开源金工藏经阁 | 文献速递第20期
Mood Beta and Seasonalities in Stock Returns
情绪贝塔系数与股票收益的季节性
编号:藏-20-1
作者:David Hirshleifer, et al.
出处:Journal of Financial Economic, 2020-06
摘要:现有研究表明:股票回报具有截面的季节性,即某些股票在同一日历月或工作日内的周期性表现优于其他股票。作者假设资产对投资者情绪的不同敏感性可以解释这些影响,并暗示可能存在其他季节性因素。与作者假设一致,过去情绪高涨或情绪低落的月份和工作日中,个股或投资组合的相对表现往往会在情绪一致的时期重现,而在情绪不一致的时期则相反。而对总体情绪水平敏感(具有较高的情绪Beta)的资产,会在情绪上升期获得较高的回报,在情绪下降期则获得较低的回报。
Is the Active Fund Management Industry Concentrated Enough?
主动基金管理行业的集中度是否足够?
编号:藏-20-2
作者:David Feldman, et al.
出处:Journal of Financial Economic, 2019-08
摘要:本文引入了主动型基金管理行业(AFMI)的一种理论模型,其绩效和规模取决于AFMI的竞争力(集中度)。在合理的假设下,随着AFMI的集中度降低,基金经理努力寻找Alpha的主动性也随之减弱。因此,基金经理的总体Alpha比较低,理性的投资者则推断出AFMI预期表现偏低,而只将其较小部分的财富分配在活跃基金。根据经验,在本文的样本期内,美国共同基金行业集中度的下降与其净Alpha和规模(相对于股票市值)的下降有关。
Stock-specific Sentiment and Return Predictability
股票特定的情绪和回报的可预测性
编号:藏-20-3
作者:Guillaume Coqueret
出处:Quantitative Finance, 2020-04
摘要:本文量化了特定股票的新闻情绪对未来财务收益的影响。基于超过1000家美国大型上市公司的大样本,日频的回归预测模型可以得出显著性为7%的t统计量。尽管部分资产的投资回报确实具有一定的可预测性,但证据却表明负反馈的作用更强:投资回报同其他方法相比更有可能驱动未来的情绪。
Slow-moving Capital and Stock Returns
缓慢波动的资本和股票收益
编号:藏-20-4
作者:Sergey Isaenko
出处:Quantitative Finance, 2020-02
摘要:本文研究了股票市场中资本配置的延迟以及短期交易的高激励对市场收益的影响。研究发现:资本惯性使夏普比率和股票收益的波动率比没有资本延迟的经济体高很多倍。此外,与实证文献的结果一致,股票价格显示出短期过度反应和条件夏普比率的高波动性。
Do Dividends Convey Information about Future Earnings?
股息是否能传递未来盈利的信息?
编号:藏-20-5
作者:Charles G. Ham, et al.
出处:Journal of Financial Economic, 2019-10
摘要:本文研究发现股息变化包含有关未来经济收入高度持续变化的信息。三种方法上的差异使得从现有文献中可以得出不同的结论:(i)作者使用“事件窗口方法”清晰地描述了股利变动后的收益,(ii)作者使用替代收益方法来控制内源投资和围绕股息变化的资产减记,并且(iii)作者控制股息变化与市场反应之间的非线性关系。研究结果表明:尽管信息内容的时间安排很难与传统的信号模型协调,但是分红公告收益仍能反映有关永久收益水平的信息。
COVID-19 and Stock Market Volatility: An Industry Level Analysis
COVID-19与股市波动:行业层面分析
编号:藏-20-6
作者:Seungho Baek, et al.
出处:Finance Research Letters, 2020-10
摘要:COVID-19对美国股市的波动产生了重大影响。这项研究的重点是理解由马尔可夫切换AR模型确定的从低到高波动率的制度变化。利用机器学习特征选择方法,选择经济指标以最好地解释波动率的变化。结果表明,波动率受特定经济指标的影响,并且对COVID-19新闻敏感。尽管负面新闻的影响更大,但是负面和正面的COVID-19信息的影响都是显著的,这表明存在负面偏差,即不同行业间的总风险和特质风险显着增加,而系统风险的变化则在整个行业中有所不同。
Diagnostic Expectations and Stock Returns
辨别期望和股票回报
编号:藏-20-7
作者:Pedro Bordalo, et al.
出处:The Journal of Finance, 2019-07
摘要:该文章重新审视了La Porta的发现,即分析师最乐观的长期收益增长预测的股票收益,低于最悲观预测的股票收益。作者记录了这些投资组合的基本面,期望和回报的联合动态,并使用基于代表性启发式的信念形成模型来解释事实。在模型中,分析师通过历史收益增长来预测基本面,但是过度反应却夸大了各种情况的可能性,而使其更有可能发生。本文预测,尽管快速的盈利增长预示了谷歌的未来收益,但这并没有分析师认为的高。作者测试了这一预测并发现了支持性证据,这一预测将使得该机制与贝叶斯学习和适应性预期区别开。该研究的结果表明:校准后的模型提供了一个在基本面、预期和收益上的令人满意的关键模式。
以下实习同学参与了本期文献的挑选与整理工作:苏良(复旦大学),盛少成(中国科学技术大学),殷家曦(杜克大学),郭豆豆(哥伦比亚大学)、魏子东(宁波诺丁汉大学)
论文原文下载链接:
https://pan.baidu.com/s/1Mp3ng9yz_O-ieNsC2Kx0Fg
提取码:ehwz
囿于水平与时间限制,错译之处敬请指正。
更多量化文献交流,欢迎联系:
开源证券金融工程团队
魏建榕 张翔 傅开波 高鹏 苏俊豪 胡亮勇 王志豪
往期回顾(可点击链接):
团队介绍
开源证券研究所金融工程团队,是一支年轻而富有创造力的团队,我们致力于提供全面深入、独家创新的量化研究。团队首席魏建榕,复旦大学理论物理学博士,专注量化投资研究近10年,历任东方证券研究员、上投摩根基金研究员、方正证券高级分析师、东吴证券联席首席分析师。在实证行为金融学、市场微观结构研究等领域取得了多项独创性研究成果,在国际学术期刊发表论文7篇,代表研报《蜘蛛网CTA策略》系列、《高频选股因子》系列、《因子切割论》系列,在量化圈内有较好反响。2016年获新财富最佳分析师第6名、金牛分析师第5名、水晶球分析师第6名、第一财经最佳分析师第5名。目前,开源金工团队成员来自复旦大学、上海交通大学、华东师范大学、南京大学、厦门大学等知名院校,欢迎志同道合的优秀学子加入我们。
团队愿景:开源金工团队,将恪守「原创、深度、讲逻辑、可验证」的量化研究准则,努力为量化投资研究做出属于我们的微小贡献,共同见证中国量化投资事业的持续进步!
法 律 声 明
本篇文章来源于微信公众号: 建榕量化研究