横截面动量的消长和反转效应：

2022-6-1 03:55:06

引言坚持经典金融理论、提倡无限理性的研究人员试图在资产定价模型中加入新的风险因素，以解释与市场异常相关的异常回报。其他坚持交易者有限理性的研究者试图通过构建能够捕捉交易者行为偏差的行为模式来解释市场异常。然而，这两组研究人员都未能提供令人满意的解决方案来解释这些异常现象。虽然与大多数异常相关的异常回报在具有更多风险因素的更完整定价模型中消失，但一些异常仍然“存在”[1]。另一方面，虽然短期动量效应等奥马尔难题可以在行为金融框架下解决，但没有一个统一的模型可以涵盖更多的异常。如参考文献[2]所述，前景理论描述了损失厌恶，但未能描述过度自信[3]。需要发展更全面的理论来解决有效市场假说（EMH）[4，5]和行为金融[6-8]之间的矛盾。基于进化心理学和进化理论，适应性市场假说（AMH）应运而生。与EMH一样，交易员在AMH下的行为基于他们自己的利益。这是一个在适应性市场中的启发式过程，在这个过程中，交易者被允许犯错误，并通过纠正自己的错误逐渐适应不断变化的市场状况。相比之下，交易者非常理性，市场一直保持在均衡状态。

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

大多数88

2022-6-1 03:55:09

此外，在AMH下，不同级别的集团对稀缺的盈利机会进行竞争，从而导致“最富有者的生存”。最终起决定性作用的是自然选择。不断演变的市场参与者主要对随时间变化或上下文相关的市场效率作出贡献。正如AMH中所述，可以认为有效的市场*通讯作者。地址：中国上海华东理工大学商学院梅龙路130号114信箱，邮编：200237，电话：+86-21-64253634。电子邮件地址：wxzhou@ecust.edu.cn（周卫兴）2017年7月19日提交给Physica A的预印本，作为一种身份和平衡状态，具有固定比例的交易者类型和固定的市场条件，而交易者的行为偏差表征了市场地位转变的适应过程。因此，在这一新范式中，EMHCA可以与行为金融共存。AMH的本质影响在于，市场效率不是全有或全无的条件，而是随着时间的推移不断变化的[10]。事实上，AMH提供了几个实际含义[2，9]，包括风险-溢价的不稳定关系、随时间变化的套利机会、交易策略的时间依赖性和上下文依赖性表现等。最近的研究提供了越来越多的实证证据支持AMH，其中大部分关注于将时变回报可预测性作为市场效率的衡量指标[11，12]。litera Ture的另一个分支专注于测试AMH中隐含的交易策略的时变性能。相关的方法是验证交易策略的风险调整回报是否随时间变化，以及市场条件是否与显著的良好或不良表现一致。

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

大多数88

2022-6-1 03:55:12

实证分析包括外汇市场【13，14】）和股票市场，包括美国市场【15】、亚洲市场【16】、俄罗斯市场【17】、芬兰市场【18】和罗马尼亚市场【19】。这些结果揭示了和MH一致的显著证据。我们的工作通过在两个著名的市场异常的框架内测试AMH的七个实际影响，即cro-ss部门动量和反向效应（以下简称CSMOM和CSCON），为AMH文献做出了贡献。事实上，它们在许多资产类别以及世界上大多数地区都普遍存在。虽然早期关于CSMOM和CSCON效应的研究大多集中在美国市场[20-23]，但大量研究发现了其他地区或市场CSMOM或CSCON效应的证据，包括英国[24，25]、日本[26，27]、澳大利亚[28]、中国[29-33]等。此外，CSMOM和CSCON效应在许多资产类别[34，35]中也很明显，包括股票[33]、基金[36，37]，货币【38-40】和商品【41、42】。此外，通过买入（卖出）赢家和卖出（买入）输家构建零成本arb itrage CSMOM或CSCON投资组合的频繁使用程序，启发我们测试AMH中的一个实际含义，即套利机会不时存在【2】。在这项工作中，我们关注中国股市。与成熟的金融市场相比，中国股市相对年轻。中国市场存在一些特殊现象，包括市场层面和企业层面的信息缺乏透明度，以及非理性个人投资者比例较高。我们想知道中国市场是在逐渐提高效率，还是在以类似于AMH中描述的方式发展。

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

2022-6-1 03:55:15

此外，很少有关于AMH的研究关注中国市场。我们的研究旨在为有关THAMH的文献提供更多关于中国市场的实证证据。具体而言，我们在CSCON（CSMOM）效应的框架内研究中国股市的风险和回报关系是否随时间变化，并通过检查CSCON投资组合的表现来研究套利机会的发展。还应注意的是，在我们的工作中，采用了移动窗口分析来进行研究，这为提供比子周期分析更详细的动态信息提供了证据。最后，本研究还调查了CSCON投资组合的表现与几种市场条件之间的关系，以进一步检验CSMOM和CSCON效应是否取决于环境。本文件的其余部分组织如下。第2节和第3节分别描述了研究中采用的方法和数据。第4节报告了实证结果。第五节结论。2、方法学按照研究CSMOM和CSCON效应的常用方法【21、22、29、3 1–33】，我们构建了- K基于CSMOM（CSCON）策略的输家和赢家的投资组合。参数J和K分别表示估计期和保持期的长度。具体而言，对于本月t，个人股票根据其在前J个月的历史表现进行排名。胜利者是指过去平均回报率最高的十分之一组，失败者是过去平均回报率最低的十分之一组。通过延长输家（赢家）和缩短输家（输家），CSCON（CSMOM）por tfolio在整个样本期内的每个月初构建。

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…

2022-6-1 03:55:18

我们评估了输家、赢家和CSMOM（CSMOM）投资组合在接下来的K个月内的表现。当输家投资组合的绩效比赢家投资组合的绩效更好（更差）时，存在CSCON（CSMOM）效应。为了方便起见，我们使用CON（J，K）表示J- K CSCON投资组合。此外，如参考文献[43-45]所述，买卖价差、不同步交易以及缺乏流动性将扩大CSMOM和CSCON效应。为了避免有偏差的结果，我们遵循通常的方法，在估计期和保存期之间跳过一个月[21，33]。应该强调的是，我们遵循参考文献[25]中更实用的方法来获得买入并持有收益序列，而不是严格遵循参考文献[21，22]中的流程，在该流程中，他们考虑重叠的投资组合，并在每个月平衡投资组合。根据参考文献[21，22]，如果持有期为K个月，则在t时的投资组合应包含在t时形成的投资组合和在前K时构建的投资组合- 1个月，时间t的平均回报率是所有投资组合在同一时间的平均加权回报率。相反，我们考虑在同一时期构建的投资组合的买入并持有收益序列。具体而言，K月买入和持有回报是通过对t月形成的投资组合进行预期或做空，然后持有K个月来获得的。我们测试K月收益率序列是否显著偏离z e ro。CSCONportfo lios的统计显著正（负）回报表明CSCON（CSMOM）效应显著。3.

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

2022-6-1 03:55:21

数据集在调查中国股市的风险-溢价关系和套利机会时，通过研究CSCON投资组合在移动时间段内的表现，我们从资产数据库中检索月度数据，包括所有A股个人股的股息调整和分割调整月度回报以及每月的Fama French三个因素，严格按照参考文献[46]建造。表1：本次调查的证券交易所基本情况。证券交易所国家/地区开始日期截止日期#澳大利亚证券交易所1968年1月8日2015年11月3日1889中国香港交易所1986年4月3日2015年11月3日1770KSE韩国证券交易所1975年7月1日2015年10月5日754LSE英国证券交易所1986年7月1日2015年11月3日1703NYSE美国证券交易所1968年4月1日2015年10月3日1587PSE法国证券交易所1977年5月1日2015年10月10日955SHSE中国证券交易所1990年6月30日1097SZSE中国证券交易所2015年10月12日1990年6月30日1757TSE东京证券交易所1974年11月12日3403日67TSX加拿大1975年6月1日2015年10月3日911TWSE China 1991年5月1日2015年10月3日856基于CSCON和CSMOM效应，我们还研究了其他主要证券交易所的套利机会。我们利用从彭博社下载的全球一些主要证券交易所上市的个人普通股月度数据，涵盖从数据库中记录最早的时间到2015年3月的这段时间。da ta集合包括股息调整和分割调整的单只股票每日收盘价。我们随机为不同地区的股票市场选出一位代表。这些交易所包括香港证券交易所（HKEX）、台湾证券交易所（TWSE）、东京证券交易所（TSE）、韩国证券交易所（KSE）、澳大利亚证券交易所（ASX）、伦敦证券交易所（LSE）、巴黎证券交易所（PSE）、纽约证券交易所（NYSE）和多伦多证券交易所（TSX）。

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

mingdashike22

2022-6-1 03:55:24

表1报告了本研究中证券交易所的基本信息。本研究还调查了中信建投（CSCON）投资组合的市盈率与市场条件因素之间的关系，市场条件因素是根据一些数据计算的，包括上海综合指数（SHCI）的月收盘价、所有A股个股的日收益率和人民币交易量。4、实证结果4.1。参考文献[2]中提出的时变风险溢价关系、不同交易者的相对规模和偏好以及监管环境和税法等因素导致风险溢价关系不稳定。在本节中，使用窗口大小为5年的移动窗口近似，我们打算验证在CSMOM或CSCON效应的框架内，风险和风险之间是否存在不稳定的关系。具体而言，从CSMOM或CSCONeffect的角度来看，CSCON（CSMOM）投资组合的风险调整回报率和风险因素的时变负荷的波动可以为风险与回报之间的不稳定关系提供证据。我们采用了两种流行的模型，包括资本资产定价模型（CAPM）和Fama-French三因素模型（FFTM），分别由公式（1）和公式（2）描述。ERT表示中信建投（国际）证券有限公司投资组合在t月的回报率。RMKT、RSM和RHML分别表示参考文献[46]中的市场因素、规模因素和价值因素。ERt=α+βMKTRMKT，t+εt，εt~ N（0，σε），（1）ERt=α+βMKTRMKT，t+βSMBRSMB，t+βHMLRHML，t+εt，εt~ N（0，σε），（2）参考文献[33]的实证结果表明，1997年至2012年期间，中国股市存在稳健的CSCON效应。他们还得出结论，CSCON投资组合的绩效可以通过延长估计期J来提高，而它对控股公司K不敏感。

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

2022-6-1 03:55:27

在此基础上，我们考虑了六种CSCON投资组合，其不同的估计期J属于{1、12、24、36、48、60}个月，而持有期K固定为1个月。中信建投（CSCON）投资组合是根据中国股市的所有A股个股构建的。表2展示了1990年至2014年期间CSCON投资组合的表现，揭示了长期的CSCONeffect。我们还提供了1997年至2014年期间的结果，表明中国存在短期和长期CSCON效应。这些发现与参考文献【33】一致。很明显，CSCONportfo lios在不同的时间段表现出不同的性能，我们将在下一节进行进一步的研究。表2:CSCON投资组合的原始回报，该投资组合由不同的估计期J构成，并在固定的持有期K=1个月内持有【33】。括号中的t统计量根据[47]对异方差和自相关进行了调整。上标*和**分别表示5%和1%水平的重要性。J=1 12 4 36 48 60周期R t-stat R t-stat R t-stat R t-stat R t-stat R t-stat1990-2014 0.008（1.91）0.004（0.80）0.009（1.51）0.020（2.64）**0.013 (2.50)*0.015 (2.46)*1997-2014 0.008 (3.04)**0.004 (0.88) 0.010 (1.98)*0.014 (2.72)**0.016 (2.79)**0.017 (3.04)**我们通过检查上述6CSCON投资组合在CAPM和FFTM下的表现，研究风险与回报的关系。表3报告了1990-2014年整个样本期内不同估计期的结果。

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

2022-6-1 03:55:30

回归斜率βMKT、βsmb和βHMLare与市场因素RMKT、尺寸因素rsmba和价值因素RHML的相应负荷ings相关。表3:CAPM和Fama-French三因素模型下CSCON投资组合的调整后回报（α值）以及不同风险因素的负荷（βMKT、βSMB、βHML值）。超级脚本*和**分别表示5%和1%水平的重要性。CAPM Fama-French三因素模型αβMKTαβMKTβSMBβHMLJ=1 0.008（1.48）0.123（3.03）**0.009(1.66) 0.129 (3.12)**-0.125（-1.53）0.030（0.35）J=12 0.004（0.72）0.030（0.66）0.008（1.33）0.048（1.05）-0.402（-4.49）**0.083（0.89）J=24 0.007（1.35）0.160（3.54）**0.003 (0.48) 0. 142 (3.16)**0.354 (3.58)**0.104（1.09）J=36 0.017（2.56）*0.408(7.36)**0.003 (0.52) 0. 362 (7.60)**0.935 (8.55)**0.701(6.10)**J=48 0.013（2.48）*0.033 (0 .54) 0.00 5 (1.07) -0.037(-0.67) 0.683 (6.92)**0.422(3.77)**J=60 0.015（2.55）*0.003 (0 .05) 0.00 8 (1.47) -0.057(-0.90) 0.620 (5.72)**0.269 (2.07)*我们首先检查CAPM的结果。一般而言，与表2中所有样本期内CSCON投资组合的原始收益结果相比，表3中CSCON投资组合的风险调整收益（即α值）仅略有减少或保持不变。引入市场因素RMKT不会导致回报率大幅下降。风险调整后的回报率为正，对于估计期较长的CSCON投资组合而言，具有统计学意义≥ 然而，对于j=1、24和36，市场因素的负荷在统计上是显著的。作为一种工具，CAPM没有很强的能力解释CSCON策略的回报。移动窗口中的风险调整收益率随时间变化，并且对估计期J敏感。

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

2022-6-1 03:55:33

当nj=1时，风险调整后的回报在四个窗口（1996-2000、1997-200、1998-2002和2001-2005）中显著为正，这比整个样本中的原始（以及风险调整后的）回报更高。当J=12和24时，有两个窗口（2007-2011和2 008-2 012）具有显著的正风险调整回报。随着J的增加，2007-2012年左右有更多的移动窗口，风险调整后的回报显著为正。对于某些J值，在某些移动窗口中，市场因素的荷载βMKTon显著为正，在某些其他窗口中显著为负，或在其他情况下不显著。接下来，我们将研究FFTM的结果。对于短期估算期（J≤ 12），表3中整个样本的风险调整后回报率高于表2中报告的CSCON投资组合的原始回报率。这意味着FFTM在短估计期内不会表现出更强的解释力。对于较大的估算期（J≥ 24），风险调整后的收益率大幅下降，且在统计上不显著，这表明在解释CSCON效应方面，FTM比CAPM更有利。总的来说，短期估算期内，贷款βMKTon市场因子显著为正，长期估算期内，规模因子上的负载βSmb显著为正（J≥ 24），并且在更长的估计期内，荷载gsβHMLon值因子显著为正（J≥ 36). 对于J=12，βSMB为显著负。移动窗口的结果好坏参半。在不同的窗口中观察到显著和不显著的风险调整回报。这意味着中国股市可能存在时变CSMOM或CSCON效应。

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

2022-6-1 03:55:36

在前几个窗口中，负荷βMKTon（市场因素）在某些估计期的统计上为正，而在后续窗口中，负荷βMkt在某些估计期的统计上为负。尺寸系数上的荷载βsmb对于小J值而言，早期为显著负，而对于大多数J值而言，后期为显著正。相反，对于J=1的所有移动窗口，荷载βhmlar不显著，对于J的大多数移动窗口，荷载βhmlar显著为正≥ 综上所述，CSCON产品组合的风险调整回报和不同风险因素的负荷都是随时间变化的。根据参考文献[4，5]，EMH建议市场上的th将保持有效或至少变得更有效。然而，当J>1时，两种模型的早期风险调整收益率在统计学上都不显著，而后期窗口（主要是2005年至2014年）的风险调整收益率在统计学上都显著。这表明市场并没有继续变得更加有效。然而，中国股市的效率会随着时间的推移而变化。很明显，这些发现与AMH框架下的市场效率描述一致[2]。我们的发现也对以往大多数文献中采用的通常过程提出了质疑，其中风险因素的恒定负荷通过在完整样本期进行时间序列回归进行风险调整来暗示。令人震惊的是，执行风险调整的传统流程中未包括因子负荷的动态。理论上，正如参考文献[48]所指出的，风险因素的负荷确实是时变的，并且取决于CMOM（CSCON）投资组合构建的频率。

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

2022-6-1 03:55:39

基于FFTM在风险因素不变的情况下产生单个股票的回报的假设，在公理中广泛使用的CSMOM（CSCON）投资组合的月度重组要求每月为赢家和输家选择不同的股票。CSMOM（CSCON）portfo lios的风险因素负荷是单个股票的平均负荷，因此导致风险因素负荷随时间变化。另一方面，如果风险因素溢价为正回报，则赢家（输家）投资组合由通常具有较高（较低）负荷的股票构成，而如果风险因素溢价为正回报，则选择赢家（输家）股票主要具有较低（较高）负荷的风险因素。因此，他们得出结论，风险因素负荷与各自的风险因素溢价存在协变量。4.2. 基于CSCON效应的套利机会演变我们现在通过评估CSCON零成本套利投资组合的表现来检验AMH得出的套利机会随时间出现和消失的假设。具体而言，我们对移动时间窗口进行了研究。对于从CSCON por tfolios获得的返回时间序列{RiJ，K}，创建了一个初始子样本，由大小为M个月的第一个移动窗口中的观测值{RiJ，K}组成。然后，我们测试子项{RiJ，K}是否与零有显著差异。以下参考。[47]，我们得到了异方差和自相关调整后的t统计量。win-dow向前滚动一个月，覆盖{RiJ，K}M+a1+a，以重新检查相应子序列的性能，依此类推，直到samp le{RiJ，K}TT结束-M+1。根据大多数现有文献，我们将a值设定为12个月，M值设定为60个月。

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

2022-6-1 03:55:42

我们考虑11×11=121个CSCON投资组合，估计期J和持有期K属于集合{1、6、12、18、24、30、36、42、48、54、60}。对于每个时间窗口，CSCON投资组合可根据其表现分为四组，即具有显著正回报的投资组合（简称SP）、具有显著负回报的投资组合（简称SN）、具有显著正回报的投资组合（简称NSP），以及负回报率不显著的投资组合（简称NSN）。显著水平为5%。1994199519961997199819992000200120032004205200620072008200920102011201220132014SHSESP SN NSP NSN16121824303642485460J19941995199619971998199200012002200320042052006200720082009201020112012201320140140SSSESP SN NSN16121824303642485460J图1：（彩色在线）在SHSE和SZSE的移动窗口中，从CSCON投资组合获得的回报随时间变化的显著性。纵轴对应121个CSCON投资组合，具有不同的估计（J）和持有（K）水平。CSCON投资组合在移动时间间隔内构建，移动时间间隔显示在横轴上。x轴上的年份是五年移动窗口中的最后几年。结果如图1所示。四种不同的颜色表示根据J的性能形成的四个组- K CSCON订单。颜色s随时间的变化表明套利机会确实是时变的，这对所有股票交易所都是适用的。没有任何颜色的网格表示无可用数据。虽然表1中报告了so me交易所的股票开始日期，但由于估计期长或没有足够的股票来构建投资组合，因此早期移动窗口中没有足够的数据。

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

2022-6-1 03:55:45

在每个批次中，我们观察到垂直条带，这意味着r e转弯对J和K的依赖性小于对时间t的依赖性。闭合曲线揭示了垂直方向上的周期模式，这反映了收益率实际上依赖于持有水平J的事实【33】。我们发现，除了左上角以外，这两个地块有着惊人的相似性（早期，大估计期）。在1994年至1997年的近几年中，大多数深交所中信建投证券投资组合的回报率为负，其中一些回报率较高，而大多数深交所中信建投证券投资组合的回报率较高，其中不少回报率较高。换言之，从1994-1997年，上海证交所股票表现出动量效应，而深交所股票表现出CSCONeffect。从1998年到2000年，上海证券交易所中信建投（CSCON）投资组合对大J的负面影响很小，对小J的正面影响很大，而深圳证券交易所中信建投（CSCON）投资组合基本上是正面的。自2001年以来，两家交易所都表现出aCSCON效应，2005年左右有所减弱。我们的发现提供了令人信服的证据，表明基于CSCON投资组合的套利机会将随着时间的推移而演变，并可能取决于投资环境。在参考文献[33]中，对aCSMOM或CSCON效应的存在性进行了研究，这些研究是在不同的股票市场和不同的样本期进行的。根据图1，先前的研究报告了一些相互矛盾的结果，这并不奇怪。换句话说，市场异常会随着时间的推移而演变，而不是保持静态。我们的分析表明，在研究市场异常行为时，应考虑AMH。我们还对中国大陆以外的9家主要证券交易所进行了相同的分析，以进行比较。结果如图2所示。

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

2022-6-1 03:55:48

对于香港证券交易所，我们观察到一个整体CSCON效应，该效应从1990年到1995年逐渐减弱，从1996年到2000年变得强烈，从2001年到2005年消失，从2006年到2014年再次出现。对于台湾证券交易所，我们观察到1995年CSMOM和CSCON效应的混合，1996年至2000年的动量效应，2002年至2005年的弱CSCON效应，2007年和2008年的CSMOM效应，以及之后的CSCON效应。对于东京证券交易所来说，CSCON效应占主导地位，除了1978年至1982年的大J和1997年至2000年的所有J。

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

mingdashike22

2022-6-1 03:55:51

对于其他交易所，我们还观察了CSCON和CSMOM效应的盛衰。1990199119921993199419951996199719981999200020012003200420520062007200820092010201120122012014Hong KongSP SN NSP NSN16121824303642485460J19951996199719981992000120032004205200620072008200920102014Taiwansp SN NSN16121824303642485460J19781980219861992199419961998200002200420062008200122014Tokyosp SN NSPNSN16121824303642485460J1979198119831985198719891991199319951997199920012005200720112013013韩国NSP SN NSN16121824303642485460J1972197419761978198019821984198619881990199219941996199820002002002002014ASESP SN NSN16121824303642485460J1972197419761980198219841988199219941996199820002002002002014NSESP SNNSN16121824303642485460J19831985198719891991199319951997199201201201201201201019901200320052007209201920111201010101010190TORONTOSP SN NSN16121824303642485460J19901991199931994199519961997199819920001200220032004205200620072008200920101212014PARISP SN NSN16121824303642485460J199119920199419951997199819992000220032004200420052002010122012014LONSP DONSP SN NSPNSN16121824303642485460J图2：（彩色在线）在中国大陆以外的9家主要证券交易所的移动窗口中，中信建投（国际）证券有限公司投资组合获得的回报随时间变化的显著性。纵轴对应121个CSCON投资组合，具有不同的估计（J）和持有（K）水平。CSCON投资组合在移动时间间隔内构建，移动时间间隔显示在横轴上。x轴上的年份是五年移动窗口中的最后几年。4.3. 上下文相关的CSMOM和CSCON效应上述结果表明，CSCON策略在中国股市的套利机会或表现是时变的。

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

2022-6-1 03:55:54

因此，我们打算研究CSCON（CSMOM）效应与一些可以表征投资环境的市场条件因素之间的关系。我们从以下不同角度进行研究。首先，我们评估了J- K中国A股个股在这两个高点期间形成的CSCON投资组合表4：该表报告了横截面J- K不同市场条件下的高水平和低水平期间的反向投资组合，包括市场状态（状态）、市场波动性（波动性）、市场流动性不足（流动性不足）和宏观经济不确定性（不确定性）。估算期J∈ {1、6、12、18、24、30、36、42、48、54、60}个月，持有期K=1个月，分别在前两列中显示。1990年至2014年整个样本期内，中信建投（CSCON）投资组合的月平均回报也在第三栏“原始回报”中进行了报告，与之相比，中信建投（CSCON）在各个市场条件处于高水平和低水平的时期的盈利能力可以进行比较。s充足期为1990年12月至2014年12月。参考文献[47]，对t统计量进行异方差和自相关调整。

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

2022-6-1 03:55:57

上标*和**分别表示5%和1%水平的重要性。状态波动率非流动性不确定性J K原始回报率上下高-低-高-低-高-低1 0.0084 0.0097 0.0057 0.0115 0.0059*0.0074 0.0093 0.0063 0.0105*6 1 0.0009 0.0104*-0.0113*0.0069 -0.0041 -0.0015 0.0029 -0.0021 0.003712 1 0.0044 0.0097 -0.0077 0.0139 -0.0035 -0.0005 0.0087 0.0041 0.004718 1 0.0057 0.0141*-0.0033 0.0156 -0.0024 -0.0003 0.0110 0.0002 0.011124 1 0.0089 0.0186*-0.0001 0.0191 0.0010 -0.0021 0.0183*0.0021 0.0153*30 1 0.0150 0.0255*0.0086 0.0288 0.0047 0.0 042 0.0241**0.0090 0.0203**36 1 0.0204**0.0263*0.0121 0.0409*0.0060 0.0112 0.0279**0.0205 0.0204**42 1 0.0228**0.0320**0.0103 0.0484**0.0058 0.0177 0.0267**0.0271*0.0194*48 1 0.0134*0.0261**-0.0031 0.0292**0.0036 0.0050 0.0196*0.0094 0.0165*54 1 0.0151**0.0301**-0.0041 0.0320**0.0052 0.0103 0.0183*0.0055 0.0219**60 1 0.0146*0.0290**-0.0042 0.0284*0.0070 0.0080 0.0188*0.0033 0.0221**以及低水平的特定市场条件。与研究时变风险溢价关系的样本一样，我们以具有不同估计期J和固定持有期K的CSCON投资组合为样本。J∈{1、6、12、18、24、30、36、42、48、54、60}个月，K=1个月。我们采用了先前文献[15]中经常使用的几种市场条件因素，包括市场状态、市场波动性、市场流动性不足和宏观经济不确定性。另一方面，为了避免常见风险因素的影响，我们还转向定价模型，包括市场条件下的虚拟变量，以获取资本充足率与市场条件之间更精确的关系【11，15】。具体而言，使用分段FFTM，如式（3）所示。ERT表示在t月返回CSCON订单。

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

2022-6-1 03:56:00

RMKT、RSM和RHML分别代表参考文献[46]中的市场因素、规模因素和价值因素。dt表示市场状况的虚拟变量，如果是第t个月市场状况的高（低）水平，则取单位值（零）。ERt=α+βMKTRMKT，t+βSMBRSMB，t+βHMLRHML，t+βDDt+εt，εt~ N（0，σε），（3）市场状态取决于两种趋势，即上升和下降。事实上，市场状态（或方向）对CSMOM（CSCON）战略的可行性至关重要【49】。根据参考文献[49]，我们确定了过去36个月的市场表现为非负（负）时，市场状态的上升（下降）趋势。在我们的工作中，SHCI的月度对数回报被用作市场表现的代表。如果是前36个月SHCI的非负（负）回报，则dits dumm y变量a t月t等于单位（零）。市场波动性定义为AR（1）-GJR-GARCH（1，1）[50]的条件方差，如式（4）所示，其中Rt表示SHCI的月度对数回报。在式（4）中，条件测量和方差方程分别由第一个和第三个方程描述。c和ε分别为常数项和新息项。σt表示εt的条件标准差。在方差方程中，I[·]是指示函数，当εt-1<0，否则为零。换句话说，ξ量化了先前正冲击效应之间的差异（εt-1> 0）和负冲击（εt-1<0）的波动率[51]。我们采用AR（1）GJR-GARCH（1，1）而不是参考文献[15]中的AR（1）-GARCH（1，1），因为大量文献发现AR（1）-GJR-GARCH（1，1）更适合描述中国股市不对称市场波动的动态。

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

2022-6-1 03:56:03

市场波动率的虚拟变量等于高（低）波动率区间的单位（零），该区间定义为市场波动率高于（低于）其中值的时段。Rt=c+Rt-1+εt，εt=σtzt，σt=k+γσt-1+αεt-1+ξI[εt-1<0]εt-1、（4）我们遵循参考文献[52]来衡量市场流动性不足，该指标适用于所有中国A股股票的当前频率。结果a对所有股票和每个月的所有天数进行重新平均，以给出市场范围内的月度非流动性估计，如公式（5）所示，其中Ri，m，dis为股票i在第m个月d的回报，VOLDi，m，dis为各自的日交易量，以人民币，Di，mis可用交易数据的天数，NMIS m月可用股票的数量。高（低）市场流动性状态定义为每月市场流动性高于（低于）其中值的时段。相应地，在高（低）市场非流动性制度下，虚拟变量等于单位（z ero）。ILLIQi，m=Di，mDi，mXt=1 | Ri，m，d | VOLDi，m，d，AILLIQm=NmNmXt=1ILLIQi，m，（5）根据参考文献[15]，美国市场的宏观经济不确定性被定义为与AR（1）-GARCH（1，1）模型相关的条件变量，该模型应用于每月国债利率[53]。对于中国市场，将参考文献[54]中的AR（1）-GARCH（1，1）应用于中国的GDP数据，并推导出条件var ia NCE来衡量不确定性[55]。然而，中国的GDP数据是季度统计数据，我们的研究需要月度数据。因此，应采用中国宏观经济繁荣指数。它包含四个指数，由中国国家统计局（www.cem ac.org.cn）发布。

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

2022-6-1 03:56:06

特别是，一致性指数反映当前经济的tr端，涉及行业生产、就业、需求和收入；领先指标由一组领先指标组成，用于预测未来经济趋势；拉格指数由一组滞后指标构成，主要用于确认经济周期；预警指数将宏观经济状态分为五个级别：“红色”表示经济严重过热，“黄色”表示经济过热，“绿色”表示经济正常，“浅蓝色”表示经济较冷，“蓝色”表示经济较旧。yt=c+yt-1+εt，εt=σtzt，σt=k+γσt-1+αεt-1.（6）在我们的工作中，使用AR（1）-GARCH（1，1）模型[56]的条件方差a ssociate te d来确定宏观经济的不确定性，这可以用公式（6）来描述，其中y表示t个月的重合指数的对数回报。如公式（4）所示，条件平均值和方差方程分别由式（6）中的第一个和第三个方程描述。c和ε分别为常数项和新息项。σtre表示εt的条件标准偏差。此外，k，γ，α>0，γ+α<1。高（低）宏观经济不确定性制度定义为宏观经济不确定性高于（低于）其中值的时期，并且在高（低）宏观经济不确定性制度中，相关虚拟变量等于单位（零）。值得注意的是，这些结果对采用其他三种替代方法都是稳健的，我们仅根据一致性指数给出结果。表4报告了CSCON投资组合在各个市场条件的高水平和低水平期间的表现。

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

kedemingshi

2022-6-1 03:56:09

显然，当J≥ 在11个中信建投（CSCON）投资组合中，有36个投资组合在统计上具有显著的正回报，因此表明中信建投（CSCON）在中国股票市场的长期效应[33]。表5：该表报告了基于Fama-French三因素模型的横截面反向投资组合（CSCON）的表现，其中包括市场条件虚拟，即ERt=α+βMKTRMKT，t+βSMBRSMB，t+βHMLRHML，t+βDDt+εt。根据本文的描述，每个市场条件的虚拟变量dt取统一值或零。估计期和持有期分别为J月和K月。不同投资组合的J值和K值在前两个COLLMNS中显示。1990年至2014年整个样本期内，中信建投（国际）证券投资组合的月平均回报也报告在第三栏“原始回报”中，风险调整后的中信建投（国际）证券投资组合可与之进行比较。样本期为1990年12月至2014年12月。A组至D组报告了基于四种不同市场条件的结果，这些市场条件包括市场状态（状态）、市场波动性（波动性）、市场非流动性（非流动性）和宏观经济不确定性（不确定性）。参考文献[47]，对t统计量进行异方差和自相关调整。上标*和**分别表示5%和1%水平的重要性。J K原始返回αβMKTβSMBβHMLβDPanel A：状态1 0.0084 0.0045 0.0612 0.2329*-0.0069 0.00056 1 0.0009 -0.0132**0.0426 0.2767*0.1253 0.0189**12 1 0.0044 -0.0114 0.0313 0.3109 0.4965**0.0176*18 1 0.0057 -0.0082 0.0383 0.4233*0.6488**0.0174*24 1 0.0089 -0.0057 0.1121 0.6956**0.5083*0.013330 1 0.0150 0.

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

2022-6-1 03:56:11

0013 0.2435*1.0155**0.4150 0.005936 1 0.0204**0.0045 0.2534*1.0694**0.4351 0.002642 1 0.0228**0.0035 0.1255 1.1244**0.4488 0.009848 1 0.0134*-0.0085 0.0091 0.8363**0.5721*0.0248**54 1 0.0151**-0.0085 -0.0014 0.7878**0.3906 0.0297**60 1 0.0146*-0.0087 -0.0080 0.8047**0.4825 0.0285**面板B：挥发度1 0.0084 0.0052 0.1041 0.0737 0.0543 0.00396 1 0.0009-0.0057 0.0708 0.1513 0.2140 0 0.011112 1 0.0044-0.0062 0.1170 0.0643 0.5937**0.023818 1 0.0057 -0.0056 -0.0651 0.3105 0.3994*0.0209*24 1 0.0089 -0.0039 0.1662*0.5297*0.5214**0.013430 1 0.0150 -0.0010 0.2584**0.8287**0.3291 0.009536 1 0.0204**-0.0013 0.2472*1.0597**0.4368 0.018242 1 0.0228**-0.0018 0.1084 1.1186**0.4438 0.0283**48 1 0.0134*-0.0030 -0.0077 0.8501**0.5694*0.0226*54 1 0.0151**-0.0005 -0.0209 0.8031**0.3910 0.0236*60 1 0.0146*0.0006 -0.0242 0.8190**0.4979 0.0195面板C：非流动性1 0.0084 0.0045 0.1112 0.0763 0.0559 0.00516 1 0.0009-0.0016 0.0748 0.1563 0.2092 0.001712 1 0.0044 0。0045 0.1207 0.0743 0.5807*-0.000118 1 0.0057 0. 0093 -0.0767 0.3171 0.3796*-0.011824 1 0.0089 0. 0042 0.1632*0.5368*0.5111**-0.005030 1 0.0150 0. 0019 0.2629**0.8365**0.3283 0.002036 1 0.0204**0.0015 0.2639*1.0801**0.4485 0.009642 1 0.0228**0.0030 0.1376 1.1471**0.4664 0.013448 1 0.0134*0.0054 0.0097 0.8622**0.5596*-0.000054 1 0.0151**0.0047 0.0087 0.8352**0.3759 0.007260 1 0.0146*0.0053 -0.0015 0.8421**0.4785 0.0045面板D：不确定度1 0.0084 0.0090 0.1030 0.0795 0.0505-0.00406 1 0.0009 0.0019 0.0702 0.1616 0.2057-0.005412 1 0.0044 0。0021 0.1229 0.0695 0.5827**0.004618 1 0.0057 0. 0050 -0.0629 0.3218 0.3870*-0.002524 1 0.0089 0. 0051 0.1667*0.5472**0.5144**-0.006830 1 0.0150 0.

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

mingdashike22

2022-6-1 03:56:15

0057 0.2584**0.8429**0.3245 -0.005936 1 0.0204**0.0059 0.2528*1.0717**0.4346 0.000242 1 0.0228**0.0099 0.1240 1.1358**0.4492 -0.001748 1 0.0134*0.0082 0.0093 0.8715**0.5582*-0.006254 1 0.0151**0.0090 -0.0008 0.8217**0.3774 -0.002560 1 0.0146*0.0073 -0.0071 0.8317**0.4785-0.0001在向上和向下的市场状态下，CSCON的稳定性存在显著差异。当市场呈上升趋势时，9/11中信建投（CSCON）投资组合的平均回报率为正，统计显著性为5%，所有这些投资组合都实现了更高的盈利能力，甚至几乎是其各自原始回报率的两倍。相比之下，当市场处于下跌趋势时，中信建投（国际）证券有限公司投资组合的表现要差得多。只有CON（6，1）具有统计意义，但平均回报率为负。基于市场波动性的结果相似。同样，在市场波动性较高的时期，中信建投（国际）国际有限公司（CSCON portfo lios）的稳定性也较为有利。然而，当J≥ 36、相比之下，只有CON（1，1）在市场波动性较低的时期具有统计意义的正平均回报。基于市场流动性不足和宏观经济不确定性的发现正好相反。如表中所示，市场流动性和宏观经济不确定性较低的时期与中信建投（CSCON）投资组合的较高稳定性相关，当≥ 上述发现表明，中信建投（国际）财务有限公司的盈利能力与市场条件因素之间存在密切关系，这可能是由于常见风险因素的表现所致。在下文中，使用包含市场条件虚拟变量的增广FFTM，以获取稳定性与市场条件之间更精确的关系。

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

2022-6-1 03:56:17

结果如表5所示。至于A组中基于市场状态的结果，风险调整后的平均回报率均未表现出统计学意义。所有CSCON投资组合的风险调整后表现都比其各自的原始回报率差。市场状态假人上的所有负荷均为正值，表明在市场状态向上趋势期间，CSCON组合的性能更优越。当6≤J≤ 18和48≤ J≤ 60、结果显示，CSCON的稳定性表现出对市场状态的依赖性，但没有达到表4结果所暗示的水平。Panel B r报告了基于市场波动性的类似结果，所有经风险调整的平均回报率都不显著，且低于原始回报率。同样，所有关于市场波动性的预测都是积极的，这表明中信建投（国际）证券投资组合在市场波动性较高的时期会有更有利的表现。然而，当J=18和42时，2011年4月CSCON投资组合具有统计意义≤ J≤ 显然，共同风险因素的表现将增加中信建投（国际）财务有限公司对市场状态和波动性的依赖性。C组和D组分别报告了基于市场流动性不足和宏观经济不确定性的结果。9/11宏观经济不确定性假人的负荷为负但不显著，4/11市场流动性不足假人的负荷为负但不显著。显然，这些结果与表4中的结果不一致。在消除了常见风险因素的影响后，中信建投（国际）有限公司对非流动性和不确定性的依赖性大大减弱。根据基于两个不同角度的研究结果，CSCON的可操作性在很大程度上取决于市场条件。

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

2022-6-1 03:56:20

市场状态呈上升趋势、市场波动性较高、市场流动性较高和宏观经济不确定性较低的时期与较高的CSCON稳定性相关。在考虑到常见风险因素的影响后，CSCON的稳定性与市场条件之间的关系被削弱。总之，调查结果符合AMH。5、结论在本文中，我们重点检验了文献[2，9]的适应性市场假说对中国股票市场的一些影响。我们进行这项研究是为了测试AMH在fram-eworkof CSMOM和CSCON效应中的实际意义。我们通过使用CAPM和Fama-French三因素模型对风险调整后的SCON投资组合的表现进行检验，来检验风险-溢价关系是否稳定。我们的研究结果表明，风险调整后的回报率是时变的，而低风险因素并不恒定，这与AMH是一致的。然后，我们对移动窗口中中信建投（CSCON）投资组合的表现进行了研究，以验证套利机会在中国市场和其他主要证券交易所是否也在演变。据观察，CSMOM和CSCON效应随着时间的推移而演变，这在所有正在考虑的市场中都是普遍存在的。此外，我们认为市场异常只在一定时期内表现出市场特征，这与相关研究中的一些混合结果相矛盾。最后，我们探讨了CSCON稳定性与市场条件之间的关系。我们评估了中信建投（CSCON）投资组合在几种市场条件的高低水平期间的表现，并通过包含市场条件虚拟的扩充Fama-French三因素模型研究了中信建投（CSCON）投资组合在不同市场环境下的表现是否不同。

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

2022-6-1 03:56:23

我们发现，CSCON的能力与市场条件密切相关。市场状态呈u向趋势、市场波动性较高、市场流动性较高和宏观经济不确定性较低的时期与较高的CSCON盈利能力相关。考虑到风险因素的影响后，中信建投（国际）财务有限公司的稳定性与市场条件之间的关系被削弱。总之，我们的发现符合AMH。致谢这项工作得到了国家自然科学基金（71532 009）和中央大学基础研究基金（222021718006）的部分支持。参考文献[1]E.F.Fama，K.R.French，《资产定价异常的多因素解释》，J.Financ。51 (1) (1996) 55–84.[2] A.W.Lo，《适应性市场假说》，J.Portf。管理。30 (5) (2004) 15–29. 内政部：10.3905/jpm。2004.442611.[3] D.Kahneman，A.Tversky，《前景理论：风险下的决策分析》，计量经济学47（1979）263–292。[4] E.F.Fama，《有效资本市场：理论和实证工作回顾》，J.Financ。25 (2) (1970) 383–423.内政部：10.1111/j.1540-6261.1970。tb00518.x.[5]E.F.Fama，《有效资本市场：II》，J.Financ。46 (5) (1991) 1575–1617. 内政部：10.1111/j.1540-6261.1991。tb04636.x.[6]N.Barberis，A.Shleifer，R.Vishny，《投资者情绪模型》，J.Financ。经济。49 (3) (1998) 307–343.内政部：10.1016/S0304-405X（98）00027-0。[7] H.Hong，J.C.Stein，《资产市场反应不足、动量交易和过度反应的统一理论》，J.Financ。54 (6) (1999)2143–2184. 内政部：10.1111/0022-1082.00184。[8] K.Daniel，D.Hirshleifer，A.Subrahmanyam，《投资者心理与证券市场反应不足与过度》，J.Financ。53 (6) (1998)1839–1885. 内政部：10.1111/0022-1082.00077。[9] A.W。

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