我国资本市场上FAMA-FRENCH三因子模型的因子显著性研究

被引量 : 0次 | 上传用户:piliwuhen
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
资产定价是金融学的核心问题之一,Fama-French三因子模型认为,市场风险因子、规模因子和账面市值比因子这三个因素可以解释绝大部分股票收益的变动,这一模型因其得到全世界范围内大多数资本市场的实证支持而备受瞩目。如今,越来越多的学者尝试利用三因子模型中的风险因子指导资本市场的投资行为。因此分析风险因子的显著性对投资策略的调整具有一定意义。在我国资本市场的一些实证结果显示,规模因子和账面市值比因子在一些情况下无法解释股票收益率的变动。哪些因素会影响规模因子和账面市值比因子的显著性,目前依然是一个值得深入研究的问题。本论文尝试对我国资本市场上三因子模型中因子显著性问题进行专题研究,论文在三因子模型回归结果基础上,将规模因子、账面市值比因子是否显著转化为二元变量,从而进一步分析哪些因素会对这两个风险因子的显著性产生影响。论文的主要发现是:一、总市值对规模因子显著的概率具有负向影响。在其他因素保持不变的情况下,总市值越高,规模因子显著的概率越低,规模因子有效解释股票收益率的可能性越低。二、流通股数量和流动比率对规模因子的显著性均具有正向影响。如其他条件保持不变,流通股数量越多,或流动比率越大,则规模因子有效解释股票收益率的可能性越大。三、剔除限售股A股市值和市现率对账面市值比因子的显著性具有正向影响。如其他条件保持不变,剔除限售股A股市值越大,或市现率越高,则账面市值比因子显著的概率就越高,该因子越可能有效解释股票收益率的变动。四、速动比率对账面市值比因子显著的概率具有负向影响。速动比率越高,则账面市值比因子解释股票收益率的可能性越小,此时账面市值比因子就越容易不显著。以上发现归纳了影响三因子模型中各因子显著性的主要实证结果,这些经验可为实务界基于因子模型的投资策略提供一定启发,这些发现背后的深层次原因和学理性因素,还有待后续更深入的讨论。
其他文献
【目的】分析广州市城市更新的模式和效率,为我国城市更新提供建议。【方法】通过采集2010—2020年广州市的社会经济数据,以基础建造投资和财政支出数据为基础,运用数据包络分析法(DEA)对全市城市更新工作在经济、环境和居民生活三个方面进行绩效评价。【结果】广州城市更新除2010、2013年外,其余9年均为DEA有效,表明广州市城市更新大部分年份投入产出均衡。但是2013、2019、2020年处于规
文章利用2017年流动人口动态监测数据,构建多值Logit模型,从个体特征、流动特征、经济特征三个维度,探究青年流动人才选择流入Ⅱ型大城市、Ⅰ型大城市、特大超大城市影响因素差异。回归结果显示,女性、非农户籍青年流动人才大城市偏好明显,小家庭模式增加特大超大城市选择概率;流动年限越长、流动距离越远,流入城市规模越大,基于经济原因流动,特大超大城市选择概率下降;雇员倾向规模更大城市,雇主倾向规模更小城
2013年,华兴资本成为表现最好的本土投行之一,这得益于其承接的IPO业务和大买家的并购案子。11月18日,华兴资本CEO包凡在黑马大赛上发表演讲。他第一句就是"今天我觉得大家都是自己人",一下子拉近了与台下黑马的距离,这些黑马很可能已是或即将成为华兴资本的客户。过去十年,华兴资本帮助京东、兰亭集势、大众点评、神州租车、触控科技、酒仙网等上百家黑马公司完成融资,这些公司的成长又促成了华兴资本的再成
期刊
我国地方政策鼓励企业数字化转型,企业如何实施数字化转型成为众多学者关注的问题。基于动态能力理论和环境适应学派的理论观点,采用问卷数据进行实证分析,探讨大数据分析能力对企业数字化转型的影响以及地方政策感知的调节作用。结果表明,大数据分析能力对处于初始准备阶段、践行实施阶段和深度探索阶段的企业数字化转型均具有积极影响。地方政策感知正向调节大数据分析能力与处于初始准备阶段、践行实施阶段企业数字化转型的关
期刊
通过研究2020年山西省受沙尘天气过程影响的情况,分析沙尘影响天气在时间和空间的特征,简述其对空气质量的影响。结果显示,沙尘天气过程对山西省西北部和中东部城市的空气质量影响较大;沙尘天气过程一般发生在春季和秋季;受沙尘天气过程影响的城市可吸入颗粒物年均浓度明显升高。
学位
<正>当前,人工智能、物联网技术等前沿科技的开发与应用,对高等教育的管理产生了积极影响,实训基地不仅是高校开展实践教学、校企合作的重要窗口,也是承载各项实践教学任务的一体化教学场所。随着信息化技术的应用与推广,建设智能化的实训基地是实现高校校园信息化、智能化建设目标的重点工作之一。引进智能化系统不仅为高校的教学改革提供技术支持,还会对实训基地合理、规范的改造、建设提供方向性的指导,对提高高等学校的
期刊
为探讨深度学习方法在干旱区棉花分布识别中的适用性及优化流程,以渭干河—库车河三角绿洲典型作物棉花为研究对象,利用国产GF-2影像,结合野外调查数据,采用Unet深度学习方法,借助Unet网络多重卷积运算的特点充分挖掘棉花在遥感影像上的深层次特征,从而提高棉花的提取精度。结果表明,Unet模型提取研究区棉花、玉米、辣椒的识别效果优于面向对象和传统机器学习算法分类结果,总体精度为84.22%,Kapp