多层网络风险因子定价模型研究文献综述

 2023-08-20 19:59:08
  1. 文献综述（或调研报告）：

为了解决资产定价难题，Fama and French提出了三因子模型，其中资产投资组合收益的横截面收益率由市场组合超额收益、资产规模和账面市值比来解释[1]。在这项开创性研究之后，学者们在不同市场进行检验，还从不同角度提出了不同类型的因子模型[2-9]。Lam和Tam研究了流动性在股票收益定价中的作用，发现流动性四因子模型是解释香港股票市场收益的最佳模型[3]。王博从行为金融学角度，构建情绪综合指数，分析和检验投资者情绪对资本资产定价效率影响的显著性[5]。Fama和French提出了五因子资产定价模型，该模型涵盖了规模，价值，获利能力和投资模式[6]。Makwasha等提出了具有固定影响的多因子资本资产定价模型，并发现由六因子面板模型生成的对投资组合收益的预测优于其他多因子资本资产定价模型[8]。范龙振、余世典对我国资本市场做了全样本研究，证实了Fama-French三因子模型在我国的股票市场上是有效的[9]。

然而，关于因子模型的许多研究并未考虑股票之间的相互作用对超额股票收益的影响。近年来，关联网络方法越来越多地用来研究股票市场的内在结构和特征[10-16]。黄玮强等运用最小生成树算法和平面最大过滤图算法构建相应的股票关联网络，分析网络的基本拓扑统计性质和聚类结构[10]。将股票作为网络节点，依赖关系作为边常常是复杂网络研究股票市场的基础[11-16]。一些研究表明股票网络结构会影响股票收益率[14,17]。Huang使用交叉相关来衡量股票价格之间的相互依赖关系，并为170只美国股票构建相应的最小生成树。他们发现归一化的树长与股票市场平均收益水平成正比关系。大多数股票的顶点度与平均收益显著正相关[14]。

在网络分析中，中心性是衡量网络节点与其他节点的接近程度的重要指标。一些研究表明，度中心性越大，股票资产的收益和风险就越高[18-20]。Ahern实证证明了集中度的正市场价格，即更中心的资产获得了更高的预期回报[18]。马骏构建了中国股市的动态网络并研究股票节点的中心性，发现处于股市网络中心位置的股票可以从利好政策中获取更大的超额收益[21]。刘乒乓将网络风险理论应用于中国市场，从传统因子模型下的个体性风险中分解出网络风险，并利用特征向量中心性构建网络风险因子？[22 ] 。

金融网络的最新研究已从单层网络转移到多层复杂网络。股票市场由于其表现出多种相关状态，例如线性和非线性、短期和长期相关性等，而呈现出一种多层网络的结构[23]。李守伟等基于股票收益率间Pearson相关性、Kendall秩相关性、Tail相关性，构建金融机构多层网络模型，发现结构指标变化趋势与股票市场行情相关[24]。构建多层网络刻画股价变化的联动趋势，能够更加全面准确地描述股票间关联依赖关系和分析股票超额收益。进一步来说，与单一的度中心性指标相比，采用基于多层网络的中心性衡量指标可以更有效地描述股票之间的相互作用。这也是本毕业设计的创新点。

本毕业设计基于传统Fama-French三因子模型的股票残差序列和多层网络相关理论，构建多层网络风险因子，设计定价模型来描述股票之间的共同变化对超额收益的影响，并实证检验模型有效性，同时给出相应的理论基础与经济学角度分析。

参考文献

  1. Fama E F, French K R. Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 1993, 33(1): 3-56.
  2. Carhart M M. On persistence in mutual fund performance. The Journal of Finance, 1997, 52(1): 57-82.
  3. Lam K S K, Tam L H K. Liquidity and asset pricing: Evidence from the Hong Kong stock market. Journal of Banking amp; Finance, 2011, 35(9): 2217-2230.
  4. Czapkiewicz A, Woacute;jtowicz T. The four-factor asset pricing model on the Polish stock market. Economic Research-Ekonomska istraživanja, 2014, 27(1): 771-783.
  5. 王博. 基于投资者情绪的资产定价理论及实证研究[D].辽宁大学,2014.
  6. Fama E F, French K R. A five-factor asset pricing model. Journal of Financial Economics, 2015, 116(1): 1-22.
  7. Huang T L. Is the Fama and French five-factor model robust in the Chinese stock market?. Asia Pacific Management Review, 2018, https://doi.org/10.1016/j.apmrv.2018.10.002.
  8. Makwasha T, Wright J, Silvapulle P. Panel data analysis of multi-factor capital asset pricing models. Applied Economics, 2019,https://doi.org/10.1080/00036846.2019.1619019.
  9. 范龙振,余世典.中国股票市场的三因子模型[J].系统工程学报,2002(06):537-546.
  10. 黄玮强,庄新田,姚爽.中国股票关联网络拓扑性质与聚类结构分析[J].管理科学,2008(03):94-103.
  11. Tumminello M, Lillo F, Mantegna R N. Correlation, hierarchies, and networks in financial markets. Journal of Economic Behavior amp; Organization, 2010, 75(1): 40-58.
  12. Chi K T, Liu J, Lau F C M. A network perspective of the stock market. Journal of Empirical Finance, 2010, 17(4): 659-667.
  13. 兰旺森,赵国浩.应用复杂网络研究板块内股票的强相关性[J].中山大学学报(自然科学版),2010,49(S1):65-69.
  14. Huang W Q, Yao S, Zhuang X T, et al. Dynamic asset trees in the US stock market: Structure variation and market phenomena. Chaos, Solitons amp; Fractals, 2017, 94: 44-53.
  15. Wang G J, Xie C, Stanley H E. Correlation structure and evolution of world stock markets: Evidence from Pearson and partial correlation-based networks. Computational Economics, 2018, 51(3): 607-635.
  16. Singh V, Li B, Roca E. Global and regional linkages across market cycles: evidence from partial correlations in a network framework. Applied Economics, 2019, 51(33): 3551-3582.
  17. Buraschi A, Porchia P. Dynamic networks and asset pricing. AFA 2013 San Diego Meetings Paper. 2012.
  18. Ahern K R. Network centrality and the cross section of stock returns. Available at SSRN 2197370, 2013.
  19. Qiao H, Xia Y, Li Y. Can Network Linkage Effects Determine Return? Evidence from Chinese Stock Market. PLoS One. 2016;11(6): e0156784.
  20. Long H, Zhang J, Tang N. Does network topology influence systemic risk contribution? A perspective from the industry indices in Chinese stock market. PLoS One. 2017;12(7):e0180382.
  21. 马骏. 中国股票市场复杂网络性质的动态研究[D].上海交通大学,2015.
  22. 刘兵兵. 基于风险关联网络的中国股票市场定价效应研究[D].西南财经大学,2016.
  23. Zhao D, Wang L, Li S, Wang Z, Wang L, Gao B. Immunization of epidemics in multiplex networks. PLoS One. 2014;9(11):e112018.
  24. 李守伟,文世航,王磊,何建敏,龚晨.多层网络视角下金融机构关联性的演化特征研究[J/OL].中国管理科学:1-10[2020-03-13].https://doi.org/10.16381/j.cnki.issn1003-207x.2019.0002.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章