全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1103 17
2022-04-24
英文标题:
《Bull and Bear Markets During the COVID-19 Pandemic》
---
作者:
John M. Maheu, Thomas H. McCurdy, Yong Song
---
最新提交年份:
2020
---
分类信息:

一级分类:Economics        经济学
二级分类:Econometrics        计量经济学
分类描述:Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论,微观计量经济学,宏观计量经济学,通过新方法发现的经济关系的实证内容,统计推论应用于经济数据的方法论方面。
--

---
英文摘要:
  The COVID-19 pandemic has caused severe disruption to economic and financial activity worldwide. We assess what happened to the aggregate U.S. stock market during this period, including implications for both short and long-horizon investors. Using the model of Maheu, McCurdy and Song (2012), we provide smoothed estimates and out-of-sample forecasts associated with stock market dynamics during the pandemic. We identify bull and bear market regimes including their bull correction and bear rally components, demonstrate the model\'s performance in capturing periods of significant regime change, and provide forecasts that improve risk management and investment decisions. The paper concludes with out-of-sample forecasts of market states one year ahead.
---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-4-24 19:07:25
2019冠状病毒疾病期间的牛市和熊市*托马斯H.McCurdiyYunSoun十一月2020. COVID-19大流行对全球经济和金融活动造成严重破坏。我们评估了在此期间美国股市的总体走势,包括对短期和长期投资者的影响。利用Maheu、McCurdy和Song(2012)的模型,我们提供了与大流行期间股市动态相关的平滑估计和样本外预测。WeiIdentify牛市和熊市机制,包括牛市修正和熊市反弹组件,展示模型在捕捉重大市场周期方面的表现,并提供改善风险管理和投资决策的预测。本文最后对未来一年的市场状况进行了抽样预测。关键词:预测密度、长期回报、马尔可夫转换*麦克马斯特大学德格罗特商学院,maheujm@mcmaster.ca多伦多大学罗特曼管理学院,tmccurdy@rotman.utoronto.ca墨尔本大学经济学系,勇。song@unimelb.edu.au1本文介绍了2019冠状病毒疾病的基础上,根据1885-2020年的总股本回报数据,对COVID-19流行期的牛市和熊市进行了预测。利用Maheu等人(2012年)的模型对1885年至2020年的每周数据进行应用,我们记录了2020年市场的位置以及股市发生了什么。使用Maheu等人(2012)的受限四态马尔可夫切换(MS)模型有几个原因。首先,与事后测年法(Pagan&Sossounov 2003,Lunde&Timmermann 2004)不同,它将市场状态视为潜在状态,并为未来状态和制度提供概率估计。该概率框架提供了数据生成过程的完整说明。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 19:07:31
因此,它生成关于市场动态的概率陈述,这对投资和风险管理决策至关重要。其次,与关注两种市场状态的简单规范不同,我们的模型允许四种状态,包括牛市修正和熊市反弹。传统的体制划分方法无法识别体制内的动态,这些动态对预测和投资决策可能非常重要。例如,如果在熊市期间开始反弹(正向子趋势),那么反弹将继续并过渡到牛市而不是回落到熊市状态的概率是多少?牛市修正(负的子趋势)会持续到熊市状态还是恢复到牛市状态?第三,特定状态分布的高阶矩也提供了有用的信息——例如,与不同状态相关的风险评估。它们结合起来,提供控制市场动态的总混合分布,以及对决策至关重要的相关预测平均值和密度预测。最后,参数和状态与经济限制一致,与投资者对市场阶段的态度一致。与不受限制的四态模型相比,数据支持这些经济驱动的限制。我们发现,市场从2020年初的牛市状态转变为牛市修正,并在2月26日迅速转变为熊市。这场熊市一直占据主导地位,直到6月3日市场转变为熊市反弹,并一直处于这一阶段。这与大众媒体使用的日期测定方法不符(“股市的新牛市可能会持续三年,老牌策略师说可能会再产生30%的涨幅”,2020年8月31日,https://www.marketwatch.com/).
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 19:07:37
这些方法只关注价格趋势,忽视风险。我们的模型将最近的市场归类为熊市反弹,因为回报的差异较大。这种高风险与过去表现出较低可变性的牛市阶段不一致。使用事后测年方法的传统两种制度模型无法区分熊市和牛市状态。我们的方法之所以能做到这一点,部分原因是对这些州风险差异的概率估计。我们展示了Covid-19大流行对返回分布和风险措施的巨大影响。该模型提供了非常准确的转折点预测,投资者可以实时获得这些预测。考虑到股票市场阶段的全概率模型的好处,很自然地,这种混合分布模型的预测是否能改善投资和风险管理决策。为此,我们定义了一个伪夏普比,用于表征状态密度参数的样本估计。然后,我们将这一指标扩展到样本外预测夏普比率,该比率源自对预测市场状态敏感的预测收益密度。这一指标可以用于评估进入市场的风险和回报。探讨了几种市场时机投资。我们发现,与2020年的买入和持有策略相比,指导何时退出和进入市场的简单时间规则可以改善投资决策。这些结果对不同的时间策略具有鲁棒性,并且是我们的模型识别和预测的精确转折点的结果。这些市场时机策略中的每一种都是实时的,投资者可以使用该模型进行预测。本文最后对未来一年的状态概率进行了长期预测。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 19:07:43
如果CoVID-19的损坏消失,那么我们的模型预测几个月,而不是几个星期,直到股市恢复正常。我们的论文组织如下。第2节和第3节简要回顾了Maheu等人(2012)牛市和熊市模型的结构和估计;第四节总结了数据。第5节报告2019冠状病毒疾病前期和之后的结果。值得注意的是,第5.3节提供了基于一周前预测密度和未来状态样本外预测以及相关风险和回报措施的预测。第5.4节报告利用这些预测的市场时机策略。第5.5节讨论了长期预测。第6节提供了稳健性结果,从几个角度将我们的模型与竞争模型进行了比较。第7节总结,附录提供了额外的结果和模型比较细节。2模型定义日志返回rt,t=1,T和r1:T-1={r,…,rt-1}. 从MaHu等人(2012)考虑REST ST的以下4个StimeMARKOV-切换(MS4)模型;~ N(ust,σst)pij=p(st=j | st-1=i),i=1。。。,4,j=1。。。,其中si,i=1。。。,4,表示潜在状态,参数化为正态分布,具有平均usi和方差σsi,以及pi,jdenote状态转移概率。以下限制和标签用于识别目的:u<0(熊市状态)、u>0(熊市反弹状态)、u<0(牛市修正状态)、u>0(牛市状态)。对{σ,…,σ}没有任何限制。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 19:07:50
请注意,有四种状态,但我们指的是两种不同的状态:如果st=1或2(熊市),则BtasBt=1;如果st=3或4(牛市),则Bt=2。过渡矩阵采用以下形式。P=pp0 ppp0 pp0 ppp0 pp该规定意味着熊市状态和熊市反弹状态不能移动到牛市修正,牛市状态和牛市修正状态不能移动到熊市反弹状态。这样做是为了避免混淆这些显示价格上涨或下跌共同平均趋势的州。例如,很难将均显示负平均增长的州1和州3分开。限制过渡矩阵还意味着新政权的开始必须来自熊市或牛市。为了进一步加强对该模型的经济限制,对该模型施加了以下长期趋势。求解与P相关的平稳分布,我们可以计算无条件状态概率向量:π=(AA)-1Ae(2.1)式中A=[P-一、 ι]和e=[0,0,0,0,1]和ι=[1,1,1,1]。长期限制为:E[rt|bear区,Bt=1]=ππ+πu+ππ+πu<0(2.2)E[rt|bull区,Bt=2]=ππ+πu+π+πu>0。(2.3)3估计我们使用Gibbs采样步骤进行后验模拟,该步骤拒绝任何违反参数限制的绘图,并结合Chib(1996)的模拟平滑器对最近的状态向量进行采样。根据Maheu等人(2012年)的估算结果,我们的分析中使用了相同的先验知识。对于MCMC输出模拟,可以计算一致的后验动量或预测密度量,详见Maheu等人(2012年)。我们收集了30000张后期抽签供推断,之前我们放弃了5000张抽签供磨合。4数据1885-1927年的每日股权资本收益来自Schwert(1990)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群