- 相關推薦
基于行為金融背離的股市風險量化研究
基于傳統金融計量理論，資產價格收益率呈正態分布或有偏正態分布的特征，下面是小編搜集整理的一篇探究行為金融背離的股市風險量化的論文范文，歡迎閱讀參考。
摘要：本文從傳統的行為金融現象“羊群效應”對A股市場的波動特征展開了量化研究，通過對較長周期樣本的截面分析證實了現實中股市波動規律有別于傳統的金融理論是簡單和線性的，實際上大部分時間由于投資者非理性和趨勢交易較容易產生“趨同效應”而放大市場波動。另一方面，由于“反趨同效應”較少的存在有助于我們對市場在上漲動能衰歇時做出及時判斷，而以APT模型為核心的回歸因子模型能較有效的把握這種“反趨同效應”的節奏，從而實現頂部風險識別和擇時模型在樣本數據區間的構建，也有助于行為金融學者和資本市場數量研究人員從另一角度看待A股市場的行為轉換和波動規律。
關鍵詞： 行為金融 投市風險 量化研究
一、市場的非理性?――由“肥尾現象”和“羊群效應”的談起
傳統研究市場風險的方法主要是波動率測算，其核心思想是風險R(v)是以波動率(volatility)為自變量的函數。基于傳統金融計量理論，資產價格收益率呈正態分布或有偏正態分布的特征，基于歷史經驗樣本的收益率序列可開展ARCH或GARCH研究，以期得到滑動的波動率(volatility)變量。當然，這是在不考慮肥尾(fat-tail)現象的前提下的。
“肥尾分布”現象是指行為金融理論挑戰傳統金融學的一個重要證據，是指在收益率分布的尾部時它的概率分布密度要較標準分布厚，即金融市場出現極端情形要比預期來的概率大些。由于波動率經常存在異方差(heteroskedasticity)現象，其時間序列在分布上存在波動的隨機性，因而可以解釋股價趨勢和反趨勢變化時存在拐點。Mandelbort和Fama將時間序列常常出現某一特征的值成群出現的現象稱之為波動聚集效應，在統計學上其表現形式就是波動率的階段相關性和反相關性。因而可以解釋市場經常拐點后，上升趨勢和下降趨勢的相互轉化。
羊群效應(Herding Effect)是信息連鎖反應導致的一種行為方式，即個體投資者階段性忽視自己擁有的信息或缺乏研究分析的獨立性，容易受到其他投資者行為的影響跟風而容易做出非理性的決策。羊群效應行為的存在體現于股價趨同性(stock price synchronicity)，是指單只股票的價格波動與市場指數波動的關聯性，當市場“同漲同跌”的程度很高時，市場存在顯著的羊群行為。
二、擬構建的基于行為金融趨同因子的分析框架
1. 一個思路的提出
由于A股的個股與市場指數表現出較強系統性(systematic risk)且大部分時候Beta大于0(但不同的個股表現出不同高低的Beta)，要尋找個股收益率波動受指數或行業收益率波動的解釋度，我們可以從APT模型出發，將指數的各個成分股的日收益率對指數和行業的日收益率進行線性回歸(OLS)，得到最佳估計的回歸方程：
我們引入OLS回歸模型的解釋度R2，其為反應個股收益率與獨立解釋變量(回歸方程中為市場指數和行業指數)收益率之間線性關系的擬合度(Goodness of Fits)，R2由回歸偏差(SSR)占總偏差(SST)的百分比所定義：
SST為總偏差的平方和，與個股收益率樣本的方差呈線性關系;SSR為回歸平方和，即OLS回歸線上的值 與實際樣本的均值 的離差平方和，為OLS模型中可解釋總偏差的部分;而SSE為殘差平方和，為回歸模型不可解釋總偏差的部分。
如果個股的收益率緊密分布在回歸線附近，那么SSE會較小，顯示個股收益率對指數收益率的關聯度較高;相反如果個股的收益率分布在離回歸線很遠的地方，SSE會較高，說明個股收益率對指數收益率的關聯度會較低。因此Rsq可以代表市場的系統性風險占個股總風險的百分比。把不同時期市場指數的各個成分股的Rsq相加(按滬深300的權重動態加成)，便可得到各個時點市場的整體分化水平，我們把其定義為MR2。當MR2越低，說明個股漲跌受市場指數漲跌的解釋度越低，體現了市場的分化程度在上升(或趨同度在下降)。
接下來，我們將2005-2010年(似為樣本內)以來MR2進行實證研究，并將相關規律外推至樣本外(2011-2013)。
2. 實證檢驗
目前滬深300指數和上證綜合指數是衡量A股市場的最好基準，全市場95%的基金公司和大部分保險機構將其似為重要的相對基準，2010年股指期貨放開以來，也將000300.SH視為重要的基礎交割合約，融資融券業務也首先圍繞滬深300里的290只成份股試點。因此，本文的行為金融研究框架中的市場指數，以滬深300開展(06年以來與上證綜指的相關性高達99.4%)。2005年以來，滬深300的成份股共調整28次，據不重復成份股的統計，涉及調入的成份股共計526只，在測算上均以成份股的歷史日收益率(可視為后復權紅利再投資)開展。
我們對MR2的計算周期進行效果檢驗，分別設定T = 25， 30， 35， 40， 45， 50(交易日)進行了統計分析，發現當T=30時個股的回歸方程解釋度最好，同時兼顧較好的時效性。筆者根據上述的回歸方程和MR2算法撰寫了相應的程序，我們注意到指數每個交易日可能會有停牌的成份股，為確實有效的成份進入當日行為分析，我們將MR2進一步修整為有效交易(即當日不停牌)的成份股按有效交易市值的加權平均。經測算，MR2與滬深300在樣本區間內的走勢和相關性如下圖所示：
圖1：滬深300指數與MR2的歷史走勢(樣本內)
通過該走勢圖，我們可以發現很直觀的規律，當市場在下跌中途或下跌的末端(最后一殺)時，MR2保持在較高的水平(如08年4月以來的單邊下跌、10年4-7月的單邊下跌)，說明市場在下跌中期或最后一跌時，大部分投資人的行為高度趨同;在上漲過程中，MR2的波動大部分時間不平穩，但注意到市場位于階段高位的時候，一旦MR2快速下跌出現背離跡象，往往是市場的階段頂部區域，如：07年的4-5月、07年的10-11月、09年，7-8月、10年的11月，而其中的除06年的11月和07年4月市場仍處于全面多頭之外，其余區域均為市場構造階段頂部或重要的階段頂部的前兆，因此用MR2作為股市階段頂部風險的預警指標有著重要和積極的意義。
3. 基于行為金融背離的預警模型構建
在完善模型體系之前，筆者先提出行為空頭的構建思路，有別于傳統的均線、MACD或KDJ等技術分析體系，筆者仍使用量化的線性方法，簡要思路如下：
在t日首先捕捉個股在滾動20天內的階段高點(以后復權的收盤價為準)，可能出現在第t-k交易日，并以t-k日起回溯N日對市場指數進行線性回歸，得到回歸方程：
假定回歸方程的殘差是正態分布，εt服從N(0， σ)。將t-k至t日市場指數的收益率代入上述方程測算個股收益率的估計值，將真實的個股收益率與估計值的差值求和，再除以回歸方程的殘差σ，得到個股短期收益率相對殘差的偏離度。這個偏離度(如為負值)越大，表明個股階段相對市場的行為空頭強度越大，將其定義為short(i，t)。將市場各個成份股的行為空頭加權后得到t日市場空頭強度mktshort(t)。
值得注意的是，行為空頭模型的引入，有效的解決了以單一指數走勢或K線形態為出發點的傳統技術分析或量化分析，因為市場不是單一主題，而是由諸多交易于不同成份股的投資者構成，每個成份股見底或見頂的時機不盡相同，階段多空強弱也不盡相同，行為空頭的重要意義在于有效的把握了市場的賺/賠錢效應，而不會出現當單一指數被少數權重股“綁架”而大部分個股已出現深幅調整，指數確仍顯紅盤的“賺指數不賺錢”的效應。
根據模型的歷史回溯經驗，一般一個周期的上漲后，若mktshort達到-1.2倍標準差偏離后，市場開始階段走弱進入調整。而在單邊牛市中，很難出現mktshort(t)達到1倍以上的偏離值(如07年4月階段的上漲)，因此行為空頭指相標的引入與MR2的相互配合有助于更及時、到位的把握高位市場出現調整的概率。
綜上分析，筆者提出以下市場風險(或重要頭部賣出信號)的兩條判斷標準：
標準1：MR2跌破局部區間(以滾動200天為樣本)99%分位值(對應1.96倍標準偏差)，模型給予(t， t+5)日區間的風險預警;
標準2：指數成份股出現行為空頭，對于滿足mktshort(t)的偏離度達到-0.9倍以上的標準差時，且標準1同時有效時，給出賣出信號;
筆者將上述兩個指標進行顯著性篩選后，并將數據從樣本區間(2005-2010年)外推，向前外推至2002年，向后外推至2013年11月，得到的股指風險預警模型效果如下(筆者定義其為風險聚集模型)：
事實上，歷史上僅有兩次出現預警信號但沒有賣出信號相伴，一次是06年11月，一次是2007年4月中旬，當時市場一度出現了板塊輪動效應快速衰落(但沒有行成較強的行為空頭，市場很快又再次進入全面多頭的強勢);因此行為空頭強度引入的判定標準顯的非常必要;因為在隨后的牛熊轉換的重要拐點中，同時出現風險預警和行為空頭確立的區間均為市場的重要頂部區域(中期賣出信號)。即當市場上漲過程中，一旦板塊輪動減速，上漲動能衰弱，導致MR2快速下行(顯示市場開始出現分歧，樂觀情緒快速消退)，且指數開始走弱(行為空頭偏離度達到一定水平)，往往是構筑重要頂部或下跌的前兆;因此在預警區間，投資人可根據模型提示的預警情形(如MR2滿足標準1的情形)對上漲過程中的樂觀情緒進行冷靜和反思，至少不會再行買入提高成本和倉位;一旦模型達到賣出信號，可調整投資策略及時進行減倉賣出操作，或及時開設期指空單(2010年4月以后可實施此策略)以對沖系統性調整周期的風險。
簡單而言，市場指數由諸多行為主體構成，筆者以觀察成份股在行業輪動過程中的趨同性，挖掘到一個簡單規律。市場在下跌過程中投資者的拋售行為和悲觀預期形成較為一致(這或許是市場上大部分投資人的考核方式、投資周期的高度相似)，因此可以時�？吹捷^高的MR2在熊市下跌趨勢中的高企。市場在觸底開始上漲時，大部分個股與市場幾乎同步見底，并且在市場剛開始反彈行情時，行情先行啟動時，行為趨同步并不趨同(筆者對于市場開始上漲的擇時有另外的一套量化分析系體，此處不展開)，MR2水平可能溫和下跌，直到上漲行情進入加速階段，市場開始行為較一致的樂觀預期，行為開始再度趨同化，MR2水平走高;當市場開始步入高位或估值水平偏離值這大時，板塊輪動開始分化;部分投資者不再瘋狂買入，部分成份股率先調整或區間震蕩，個股與指數的趨同性開始下降，因此MR2快速下降;當行情進入尾聲時，MR2與指數形成明顯背離，隨著一些先知先覺的投資人開始撤離市場，指數的上漲趨勢也到達“強弩之末”并開始扭頭向下(形成較明顯的行為空頭)，當后知后覺的投資人也發現可能過于樂觀、估值太高或擔憂行情已經退潮時，他們或將蜂擁的展開拋售便會帶來指數的快速下跌，而這個下跌的過程中個股往往是普跌的，而這一趨同性又導致MR2的快速上漲… 周而復始，來回循環。從行為金融的角度來看，投資者或總是在不同的歷史時期重復相同的錯誤，或許投資區別于理論學科最重要之處就在于人性因素的難以準確度量吧。
三、結束語
在美股市場上，曾有一個叫Hindenburg Omen的分析方法極具盛名，并對美股市場的多個重要頭部有著較佳的預判。筆者開發的風險聚集模型，較好的將市場行為與股市在高位波動的規律形成本土化的詮釋，因而得到了及時、有效的風險預警和減倉規避系統風險的擇時策略。這套行為金融分析體系，是否能適用于一些其它的市場板塊或者行業指數(如申萬一級行業指數和中小板指數)，一方面需要對歷史經驗數據進行的不斷豐富、收集和維度補充(如引入高頻成交數據)，一方面需要對指數成分構成的重新還原(由于存在股改和并購，事實上不少行業指數的組合無法簡單復制)，均有待行為金融研究者和資本市場的實踐者時繼續展開深入的實證研究。
相關文章：
2.金融畢業論文致謝
10.金融畢業論文提綱
【基于行為金融背離的股市風險量化研究】相關文章：
中國股市流動性風險測度研究03-18
基于戰略治理的企業環境風險研究03-09
基于風險導向視角的審計判定研究03-28
基于戰略系統的審計風險模型研究03-04
基于風險導向視角的審計判斷研究03-01
基于區域的農業企業并購行為研究03-24
基于虛擬經營的知識共享行為研究03-21
金融風險管理方法研究03-27