专业重庆房产网站建设,推荐几个没封的正能量网站,宁波网站备案幕布拍照,红河做网站横截面收益率指的是在经典资产定价模型中#xff0c;在横截面上线性确定的一个与资产风险匹配的资产收益率。 横截面收益率的预测[1] (一)变量和方法 我们主要使用月度频率数据进行检验。交易数据和公司财务数据来自于CSMAR数据库。CSMAR数据库的收益率调整了送股、配股以及拆… 横截面收益率指的是在经典资产定价模型中在横截面上线性确定的一个与资产风险匹配的资产收益率。 横截面收益率的预测[1] (一)变量和方法 我们主要使用月度频率数据进行检验。交易数据和公司财务数据来自于CSMAR数据库。CSMAR数据库的收益率调整了送股、配股以及拆细等公司股本变动使得前后的收益率具有可比性。样本包含沪深A股的上市股票剔除了PTST的股票。进入样本的股票要求具有当月和之前一个月的月度收益率、换手率以及至少15天的日度换手率数据。样本区间为1995年1月至2010年12月。1995年之前上市的股票较少且公司法在1994年正式颁布公司之间的财务数据开始具有可比性。最后共有172792个公司-月度观测值其中平均每个月有约981个观测值最少的月份有169个观测值最多的月份有1660个观测值。 文中使用换手率来定义交易活动。换手率定义为交易量和流通市值的比值。一般来说如果均值扩大一倍相应的标准差也会扩大一倍。因此为了避免均值对于二阶距的影响本文将主要使用变异系数作为股票横截面比较的主要变量在后面的检验中我们将分别考虑使用标准差来衡量波动和使用交易金额来代替换手率衡量交易行为进行进一步的稳健性检验。变异系数定义为 CV(Turnover)Std(Turnover)/Mean(Turnover) 之前国内有文献使用过去几年内月度交易行动的标准差作为衡量这一波动的影响得出的结果并不显著。考虑到国内市场主要为个体投资者投资周期相对较短只有几个月的时间因此很多长期的影响并不显著因此我们主要使用日度交易量构造的月度波动数据进行检验。每个月我们使用日度交易数据构造二阶距然后检验对于未来收益率的影响。我们在稳健性检验中使用3个月和6个月的时间跨度构造的变量进行检验并不影响我们的主要结果。 在检验过程中我们选取的控制变量包括公司规模账面市值比股票动量以及衡量股票流动性的指标和股票个体波动性的指标。主要控制变量的定义在表1中。为避免异常值的影响利用Winsorize方法对相关变量在1%和99%分位数进行处理。表2是相关变量之间的Pearson相关系数可以初步看到变量之间的关系。从表中可以看出流通市值小和账面市值比低的公司具有更高的换手率和换手率波动。一般来说大公司能够提供更好的流动性这点我们可以从非流动性指标和公司市值的相关系数中看到(-0.73)表明在国内市场上换手率并不是流动性的一个很好的指标。而一般来说小公司以及账面市值比低的公司处于增长期公司基本价值中不确定性较高关于公司的信息的准确性也相对较低因此也会导致投资者意见差异更大波动更为剧烈会有更高的换手率和波动率。更进一步的我们看到换手率波动与公司特质性波动之间显著正相关考虑到特质波动被用来衡量公司个体风险以及不确定性这也可以部分印证上面关于公司不确定性与换手率波动之间关系的分析。换手率波动与同期的股票收益率之间显著正相关而与接下来一个月的月度收益率显著负相关这与换手率波动高代表了股票价格中转售期权的价值高因此使得股票价值进一步被高估未来收益率下降的解释相吻合。
