一、中国股市交易量的周内效应(论文文献综述)
石红芬[1](2021)在《中国股指期货市场日历效应实证研究》文中研究指明有效市场假说(EMH)提出证券价格是有效率的,它包含了所有的相关信息。有效市场假说的提出为现代金融投资理论奠定了基础,然而随着资本市场的不断扩大和开放,越来越多的金融市场异象对有效市场假说提出挑战。其中一个很重要的异象就是日历效应。日历效应是指证券市场上某一特定时期,投资者通过交易获得超额收益率的现象。日历效应规律能够反应市场的有效性,直接影响投资者的投资策略,近些年成为学者研究和重点关注的对象。研究日历效应对完善我国金融市场、提高市场效率、合理配置市场风险和收益具有重要的指导意义。随着股指期货在我国资本市场中地位的日益提升,人们对期货合约的讨论和研究也越来越多,尤其是对股指期货市场上是否存在日历效应的关注颇多。股指期货合约是以股票价格指数为标的物的标准化合约。时至今日,我国已经推出了沪深300股指期货合约、上证50股指期货合约和中证500股指期股指期货合约,建立了多空双向交易机制,丰富了期货合约的品种类型,提高了金融衍生品市场的交易活跃度,为投资者提供了更多对冲的选择,应用范围更广,发展潜力更大,是推动我国资本市场、产品创新的重要一步。在这一背景下,对股指期货市场日历效应的研究显得尤为重要。本文通过对文献进行梳理发现,大多数学者对股指期货市场日历效应的研究集中于沪深300股指期货,而对上证50股指期货和中证500股指期货日历效应的研究尚还空白。因此本文将这两种股指期货合约纳入日历效应(包括周内效应、月份效应和到期日效应)的研究范围,并对三种股指期货合约日历效应的研究结果进行了对比和分析。本文选取了沪深300股指期货、上证50股指期货和中证500股指期货合约自上市以来至2020年8月31日的收益率研究周内效应和月份效应,同时选取对应标的指数的收盘价和成交量作为原始数据来研究到期日效应(分为到期日组和非到期日组),并运用OLS、GARCH模型和EGARCH模型,对这三类股指期货合约的日历效应进行实证检验。通过对三种股指期货合约的日历效应进行研究,本文得到了如下结论:第一,沪深300股指期货存在正的周二、周五和负的周四效应,上证50股指期货存在正的周一、周二、周五和负的周三效应,中证500股指期货则存在正周二和负周四效应,说明了我国股指期货市场非有效。同时三种股指期货均存在负的杠杆效应,即坏消息对市场的影响程度要大于好消息对市场的影响程度;第二,三种股指期货合约均不存在月份效应;第三,沪深300股指期货合约到期时存在波动性效应和成交量效应,而上证50股指期货合约和中证500股指期货合约到期日时仅存在成交量效应,由此说明我国股指期货市场的到期日效应较弱。最后分别对周内效应、月份效应和到期日效应的研究结果进行汇总,比较了我国股指期货市场上三种股指期货合约日历效应结论的异同,并结合行为金融学的相关理论,探讨了周内效应、月份效应和到期日效应现象的成因。此外根据本文的研究结论,对市场、上市公司、监管者和投资者等提出建议,为改进我国股指期货市场效率提供理论支持。
徐来[2](2021)在《A股不同市场周期下的日历效应比较分析 ——基于公司市值规模差异的角度》文中指出日历效应是一种典型的股票市场异象,指的是在股票市场中某些特定时间段进行交易可以获得异常收益率的现象,主要包括月份效应和周内效应等。日历效应的发现表明股票市场是非有效的,投资者可以通过分析日历效应规律获得超额收益。国内外学者对日历效应有丰富的研究,且普遍认为我国A股市场存在日历效应。在我国有关日历效应的研究中,学者从公司市值规模差异的角度对日历效应进行的研究较少;此外,以往研究的样本期间通常为一个连续时间段,未分析当股票市场处于不同市场周期(上升期和下跌期)时投资者的不同心理状态对日历效应产生的影响,因此可能导致研究内容及结果不够细致全面。本文从公司市值规模差异的视角出发,选取1997年1月1日至2019年12月31日作为样本研究期间,以1997年1月1日前上市的符合条件的453只股票作为研究对象,采用EGARCH(1,1)-M模型研究不同市值规模公司股票收益率的日历效应存在的异同。研究发现,在收益率方面,大市值公司和小市值公司的日历效应存在显着的差异。月份效应的实证结果表明,大市值公司不存在显着的月份效应;小市值公司存在显着的正二月、正三月效应、负四月和负十二月效应。周内效应的研究结果显示,大市值公司存在显着的负周四、正周五效应,而小市值公司存在显着的正周二、负周四和负周五效应。除此之外,无论大市值公司还是小市值公司,周一收益率的波动性都显着大于一周内的其他四天,周二收益率的波动性显着小于其他四天。丹尼尔·卡内曼(Daniel Kahneman)和阿莫斯·特沃斯基(Amos Tversky)1979年建立的前景理论指出:投资者无法同等看待获得的收益和遭受的相同金额的损失,因此在不同市场周期下,投资者的心理状态和投资行为可能存在差异,从而导致日历效应出现差异。考虑到这一点,本文在对整个样本期间进行研究的基础上,参考海通证券量化团队(2020)对上升和下跌趋势的划分方法,将样本期间按照沪深300指数20日移动平均线将市场行情划分为上升期间和下跌期间(若前一个交易日收盘价高于20日均线则定义为上升期间,低于20日均线则为定义下跌期间),从公司市值规模差异的视角研究在不同市场运行周期下的日历效应。研究发现,无论大市值公司还是小市值公司,升期间和下降期间的日历效应表现均明显不同。当市场处于上升期间时,大市值公司月收益率表现出显着为正的一月、十二月效应以及显着性较弱的正二月、三月效应,日收益率表现出正周一、负周四和正周五效应;小市值公司月份效应表现为正二月、正三月效应和显着性较弱的负十二月效应,周内效应表现为正周一、正周二和负周四效应。当市场处于下跌周期时,大市值公司存在负一月、负十二月效应;周内效应的形式为负周一、负周三和负周四效应;小市值公司月收益率呈现出显着的负一月效应、显着性弱于整体期间的正二月、正三月效应和显着的负四月、负五月、负六月、负十二月效应,周内效应表现为负周一、正周二、负周四、负周五效应。上述结果表明,在市场不同的运行周期,大市值公司与小市值公司的日历效应特征各不相同。本文从公司市值规模差异的角度比较分析日历效应的异同,并将研究期间划分为上升期间和下跌期间进行实证对比,为日历效应的研究提供了一个新的角度。文章结论对于的投资择时决策也有一定的参考作用。另外,本文在完善信息披露制度、健全内幕交易惩罚制度、引导投资者树立理性投资的观念以及对机构投资者进行恰当管理方面提出了建议。
徐媛媛[3](2020)在《中国农产品期货市场流动性的测量、传导及风险研究》文中提出流动性是现代金融市场体系的生命力,是市场运作与资源配置的润滑剂。新世纪以来,我国期货合约交易种类、覆盖范围不断扩展,成交量加快增长,商品期货市场的流动池也不断加深。近年来,随着农产品金融投资属性增强,市场流动性波动剧烈,风险加深,已经成为我国农产品市场稳定与粮食安全的潜在威胁。在越来越开放的交易系统中,订单交叉、策略性投资组合有助于实现市场间流动性的良性互动,但也构建了流动性风险“跨市场”传染的桥梁。在此背景下,我国农产品期货市场流动性现状及效应如何?市场流动性经历了怎样的历史演变?是否呈现“跨品种”及“跨板块”的关联效应?一个市场的流动性风险会在多大程度上贡献系统风险或传递至关联市场?论文围绕上述问题,开展对我国农产品期货市场的流动性测量、传导及风险研究,为我国农产品期货市场流动性监测与风险防控提供政策参考,具有重要的理论与实践意义。论文针对农产品期货市场的流动性问题,从实时交易记录入手,在全面了解期货市场的价差、深度、即时性、弹性并探析流动性效应的基础上,以“价差”的视角,引入流动性代理对我国农产品期货市场流动性的历史演进和传导机制进行实证研究,同时,基于价差波动的VaR理论,构建起农产品期货流动性风险评估框架以实证探讨流动性风险源并绘制风险传递网络。论文采用理论分析与实证研究相结合的研究方法,构建了一套基于“流动性测量、流动性传导和流动性风险”系统性研究我国农产品期货市场流动性问题的分析思路、模型方法和研究框架。论文的主要内容及发现如下:一、基于高频数据的农产品期货市场流动性测量及效应分析。论文依据2016-2018年我国农产品期货市场的实时交易记录,从“价差”、“深度”、“即时性”和“弹性”4个维度,以大豆、豆粕、豆油、棕榈油、橡胶、玉米、棉花和白糖为样本,对我国农产品期货市场流动性进行全面的测度;同时,基于“市场微观结构”理论与“流动性溢价”理论,分别应用带有“日内效应”及“周内效应”的量价回归模型、资产定价模型,分析知情交易与流动性溢价在期货定价机制的作用,进而对流动性分布的(倒)U-型日内效应及(倒)V-型周内效应进行深度解析。研究发现:①交易规模在市场流动性水平的综合评价中具有重要影响,其中大型交易通常会拉大价差、加深市场、降低即时性并减弱弹性。②基于流动性的高维测量与综合考量,交易规模较小的白糖、大豆等可被归为高流动性市场,而交易规模较大的玉米、橡胶等为低流动性市场。③农产品期货市场普遍存在知情交易且具有显着的开盘/收盘效应;在周一,农产品期货出现明显的“流动性溢价”现象及交易的“规模效应”。二、低频流动性代理的选择及农产品期货市场流动性历史演变的度量。论文引入国际通行的低频流动性代理(Roll、Gibbs、Effective Tick、Zeros、FHT、High-Low Spread、Amihud、Amivest等)检验其在中国商品期货市场的适用性,以买卖价差为基准,通过相应的拟合度分析及稳健性检验找出农产品期货市场的最佳流动性代理。同时,利用日度交易信息并基于最优流动性代理捕捉农产品期货合约自上市以来流动性变化的历史趋势,绘制出农产品期货市场流动性长期演变的概略图,以直观展现市场流动性在不同的时代背景及历史事件下的变化。研究发现:①在中国商品期货市场,FHT价差在拟合流动性基准方面表现最佳,被认为是度量流动性历史演变的最优代理。②不同农产品期货品种间流动性变动呈现“同涨共跌”的态势,其中2008年全球金融危机对进口导向型农产品(橡胶、棕榈油及豆类)的流动性冲击较大,而2016年中国金融危机对实施市场定价后的棉花、玉米的流动性冲击有所加强。③农产品板块的综合流动性与工业品、金属板块流动性具有高度一致的变动趋势,但相对后两者其波动程度略低。三、农产品期货市场流动性在板块内及板块间的传导效应研究。论文基于时变视角,利用滚动时间窗口技术通过协整、误差修正分析,探讨流动性在板块内及板块间传导效应及其时变特征,并运用Bai-Perron检验识别了传导效应中的多重结构性断点。同时,针对可能存在的非线性、重尾及非对称等特征,通过时变Normal Copula和SJC Copula模型对一般与极端情况下的“跨市场”流动性依赖展开研究,以突出农产品期货市场流动性在板块内及板块间的尾部依赖及其非对称性。研究发现:①豆油、棕榈油是影响系统及其它品种流动性水平的主导品种,其次为豆粕、大豆、橡胶。②农产品与工业品板块间流动性的传导效应大于农产品与金属板块间的传导效应,其中2008年“危机前”以农产品向工业品传导为主,流动性的尾部依赖程度较低;“危机后”以工业品向农产品传导为主,尾部依赖程度增强。③极端事件往往会在一定程度上导致市场间流动性依赖偏离常态,其中负冲击作用下市场间流动性的联合下跌是一种更为“常态化”事件。四、农产品期货市场流动性风险测量及流动性风险在板块内与板块间传递效应研究。论文根据商品期货市场流动性风险的定义,构建了强调“价差上尾波动”的VaR风险测度模型,实时检测了农产品期货组合内各品种及综合流动性风险水平的动态演化。同时,基于Copula-GARCH与GJR-GARCH-DCC的ΔCoVaR模型,识别农产品期货市场流动性的潜在“风险源”,并描绘出系统内流动性风险的传递网络,以及农产品与工业品、金属板块间流动性风险传递的阶段性特征。结果显示:①流动性水平较低的品种更容易遭遇流动性风险,并且品种间条件风险值CoVaR系统性高于品种本身风险水平。②农产品期货市场不存在单一的流动性“风险源”,呈现出一幅以油脂类期货(棕榈油、豆油、大豆、豆粕)为骨架的风险传递网络图。③农产品板块的流动性风险水平低于工业品、金属板块的风险水平,其中工业品板块因较强的风险传递效应成为农产品市场重要的“外源”性风险因子。论文主要创新:一是基于多指标、高维度测量实现了对农产品期货市场流动性水平的综合考量与评级,并形成了一套“从高频基准到低频代理”完整的流动性指标选取模式。二是在流动性特征分析的基础上,通过信息不对称与流动性溢价等理论深入探析并理清了流动性对其它经济变量如投资者行为、期货定价等的影响机制。三是根据价差的属性定义了商品期货市场中的流动性风险,识别出农产品期货市场多重流动性“风险源”并全景式展现了流动性风险的传递网络。四是构建了一套独特的、不同频率的活跃且连续时间序列,既为流动性的高维测量提供了充足的数据支持,又有效平滑了合约结点中变量的跳变。
王昌云[4](2019)在《公司规模对我国A股市场日历效应的影响研究》文中研究指明Fama(1970)首次提出有效市场假说,但是广大学者在之后的研究中发现市场中存在许多不符合有效市场假说的异象,日历效应就是其中较为显着的异象之一[1]。本文关于日历效应的研究结论有利于揭示我国A股市场的有效程度,规范及健全金融市场制度,提高市场运行效率,帮助政策制定者制定行之有效的政策。本文选取2006年1月4日至2019年2月28日中证A股指数的日收益率数据与月收益率数据,以中证A股指数代表我国A股市场的整体水平,采用引入虚拟变量的ARMA模型、GARCH模型及其组合模型,根据收益率数据特征选择其中最合适的模型研究我国A股市场在所选样本期内是否存在日历效应。本文只研究日历效应中的“周内效应”及“月份效应”,在此基础上,继续研究公司规模对我国A股市场日历效应的影响。选取2006年1月4日至2019年2月28日四只中证规模指数的收益率数据,四只指数按市值排序从大至小分别为中证100、中证200、中证500、中证1000指数,代表不同公司规模的股票整体表现。沿用前文的建模思想,得出四只中证规模指数收益率各自的日历效应,通过对比分析,得到公司规模对我国A股市场日历效应影响的结论。根据实证结果,本文得到以下三点结论:第一,我国A股市场整体存在正“周一效应”和负“周四效应”,无显着“月份效应”,并从政策发布时机、中国股票市场“T+1”交易制度、A股市场构成、行为金融学角度进行解释。第二,中小市值公司对负的“周内效应”具有放大作用,而对正的“周内效应”具有抑制作用,并从A股市场投资者构成、行为金融学角度进行解释。第三,大公司无显着“月份效应”,而小公司出现正“二月效应”,并从行为金融学、“春节效应”、“粉饰橱窗”效应角度进行解释。最后根据本文的研究结论提出相关建议。
叶笑坤[5](2019)在《中国商品期货的周日历效应》文中研究说明在传统金融学理论中,有效市场假说认为资本市场参与者在资本市场上难以获取超过市场平均收益率水平的收益值,并且根据CAPM模型,风险与收益成正比。然而,在现实的金融市场,有一些现象是违背传统的金融理论的。近年来,在市场改革和创新的大背景下商品期货正在蓬勃发展,主要商品期货的成交量普遍呈上升趋势。而在2016—2018年,商品期货经历了“过山车”式的行情走势。在这种市场大幅波动下,金融市场的“异象”也不断发生,这不禁使不少学者对有效市场假说产生怀疑。本文选取了金融“异象”之一的“日历效应”进行研究。“日历效应”是指金融市场与日期相联系的非正常收益、非正常波动等,主要包括季节效应、月份效应、星期效应和假日效应。其中,本文只讨论日历效应中的星期效应。在周日历效应的成因理论方面,本文主要总结了三大理论,分别为市场信号传递理论、情绪信息理论以及信息不对称理论。在实证研究部分,本文选取了2009年7月1日到2018年6月30日,近十年的六种不同类别的典型期货品种(沪金、沪铜、螺纹、豆粕、PVC以及郑糖)的日收益率作为研究对象。在各国学者对股票、期指以及商品期货日历效应的研究基础上,本文对六种期货是否具有周日历效应以及日历效应是否会根据牛熊市而迁移进行了更加深入的研究。经实证研究,本文认为,我国商品期货市场存在着明显的周日历效应,它会随着市场风格的变化(牛市、熊市、震荡市)发生迁移。具体的结论分为两部分:首先是商品期货市场的共性结论:商品期货存在周日历效应,并且多数会发生在星期一;商品期货在牛熊市和震荡市会有不同的日历效应表现方向,其星期几的迁移相对较少,同时在分不清牛熊的震荡市场最容易发生迁移和消失。其次是六大商品期货的特性结论:沪金在牛市中是周一的正日历效应,但熊市则变为周四的负日历效应,震荡市中日历效应消失;沪铜则是在牛市中发生了周一的正日历效应,有别于全区间统计的日历效应结果,在熊市中同样也是周一,在震荡市中却转移到了周三发生;螺纹钢相对稳定,无论什么市场均在周一发生日历效应异象,只是牛市为正,熊市为负;豆粕与螺纹钢一样,日历效应相对稳定,周一的日历效应适用于所有类型的市场,但在震荡市中增加了周五的负收益异象;PVC原本全区间的日历效应并不明显,但在牛市和震荡向上的市场,它也显示出了星期一的正日历效应;白糖相对复杂,在牛市阶段下日历效应没有发生迁移,但在熊市中,第一阶段熊市日历效应消失,第二阶段熊市则变为了周二和周三均有。基于本文的研究结论,文章还针对投资者和监管者提出了相关投资和监管的建议:对于投资者,首先需要判断当前的市场状态,是牛市、熊市还是震荡。其次,如果是牛市,那么星期一进行买入获得超额收益的机会显着高于其余四天;如果是熊市,那么星期一进行卖空交易获得超额收益的机会也显着高于其余四天;如果是震荡市,那么日历效应会变得不明显和消失,因此指导意义一般,需要投资者自己进行注意和随时观察进行思路转变。同时,本文也针对具体六大期货品种进行了具体的投资建议梳理。对于监管者,建议提高披露信息的准确性、进行监管放宽与模式创新、强化交易所职能、培养多元化投资主体、加强投资者教育、建立社会诚信体系。
黄文珺[6](2018)在《彩票市场会影响股市吗? ——基于彩票奖池的影响研究》文中认为我国股票市场呈现出明显的高换手率、高市盈率和高波动性特征,被部分学者和投资家们称为“赌场”,投资者的博彩偏好在股票市场中产生重要影响。然而,人们的博彩心理虽易于感知却难以观测。不同于投资者的其他心理特征,博彩偏好广泛存在于各种行为中,例如同样繁荣的彩票市场。彩票市场和股票市场有诸多相似性,类似的行为之间可能存在一定的联系。在我国,这两个市场都有较大的市场规模,覆盖面广泛,参与者众多,有较高的研究价值。本文基于此,试图从外部市场出发,研究在博彩偏好作用下,彩票市场对股票市场的影响。本文对资本市场中的博彩行为以及彩票与股票关联性的相关研究进行了全面的文献综述后,基于现实情况选取2015-2016年作为样本区间,以“双色球”彩种以及我国A股上市公司作为研究样本,从决策理论、博彩认知理论和有限注意力理论出发,对彩票市场对股票市场的影响以及不同股票特征受影响的差异性展开研究。研究发现:(1)彩票市场对股票市场有显着影响,彩票市场吸引力的增加会降低股票市场的交易活跃度和收益率;(2)博彩型投资者偏好交易历史收益低的股票以及彩票型股票,此类股票受彩票市场影响更大;(3)机构投资者与个人投资者交易偏好有较大差异,表现出较为理性的特征,机构投资者持股比例高的股票受彩票市场影响更小,机构投资者可能对股市的有效性有一定的促进作用。本文研究从外部市场角度,发现了行为相似的不同市场之间的联系,拓宽了研究视角,补充了关于资本市场博彩行为研究的相关文献。同时,本文发现了资本市场的一定规律,对于投资者投资决策和监管机构政策制定有一定的参考价值。
林祥友,易凡琦,陈超[7](2016)在《融资融券交易影响证券市场周内效应模式的非参数检验》文中指出采用非参数检验方法考察我国证券市场的周内效应模式,并比较我国证券市场实施融资融券交易前后各4年的证券市场周内效应模式的差异性,据以分析融资融券交易制度对证券市场周内效应模式的影响。得出的结论是,我国融资融券交易实施前后,证券市场均存在一定程度的周内效应,但融资融券交易制度实施前后证券市场的周内效应模式存在明显差异,从而捕捉到了融资融券交易制度影响证券市场周内效应模式的经验证据。
方立兵,曾勇[8](2016)在《股市收益率高阶矩风险的产生机制检验》文中进行了进一步梳理通过对现有理论文献的梳理,提炼了五个较为典型的关于高阶矩风险产生机制的理论假设。然后基于时变高阶矩建模思想,将这五个假设统一于同一个计量框架,并进行综合地实证检验,以期发掘具有"占优"作用的理论解释。以沪深股市收益率为样本研究发现,在这五个假设中,仅"波动率反馈"效应和"利空信息揭示"效应获得显着的实证支持。进一步分析指出,这两种效应会同时引起偏度和峰度风险,因而是高阶矩风险的主要产生机制。这一结果可为后续研究发展一个统一的理论框架提供实证参考。
彭倩[9](2016)在《中国股市及股指期货市场日历效应研究》文中指出传统的金融学理论认为资本市场是有效的,基于CAPM和EMH的分析,在资本市场上,投资者获得的收益与其承受的风险是相匹配的,假如市场又是有效的,那么投资者就不能基于公开信息获得高于市场平均收益的超额利润。但是,在去年发生的股灾中,我们可以看到,中国市场是非有效的,股市在上半年的疯狂上涨和下半年的非理性下跌不仅仅使得很多投资者血本无归,也使得中国整个经济环境开始动荡不安。在这轮下跌过程中,股市本身呈现出了很多异常现象比如周四的集中下跌行情和十二月的红包行情。同时,股指期货市场在这轮下跌中也成为了众矢之的,股指期货引入的初衷是希望加入这种新型的金融衍生工具使得市场参与者有对冲市场风险的选择,使得股票市场的运行更加平稳,但是在去年的行情中,我们可以清晰地看到,些对股指期货进行的单边做空行为加剧了股市的波动,同时,股指期货市场本身也出现了一些异常的波动,比如股指期货的到期日效应。同时,伴随着中国经济的腾飞,中国的股票市场和股指期货市场对于中国经济的发展对于越来越多的股市参与者来说意义非凡,因此对于它们的研究也是有意义的。所以,基于以上的经济异象猜想和研究意义,下面开始对这两个市场的日历效应进行实证研究。过去的一些对于日历效应的研究比较多局限在单一的股票市场和单一的收益均值、波动方差研究,本文将引入股指期货市场。中国国内的股指期货发展历史还比较短,对于股指期货市场日历效应的研究比较少,但是在去年的股灾中可以看到:股指期货市场的发展完善对于整个资本市场而言意义非凡。本文创新性地对于股指期货市场日历效应进行研究,不仅仅可以让市场参与者清晰地看到在该市场上日历效应的具体情形,还可以让投资者基于两个市场的不同状况进行择时交易。本文在全面考察波动非对称性、预期风险影响和市场负面信息带来的杠杆效应的基础上对两个市场日历效益进行全方位考察。本文主要分为八个主体,行文思路如下:第一部分主要说明了选题的一个背景和意义。选题的背景主要是2015年股灾中,股民由于缺乏对股市专业知识的了解,损失惨重。同时,中国股票市场由于其不成熟性,股指期货在这一轮股灾中扮演了加剧灾难的角色,黑色星期四和股指期货交割日魔咒在股民心中留下了阴影。但是有一些投资者却巧妙利用类似华尔街"sell in May and go away"策略成功地躲过了这一轮下跌,因此提出对于日历效应进行研究,试图探讨在中国的股票市场和股指期货市场上,是不是存在着与月度、星期相关的异常收益情况。第二个部分便是文献综述,分为两个部分,一个是对于股市日历效应研究文献的文献综述部分,其中又分为国外文献和国内文献部分。在国内对于股市日历效应研究中,又出现了一类型集中采用随机占优方法进行分析的文献,因此把这个类型的文献单列出来。第二是对期货市场日历效应相关文献的文献综述部分,也分为国外和国内文献部分,其中由于股指期货存在着到期日,所以还单列出了一些对于到期日效应研究的文献。第三个主体部分便是对模型的介绍和相关概念的引入,本文主要研究的是股市的异常波动,过去的研究常常使用ARCH对于该波动进行描述,在ARCH的基础上又衍生出来GARCH、TARCH和EGARCH,基于对过去一些研究文献的借鉴,我们最后决定在着重研究股市非对称波动,研究股市和股指期货市场杠杆效应的基础上选择EGARCH作为主要的模型,同时在该模型中加入风险值和滞后一期的变量考察其影响,从而衍生出EGARH-M模型。同时对日历现象概念、峰度和偏度概念做出相关的介绍。在这个部分模型的介绍中,对于ARCH、 GARCH、TARCH、EGARCH也分别做出了一些优劣势的比较,最后基于所研究对象的特征,在比较的基础上才做出选择EGARCH模型的决定。第四个部分主要是有关数据选取原因做的解释,对于股市数据而言,选取的主要是主流指数:上证指数和深证成指。这个选取的原因主要是:第一个方面,投资者对于这两个指数的认可度较高,由这两个指数所研究出来的日历效应的结果也比较容易得到市场参与主体的认可。第二个方面,这两个指数不同于沪深300指数,虽然研究的股指期货合约的标的物是该指数,但是这个指数不足以全面反应中国股票市场的总体情况。在对股指期货市场的研究中,由于股指期货合约不连续性的特征,在文章中构造了一个IF加权指数对该市场进行描述。IF全称是Index future也就是股指期货的意思,国内对于股指期货市场日历效应的研究文献较少,能找到的一些比如殷双建关于沪深300股指期货周内效应的研究文献中多采取的对于股指期货市场的研究样本为一个加权的指数,一般有的文献也采用文化财经交易系统中的IF指数来作为研究对象,这个IF指数与本文中的IF加权指数的计算方法是完全一致的。该IF加权指数是以四个合约:当月、下月和随后两个季月合约为基础,综合考虑每个合约的成交量占总成交量的比重进行加权而得出的。由于股指期货市场与股票市场有一个很大的不同点,股指期货合约存在到期日,所以在交易的合约其实是不连续的,各个合约反应的市场情况也不尽相同,所以选取这个加权指数可以比较完整地展现出股指期货市场的情况。第五个部分主要是股市日历现象的实证部分,首先采取对均值、方差分析,接下来做的是用研究模型进行参数拟合的分析。在对参数的拟合分析中,主要考察的是分组的月度数据、星期数据具体在哪个月份或者哪个星期具有显着的杠杆效应或者出现了过去时刻收益、波动对当期的显着影响。本文的研究结果发现中国股市上存在正周一效应和负周四效应。这一结论与俞乔(1994)以及赵骏(1994)的研究结论正好相反,但同邓金炉(2010)研究出来的正周一效应比较一致。关于国内股指期货的研究文献相对较少,本文创新性地对股指期货市场的日内效应进行研究,研究结果与殷双建(2013)的研究结果出现了一些一致性,都发现了一个负周一效应和正周五效应。除开与殷双建(2013)类似的研究结果,本文还考察了股指期货市场的月内效应以及杠杆效应。第六个部分主要是股指期货市场日历现象的实证部分,首先采取对均值、方差分析,接下来做的是用研究模型进行参数拟合的分析。具体考察在哪几个月份和星期内存在明显的杠杆效应以及明显的滞后一期的影响。这个实证的过程基本上与第五个部分一样。第七个部分是基于以上数据结果做出的对两个市场日历效应形成原因的分析。主要是先由一些假说入手,从羊群效应假说,过反应假说等开始探讨两市形成这种日历效应的主要原因。最后基于中国市场的特性:股市在周末政策消息的集中出台、年报半年报披露时间的集中性、固定性和沪深300股指期货在每个月的第三个星期五的到期现象综合给出其他原因的解释。最后的第八个部分是给出的对于投资者的择时交易建议和对两市监管层的一些建议。对市场参与者的建议主要集中在择时交易,对于研究比较明显的下跌周期,投资者可以适当远离市场,对于研究比较明显的高收益率时期,在大环境的基本面和具体股票的基本面没有发生变化的前提下,可以适当参与市场。对监管层的建议主要是分散政策信息的披露时间和年报、半年报的披露时间,同时着力于市场的完善和投资者的专业知识教育。本文研究出来的股市月内效应主要有:(1)收益均值和收益波动方面:股市在六月收益最低,波动最大,在十二月收益最高,波动最小。(2)模型拟合出来的其他方面:预期风险在六月和九月出现了显着影响,四月出现了滞后期收益的影响,一月和十月出现了显着的杠杆效应。过去收益波动对现在收益波动影响比较明显的月份有:一月、二月、五月、六月、八月、十月、十一月和十二月,在一年中这么多月份都出现了该影响,这也证实了股票市场具有波动聚集的效应。本文研究出来的股市周内效应主要有:(1)收益均值和收益波动方面:星期一的平均收益率最高,在星期四的平均收益率最低,波动在星期一最大,星期五最小。(2)模型拟合出来的其他方面:预期风险在星期一出现了显着影响,周五出现了明显的滞后期收益的影响,星期数据中没有显着的杠杆效应。周一到周五都出现了过去收益波动对现在收益波动影响比较明显的现象。本文研究出来的股指期货市场月内效应主要有:(1)收益均值和收益波动方面:12月收益率最大,在6月收益率最小,波幅方面,在7月波幅最大,在4月波幅最小。(2)模型拟合出来的其他方面:在二月和三月,预期风险都对收益产生了一个明显的影响,;一月到三月和九月收益值受到了滞后一期收益值的显着影响;杠杆效应比较明显的月份是二月、三月、六月和八月;除开二月和五月,IF加权指数的月度数据都显示出过去时刻波动对现在时刻波动明显产生影响。本文研究出来的股指期货市场周内效应主要有:(1)收益均值和收益波动方面:星期一的平均收益率最低,在星期五的平均收益率最高,波动在星期一最大,星期三最小。(2)模型拟合出来的其他方面:在周一、周三和周四都看到了一个预期风险的影响,星期数据中也没有发现明显的过去时期收益对当前时刻的影响,但是过去波动对现在波动的影响在一周的五个交易日内都比较显着。并且周一到周五都没有明显的杠杆效应。本文的创新之处主要在于:第一,全面地分析日历效应,文章不仅仅考察了收益均值和方差,同时在满足使用EGARCH模型使用的三个条件的基础上采取EGARCH-M模型对于三大指数进行参数的拟合,这样可以具体分析杠杆效应和滞后一期的影响。第二,由于中国的股指期货市场发展历史还比较短暂,国内关于股指期货市场日历效应的研究文献相对较少,本文对于股指期货日历效应的具体状况,运用实证分析的手段探讨了这个新型市场上异常收益波动的具体情况。过去的研究只是单独地研究了股票市场或者期货市场,本文将关联度较强的股票市场和股指期货市场进行比较分析,试图考察在某些交易机制具有差别的情况下两个市场日历效应的具体状况。第三,在给出日历效应形成因素的过程中,不仅仅给出一些学术假说的解释并且基于中国市场的具体情况给出一些其他原因的解释。本文在研究内容和研究方法上还存在着一些不足之处:第一,没有采用具体的实证模型考察股指期货合约对于股票市场的日历效应的具体影响程度。第二,在对数据的处理中,没有固定样本区间,采取诸如滚动样本的研究方法。第三,在给出的市场建议时,缺乏一些实证数据来表示分散信息发布时间的优势。
顾鹏[10](2015)在《宏观经济冲击、信息传导与中国股票市场 ——基于日度数据的实证》文中研究说明本文研究了我国宏观经济冲击对股票市场收益率、交易量和波动率的影响。宏观经济与股票市场的关系具有很强的理论和实践意义。在理论层面上,对风险的定价是金融学的核心议题之一,通过投资组合可以消除资产的个体风险但无法消除系统性风险,而宏观经济变量是影响系统性风险的最重要因素。在实践层面上,从宏观经济变量的角度去认识股票市场的整体收益率可以提高投资的绩效;认识股票市场的交易量变动可以分析信息在市场参与者之间的传递效率;认识股票市场的波动率则可以从另外一个视角观察风险和定价。宏观经济与股票市场的相互关系非常复杂,虽然理论上认为宏观经济会影响股票收益率,但在实证方面却较难得到稳健的证据支持。特别是在国内相关的研究中,不同文献得到的结论并不一致,有些文献认为宏观经济对股票收益率有显着影响,另一些文献认为没有。造成国内研究结论不一致的原因很大程度在于研究方法的不同。第一,股票市场只会对没有预期到的冲击进行反应,以往的文献多使用统计方法计算市场对未来宏观经济预期,这会由于模型假设不同而造成结果偏差很大。第二,文献中一般使用月度数据研究市场对宏观经济变化的反映。然而,月度数据包含了大量宏观经济意外的信息,这使得很难从数据中识别宏观经济因素的影响。本文利用中国A股市场日度数据研究了宏观经济冲击对于股票收益率的影响,同时使用金融机构的预测数据计算了市场对未来宏观经济的预期,从而可以准确识别宏观经济冲击对股票收益率的影响。本文的结果发现,在主要宏观经济变量中,工业增加值和生产者物价指数这两个宏观经济变量会对上海和深圳主板市场股票收益率产生显着影响。具体而言,工业增加值超预期冲击会对收益率产生正面影响,而生产者物价指数超预期冲击会对收益率产生负面影响。但在创业板市场中,所有宏观经济变量对市场收益率均没有显着影响。进一步地,本文利用事件研究的方法研究了由宏观经济信息所产生收益率的可持续性。本文发现,宏观经济冲击造成的收益率变化只在宏观经济信息公布的当日产生,而在五个交易日后并没有持续显着的累计收益率增加。这说明市场在很短的时间内消化了宏观经济超预期冲击的信息。本文的结果支持我国证券市场是半强式有效市场的假说。同时,本文在研究股票收益率的同时,进一步研究了宏观经济冲击对于收益率波动率和市场交易量的影响,从而较为完整的研究了宏观经济冲击对于股票市场的系统影响。本文的结果发现,货币政策的宣告效应会使市场交易量显着减少,而宏观经济冲击对于收益率的波动率没有显着影响。
二、中国股市交易量的周内效应(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、中国股市交易量的周内效应(论文提纲范文)
(1)中国股指期货市场日历效应实证研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景及意义 |
一、研究背景 |
二、研究意义 |
第二节 研究内容及方法 |
一、研究内容 |
二、研究方法 |
三、技术路线图 |
第三节 文章创新点和不足之处 |
一、创新点 |
二、不足之处 |
第二章 国内外相关研究动态及文献综述 |
第一节 国内外文献综述 |
一、周内效应 |
二、月份效应 |
三、到期日效应 |
第二节 文献评述 |
第三章 股指期货日历效应的理论基础 |
第一节 金融市场异象 |
一、规模效应 |
二、日历效应 |
第二节 行为金融理论 |
一、情绪信息理论 |
二、信号传递理论 |
三、羊群效应 |
第三节 有效市场假说 |
第四章 数据来源与模型选择 |
第一节 样本数据的来源及选取 |
第二节 模型的选取 |
一、含虚拟变量的OLS模型 |
二、ARMA模型 |
三、GARCH模型 |
四、EGARCH模型 |
第五章 我国股指期货市场日历效应的实证分析 |
第一节 周内效应的实证研究 |
一、描述性统计分析 |
二、序列的平稳性检验 |
三、相关性分析 |
四、采用ARMA模型进行改进 |
五、ARCH效应检验 |
六、周内效应检验 |
七、周内效应的实证结论 |
第二节 月份效应的实证研究 |
一、沪深300股指期货月份效应的实证研究 |
二、上证50股指期货月份效应的实证研究 |
三、中证500股指期货月份效应的实证研究 |
四、月份效应的实证结论 |
第三节 到期日效应的实证研究 |
一、沪深300股指期货到期日效应的实证研究 |
二、上证50股指期货到期日效应的实证研究 |
三、中证500股指期货的到期日效应研究 |
四、到期日效应的实证结论 |
第四节 关于我国股指期货日历效应研究结论的成因分析 |
一、周内效应的成因分析 |
二、月份效应的成因分析 |
三、到期日效应的成因分析 |
第六章 结论和建议 |
第一节 结论 |
一、我国股指期货合约周内效应的研究结论 |
二、我国股指期货合约月份效应的研究结论 |
三、我国股指期货合约到期日效应的研究结论 |
第二节 建议 |
一、投资建议 |
二、政策建议 |
参考文献 |
致谢 |
在读期间完成的科研成果目录 |
(2)A股不同市场周期下的日历效应比较分析 ——基于公司市值规模差异的角度(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景及研究意义 |
一、选题背景 |
二、研究意义 |
第二节 研究内容及技术路线 |
一、研究内容 |
二、技术路线 |
三、研究方法 |
第三节 可能的创新之处与不足 |
一、可能的创新之处 |
二、不足之处 |
第二章 理论基础与文献研究综述 |
第一节 日历效应的理论基础 |
一、有效市场假说 |
二、行为金融理论 |
第二节 文献综述 |
一、日历效应 |
二、市值规模差异视角下的日历效应研究 |
三、不同市场周期下的日历效应研究 |
第三节 国内外研究成果小结 |
第三章 数据选取和实证方法 |
第一节 样本数据选取及变量的选择 |
一、样本选择及数据来源 |
二、变量选择 |
第二节 实证模型 |
一、GARCH模型 |
二、EGARCH模型 |
三、GARCH-M模型 |
四、EGARCH-M模型 |
第四章 不同市值规模公司股票的日历效应研究 |
第一节 模型使用前提检验 |
一、非正态检验 |
二、平稳性检验 |
三、ARCH效应检验 |
第二节 模型选择 |
一、不同市值规模公司股票月份效应检验模型选择 |
二、不同市值规模公司股票周内效应检验模型选择 |
第三节 描述性统计 |
一、月度收益率描述性统计 |
二、日收益率描述性统计 |
第四节 不同市值规模公司股票的月份效应实证结果及分析 |
一、不同市值规模公司股票月份效应实证结果 |
二、不同市值规模公司股票月份效应成因分析 |
第五节 不同市值规模公司股票的周内效应实证结果及分析 |
一、不同市值规模公司股票周内效应 |
二、不同市值规模公司股票周内效应成因分析 |
第五章 不同市场周期下不同市值规模股票的日历效应比较 |
第一节 月份效应 |
一、描述性统计 |
二、不同市场周期下不同市值规模公司股票的月份效应实证结果 |
三、不同市场周期下不同市值规模公司股票的月份效应成因分析 |
第二节 周内效应 |
一、描述性统计 |
二、不同市场周期下不同市值规模公司股票的周内效应实证结果 |
三、不同市场周期下不同市值规模公司股票的周内效应成因分析 |
第六章 结论和建议 |
第一节 结论 |
第二节 建议 |
一、投资建议 |
二、政策建议 |
参考文献 |
致谢 |
在读期间完成的科研成果 |
(3)中国农产品期货市场流动性的测量、传导及风险研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第1章 导言 |
1.1 研究背景与问题的提出 |
1.2 研究目标 |
1.3 研究内容与框架 |
1.3.1 研究内容 |
1.3.2 研究框架 |
1.4 文献综述 |
1.4.1 市场流动性测量研究 |
1.4.2 市场流动性溢价研究 |
1.4.3 市场流动性传递研究 |
1.4.4 市场流动性风险研究 |
1.4.5 文献评述 |
1.5 研究创新和不足 |
1.5.1 研究创新 |
1.5.2 研究不足 |
第2章 理论基础与主要计量模型 |
2.1 概念界定 |
2.1.1 流动性 |
2.1.2 流动性风险 |
2.2 理论基础 |
2.2.1 有效市场理论 |
2.2.2 市场微观结构理论 |
2.2.3 流动性溢价理论 |
2.2.4 风险测度理论 |
2.3 主要计量模型 |
2.3.1 流动性测量模型 |
2.3.2 流动性传导模型 |
2.3.3 流动性风险模型 |
第3章 农产品期货市场发展概况与市场深度演化 |
3.1 农产品期货市场的发展历程及主要特征 |
3.1.1 农产品期货市场的发展历程 |
3.1.2 农产品期货市场的主要特征 |
3.2 农产品期货品系的多元结构及样本选择 |
3.2.1 农产品期货品系的多元结构 |
3.2.2 农产品期货品系的样本选择 |
3.3 农产品期货交易状况的历史演化 |
3.3.1 交易量的历史演化 |
3.3.2 持仓量的历史演化 |
3.4 农产品期货市场深度的历史演化 |
3.4.1 “交易量/收益”的历史演化 |
3.4.2 “收益/交易量”的历史演化 |
3.5 本章小结 |
第4章 基于高频数据的农产品期货市场流动性度量及效应分析 |
4.1 期货市场流动性与价格形成机制 |
4.1.1 市场流动性形成机制 |
4.1.2 市场价格形成机制 |
4.2 农产品期货市场流动性的高维测量 |
4.2.1 农产品期货市场的价差与深度 |
4.2.2 农产品期货市场的即时性与弹性 |
4.3 农产品期货交易的价格效应研究 |
4.3.1 回归模型的构建及样本说明 |
4.3.2 农产品期货市场知情交易的日内效应 |
4.4 农产品期货市场的流动性定价研究 |
4.4.1 期货定价模型构建及指标说明 |
4.4.2 农产品期货市场流动性溢价的周内效应 |
4.5 本章小结 |
第5章 基于低频数据的农产品期货市场流动性的长期演化 |
5.1 低频流动性代理的介绍与应用 |
5.1.1 低频流动性代理介绍 |
5.1.2 低频流动性代理的应用 |
5.2 基于低频数据的流动性代理的选择与稳健性检验 |
5.2.1 最优周度频率的流动性代理 |
5.2.2 最优月度频率的流动性代理 |
5.3 农产品期货市场流动性测量及特征研究 |
5.3.1 农产品期货主要品种流动性测量和特征研究 |
5.3.2 农产品期货市场综合流动性测度和特征研究 |
5.4 本章小结 |
第6章 农产品期货板块内及板块间的流动性传导研究 |
6.1 农产品期货市场在板块内的流动性溢出效应 |
6.1.1 基于全样本静态的均值溢出效应分析 |
6.1.2 基于子样本滚动的均值溢出效应分析 |
6.2 农产品期货市场在板块内的流动性尾部依赖 |
6.2.1 农产品期货板块内流动性的尾部依赖分析 |
6.2.2 农产品期货品种间流动性的尾部依赖分析 |
6.3 农产品期货市场在板块间的流动性传导效应 |
6.3.1 基于全样本静态的均值溢出效应分析 |
6.3.2 基于子样本滚动的均值溢出效应分析 |
6.3.3 基于时变Copula模型的流动性依赖分析 |
6.4 本章小结 |
第7章 农产品期货市场流动性风险的监测及传递研究 |
7.1 农产品期货市场流动性风险测度 |
7.1.1 农产品期货主要品种流动性风险测度 |
7.1.2 农产品期货市场综合流动性风险测度 |
7.2 农产品期货市场板块内的流动性风险传递效应 |
7.2.1 农产品期货品种与系统间流动性风险传递效应分析 |
7.2.2 农产品期货主要品种间流动性风险传递效应分析 |
7.3 农产品期货市场在板块间的流动性风险传递效应 |
7.3.1 农产品与工业品板块的流动性风险传递效应分析 |
7.3.2 农产品与金属板块的流动性风险传递效应分析 |
7.4 本章小结 |
第8章 研究结论与政策建议 |
8.1 主要结论 |
8.2 政策启示 |
参考文献 |
附录1: 主要Copulas模型的设定 |
附录2: 不同规模的大豆交易量对价格的影响 |
附录3: 不同规模的豆油交易量对价格的影响 |
附录4: 不同规模的豆粕交易量对价格的影响 |
附录: 攻读博士学位期间参与的相关课题及科研论文 |
致谢 |
(4)公司规模对我国A股市场日历效应的影响研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景与研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究方法 |
1.3 研究思路及框架 |
1.4 研究创新之处与不足 |
1.4.1 研究的创新之处 |
1.4.2 研究的不足之处 |
第2章 文献综述 |
2.1 国外日历效应研究综述 |
2.2 国内日历效应研究综述 |
2.3 文献述评 |
第3章 相关理论与模型 |
3.1 相关理论 |
3.1.1 有效市场假说 |
3.1.2 行为金融学理论 |
3.1.3 日历效应异象 |
3.2 相关模型 |
3.2.1 ARMA模型 |
3.2.2 GARCH模型 |
第4章 我国A股市场日历效应的实证分析 |
4.1 样本数据的选取 |
4.2 周内效应实证分析 |
4.2.1 样本数据描述性统计 |
4.2.2 平稳性检验 |
4.2.3 自相关性检验 |
4.2.4 ARCH效应检验 |
4.2.5 建模分析 |
4.2.6 实证结果及解释 |
4.3 月份效应实证分析 |
4.3.1 样本数据描述性统计 |
4.3.2 样本数据统计性检验 |
4.3.3 建模分析 |
4.3.4 实证结果及解释 |
第5章 公司规模对日历效应的影响实证分析 |
5.1 样本数据的选取 |
5.2 公司规模对周内效应的影响 |
5.2.1 样本数据描述性统计 |
5.2.2 样本数据统计性检验 |
5.2.3 建模分析 |
5.2.4 实证结果及解释 |
5.3 公司规模对月份效应的影响 |
5.3.1 样本数据描述性统计 |
5.3.2 样本数据统计性检验 |
5.3.3 建模分析 |
5.3.4 实证结果及解释 |
第6章 结论与建议 |
6.1 结论 |
6.2 相关建议 |
6.2.1 投资建议 |
6.2.2 政策建议 |
参考文献 |
硕士在读期间的科研情况 |
致谢 |
(5)中国商品期货的周日历效应(论文提纲范文)
摘要 |
abstract |
1.绪论 |
1.1 研究背景 |
1.1.1 我国商品期货市场发展脉络 |
1.1.2 周日历效应理论背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 现实意义 |
1.3 本文的研究方法及结构 |
1.3.1 研究方法 |
1.3.2 本文结构 |
1.4 本文的创新和不足 |
1.4.1 本文的创新 |
1.4.2 本文的不足 |
2.文献综述 |
2.1 国外关于股票市场日历效应的文献综述 |
2.2 国内关于股票市场日历效应的文献综述 |
2.3 国外关于期货市场日历效应的文献综述 |
2.4 国内关于期货市场日历效应的文献综述 |
2.5 国内外研究成果小结 |
3.理论机制与模型 |
3.1 日历效应相关理论基础 |
3.2 周日历效应成因相关理论 |
3.2.1 信号传递假说 |
3.2.2 情绪信息理论 |
3.2.3 信息不对称理论 |
3.3 日历效应研究模型 |
3.3.1 最小二乘法 |
3.3.2 GARCH模型 |
4.样本数据的选取与检验 |
4.1 样本数据选取 |
4.2 样本数据处理与检验 |
4.2.1 数据的标准化处理 |
4.2.2 平稳性检验 |
5.中国商品期货市场周日历效应实证分析 |
5.1 描述性统计 |
5.1.1 样本总体描述统计 |
5.1.2 周内各交易日总体描述统计 |
5.1.3 描述统计结果汇总 |
5.2 日历效应模型检验分析 |
5.2.1 各期货周内日历效应检验 |
5.2.2 各期货周日历效应结果汇总 |
5.2.3 各期货周日历效应成因解释 |
5.3 日历效应的牛熊市迁移现象分析 |
5.3.1 日历效应牛熊市迁移现象描述 |
5.3.2 牛熊市时间划分 |
5.3.3 各商品期货不同时间段下描述性统计 |
5.3.4 各商品期货不同时间段下模型拟合结果 |
5.3.5 各商品期货日历效应迁移现象总结 |
5.4 牛熊市日历效应迁移成因分析 |
6.结论与讨论 |
6.1 本文实证结论与理论解释 |
6.2 对中国商品期货市场发展的启示 |
6.3 对市场监管者的政策建议 |
6.3.1 提高披露信息的准确性与流动速度 |
6.3.2 我国监管的放宽与模式创新 |
6.3.3 中国金融期货交易所职能强化 |
6.3.4 培育多元化的投资主体 |
6.3.5 加强投资者教育 |
6.3.6 社会诚信体系建立 |
6.4 对市场交易者的投资建议 |
参考文献 |
后记 |
致谢 |
(6)彩票市场会影响股市吗? ——基于彩票奖池的影响研究(论文提纲范文)
摘要 |
Abstract |
1 导论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容及方法 |
1.2.1 研究内容 |
1.2.2 研究方法 |
1.3 研究框架 |
1.3.1 研究框架 |
1.3.2 结构安排 |
1.4 研究创新 |
2 文献综述 |
2.1 资本市场中的博彩行为相关研究 |
2.1.1 博彩行为与博彩偏好 |
2.1.2 博彩偏好的识别 |
2.1.3 博彩类投资者特质 |
2.1.4 博彩偏好的影响 |
2.2 彩票与股票关联性相关研究 |
2.2.1 彩票与股票共性 |
2.2.2 购彩者与股票交易者共性 |
2.2.3 彩票市场与股票市场关联性 |
2.3 研究述评 |
3 理论基础 |
3.1 决策理论 |
3.1.1 期望效用理论 |
3.1.2 前景理论 |
3.2 博彩认知理论 |
3.3 有限注意力理论 |
4 研究假设与研究设计 |
4.1 研究假设 |
4.2 样本选择和数据来源 |
4.2.1 样本选择 |
4.2.2 数据来源 |
4.3 变量选取 |
4.3.1 被解释变量 |
4.3.2 解释变量 |
4.3.3 控制变量 |
4.4 模型构建 |
4.4.1 整体市场回归分析 |
4.4.2 分组回归分析 |
4.4.3 个股层面回归分析 |
5 实证分析 |
5.1 描述性统计 |
5.1.1 彩票市场描述性统计 |
5.1.2 股票市场描述性统计 |
5.1.3 变量描述性统计 |
5.2 相关性分析 |
5.3 回归分析 |
5.3.1 整体市场回归分析 |
5.3.2 分组回归分析 |
5.3.3 个股层面回归分析 |
5.4 稳健性检验 |
6 研究结论与展望 |
6.1 研究结论 |
6.2 主要贡献 |
6.2.1 理论贡献 |
6.2.2 政策建议 |
6.2.3 投资者启示 |
6.3 研究不足和研究展望 |
参考文献 |
致谢 |
(7)融资融券交易影响证券市场周内效应模式的非参数检验(论文提纲范文)
引言 |
一、研究设计 |
(一)数据来源 |
(二)变量定义 |
(三)研究方法 |
1.收益率分布状态的Kolmogorov-Smirnov分析 |
2.周内效应存在性的Kruskal-Wallis检验 |
3.周内效应模式的Mann-Whitney检验 |
4.证券收益率方差的Levene检验 |
二、实证研究 |
(一)收益率的描述性统计 |
(二)Kolmogorov-Smirnov检验结果 |
(三)Kruskal-Wallis检验结果 |
(四)Mann-Whitney检验结果 |
(五)Levene检验结果 |
(六)稳健性检验 |
三、研究结论 |
(8)股市收益率高阶矩风险的产生机制检验(论文提纲范文)
1 引言 |
2 相关假设的提出 |
3 模型方法 |
3.1 波动聚集与波动率反馈 |
3.2 时变高阶矩建模与假设2~4 |
3.3 控制“周内效应”和“假日效应” |
3.4 模型参数的估计 |
4 样本描述及一些初步的结果 |
5 实证结果 |
5.1 检验假设1 |
5.2 检验假设2和假设4 |
5.3 检验假设3和假设5 |
5.4 实证结果的进一步分析 |
6 与国际成熟市场的比较 |
7 结语 |
(9)中国股市及股指期货市场日历效应研究(论文提纲范文)
摘要 |
Abstract |
1. 绪论 |
1.1 研究背景 |
1.2 本文的研究意义 |
1.3 本文的主要内容和框架结构 |
1.4 本文的创新之处及可能存在的不足 |
2. 文献综述 |
2.1 关于股市日历效应的国外文献 |
2.2 关于股市日历效应的国内文献 |
2.3 关于期市日历效应的国外文献 |
2.4 关于期市日历效应的国内文献 |
3. 相关概念和模型理论 |
3.1 相关概念 |
3.1.1 日历效应概念 |
3.2 相关模型简介 |
3.2.1 ARCH模型和GARCH模型 |
3.2.2 TARCH模型和EGARCH模型 |
4. 样本数据的选取和研究方法 |
4.1 样本数据选取 |
4.1.1 上证综指的选取依据 |
4.1.2 深成指的选取依据 |
4.1.3 对股指期货市场进行研究的数据选取 |
4.2 数据处理和检验 |
4.2.1 非正态检验 |
4.2.2 异方差检验 |
4.2.3 平稳性检验 |
4.3 研究方法 |
5. 中国股票市场的日历现象实证分析 |
5.1 月内效应实证分析 |
5.1.1 月内效应中统计特性分析 |
5.1.2 月内效应中模型拟合结果分析 |
5.2 周内效应实证分析 |
5.2.1 周内效应中统计特性分析 |
5.2.2 周内效应中模型拟合结果分析 |
6. 中国股指期货市场日历现象分析 |
6.1 月内效应实证分析 |
6.1.1 月内效应中统计特性分析 |
6.1.2 月内效应中模型拟合结果分析 |
6.2 周内效应实证分析 |
6.2.1 周内效应中统计特性分析 |
6.2.2 月内效应中模型拟合结果分析 |
7. 两市日历效应比较及成因分析 |
7.1 两市日历效应比较及成因相关假说 |
7.2 其他原因 |
7.2.1 基于星期数据结果的周内现象成因分析 |
7.2.2 基于月度数据结果的月内现象成因分析 |
8. 对投资者和监管层的建议 |
8.1 对参与市场的投资者相关建议—择时交易 |
8.2 对监管层的相关建议 |
8.2.1 分散周内和年内的信息披露时间 |
8.2.2 注重投资者的相关知识培养 |
参考文献 |
后记 |
致谢 |
(10)宏观经济冲击、信息传导与中国股票市场 ——基于日度数据的实证(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景和意义 |
1.2 研究内容和方法 |
1.2.1 研究内容 |
1.2.2 研究方法 |
1.3 研究创新和贡献 |
1.4 论文整体结构 |
第2章 文献综述 |
2.1 股票资产定价理论模型 |
2.2 宏观经济对股市的长期影响 |
2.2.1 宏观经济变量影响股票的逻辑机制 |
2.2.2 宏观经济变量影响股市的实证分析 |
2.3 宏观经济对股市的短期影响 |
2.4 本章小结 |
第3章 研究设计 |
3.1 研究问题 |
3.2 研究模型 |
3.2.1 从理论到实证 |
3.2.2 研究模型设定 |
3.3 研究假设 |
3.4 本章小结 |
第4章 数据来源及变量构造 |
4.1 宏观经济预测数据 |
4.2 宏观经济实际数据 |
4.3 金融市场数据 |
4.3.1 股票收益率数据 |
4.3.2 其他数据 |
4.4 本章小结 |
第5章 宏观经济冲击收益率日度影响 |
5.1 样本描述与检验 |
5.2 实证结果 |
5.2.1 上海A股市场 |
5.2.2 深圳A股主板市场 |
5.2.3 创业板市场 |
5.2.4 稳健性检验 |
5.3 分析与讨论 |
5.3.1 工业增加值影响 |
5.3.2 生产者物价指数影响 |
5.3.3 货币供应量影响 |
5.4 本章小结 |
第6章 市场有效性:收益率持续性影响 |
6.1 问题的提出 |
6.2 有效市场假说概述 |
6.3 研究设计 |
6.3.1 事件研究方法 |
6.3.2 实验设计 |
6.4 实证结果 |
6.4.1 工业增加值影响 |
6.4.2 生产者物价指数影响 |
6.5 本章小结 |
第7章 交易量和波动率研究 |
7.1 市场交易量 |
7.1.1 问题的提出 |
7.1.2 模型设定 |
7.1.3 实证结果 |
7.1.4 残差自相关检验 |
7.2 波动率 |
7.2.1 波动率概述 |
7.2.2 模型设定 |
7.2.3 实证结果 |
7.3 本章小结 |
第8章 结论 |
8.1 主要研究结论 |
8.2 创新点和不足 |
8.3 未来研究展望 |
参考文献 |
中文文献 |
英文文献 |
附录:宏观经济数据公布时间 |
致谢 |
攻读博士学位期间完成的论文 |
四、中国股市交易量的周内效应(论文参考文献)
- [1]中国股指期货市场日历效应实证研究[D]. 石红芬. 云南财经大学, 2021(09)
- [2]A股不同市场周期下的日历效应比较分析 ——基于公司市值规模差异的角度[D]. 徐来. 云南财经大学, 2021(09)
- [3]中国农产品期货市场流动性的测量、传导及风险研究[D]. 徐媛媛. 华中农业大学, 2020(02)
- [4]公司规模对我国A股市场日历效应的影响研究[D]. 王昌云. 首都经济贸易大学, 2019(07)
- [5]中国商品期货的周日历效应[D]. 叶笑坤. 西南财经大学, 2019(07)
- [6]彩票市场会影响股市吗? ——基于彩票奖池的影响研究[D]. 黄文珺. 厦门大学, 2018(07)
- [7]融资融券交易影响证券市场周内效应模式的非参数检验[J]. 林祥友,易凡琦,陈超. 重庆工商大学学报(社会科学版), 2016(04)
- [8]股市收益率高阶矩风险的产生机制检验[J]. 方立兵,曾勇. 中国管理科学, 2016(04)
- [9]中国股市及股指期货市场日历效应研究[D]. 彭倩. 西南财经大学, 2016(04)
- [10]宏观经济冲击、信息传导与中国股票市场 ——基于日度数据的实证[D]. 顾鹏. 南京大学, 2015(03)