基于中国股市的套利定价模型宏观因素研究

论文摘要

个体在面临投资选择时,需要对各种资产的期望收益和风险溢价做出评估,这也是现代投资理论产生的原动力。自Markowitz提出投资组合理论以来,围绕着风险因素的确定延伸出了两个类别。一类是均衡定价,即深化Markowitz的研究;另一类则是套利定价,比如Ross提出的套利定价理论（APT）。在Ross套利定价理论的指导下,多因素套利定价模型发展起来。他们中的佼佼者包括以Fama-French三因素定价模型和BIRR模型为代表的学术派模型,以及众多具有良好实际应用价值的商业模型,如所罗门兄弟公司的RAM模型和摩根国际资本公司的BARRA模型等。本文研究的出发点也正是基于以上这些方面。作为对套利定价模型因素的研究,本文主要采用的是宏观经济因素。这是基于以下三个方面的考虑:以往文献的回顾,目前广泛使用的实证效果良好的模型,以及中国市场的特殊情况。考虑到宏观因素之间或多或少存在相互影响,即自相关现象。本文选用因子分析方法消除自相关,提取公因子。本文第二章对套利定价的理论基础进行了阐述,然后以BIRR模型、RAM模型和BARRA模型为参照,详细解构了三大多因素模型的宏观因子,归类出利率、汇率、通货膨胀、经济增长、资本市场等五大公共因素。在对中国证券市场的特性进行分析后,相应地将这五大因素转化为中国市场因子,即5年期存贷款利差、7日银行间同业拆借利率的月平均;人民币对美元汇率;CPI;GDP、发电量、工业增加值增速、社会消费品零售总额、净出口、固定资产投资增速、新增贷款增速、工业增加值增速;沪深300指数;M1、金融机构存贷差等15个宏观经济指标。考虑到宏观经济因素之间可能存在共线性,本文第三章使用了因子分析将15个指标归纳为5个公因子,分别代表的含义为总体经济发展水平、通货膨胀、国内外商业活动的整体情况、总体经济扩张程度和未来经济增长的信心。至此本文建立了关于5个公因子的多因素宏观套利定价模型。预测投资组合的收益,并据此做出投资决策判断是对套利定价模型的重要应用之一。因此在接下来的第四章本文选择了沪深300样本股票作为实证研究的对象,拟合了基于中国股市的多因素套利定价模型。在构建投资组合的过程中,本文考虑了两种因素对收益率的影响即行业因素和公司规模因素。因此本文构建了基于行业因素和基于规模因素的两个回归模型。通过比较发现基于规模因素的回归结果略好于基于行业因素的结果,但二者相差不大。最后本文对两个回归模型进行了误差分析,即利用模型预测收益率与实际收益进行比较。结果表现为两个模型分别存在22%和21%的误差。说明模型能够在一定程度上拟合投资组合的收益率。至此本文完成了基于中国股市的宏观多因素模型构建,并对模型的应用和效果进行了示范和说明。文章最后的第五章对于模型的其他应用和后续研究进行了简单的探讨并提出参考意见。其中最重要的则是,建立基于行业分类的宏观经济指标。据此研究各行业股票收益率的宏观影响因素,会收到更为准确的结果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 国外研究
• 1.2.2 国内研究
• 1.3 研究方法
• 1.4 主要内容和结构
• 1.4.1 主要内容
• 1.4.2 技术路线图
• 1.5 创新与重难点
• 第2章 构建中国股市宏观多因素模型的理论依据
• 2.1 套利定价理论的内涵及应用
• 2.1.1 套利定价理论
• 2.1.2 一个经典应用——Fama-French三因素模型
• 2.2 宏观经济因子对套利定价模型的影响
• 2.3 中国股票市场的特征
• 2.3.1 中美股票市场的差异
• 2.3.2 中国股票市场的独特性
• 2.4 宏观多因素模型之于中国股市的可行性
• 本章小结
• 第3章 套利定价理论下宏观因子分析
• 3.1 宏观因子的初步筛选
• 3.1.1 重要宏观多因素模型的因子分析
• 3.1.2 宏观因子的比较与选择
• 3.2 宏观因子的最终确定
• 3.2.1 相关分析
• 3.2.2 因子分析
• 本章小结
• 第4章 宏观多因素模型在中国股市的实证研究
• 4.1 模型构建
• 4.1.1 数据采集
• 4.1.2 变量设定
• 4.1.3 构建投资组合
• 4.1.4 模型建立
• 4.2 基于中国股市的实证研究
• 4.3 误差分析
• 本章小结
• 第5章 宏观多因素模型的深入思考
• 5.1 中美股票市场影响因素比较
• 5.2 模型的其他应用
• 5.3 模型的不足与修正
• 本章小结
• 第6章 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢