression timessquare root of number of days based on the Fama-French by employing a sample data from Shanghai Stock Exchange for the period from 3 January 1996 to 31 December 2011.We construct different portfolios based on idiosyncratic volatility and use the difference of the weigh average rate of return of the portfolio with high volatility and that of the portfolio with low volatility as a systematic risk-based factor IVF.We allocate stocks into two portfolios by size based on whether their month of end market equity is above or below the median market equity.Further,we construct six size-idiosyncratic volatility portfolios with two dimensions of size and idiosyncratic volatility.Second,we examine the ability of systematic idiosyncratic riskfactors in predicting future market return and future market variance by utilizing a regime switching model.We find that IVF can be used to forecast future market return or volatility.The idiosyncratic risk-based factor is positively correlated to stock market return,and is also positively correlated to stock market variance in the high variance regime.Third,we examine to what extent cross-sectional differences in return for portfolio sorted by idiosyncratic volatility and size can be explained by differences in exposure to the computed systematic idiosyncratic risk factor.Betas are first estimated using the variance-covariance method with a rolling window of 24 months.Afterwards,we examine the extent to which exposure to the systematic idiosyncratic risk factor is priced in a cross section of portfolios via cross-sectional regressions of asset returns against estimated betas.We find that IVF can be used as a risk factor in the cross section.The higher the correlation between stock returns and IVF,the higher the risk premium demanded by the investors.The sensitivity of investors to the idiosyncratic risk factor is higher for the high idiosyncratic volatility portfolio.%本文将股票特质风险以系统性风险因子形式引入资产定价过程,实证检验了中国股票市场特质波动率与股票收益率的关系.本文按照股票特质波动率的大小构造投资组合,将高特质波动率组合的加权平均收益率与低特质波动率组合的加权平均收益率之差作为特质风险因子IVF.实证结果表明:(1)特质风险因子对股票市场有一定的预测作用.特质风险因子越高,预期股票市场收益率越高;高波动市场环境下的预期股票市场波动率也越高. (2)特质风险因子可以解释股票收益的截面差异.股票收益与特质风险因子IVF之间的相关性越大,投资者要求的风险溢酬越高,股票期望收益率就越高.【期刊名称】《管理工程学报》【年(卷),期】2017(031)002【总页数】7页(P170-176)【关键词】特质波动率;系统性风险;资产定价【作者】熊伟;陈浪南;柯忠义【作者单位】中山大学岭南学院,广东广州510275;惠州学院数学系,广东惠州516000【正文语种】中文【中图分类】F832.5传统资产定价模型认为投资者可以通过构造投资组合来充分分散化股票特质风险，影响资产均衡价格的因素只有系统性风险。