新書推薦：
《
争吵的恋人：我们为什么相爱，又为什么争吵
》
售價：HK$
70.8
《
秘史：英国情报机构的崛起
》
售價：HK$
81.6
《
李鸿章及其时代：中西方世界的历史撞击
》
售價：HK$
70.8
《
剑桥罗马骑士等级史（历史学堂）
》
售價：HK$
273.6
《
脉络：小我与大势
》
售價：HK$
103.8
《
权势转移：近代中国的思想与社会（修订版）
》
售價：HK$
93.2
《
欧洲四千年
》
售價：HK$
93.2
《
孙中山与海南（1905—1913）
》
售價：HK$
92.0
|
| 內容簡介： |
1. 主要内容
本成果首先对因子理论、因子投资和资产定价模型的理论发展进行梳理，再对系统性因子效应的形成机制进行深入剖析，并讨论了目前研究中面临的主要问题。为了克服这些问题，采用小波分析和动态模型平均方法分别从多时间尺度和动态分析的角度进行研究。*后，深入分析了我国股票市场存在的动量和反转效应，并将因子投资理念与我国股票市场数据相结合，提出了适应我国证券市场的投资策略。
2. 主要观点
首先，对于不同的投资组合来说，能够解释超额收益的有效解释因子组合不同，并且同一投资组合在不同时间尺度上的有效解释因子组合也不完全相同，因此不能用固定的因子模型去分析不同的投资组合。其次，证明了因子有效性过程是动态变化的，利用多因子模型只能找到过去投资组合与风险因子之间的关系，无法对投资组合未来的收益进行预测。*后，发现了在我国股票市场上存在极短期和中长期的反转效应和短期的动量效用，评估了中国股票市场进行因子投资的效果，并提出了投资策略。
3. 研究方法1. 主要内容
|
| 關於作者： |
|
李博，2009年6月-2014年9月，中国经济图书进出口公司，总经理助理，现为北京第二外国语学院商学院院长助理，讲师，2018年1月毕业于中国人民大学财政学专业，获应用经济学博士学位。发表论文《资产定价模型的多时间尺度分析》《法玛-弗兰奇五因子模型的动态分析》等。
|
| 目錄：
|
第1章 导言
1.1 研究背景、目的和意义
1.2 文献综述
1.3 研究思路
1.4 本书的创新点
1.5 结构安排
第2章 理论基础与研究中存在的缺陷
2.1 风险因子与因子投资
2.2 因子模型
2.3 研究中存在的缺陷
第3章 资产定价模型的小波分析
3.1 金融多时间尺度分析
3.2 小波变换与多分辨分析
3.3 资产定价模型的小波分析
3.4 本章小结
第4章 资产定价模型的动态分析
4.1 动态模型平均方法
4.2 实证过程和结果
4.3 动态模型平均的实践
4.4 本章小结
第5章 我国股票市场的动量和反转效应
5.1 研究方法
5.2 实证结果
5.3 投资策略
5.4 本章小结
第6章 我国股票市场的因子投资策略
6.1 中证800指数简介
6.2 规模因子投资
6.3 价值因子投资
6.4 反转因子投资
6.5 多元化因子投资
6.6 本章小结
第7章 结论与展望
7.1 主要结论
7.2 存在的不足
7.3 启示与展望
参考文献
致谢
图目录
图2.1 美国股票市场因子月度收益率直方图
图2.2 美国股票市场因子净值曲线
图2.3 美国股票规模因子（a）和价值因子（b）月度收益率直方图
图2.4 美国股票市场因子、规模因子和价值因子的净值曲线
图2.5 美国股票市场因子、盈利因子和投资因子的净值曲线
图2.6 美国股票市场五种因子和多元化因子投资的净值曲线
图3.1 市场因子MODWT分解的各细节系数和趋势系数
图4.1 市盈率按市值加权Hi30分组各因子后验概率变化
图4.2 市盈率按平均加权Hi30分组各因子后验概率变化
图4.3 市盈率按市值加权Hi30分组各因子系数变化
图4.4 市盈率按平均加权Hi30分组各因子系数变化
图4.5 价值按市值加权Hi30分组各因子后验概率变化
图4.6 价值按平均加权Hi30分组各因子后验概率变化
图4.7 价值按平均加权Hi10分组各因子后验概率变化
图4.8 价值按平均加权Dec2分组各因子后验概率变化
图4.9 价值按平均加权Dec3分组各因子后验概率变化
图4.10 价值按市值加权Hi30分组各因子系数变化
图4.11 价值按平均加权Hi30分组各因子系数变化
图4.12 投资按平均加权Hi30分组各因子后验概率变化
图4.13 投资按平均加权Hi30分组各因子系数变化
图5.1 动量效应投资组合净值曲线
图5.2 反转效应投资组合净值曲线
图6.1 投资方式的演变
图6.2 按规模五等分平均加权分组和规模因子投资组合的周收益净值曲线
图6.3 按规模五等分市值加权分组和规模因子投资组合的周收益净值曲线
图6.4 按规模二等分平均加权分组和规模因子投资组合的周收益净值曲线
图6.5 按规模二等分市值加权分组和规模因子投资组合的周收益净值曲线
图6.6 四种规模因子投资组合的周收益净值曲线
图6.7 按价值五等分平均加权分组和价值因子投资组合的周收益净值曲线
图6.8 按价值五等分市值加权分组和价值因子投资组合的周收益净值曲线
图6.9 按价值二等分平均加权分组和价值因子投资组合的周收益净值曲线
图6.10 按价值二等分市值加权分组和价值因子投资组合的周收益净值曲线
图6.11 四种价值因子投资组合的周收益净值曲线
图6.12 按动量五等分平均加权分组和反转因子投资组合的周收益净值曲线
图6.13 按动量五等分市值加权分组和反转因子投资组合的周收益净值曲线
图6.14 按动量二等分平均加权分组和反转因子投资组合的周收益净值曲线
图6.15 按动量二等分市值加权分组和反转因子投资组合的周收益净值曲线
图6.16 四种反转因子投资组合的周收益净值曲线
图6.17 多元化因子投资组合与中证800指数的周收益净值曲线
表目录
表2.1 美国股票市场五种因子和多元化因子投资的业绩指标
表3.1 五种因子数据的描述性统计和因子之间的相关系数
表3.2 规模-价值23分组超额收益数据的描述性统计及相关系数
表3.3 规模-投资23分组超额收益数据的描述性统计及相关系数
表3.4 规模-盈利23分组超额收益数据的描述性统计及相关系数
表3.5（a） 规模-价值23分组数据在各时间尺度上的CAPM模型回归结果
表3.5（b） 规模-投资23分组数据在各时间尺度上的CAPM模型回归结果
表3.5（c） 规模-盈利23分组数据在各时间尺度上的CAPM模型回归结果
表3.6（a） 规模-价值23分组数据在各时间尺度上的FF3模型回归结果
表3.6（b） 规模-投资23分组数据在各时间尺度上的FF3模型回归结果
表3.6（c） 规模-盈利23分组数据在各时间尺度上的FF3模型回归结果
表3.7（a） 规模-价值23分组数据在各时间尺度上的FF5模型回归结果
表3.7（b） 规模-投资23分组数据在各时间尺度上的FF5模型回归结果
表3.7（c） 规模-盈利23分组数据在各时间尺度上的FF5模型回归结果
表3.8 CAPM模型在各时间尺度上市场因子系数和平均超额收益对比
表3.9 FF3模型在各时间尺度上市场因子系数和平均超额收益对比
表3.10 FF5模型在各时间尺度上市场因子系数和平均超额收益对比
表3.11 三种模型市场因子系数与平均超额收益的相对高低对比
表4.1 各分组收益数据的期望值
表4.2 各分组收益数据的方差
表4.3 各分组收益数据的JB统计量
表4.4 FF5模型预测均方误差（MSEFF5）
表4.5 DMA方法预测均方误差（MSEDMA）
表4.6 各分组中平均最优预测变量个数
表4.7 各分组中最大最优预测变量个数
表5.1 不同分组方式和冷静期时两种效应显著的组合个数
表5.2 不同分组方式和冷静期时在所有持有期效应显著的形成期参数
表5.3 二等分无冷静期时各组收益率和显著程度
表5.4 二等分冷静期1周时各组收益率和显著程度
表5.5 二等分冷静期2周时各组收益率和显著程度
表5.6 二等分冷静期3周时各组收益率和显著程度
表5.7 二等分冷静期4周时各组收益率和显著程度
表5.8 二等分回望期1周组合在不同冷静期时前4周累积收益率
表5.9 二等分回望期2周组合在不同冷静期时前4周累积收益率
表5.10 动量效应投资组合业绩表现
表5.11 反转效应投资组合业绩表现
表6.1 规模五等分组和规模因子投资组合收益率序列评价指标对比
表6.2 规模五等分组和规模因子投资组合与中证800指数收益率回归结果
表6.3 规模二等分组和规模因子投资组合收益率序列评价指标对比
表6.4 规模二等分组和规模因子投资组合与中证800指数收益率回归结果
表6.5 价值五等分组和价值因子投资组合收益率序列评价指标对比
表6.6 价值五等分组和价值因子投资组合与中证800指数收益率回归结果
表6.7 价值二等分组和价值因子投资组合收益率序列评价指标对比
表6.8 价值二等分组和价值因子投资组合与中证800指数收益率回归结果
表6.9 动量五等分组和反转因子投资组合收益率序列评价指标对比
表6.10 动量五等分组和反转因子投资组合与中证800指数收益率回归结果
表6.11 动量二等分组和反转因子投资组合收益率序列评价指标对比
表6.12 动量二等分组和反转因子投资组合与中证800指数收益率回归结果
表6.13 不同分组方式和加权方式下因子相关系数
表6.14 多元化因子投资组合业绩表现
表6.15 多元化因子投资组合收益率与基准指数收益率回归结果
|
| 內容試閱：
|
自序
2013年教师节，还在出版社做编辑的我偶然结识了中国人民大学财政金融学院刘振亚教授。我深深地折服于刘教授的儒雅和睿智，遂在而立之年毅然辞职考博，也有幸成为刘教授从财政系调入应用金融系后培养的第一名量化投资方向的博士，本书是在我的博士学位论文基础上修改而成的。
当初之所以选择这个研究方向，首先是因为导师拥有深厚的知识积累和理论功底，特别是他对中国经济和金融市场有深刻理解；其次是因为在过去的40年里，随着计算机技术和统计分析技术的进步，量化投资得到了迅猛的发展，全球以量化策略为主的基金总管理规模已接近1万亿美元，具有无限的前景。
在这40年中，世界上涌现一批成功的量化投资基金公司。其中包括数学家西蒙斯（James Simons）所领导的文艺复兴科技公司（Renaissance Technologies Corp.），计算机教授肖尔（David Shaw）领导的肖尔公司，物理学家哈丁（David Harding）领导的元盛资本（Winton Capital），经济学家格里芬（Kenneth Griffin）领导的城堡投资（Citadel），等等。这些科学家利用数理方法和信息技术，对资产定价、投资组合、衍生品定价、市场微观结构和行为金融学进行研究，提出了划时代的投资方式量化投资，并且收获了巨大的成功。
这些科学家在投资领域的成功经验使我相信科技与投资的结合将会是未来的重要研究方向。因此，工科出身的我在攻读博士学位阶段一直尝试着用工程的方法来解释主流的金融市场异象，或者对资产定价模型进行改造以期能够更多地解释造成股票超额收益的原因。直到现在，我仍然没有离开刘教授组织的博士生研讨小组，与我的师弟师妹们在进行关于泛函分析方法与金融计量结合的研究。
最后，感谢北京第二外国语学院校级出版资助项目的支持，我才得以将拙作付梓。限于成稿时的学术和认知水平，书中难免存在疏......
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
