关于股票收益与BM的分析(数据可改)
- 格式:doc
- 大小:89.27 KB
- 文档页数:9
金融市场数据分析报告股票收益率与市场波动分析金融市场数据分析报告股票收益率与市场波动分析在金融市场中,股票收益率与市场波动是投资者和分析师们关注的重要指标。
通过对股票收益率和市场波动的分析,可以帮助我们理解市场的走势、风险和回报的关系。
本报告将对股票收益率和市场波动进行深入分析,以探索它们之间的相互关系和影响。
一、股票收益率分析股票收益率是指某只股票在一定时间内的投资回报率。
它可以通过以下公式进行计算:股票收益率 = (股票价格终值 - 股票价格初值) / 股票价格初值股票收益率可以分为日收益率、周收益率、月收益率等多种形式。
通过计算股票在不同时间尺度上的收益率,我们可以了解股票的短期和长期表现,以及价格的波动情况。
在分析股票收益率时,我们可以使用各种统计方法和工具,例如计算平均收益率、标准差、相关系数等。
这些指标可以帮助我们了解股票的平均表现、风险水平以及与其他股票或市场指数的关系。
二、市场波动分析市场波动是指市场价格在一定时间内的波动程度。
市场的波动性是投资者关注的重要因素之一,因为波动性可以影响投资者的风险承受能力和预期收益。
市场波动通常用波动率来度量,例如标准差、波动系数等。
较高的波动率表示市场价格波动较大,风险也相对较高。
而较低的波动率则表示市场价格相对稳定。
分析市场波动可以帮助我们预测市场的未来走势,选择适合的投资策略。
通过观察市场波动的趋势和模式,我们可以了解市场的周期性和趋势性,从而作出更明智的投资决策。
三、股票收益率与市场波动关系分析股票收益率和市场波动之间存在着紧密的关系。
一般来说,股票收益率受到市场波动的影响,市场波动较大时,股票的收益率也会相应地波动较大。
然而,股票收益率与市场波动之间的关系并不是简单的因果关系。
除了市场波动性外,还有其他因素会对股票表现产生影响,例如公司业绩、行业环境等。
因此,只凭市场波动率无法完全解释股票收益率的变化。
为了更准确地分析股票收益率与市场波动的关系,我们可以采用多元回归分析等统计方法。
BM效应(重定向自BM Effect)BM效应(BM Effect)或称B/M效应、账面市值比效应(book—to—market efect)[编辑]什么是BM效应所谓BM效应,指账面市值比效应,指BM值较高的公司平均月收益率高于BM值较低的公司。
关于BM效应,国内外学者已做了许多研究。
Fama和French(1992)研究了1963到1990年所有在NYSE、AMEX、NASDAQ上市的股票,发现BM值最高的组合(价值组合)月均收益率超过BM值最低的组合(魅力组合)达1.53%。
肖军,徐信忠(2004)以1993年6月至2001年6月沪深股市A股股票为样本,计算持有一年、两年、三年的收益率数据,认为BM效应存在。
[编辑]BM效应产生的原因近年来大量实证研究表明,股票横截面收益与上市公司的相关特征有关,如规模(SIZE) 、权益账面市值比(BM) 、杠杆比例、股利收益率、盈余价格比和过去收益惯性。
由于CAPM难以解释这类关系,因此称之“异象”。
学术界对于各种异象的研究主要集中于“BM 效应”产生的原因,即为什么高BM 的股票比低BM 的股票具有更高的收益。
目前,主要有如下四种观点 :1.Black(1993) ,Mackinlay(1995) 认为,BM 效应只是特定样本在特定检验期内才存在,是数据挖掘的结果。
Kothari 等(1995) 也认为,是构造BM 组合过程中出现的选择性偏差(selection bias) 造成BM 效应的存在。
但Chan 等(1991) ,Davis(1994) ,Fama 和French(1998) 等人通过检验美国之外的股市或拉长检验期后,仍发现BM 效应显著存在,从而否定了Black 等人的解释。
2. 第二种观点(Fama 和French ,1992 ,1993 ,1996) 认为,BM 代表的是一种风险因素———财务困境风险。
具有困境的公司对商业周期因素如信贷条件的改变更加敏感,而高BM 公司通常是盈利和销售等基本面表现不佳的公司,财务状况较脆弱,因此比低BM 公司具有更高风险。
2020上半年股民收益统计摘要:一、引言二、2020年上半年股市行情回顾1.疫情对股市的影响2.政策扶持下的股市回暖三、股民收益统计数据1.整体收益情况2.不同板块收益对比3.投资者结构变化四、收益差异原因分析1.市场环境因素2.投资者自身因素3.投资策略差异五、下半年股市展望与投资建议1.疫情影响持续2.政策导向3.投资策略建议六、结语正文:随着2020年上半年结束,股市的涨跌起伏吸引了众多投资者关注。
在这个特殊时期,股市行情经历了疫情冲击、政策扶持等多种因素影响。
本文将对上半年的股民收益情况进行统计分析,并展望下半年的股市走势,为大家提供实用的投资建议。
一、引言2020年上半年,疫情对全球经济产生了严重影响,股市也经历了波动较大的阶段。
在我国政府积极应对、政策扶持下,股市逐步回暖。
那么,在这个时期,股民的收益情况如何呢?二、2020年上半年股市行情回顾1.疫情对股市的影响疫情爆发初期,股市受到恐慌情绪影响,出现大幅下跌。
但随着我国政府采取一系列措施,包括货币宽松、减税降费等,股市逐步企稳并回暖。
2.政策扶持下的股市回暖政府在疫情期间出台了一系列政策,以稳定股市。
如加大资金投入、引导险资入市等,有效提振了市场信心。
在政策扶持下,上半年股市整体呈现上涨态势。
三、股民收益统计数据1.整体收益情况根据统计数据显示,2020年上半年,我国股民整体收益率为10.55%。
其中,主板市场收益率为14.56%,中小板市场收益率为7.68%,创业板市场收益率为11.16%。
2.不同板块收益对比从板块角度来看,主板市场表现最佳,中小板次之,创业板市场收益最低。
这主要是由于主板市场以大盘蓝筹股为主,受政策扶持力度较大;而创业板市场以中小企业为主,受疫情影响较大。
3.投资者结构变化上半年,随着资金涌入,投资者结构也发生了变化。
机构投资者占比上升,散户投资者占比下降。
这一变化有利于市场稳定,提高投资收益。
四、收益差异原因分析1.市场环境因素疫情对不同行业产生了不同影响,部分行业如医疗、在线教育等受到疫情刺激,企业业绩大幅增长,带动股价上涨。
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。
贵州茅台600519股票季度收益率和公司财务数据相关性分析(大牛股价值投资案例数理分析)贵州茅台是二级市场最牛的大牛股,所以贵州茅台也成为了价值投资的范例。
那么对于贵州茅台而言,他的二级市场走势到底和那些财务指标相关,和那些财务指标反相关,和那些财务指标不相关呢。
这个问题我也很想研究一直没有机会。
前段时间去某国企应聘金融iT岗,主管在应聘流程最后给我出了这个题目......。
本人花了2天天时间,从收集数据,用c++编程处理数据,最后成文,花了我三天时间,把这个骨头坑下来。
里面有几个坑,简单一提,同行可以参考一下:(1)坑1,财务数据数据源,从wind下载数据,下载数据格式为csv,可以用c++处理成matlab能加载的格式,然后用matlab进行处理。
也可以用python进行处理。
里面的坑是下载数据是字符串格式,在表示大数据时用带“E”的格式表示。
例如 1.03乘10的8次方,可简写为“1.03E+08”的形式。
加载之前要先对这些进行处理。
(2)坑2,wind下载数据无法把k线数据和财务数据对应起来下载,也就是时间轴无法对应,需要自己编程来处理。
(3)坑3,wind数据中,市盈率数据格式和其他财务数据不一致,需要换算成统一的格式。
(4)坑4,当然是未来函数。
下面介绍分析结果。
这里分析贵州茅台二级市场股票季度收益率和财务数据的相关性、股票累计收益率和财务数据的相关性分析。
分析报告内容分两个部分:第一部分采用wind原始的财务数据进行分析。
第二部分则对wind财务数据处理后的数据进行相关性分析,旨在找到二级市场投资的合理建议。
(实际上,从分析的情况看,结果是和一般人想象的不一样。
按照常人的思考,投资往往会失败啊~~~~) 第一部分原始Wind财务数据处理结果用于相关性分析的财务数据列表如表1所示。
财务数据时间跨度为2015年1季度到2020年中报。
K线数据来源为掘金量化终端,复权类型为前复权,财务数据来源为Wind 数据终端。
《沪深A股主板市场Fama-French五因子模型实证研究》篇一一、引言随着金融市场的快速发展和理论研究的深入,投资者对于投资回报和风险的认识越来越细致。
在众多投资理论中,Fama-French五因子模型被广泛接受,并在全球金融市场得到了广泛的应用。
本文以沪深A股主板市场为研究对象,对该模型进行实证研究,旨在分析五因子模型在中国的适用性及其实际效果。
二、文献综述Fama-French五因子模型是在Fama-French三因子模型的基础上,进一步扩展的模型。
该模型在股票回报的评估中考虑了五种主要因素:BM(账面市值比)、SMB(规模因子)、HML(账面市值比上年度消费情况因子)、RMW(市场激励收益)、CMA(盈利能力的差异)。
这一模型在国内外众多研究中均得到了验证,并在不同市场环境下表现出良好的解释力。
三、研究方法本文采用实证研究方法,以沪深A股主板市场的上市公司为研究对象,使用Fama-French五因子模型进行分析。
在数据处理上,采用描述性统计和多元回归分析等手段,通过STATA软件进行数据清洗、计算和处理。
四、数据描述与分析首先,我们详细描述了所使用的数据来源和数据处理方法。
接着,我们对沪深A股主板市场的五因子进行描述性统计分析,包括BM、SMB、HML、RMW和CMA等因子的分布情况、变化趋势等。
然后,我们使用多元回归分析方法,对五因子与股票回报之间的关系进行实证研究。
五、实证结果与讨论根据我们的实证研究结果,Fama-French五因子模型在沪深A 股主板市场表现出较好的解释力。
具体来说,BM(账面市值比)和SMB(规模因子)对股票回报具有显著影响。
此外,HML (账面市值比上年度消费情况因子)和RMW(市场激励收益)也对股票回报具有一定影响。
然而,CMA(盈利能力的差异)因子的影响在A股市场表现并不显著。
这一结果可能反映了中国市场独特的经济环境和投资者行为特征。
从市场角度看,尽管中国市场的监管政策和制度环境与西方成熟市场有所不同,但Fama-French五因子模型在沪深A股主板市场的适用性仍显示出其重要价值。
股市收益率影响因素分析股市收益率是指一定期间内股票价格的变动所带来的收益,是衡量股票投资效益的重要指标。
股市收益率受多种因素的影响,包括宏观经济因素、公司基本面因素、市场情绪因素等。
本文将分析这些因素对股市收益率的影响,并探讨如何利用这些因素来指导投资决策。
一、宏观经济因素对股市收益率的影响宏观经济因素是影响股市收益率的重要因素之一。
宏观经济因素包括国家经济增长速度、货币政策、通货膨胀率、利率水平等。
这些因素对股市收益率的影响主要表现在以下几个方面。
国家经济增长速度对股市收益率有显著影响。
当国家经济增长速度加快时,企业盈利水平提高,投资者对股票的预期收益增加,股市收益率也会相应上升。
反之,当国家经济增长速度放缓时,企业盈利水平下降,投资者对股票的预期收益减少,股市收益率也会相应下降。
货币政策和通货膨胀率对股市收益率也有重要影响。
货币政策的宽松会刺激企业投资和消费,有利于提升企业盈利水平,从而推动股市收益率上升;而货币政策的紧缩则会抑制企业投资和消费,对股市收益率产生负面影响。
通货膨胀率的上升会导致资产贬值,进而影响股市收益率;而通货紧缩则会提高实际利率水平,对股市收益率产生积极影响。
利率水平对股市收益率的影响也十分显著。
一般情况下,利率水平上升会使债券市场收益率上升,从而提高债券投资的吸引力,降低对股票的需求,导致股市收益率下降;而利率水平下降则会提高股市收益率。
公司基本面因素是指公司盈利能力、成长性、财务状况等因素。
这些因素对股市收益率的影响主要体现在以下几个方面。
公司盈利能力对股市收益率有决定性影响。
一般情况下,盈利能力强、稳定的公司股票收益率较高,盈利能力弱、不稳定的公司股票收益率较低。
投资者需要重点关注公司的盈利能力,以指导投资决策。
公司成长性对股市收益率也有影响。
成长性好的公司通常能够获得更高的股票收益率,因为投资者对其未来盈利能力抱有高度预期。
反之,成长性差的公司股票收益率较低。
投资者情绪对股市收益率有重要影响。
分拆B/M指标对上市公司股票收益解释力的改进性研究作者:李敏何理来源:《财经问题研究》2009年第11期摘要:账面市值比(B/M)指标在解释股票的期望收益变动时存在噪音,因为该指标往往会随着未来期望现金流的变化而变化。
本文假设, 使用分拆的B/M指标,即分别包含了关于未来期望现金流和股票期望收益独立信息的权益账面价值和市场价格的历史改变量以及滞后的B/M,替代原有的B/M,会对股票期望收益率的解释力有显著改进。
实证结果部分支持了该假设:分拆B/M指标,对总体股票样本表现出了显著的对股票收益解释力的改善;而Mirco和ABM股票样本的检验结果却存在较大的差异。
关键词:股票期望收益;账面市值比(B/M);账面价值变化量;市价变化量中图分类号:F830.91 文献标识码:A文章编号:1000-176X(2009)11-0061-08资产定价理论一直是金融理论和实务界的一个重要内容,随着理论的发展和对股票期望收益异象的广泛关注,许多学者尝试改进传统的资本资产定价模型来对异象进行解释,Fama-French(1993)三因素模型就是其中的代表之一,对于规模效应和账面市值比效应的产生原理和对于股票收益率真正的影响根源也成为各方研究争论的焦点,众多学者尝试进一步改进原有模型,以改善其对于股票收益率的估计效果。
本文在已有研究的基础上,以1996—2008 年中国沪深两市A 股所有上市公司为研究样本,借鉴Fama和French(2008)的思路,进一步探讨分拆指标对股票期望收益的解释效果在中国证券市场的改进性,有助于探索到更适合中国证券市场的资产定价方法。
一、理论研究基础虽然B/M指标对于股票期望收益的解释力基本上得到了学术和实务界的认可,但近期的研究表明,B/M指标在解释股票的期望收益时存在噪音,因为该指标往往会随着未来期望现金流的变化而变化。
Vuolteenaho (2002)指出,对于未来期望现金流预测的不同,会导致指标存在较大的差异。
A股与美股的影响因子比较研究--基于SLB模型的BM效应吴逢怡
【期刊名称】《丝路视野》
【年(卷),期】2016(000)018
【摘要】本文以1990—2016年中国A股市场上市公司为样本,以2010年为分界点,基于原始的Fama-French三因素模型,实证分析了中国A股市场股票收益率的风险因子。
研究结果表明,改进后的Fama-French三因素模型中仅有两个因素能较好地解释中国A股市场的股票收益率;中国A股市场股票收益率存在显著的规模与价值效应,与公司账面市值比呈显著的正相关关系,但系数呈微笑曲线。
【总页数】3页(P1-3)
【作者】吴逢怡
【作者单位】华东政法大学商学院,上海 201620
【正文语种】中文
【相关文献】
1.基于预防性储蓄动机的中美股市财富效应比较研究——对牛市和熊市的检验 [J], 虞斌;何建敏
2.A 股与美股的影响因子比较研究——基于SLB 模型的BM 效应 [J], 吴逢怡;
3.中美股市波动性研究与杠杆效应——基于GARCH模型的实证分析 [J], 孙梦鸽;
4.中美股市波动性研究与杠杆效应r——基于GARCH模型的实证分析 [J], 孙梦鸽
5.投资者情绪、美股波动对A股市场波动率影响——基于TVP-VAR模型 [J], 张宗强;戚成飞
因版权原因,仅展示原文概要,查看原文内容请购买。
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。
股票自身的影响因素β值代表的股票的系统风险,虽然剔除之后可以更好的考察账面市值比本身对股票收益的影响,但是在本文中为了全面性的考察相关因素对股票收益的影响,还是选择不剔除β值进行研究。
1.市场阶段划分本文选定的时间范围为2003年7月-2011年6月钢铁股票的收益情况,在这期间,中国股市也存在上涨与下跌的阶段划分。
其中,上涨阶段包括2003年10月—2007年10月;2008年11月—2009年7月;下跌的阶段包括2007年11月-2008年10月,2009年8月至今;在本文的研究中,我们把股票指数上涨的期间称为牛市,把股票指数下跌的期间称为熊市,并根据此时间段的划分分别对钢铁股票进行研究分析。
2. 投资组合划分我们先把选定的样本区间内的钢铁股票按照β排序后分为5组,然后再根据其账面市值比把钢铁股票分为5组,这样就考虑在剔除股票的系统风险对其收益的影响之后,钢铁股票收益与账面市值比之间的影响关系。
统计性描述分析1. 2003年7月—2011年6月账面市值比效应1 2003年7月—2011年6月账面市值比效应月平均收益率(%)t统计量从表1中可以看出,本文研究所选定的这一时间段内,钢铁股票的平均收益都是正的,账面市值比都是存在并且显著的。
在每一个Beta分组内,随着账面市值比的增加,股票收益在随之增加,二者呈现出正比例的关系。
比如,对Beta1分组来说,从B/M1到B/M5,钢铁股票的平均收益率分别为 1.71,2.46,2.63,2.78,3.24,t值分别为2.12,2.49,2.62,2.9,3.34,B/M5-B/M1(即买入账面市值比高的股票,卖出账面市值比低的股票)的股票回报为1.53,t值为1.21,是显著的。
这也就是说,在本文所选定的时间区间内,钢铁股票存在明显的账面市值比效应,股票收益与账面市值比之间的关系是,股票的收益越高,账面市值比就越大。
2. 牛市情况下的账面市值比效应在选定的时间区间内,我们考察牛市情况下(2003年10月—2007年10月;2008年11月—2009年7月)股票的账面市值比效应来验证钢铁股票收益与账面市值比之间的关系。
2 牛市情况下的账面市值比效应月平均收益率(%)T统计量从表2中可以看出,在牛市的情况下,钢铁股票的平均收益都是正的,账面市值比都是存在并且显著的。
在每一个Beta分组内,随着账面市值比的增长,收益率在随之增加,二者呈现出正比例的关系。
比如,对Beta1分组来说,从B/M1到B/M5,钢铁股票的平均收益率分别为5.80,5.88,6.89,7.14,8.35,t值分别为6.33,6.81.7.22,7.63,8.18,B/M5-B/M1(即买入账面市值比高的股票,卖出账面市值比低的股票)的股票回报为2.55,t值为1.85,是显著的。
这说明,在牛市的情况下,钢铁股票也存在着明显的账面市值比效应,股票收益与账面市值比之间的关系是,股票的收益越高,账面市值比就越大。
3. 熊市情况下的账面市值比效应我们还可以考察熊市情况下(2007年11月—2008年11月)股票的账面市值比效应来验证钢铁股票收益与账面市值比之间的关系。
3 熊市情况下的账面市值比效应月平均收益率(%)T统计量从表3中可以看出,在熊市的情况下,钢铁股票的平均收益都是负的,但是账面市值比还是显著存在的。
同样的,账面市值比效应并没有随着Beta的变化呈现出有规律的变化,但是在每一个Beta 分组内,随着账面市值比的增长,股票收益呈现出增加的状态,两者表现为正比例的关系。
比如,对Beta1分组来说,从B/M1到B/M5,钢铁股票的平均收益率分别为-7.91,-7.85,-7.29,-6.73,-6.29,t 值分别为-7.91,-7.76,-7.52,-7.62,-7.49,B/M5-B/M1(即买入账面市值比高的股票,卖出账面市值比低的股票)的股票回报为1.63,t 值为0.42,是显著的。
这说明,在牛市的情况下,钢铁股票也存在着明显的账面市值比效应,股票收益与账面市值比之间的关系是,股票的收益越高,账面市值比就越大。
此外,从上表中还可以看出,在每一个账面市值比分组内,股票收益并没有随着β值的变化呈现出有规律的变化,也就是说,钢铁股票的;β值对股票的收益没有显著的影响。
综合上面几个检验结果,我们可以看出,无论是在哪个时间,牛市还是熊市时期,钢铁股票的账面市值比效应都是显著的,也就是说股票收益与账面市值比存在明显的正向关系。
横截面回归 方法介绍截面回归方法是Fama 和 MacBeth 于1973年在检验资本资产定价模型时开创的,回归的主要步骤为:第一步,每个时间点的截面数据回归,给定T 个时间段的横截面数据,对每个t(t=1,2,...T)的截面数据用OLS 方法估计,其回归模型为:2it 0t 123=t it t it t it it R s γγβγβγη++++ (2)其中,it R 为第i 只股票在第t 期的收益率;it β为第i 只股票在t 时期的β值;it s 表示回顾的残值,不能有β值解释的部分,0t γ,1t γ,2t γ,3t γ为待估系数。
通过T 次截面回归得到回归系数的一个时间序列。
第二步,计算回归系数时间序列的均值和方差,进而计算t 统计量。
通过T次横截面的回归,得到回归系数的一个时间序列,时间长度为T 期,分别计算其均值,标准差和t 统计量。
当股票收益服从正态分布的假设时,回归系数也服从正态分布,就用t 统计量检验回归系数的显著性。
回归检验及分析上文用描述性统计的方法考察了钢铁股票的股票收益与账面市值比之间的关系,下面我们就用横截面回归方法来进行验证并进行检验,同时也可以验证系统风险对股票收益的影响。
检验的回归方程如下:012**/it i it it R B M ααβαε=+++ (3)其中,it R 代表股票i 在t 月的月度收益率;i β代表股票的排序后β;/itB M 代表股票i 在t 月的账面市值比。
1. 2003年7月到2011年6月横截面回归结果4 2003年7月到2011年6月横截面回归结果从表4的回归结果中我们可以看出,本文所选定的时间区间内,钢铁股票的账面市值比效应都很显著。
B/M 的回归系数为0.94,t 统计量为3.35,无论是回归系数还是t 统计量,都比较大而且显著,这也就证明了,钢铁股票收益与账面市值比的确是呈现出显著的正比例关系.牛市和熊市的横截面回归结果5 牛市和熊市的横截面回归结果从表5的回归结果中我们可以看出,在牛市和熊市时期,股票的账面市值比效应都比较显著。
比如在牛市时期,B/M 的回归系数为0.72,t 统计量为8.63,无论是回归系数还是t 统计量,都比较大而且显著;在熊市时期,B/M 的回归系数为0.84,t 统计量为12.19,无论是回归系数还是t 统计量,也都是比较大而且显著的。
另外,从回归结果中我们也可以看出,在不同的时期,钢铁股票的Beta 值发生了很大的变化,牛市时期股票的Beta 是正的,而熊市时期其值是负值。
这可以说明,因为Beta 代表的是股票的系统风险,在牛市的时候,投资者们倾向于重视股票收益而选择暂时性的忽略股票的系统风险,因此股票的风险越大,投资者们越愿意购买。
但是在熊市的时候,投资者们更加看重的是股票的风险,所以会更加偏向于购买那些风险比较小的股票而去规避那些风险比较大的股票。
平稳性检验在对钢铁股票分时期进行横截面回归检验之后,我们分别进行以下的回归来进行稳定性检验:模型1:012**(*)it i i it R D ααβαβε=+++ (4) 模型2:012*/*(*/)it it it it R B M D B M αααε=+++ (5) 回归结果如下:6 综合回归结果从表6中模型1的回归结果可以看出,如果只考虑Beta因素的话,Beta的D Beta的回归系数为0.71,t 回归系数是-0.26,t统计量为-3.05,是显著的;*统计量为5.44,是显著的。
这说明,在熊市的时候,Beta对股票收益的影响是负面的,这也就是说,系统风险越大的股票,在熊市的时候收益就会越小,说明了投资者在熊市时期是规避风险的。
在牛市时期,Beta越大,也就是说系统风险越大的股票的收益是越大的,说明在牛市时期乐观情绪的鼓舞下,投资者更加愿意承受风险去购买风险大的股票。
B M的回归系数为0.91,t统计量为从表6模型2的回归结果可以看出,/D B M的回归系数是-0.36,t统计量为-2.36,是不显著的。
12.52,是显著的;*/这也就这一次说明,无论是在牛市还是熊市的情况下,账面市值比对钢铁股票收益的影响都是正的且显著的,在不同的市场情况下得出的结果没有明显的差别,和前面横截面回归得出的结果是一致的。