一、组合中的分组和平均分组（论文文献综述）
马秀莉[1]（2021）在《流动性风险应该被忽视吗？ ——基于因子模型的比较研究》文中研究说明流动性风险及其定价问题一直是金融研究的重要议题。大量的证据表明流动性通过两个不同的渠道影响资产收益:即流动性的水平效应和流动性的风险效应。流动性的水平效应是指流动性差的股票一般比流动性好的股票获得更高的平均回报;流动性的风险效应则意味着相对于低风险敞口的股票而言,承担高市场流动性冲击的股票需要得到一个溢价,即强调了流动性风险在资产定价中的重要性。然而,最近的资产定价研究在很大程度上忽略了流动性风险。例如,流行的Fama-French五因子模型,以及Hou-Xue-Zhang四因子模型的构建均没有考虑流动性风险,其原因在于模型比较测试中以基于价格影响维度构建的因子作为流动性因子的代表,发现增加流动性因子对提高模型性能没有显着贡献。由于流动性具有多维度的特征,除了基于价格影响维度构建的流动性因子,现有文献中还提出了其他的流动性风险因子,并扩展了相应的因子模型。因此,本文旨在解决以下问题:如果考虑其他的流动性风险因子（或流动性因子模型）,流动性风险在资产定价中的贡献是否仍可忽略不计?具体而言,本研究通过考察现有文献中基于不同的流动性代理变量构建的风险因子或因子模型是否具有不同的表现,以及与非流动性风险模型相比,基于流动性风险的模型是否能很好地解释股票的横截面收益评估流动性风险在资产定价中的重要角色。实证测试利用组合分析、考虑模型误设定的两阶段横截面回归分析、时间序列预测回归分析、基于模型夏普比的成对比较与多模型比较等最新的因子模型评价方法,通过考察因子模型的构建是否符合Merton提出的跨期资本资产定价理论（ICAPM）,测试因子模型对异象投资组合的解释能力,比较流动性因子模型与非流动性因子模型的夏普比表现,以及评估流动性因子相对于竞争因子模型的额外解释力等问题,得到如下主要结论:（1）根据ICAPM理论,基于不同构建的流动性因子模型具有不同的表现。ICAPM理论要求提出的因子能够定价资产的横截面收益,同时,与因子相关的状态变量对未来投资机会的预测方向需与因子的风险溢价方向一致。对于本文考察的流动性因子模型,基于交易的不连续性构建的流动性因子符合ICAPM理论。例如,在模型误设定的假设下,基于交易的不连续性构建的流动性因子在不同的测试方法以及测试组合下均产生显着为正的风险溢价,且相关的状态变量正向预测了由宏观经济行为和股票市场指标代理的未来投资机会,揭示了流动性风险是一种影响资产价格的系统性因素。相比而言,基于不同价格影响维度构建的流动性因子在横截面测试中产生的风险溢价不显着,其相应的状态变量对未来投资机会也不具备稳健的预测能力,不符合ICAPM提出的一致性标准。（2）基于不同构建的流动性因子模型在捕获流动性风险以及解释其他异象投资组合时能力不同。通过考察模型对根据不同维度的流动性代理变量分组的投资组合以及其他异象组合的解释能力,与已有文献证据一致,基于价格影响维度构建的流动性因子在解释投资组合收益时其资产载荷几乎为零,对提高模型的解释力贡献有限。另一方面,基于交易的不连续性构建的流动性因子模型可以捕获不同分组产生的流动性溢价,很好的解释了流动性风险。同时,基于交易的不连续性构建的因子模型还对与动量、投资、利润、市场β、方差以及行业相关的异象投资组合表现出良好的解释力,尤其对于小规模投资组合表现更加突出。为此,实证文献通过基于价格影响维度构建的流动性因子模型的表现而忽略流动性风险在资产定价中的作用是一种过度概括。（3）根据模型的最大平方夏普比度量,基于交易的不连续性构建的流动性因子模型与流行的资产定价模型具有可比的表现。采用基于最大平方夏普比的模型评价方法避免了一般模型比较方法中对测试资产的依赖,对模型的评估可以得到一致的结论。根据此方法,基于交易的不连续性构建的流动性因子模型与流行的FamaFrench五因子模型以及Hou-Xue-Zhang四因子模型具有可比的表现,且其流动性因子在所有竞争因子中对提高模型夏普比具有最大的边际贡献,暗示了流动性风险是资产定价的重要来源。（4）流动性因子相对于基准因子模型具有额外的解释力。流动性风险对资产价格的影响与经济周期有关,在市场压力和动荡时期,流动性风险对资产价格的影响更加显着。与经济直觉一致,在控制了基准因子后,基于交易的不连续性构建的流动性因子在市场低迷和市场动荡时期产生显着的溢价。进一步,在各种市场状态以及不同的子时期中,基于交易的不连续性构建的流动性因子所包含的信息均不能被竞争模型解释。以上证据确认了流动性风险不同于现有的风险来源,不能被其他因子模型捕获。
伍伟鑫[2]（2020）在《支持查询的大规模RDF数据压缩方法研究》文中研究指明随着语义网技术的飞速发展,RDF数据迅速增长,这给RDF数据的存储与传输带来了巨大的挑战。现存的通用压缩技术和RDF专用压缩技术可以在一定程度上解决该问题,但大规模数据中连接主语的谓词冗余仍未得到很好的解决,此外针对压缩数据的查询仍然存在数据压缩比率和数据查询效率相互制约的问题,二者性能的同时提升仍需进一步研究。本文针对连接主语的谓词冗余这种可被优化的数据冗余,提出基于差分编码的RDF分组压缩算法（Delta Encoding for RDF Grouping Compression,DGC）,将RDF数据根据连接宾语的谓词组合进行分组用于进一步减少谓词冗余,将差分编码技术引入分组后的主语序列用于优化序列数据的存储空间。此外,本文在DGC压缩结构上实现了数据查询算法,满足在DGC原生结构下的对压缩数据的查询需求。为了提高查询性能,本文将小波树和倒排索引引入查询算法以便快速缩小查询范围,避免全量数据检索,在很大程度上提升了谓词优先和主语优先查询模式的查询性能。本文的主要贡献是:（1）提出一种冗余程度更低的RDF数据分组存储结构,进一步降低了谓词冗余,同时引入的差分编码优化了主语序列的存储空间;（2）实现基于DGC分组结构的数据查询算法,满足在资源受限的场景中对数据进行查询管理的需求;（3）提出针对DGC查询算法的加速查询策略,通过引入小波树和倒排索引在增加可接受空间代价的基础上加速谓词优先和主语优先查询模式的查询效率。实验表明,DGC算法在不同结构化程度的数据集上与现有方法相比取得了显着的提升。基于DGC的查询算法在不同查询模式上也表现出比当前查询算法更好的性能。
孙晓婷[3]（2020）在《基金的彩票型股票投资行为研究》文中认为本文关注基金的彩票型股票投资行为。彩票型股票是一类价格和收益率特征与现实中的彩票相似的股票,具有以小博大的特性,能给投资者提供一个以较低的成本赢得巨额回报机会,但是由于巨额回报发生的概率较低,一般来说投资者在这类资产上的支出远远高于预期回报,从而使得投资这类资产的风险性极高。在我国股票市场投机氛围浓厚的背景下,深入研究投资者的彩票型股票投资行为有助于我们进一步明确股票市场的运行规则以及市场上参与主体的行为偏好特点,进而加快完善我国股票市场监管体系建设。以往文献研究重点在于个人投资者的投机行为,而越来越多的研究表明机构投资者尤其是基金交易行为中同样表现出了较强的投机性,比如过分追逐热门股票、羊群行为等,加剧了基金投资者面临的不合理风险。显然,由于彩票型股票风险和收益存在强烈的不对称,基金投资彩票型股票会给基金投资者带来更大的损失风险。全文围绕彩票型股票展开分析,探讨了影响我国主动管理型开放式股票基金和混合偏股型基金的彩票型股票持有行为的主要因素以及该行为产生的结果。目前有针对性地分析影响基金持有彩票型股票因素的研究较为少见,本文对此进行了补充。具体来说,本文认为基金经理个人特征是影响其对彩票型股票偏好的重要因素,其中包括基金经理性别、教育背景和从业经验等;同时业绩锦标赛机制之下激发的对职位的担忧也是可能的影响因素之一,前期业绩表现不佳的基金经理在业绩锦标赛制度的驱使下可能会希望通过持有彩票型股票这种投机行为来缓解业绩压力。随后本文继续分析了基金持有彩票型股票行为产生的结果,主要从基金业绩、风险水平以及资金流入流出行为这几个层面展开。一方面本文拓展了持有彩票型股票对基金短期以及中长期业绩表现的影响的相关研究,采用不同类型和不同时间长度的基金业绩衡量指标,详细讨论了持有彩票型股票对基金当前和未来时期业绩、业绩排名以及损失风险的影响,还结合了基金经理特征指标进行了异质性分析。另一方面,本文分析了基金持有彩票型股票对基金投资者资金流入和流出行为的影响,从投资者博彩偏好角度探讨了其中可能的驱动因素,并从彩票型股票持有角度补充了基金投资组合构成影响投资者投资决策的相关研究。经过一系列理论和实证分析主要得出了以下几点结论:第一,总体上来说在基金业绩锦标赛机制之下,业绩排名压力会促使历史业绩排名靠后的基金在下一期的投资组合中会持有更多的彩票型股票。分时点来看,相对来说年中业绩排名靠后的基金在下半年会选择持有更多彩票型股票;相比于股市上涨时期,股市处于下跌时期时,历史业绩排名靠后的基金会持有更多彩票型股票。第二,除了基金历史业绩表现,本文的研究结果表明基金经理个人特征也显着影响了基金对彩票型股票的偏好。基于多元回归分析方法和倾向得分匹配法得到的结果,本文发现基金经理特征对基金经理彩票型股票投资行为的影响与个人投资者特征对个人投资者博彩偏好的影响具有类似之处,男性、从业时间较短的基金经理在投资组合中配置了更高比例的彩票型股票,这一结果无论采用普通多元回归还是倾向得分匹配法都较为稳健。第三,本文分析了持有彩票型股票对基金当期和未来长期业绩表现和风险水平的影响,发现持有彩票型股票对基金当期业绩存在显着正向影响,但不利于基金长期的业绩表现。同时本文构建基金最大回撤和下行风险指标重点考察了持有彩票型股票对基金当期和长期损失风险的影响,发现从当期来看基金不存在明显的下行风险,但是从长期来看持有彩票型股票对基金的最大回撤和下行风险的影响都较为显着。第四,基金持有彩票型股票的行为对基金后续资金流量存在明显的正向影响。具体来说,持有彩票型股票更多的基金下一期能显着获得更高的资金净流量,在控制了资金净流量最重要的决定因素——基金业绩指标后,这一结果依然存在。进一步从基金的资金流入和流出两方面进行考量发现,基金申购规模受到基金的彩票型股票持有比重的影响相对更大。同时在区分基金所处业绩排名区间后发现,对业绩排在同类前50%的基金来说,彩票型股票持有比重对基金申购规模有显着正向影响,而对业绩排名靠后的基金来说,彩票型股票持有比重对基金申购规模影响不明显,但对基金赎回量有显着负向影响。另外,本文还探讨了股市周期的影响,发现当股市处于下跌周期时,基金持有彩票型股票能获得更多的的资金净流量和申购量。本文的研究结论同时具有学术价值和现实指导意义。学术层面来说本文从基金投资组合中彩票型股票占比的角度分析基金的博彩偏好,丰富了基金投机行为相关研究。现实层面来说,以基金为代表的机构投资者管理着大规模资金,其投资行为理性与否关系到众多投资者的切身利益能否得到保障。而市场上的彩票型股票年化收益率远低于其他股票,使得基金投资这类股票是预期收益率为负的高风险低效率投资行为,大概率损害基金投资者的权益。通过研究本文为中小投资者进一步明确基金投资决策者的理性程度,为这些基金投资者选择基金提供一定的参考依据,同时也为市场监管机构加快机构投资者培育和完善市场各项机制建设明确方向。
余思琪[4]（2020）在《投资者情绪因子对不同公司股票收益影响的实证研究》文中研究指明一直以来,传统金融学都是以有效市场假说的基础。有效市场假说认为当金融市场中的资产价格偏离其内在价值的时候,理性投资者会通过理性分析进行套利行为从而使资产价格迅速恢复到其内在价值上。但是实际情况是大多数金融市场都发生了资产误定价的现象,即金融市场中的资产价格长期偏离其内在价值的现象。为了解释传统金融学中无法解释的现象,出现了行为金融学,而投资者情绪是行为金融学中的的研究重点。本文回顾了投资者情绪理论的发展、投资情绪因子的衡量方法以及投资者情绪与股票关系的研究。发现在衡量投资者情绪的研究中,使用Baker和Wurgler的方法,即通过主成分分析法去构建投资者情绪因子是研究中最常用的方法。同时发现以往的研究的重点都是市场的投资者情绪,而关于个股投资者情绪的研究却很少。本文就是利用Baker和Wurgler的主成分分析法结合相对强弱指数、心理线指数、调整后的周转率和交易量的对数这四个变量去构建个股的投资者情绪因子。并利用Fama-French五因子模型和Fama-Macbeth截面回归模型分析该投资者情绪因子是否对股票收益有解释能力。接着我们再用排列分组和Fama-French五因子模型分组回归分析不同公司的股票收益受投资者情绪的影响大小是否存在不同。实证结果显示,本文基于主成分分析法构建的个股投资者情绪是不能被五因子所完全解释的,同时情绪对股票收益会产生显着地负相关关系,证明这个因子是有效的。且通过Fama-French五因子模型分组回归发现该投资者情绪因子对公司规模大的和负债率高的公司的股票收益的影响更大。
迟骏[5]（2020）在《投资者情绪、投资者交易行为对ETF定价影响研究》文中研究说明随着我国ETF在多样性、市场重要性和规模方面的显着增长,投资者对该创新型资产配置工具的兴趣日益浓厚。传统资产定价理论认为理性投资者可以通过套利活动消除资产错误定价,然而大量研究表明ETF二级市场价格与份额净值间存在明显偏离,影响了ETF定价效率,而且ETF价格波动现象普遍存在。本文基于行为金融理论,秉承Shiller（2014）提出的真实刻画金融市场中投资者真实想法和实际行为的理念,构建个体基金层面的投资者情绪及投资者交易行为指标,从非理性因素视角阐释其对我国A股ETF价格的影响。本研究主要包括以下几方面的内容:第一,分析投资者情绪与投资者交易行为对ETF定价效率的影响。面板回归结果显示,投资者情绪、投资者交易行为都分别对ETF折溢价有显着正向影响;投资者情绪及投资者交易行为ETF折溢价的联合影响也显着为正。进一步地,在考虑了含有FamaFrench三因子以及机构持股比例作为调节变量的条件下,投资者情绪及投资者交易行为对ETF折溢价的影响结果依然相同。第二,分析投资者情绪对ETF价格波动的影响。首先,面板回归结果发现投资者情绪对ETF价格波动具有非对称影响,在情绪高涨状态时,价格波动率随投资者情绪的增加而增加;在情绪低落状态时,价格波动率随投资者情绪的增加而降低;而且,投资者情绪的看涨（看跌）变化幅度会导致价格波动率向上（向下）修正。其次,面板分位数回归结果发现在不同分位点上呈现出一种非线性模式。一般来说,在低分位点上情绪对波动影响较弱,而在高分位点上情绪对波动影响较强。第三,分析投资者交易行为对ETF价格波动的影响。首先,面板回归结果显示投资者交易行为影响作用具有非对称性,即在正向买卖失衡状态时,价格波动程度随投资者交易行为指标的增加而加剧;在负向买卖失衡状态时,价格波动程度随投资者交易行为指标的增加而减缓。其次,分位数回归结果在不同分位点处呈非线性模式,在低分位点上投资者交易行为指标对价格波动影响较弱,而在高分位点上投资者交易行为指标对价格波动影响较强。再次,将投资者交易行为指标分解为可预期与未预期两个部分,结果发现分解后的可预期投资者交易行为指标与未预期投资者交易行为指标对ETF价格波动的作用影响不同。第四,分析投资者情绪与投资者交易行为对ETF价格波动的联合影响。首先,面板回归结果显示,同向的投资者情绪与投资者交易行为对ETF价格波动联合影响的检验结果表现出一致方向性,即情绪越高涨及正向买卖失衡程度越大时,价格波动越大;情绪越低落及负向买卖失衡程度越大时,价格波动越大。异向的投资者情绪指标和投资者交易行为指标对ETF价格波动率的联合作用的检验结果不具有一致的方向性,表现为在情绪高涨兼负向买卖非均衡时期,投资者情绪对ETF价格波动率为显着正向影响,投资者交易行为对ETF价格波动率为显着负向影响;在情绪低落兼正向买卖非均衡时期,投资者情绪对ETF价格波动率为显着负向影响,投资者交易行为对ETF价格波动率为显着正向影响。面板分位数回归结果显示,投资者情绪及投资者交易行为对ETF价格波动率有显着的联合影响,概括而言,在投资者情绪与投资者交易行为指标两两组合形成的四种态势中,均呈现出在较高分位点处,高涨情绪对ETF价格波动存在显着正向影响,低落情绪对ETF价格波动存在显着负向影响;同样地,在较高分位点处,正向买卖失衡对ETF价格波动存在显着正向影响,负向买卖失衡对ETF价格波动存在显着负向影响。最后,分析投资者情绪、投资者交易行为对ETF风险-收益关系的影响。首先,以投资者情绪与ETF价格波动率进行二维分组,发现在情绪极端乐观高涨的情况下,ETFs风险-收益关系为正向相关;而在情绪极度悲观低落的情况下,ETFs风险-收益关系为负向相关。其次,以投资者交易行为与ETF价格波动率进行二维分组,结果显示在投资者交易行为指标最大时,ETFs风险-收益关系为正向相关;在投资者交易行为指标最小时,ETFs风险-收益关系为负向相关。最后,三维分组结果显示,在投资者情绪极度高涨且极端正向买卖失衡情况下,ETFs的风险-收益正向相关;在投资者情绪极度低落且极端负向买卖失衡情况下,ETFs风险-收益负向相关。同方向的投资者情绪及投资者交易行为对风险-收益关系的联合影响具有叠加增强效应;在投资者情绪指标与投资者交易行为指标方向相反的两种极端状态下,ETFs的风险-收益关系具有不确定性,最终效应取决于两个指标对风险-收益关系的相对影响力大小。总之,上述研究结果表明投资者情绪和投资者交易行为均对ETF定价具有显着影响。尤其地,在对于ETF价格波动及其风险收益关系的研究中,使用两种条件方差模型估计价格波动率得到的实证结论一致。
曹帅[6]（2020）在《基于我国上市公司财务指标挖掘的股票收益率研究》文中研究表明股票定价是金融领域经久不衰的话题,目前已经有多个定价模型被学术界普遍认可,如资本资产定价、Fama-French三因子与五因子以及Carhart四因子定价模型等。这些定价模型固然可以对股票的收益率起到一定的解释作用,但影响股票收益率的远不止这些模型中包含的因素,因此有很多的学者致力于研究模型之外的影响因素,试图找出“收益率异象”,这些“收益率异象”可以为定价模型的改进提供方向,与财务指标相关的“异象”就是其中重要的组成部分。目前,国内外学者发现的“财务指标异象”中涉及的财务指标集中于常见的财务指标,这样存在两方面的不足:一是存在“数据过度透视”的问题,即大量学者的研究聚焦于一些常见的财务指标,即使事实上这些财务指标与股票收益率并无特定的关系,但是通过限定研究总体、修改样本数量和变换样本期间等方法最终也能获得合乎逻辑的关系;二是信息利用不足,公司财务报告中披露了很多的会计信息,常见的财务指标仅反映了其中的一部分信息,而对于定价模型的改进来说,恰恰需要尽可能多的利用信息,寻找突破口。因此,面对以上两方面的不足,需要一种既可以尽量避免“数据过度透视”问题,又可以尽可能多的利用会计信息的财务指标挖掘方法。本文借鉴Xuemin（Sterling）Yan（2017）的思想,尽可能多的利用我国上市公司年报中的会计信息,尽量避免增加不必要的限定条件,通过简单的函数形式构造了构造了七千多个财务指标。对于每个财务指标,在每年6月末按上年末的该财务指标大小,将样本股票等分为四个股票组合:低财务指标组合（组L）、组2、组3和高财务指标组合（组H）,以流通市值为权重计算各股票组合在当年7月至次年6月的月度加权收益率,以此类推,得到4个股票组合在2008年7月-2019年6月共132个月的收益率序列（若涉及同比数据,则只有2009年7月-2019年6月共120个月的收益率）。通过配对样本t检验,发现共有1556个财务指标分得的组L和组H的月度平均收益率在5%的显着性水平上不相等。随后,本文将这1556个财务指标各自分得的四个股票组合的在样本期间的月度收益率带入传统定价模型,以组L和组H在5%的显着性水平上均可获得超额正收益率或负收益率α为条件,资本资产定价模型、Fama-French三因子定价模型、Carhart四因子定价模型、三种Fama-French五因子定价模型（分别是2*3分组方法、2*2分组方法和2*2*2*2分组方法计算出的五因子）分别筛选出6个、58个、46个、15个（2*3分组方法）、11个（2*2分组方法）和4个（2*2*2*2分组方法）财务指标。经过研究发现,各定价模型筛选出的财务指标大多和“现金占比”相关,本文选取其中5个与“现金占比”相关的财务指标,将它们分别和公司市值、账面市值比、盈利能力和投资水平进行交叉分组,构造投资组合。以公司市值为例,首先根据“现金占比”大小将样本股票等分为4组:低现金占比组合（组L）、组2、组3和高现金占比组合（组H）,其次,根据公司市值大小将样本股票等分为4组:小市值组合（组S）、组2、组3和大市值组合（组B）,最后对4个现金占比组合和4个公司规模组合进行交叉取交集,形成16个投资组合,如小市值高现金占比组合、小市值低现金占比组合等。以此类推,形成了20组这样的16个投资组合。以流通市值为权重,计算各投资组合的月度加权收益率,最后将各组合的收益率序列带入传统定价模型最终发现公司总市值小且“现金及现金等价物的期末余额/公司总市值”比值高的股票组合在各个定价模型中获得的超额月度收益率最高,原因在于1)高“现金占市值比”组合整体的估值相较低“现金占市值比”组合整体的估值更低;2)小市值公司的成长性好,但其面临的融资约束问题相较大市值公司更为突出,“现金占市值比”高使得小市值公司面临的融资约束问题得到缓解,使其可以在出现好的投资机会时及时投入资金,进而带来业绩的改善,而业绩改善也将带来这些小市值公司股价的上涨。
陈鸿杰[7]（2020）在《基于中国股票高频数据的条件CAPM研究》文中提出本研究是使用中国股票市场高频数据进行条件CAPM相关研究。本研究分为两部分,第一部分,本文将基于中国股票数据,使用高频数据对未来的Beta进行预测,实证数据结果发现使用高频数据估计的Beta比日数据估计的Beta有更好的预测未来一月Beta的能力,这对基金投资组合构建而言具有相当重要的参考价值。于是第二部分,将会研究条件CAPM能否解释一些资产定价的异象（市值溢价、价值溢价、动量、反转效应、非流动性、异常交易额、波动率、最大波动率）。通过检验基于日数据的条件CAPM和基于高频数据的条件CAPM对各种异象解释能力,得出结果是两个模型解释能力基本一致,均不能解释中国股票市场存在的异象。
李羽翔[8]（2020）在《退休与家庭投资组合选择》文中研究指明我国自2000年步入老龄化社会以来老龄化程度不断加深,总体呈现出“未富先老”的特征。退休作为家庭成员从工作到养老的关键转换节点,在整个生命周期中起到关键作用。在我国养老体系中,第一支柱基本养老占比较高,第二和第三支柱发展不足。在第一支柱中,年满退休年龄的参保人员需退休,在微观机制层面,退休后居民生活方式会有所改变,最终影响消费和投资等经济行为。已有文献主要关注退休对消费的影响,涉及退休对家庭投资组合选择的研究不足。如果退休对家庭投资组合产生影响,那么随着人口老龄化加深,越来越多居民步入退休,人口年龄结构可能对金融市场产生深刻影响。研究退休对家庭投资组合的影响十分有意义。本文关注的问题是:退休是否影响家庭投资组合调整?如果影响,背后的作用机制是什么?家庭在基本养老保险中积累的养老资产对家庭养老行为有什么影响?本文基于中国家庭金融调查（CHFS）2011年-2017年数据回答了上述问题。第一,本文测算了基本养老保险提供的退休待遇。在同一参数框架内以总替代率、净替代率、总相对水平、净相对水平四个指标为工具,利用精算模型测算城职保、机事保和城居保待遇水平。结果显示机事保最高,其次是城职保,最低是城居保。估算待遇水平为研究退休待遇、话语权与家庭投资组合选择打下基础。第二,通过理论和实证研究了退休、年龄和家庭投资组合的特征。在理论建模部分,本文将退休纳入到经典的生命周期投资组合选择模型,模拟了代表性个体生命周期的最优资产配置路径。实证部分,本文研究了年龄与家庭投资组合分布的关系,研究发现家庭投资组合和年龄相关。随着年龄上升,家庭投资组合中风险资产配置呈现“倒U型”分布,家庭流动资产呈现“U型”分布。家庭投资组合呈现出较强的生命周期特征。使用断点回归方法研究退休对家庭投资组合的影响,发现退休对丈夫养老保险为机事保的家庭,已婚家庭和关注理财信息家庭的投资组合选择有影响。第三,家庭投资决策是影响家庭投资组合选择的重要因素。家庭投资决策往往由夫妻双方共同决定,夫妻之间话语权相对大小可能最终影响家庭资产配置。如何识别和度量夫妻话语权对家庭投资组合的影响?本文利用我国强制退休制度所带来的家庭话语权改变作为“准自然实验”,采用DID方法估计了退休对家庭投资组合的影响,进而分析背后的作用机制。退休待遇水平由养老保险类型决定。受退休待遇的影响,退休后夫妻收入相对水平改变导致夫妻之间话语权可能面临重构。研究发现:丈夫退休和妻子退休对家庭投资组合影响不同。在长期内,丈夫退休后已婚家庭投资组合中股票基金等风险金融资产参与和持有比例显着下降,且妻子话语权越小丈夫退休效应越强。在短期内,妻子养老保险为城职保的家庭投资组合中股票基金等风险金融资产参与和持有显着上升,且妻子话语权越大妻子退休效应越强。这可能因为家庭层面的风险厌恶水平由夫妻双方话语权大小决定,养老保险导致的退休待遇不同重构了夫妻话语权,使得家庭风险厌恶水平改变,从而影响家庭投资组合选择。第四,从养老资产的角度研究养老保险对家庭投资组合的影响。对于退休前的家庭而言,主要采用精算方法估计家庭养老资产。通过实证研究发现养老资产对家庭财富的积累存在替代效应。机关事业单位所提供的替代效应最高,城职保次之,城居保最弱。从投资组合中风险资产参与程度来看,养老资产越多的家庭保障程度越高,因而越愿意参与和持有股票基金等风险资产。2015年养老金改革并未对养老保险为机事保家庭的投资组合选择产生影响。
徐硕正[9]（2021）在《中国股票市场的超短期动量效应研究》文中研究指明
丁杰[10]（2019）在《偏度偏好与股票定价 ——基于中国股市的分析》文中提出偏度不仅是刻画股票收益率分布的一大重要因素,且与期望收益率之间存在密切的联系。高偏度股票被视为具有博彩特性,而低偏度股票则被视为具有灾难风险特性。因此,投资者偏好高偏度股票而厌恶低偏度股票。为了获取高偏度股票,该类股票的投资者需要接受更低的期望收益率;为了让投资者接受低偏度股票,该类股票必须提供更高的期望收益率。偏度因素不仅本身具有股票定价能力,同时也是许多股市异象背后的主要成因。考虑到中国股市参与者中散户比例高,因此研究散户偏好与偏度溢价之间关系具有重要的意义。在明确偏度是中国股市重要定价因子的基础上,本文首先从偏度偏好角度分别对中国股市中存在的“已实现峰度之谜”及“市场贝塔异象”进行了解释;其次,考虑不同类型投资者偏度偏好的异质性特征,本文探讨了散户偏好对偏度的股票定价能力的影响;最后,本文构建了一个新的偏度偏好测度指标并对其股票定价能力进行了实证检验。本文主要结论有:第一,本文证明偏度偏好能够有效解释中国股市的“已实现峰度之谜”。高峰度对应两侧厚尾,而风险规避的投资者对于左尾损失的厌恶超过对于右尾收益的偏好。因此,高峰度股票应该具有更高的期望收益率。但是,基于中国股市的实证结果正好与之相反。本文把这一现象称为“已实现峰度之谜”。本文的实证研究表明:（1）基于双变量分组和公司层面截面回归等方法,偏度偏好能够很好地解释“已实现峰度之谜”。（2）高散户持股比例股票和不可融券股票的“已实现峰度之谜”强于低散户持股比例股票和可融券股票。（3）“已实现峰度之谜”具有一定的时变性,高偏度偏好时期的“已实现峰度之谜”明显强于低偏度偏好时期。第二,本文证明偏度偏好能够有效解释中国股市的“市场贝塔异象”。CAPM认为市场贝塔与股票期望收益率之间应该存在着正相关关系,但是本文基于中国股市2000年到2017年的实证研究结果与之相悖——低市场贝塔股票具有高收益率,而高市场贝塔股票则具有低收益率。本文考察五种关于“市场贝塔异象”的可能解释—数据挖掘下的偶然结果、杠杆约束、代理问题、下侧市场贝塔以及偏度偏好。本文的实证研究结果并不支持前四种解释,但是积极地支持偏度偏好解释——高市场贝塔的股票组合具有投资者所偏好的高偏度特性,从而导致高市场贝塔对应低收益率。本文的实证研究表明:（1）在双变量分组、传统的公司层面截面回归以及基于因子模拟组合的时间序列回归中,控制偏度变量后“市场贝塔异象”变得不再显着。（2）Hou和Loh方法表明“市场贝塔异象”很大程度上能够被偏度偏好所解释。（3）市场贝塔具有一定的时变性。在低偏度偏好时期即市场贝塔与收益率呈现出符合CAPM的正相关关系;市场表现较差时期该异象也不再显着。（4）市场贝塔越高的股票组合中高散户持股比例股票的比重越大。第三,散户偏好越强的股票,其高偏度溢价越高。投资者偏好具有高偏度特性的股票,因此该类股票应该具有更低的期望收益率。但是,并非所有投资者对股票的高偏度特性持相同偏好。本文基于机构投资者持股比例和一系列散户偏好的股票特征构建了散户偏好指标,并基于该指标进一步研究中国股市中散户偏好与偏度溢价之间的关系。本文主要的实证结论有:（1）双变量分组和公司层面截面回归的结果表明,散户偏好指标的强弱会显着影响偏度的股票定价能力。散户偏好越强,偏度溢价越高,定价能力越强;反之,散户偏好越弱,偏度定价能力越弱甚至消失。（2）基于子样本分析方法,本文表明在剔除一部分散户偏好股票之后,剩余股票中偏度变量失去其定价能力。具有偏度溢价的股票所占的市值比重并不大。（3）由于散户易受市场波动影响,因此散户主导的偏度溢价在股市表现良好时期更为明显。第四,本文构建一个新的股票偏度测度指标一—相对符号变差（RSV）,并检验其在中国股市的股票定价能力。“好”的不确定性体现股票的正偏度属性,“坏”的不确定性反映股票的负偏度属性。本文将Barndorff-Nielsen等（2010）提出的已实现正半方差和已实现负半方差分别作为股票市场“好”的不确定性和“坏”的不确定性的代理指标,并在此基础上构建相对符号变差（RSV）。基于2007-2017年中国A股5分钟高频数据的实证研究发现:（1）RSV与股票收益率之间存在显着的负相关关系,无论是基于单变量分组、双变量分组还是公司层面截面回归,这种影响在经济上和统计上都显着。（2）RSV是中国股市的一个重要定价因子,且其股票定价能力强于已实现偏度。（3）RSV对中国股市的影响是状态依存的,相对于经济景气程度高的状态,在经济景气程度低的状态下RSV定价影响更大。（4）基于RSV构建的投资组合的表现明显优于市场超额收益率组合、SMB组合和HML组合的表现。
二、组合中的分组和平均分组（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、组合中的分组和平均分组（论文提纲范文）
（1）流动性风险应该被忽视吗？ ——基于因子模型的比较研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究内容与论文结构 |
| 1.3.1 研究内容与方法 |
| 1.3.2 研究框架 |
| 1.4 主要创新点 |
| 第二章 文献回顾 |
| 2.1 流动性风险的相关研究 |
| 2.1.1 流动性的定义与测度 |
| 2.1.2 A-M理论 |
| 2.1.3 流动性风险溢价研究 |
| 2.1.4 流动性资产定价研究 |
| 2.1.5 基于流动性风险的定价模型 |
| 2.2 资产定价模型的相关研究 |
| 2.2.1 资本资产定价模型 |
| 2.2.2 套利定价理论 |
| 2.2.3 跨期资本资产定价模型 |
| 2.2.4 资产定价实证模型 |
| 2.3 文献评述与问题提出 |
| 第三章 基于ICAPM理论的模型评估 |
| 3.1 基础理论与实证方法 |
| 3.1.1 ICAPM理论的限制条件 |
| 3.1.2 基于模型误设定假设的两阶段回归方法 |
| 3.2 数据选取 |
| 3.2.1 测试资产与预测指标 |
| 3.2.2 资产定价模型 |
| 3.3 横截面实证测试 |
| 3.3.1 因子模型的确定性测试 |
| 3.3.2 基于因子风险溢价的实证测试 |
| 3.3.3 基于因子协方差风险的实证测试 |
| 3.3.4 稳健性测试 |
| 3.4 基于ICAPM理论的一致性检验 |
| 3.4.1 构建状态变量 |
| 3.4.2 基于经济变量预测的实证检验 |
| 3.4.3 基于股票市场预测的实证检验 |
| 3.5 本章小结 |
| 第四章 基于股票市场异象的模型评估 |
| 4.1 数据选取 |
| 4.1.1 测试投资组合 |
| 4.1.2 资产定价模型 |
| 4.1.3 测量指标 |
| 4.2 实证测试结果 |
| 4.2.1 基于流动性特征分组的实证测试 |
| 4.2.2 基于其他市场异象投资组合的实证测试 |
| 4.3 本章小结 |
| 第五章 模型评估的进一步测试 |
| 5.1 基于最大平方夏普比度量的模型评估 |
| 5.1.1 测试方法 |
| 5.1.2 模型比较结果 |
| 5.1.3 蒙特卡洛模拟结果 |
| 5.1.4 因子的边际贡献率 |
| 5.2 流动性风险的独特性 |
| 5.2.1 基于横截面测试的实证结果 |
| 5.2.2 基于跨越回归测试的实证结果 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简况与联系方式 |
（2）支持查询的大规模RDF数据压缩方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 RDF无损压缩技术研究现状 |
| 1.2.2 RDF数据查询技术研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文的章节安排 |
| 第二章 相关知识 |
| 2.1 RDF数据背景 |
| 2.1.0 资源描述框架 |
| 2.1.1 RDF符号冗余 |
| 2.1.2 RDF语法冗余 |
| 2.1.3 RDF语义冗余 |
| 2.2 RDF数据压缩技术 |
| 2.2.1 物理压缩 |
| 2.2.2 逻辑压缩 |
| 2.2.3 混合压缩 |
| 2.3 RDF数据查询技术 |
| 2.3.1 基于基本三元组的数据查询技术 |
| 2.4 SPARQL查询语言 |
| 2.5 小波树 |
| 2.5.1 基本概念 |
| 2.5.2 基本操作 |
| 2.6 本章小结 |
| 第三章 RDF数据压缩 |
| 3.1 问题分析 |
| 3.1.1 RDF数据的结构化程度 |
| 3.1.2 基于模式的冗余 |
| 3.2 基于差分编码的RDF分组压缩 |
| 3.2.1 数据的分组表示 |
| 3.2.2 主语序列的差分编码 |
| 3.3 本章小结 |
| 第四章 RDF压缩数据查询 |
| 4.1 基础查询策略 |
| 4.1.1 简单查询模式 |
| 4.1.2 主语优先的查询模式 |
| 4.1.3 谓词优先的查询模式 |
| 4.1.4 宾语优先的查询模式 |
| 4.2 查询加速策略 |
| 4.3 本章小结 |
| 第五章 实验设计与评估 |
| 5.1 DGC压缩性能评估 |
| 5.1.1 分组性能对比 |
| 5.1.2 压缩性能对比 |
| 5.1.3 时间效率对比 |
| 5.2 查询性能评估 |
| 5.2.1 单一数据集上各查询模式性能对比 |
| 5.2.2 不同数据集上各查询模式性能对比 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录4 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（3）基金的彩票型股票投资行为研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.1.1 理论背景 |
| 1.1.2 现实背景 |
| 1.2 研究思路及内容安排 |
| 1.3 创新之处 |
| 第2章 文献综述与理论基础 |
| 2.1 彩票型股票识别及其市场特征研究 |
| 2.2 彩票型股票收益率与投资者偏好研究 |
| 2.3 基金投机行为及影响因素研究 |
| 2.4 文献述评 |
| 第3章 基金历史业绩与彩票型股票投资 |
| 3.1 问题提出 |
| 3.2 样本数据与变量定义 |
| 3.2.1 彩票型股票的识别 |
| 3.2.2 基金持有彩票型股票比重 |
| 3.2.3 基金业绩指标 |
| 3.2.4 变量汇总及数据来源 |
| 3.3 描述性分析 |
| 3.3.1 基金持有彩票型股票的比重及时间趋势 |
| 3.3.2 主要变量描述性统计结果 |
| 3.4 回归结果分析 |
| 3.4.1 基金过去半年业绩排名与彩票型股票投资 |
| 3.4.2 考虑不同市场环境的影响 |
| 3.4.3 基金历史业绩与彩票型股票投资时间序列特征 |
| 3.5 影响机制探讨 |
| 3.5.1 基金经理数量与彩票型股票投资 |
| 3.5.2 基金管理人持基与彩票型股票投资 |
| 3.5.3 基金经理任期与彩票型股票投资 |
| 3.6 稳健性检验 |
| 3.6.1 关键排名处基金的彩票型股票投资行为 |
| 3.6.2 动态面板模型稳健性检验 |
| 3.6.3 基于基金买卖股票数据 |
| 3.6.4 基于基金季度持股数据 |
| 3.7 本章小结 |
| 第4章 基金经理特征与彩票型股票投资 |
| 4.1 问题提出 |
| 4.2 样本数据与变量定义 |
| 4.2.1 基金经理个人特征变量 |
| 4.2.2 基金持有彩票型股票比重 |
| 4.2.3 基金特征变量 |
| 4.3 实证结果 |
| 4.3.1 描述性分析 |
| 4.3.2 回归分析结果 |
| 4.4 稳健性检验 |
| 4.4.1 纳入团队基金经理管理的基金样本 |
| 4.4.2 区分时间阶段 |
| 4.5 本章小结 |
| 第5章 基金投资彩票型股票对业绩的影响 |
| 5.1 问题提出 |
| 5.2 样本数据与变量定义 |
| 5.2.1 基金投资彩票型股票比重 |
| 5.2.2 基金收益率指标 |
| 5.2.3 基金相关控制变量 |
| 5.3 实证结果 |
| 5.3.1 描述性分析 |
| 5.3.2 回归分析结果 |
| 5.4 进一步分析 |
| 5.4.1 主要变量定义 |
| 5.4.2 结果分析 |
| 5.5 稳健性检验 |
| 5.5.1 区分样本时间阶段 |
| 5.5.2 彩票型股票占比对基金业绩排名的影响 |
| 5.5.3 考虑基金经理特征的影响 |
| 5.6 本章小结 |
| 第6章 基金投资彩票型股票对资金流量的影响 |
| 6.1 问题提出 |
| 6.2 样本数据与变量定义 |
| 6.2.1 基金持有彩票型股票比重 |
| 6.2.2 资金流量 |
| 6.2.3 其他变量 |
| 6.3 实证结果 |
| 6.3.1 描述性统计结果 |
| 6.3.2 主要回归结果分析 |
| 6.4 影响机制探讨 |
| 6.4.1 彩票型股票占比与基金持有人结构 |
| 6.4.2 基于以个人投资者持有为主的基金样本 |
| 6.4.3 考虑彩票型股票被关注度 |
| 6.5 稳健性检验 |
| 6.5.1 排除基金最大收益率的影响 |
| 6.5.2 变换变量定义方式 |
| 6.5.3 动态面板稳健性检验 |
| 6.6 本章小结 |
| 第7章 全文总结与研究展望 |
| 7.1 全文主要结论 |
| 7.2 政策建议 |
| 7.3 不足之处与研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 在读期间发表的学术论文与研究成果 |
（4）投资者情绪因子对不同公司股票收益影响的实证研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 创新之处 |
| 1.3 研究思路和结构 |
| 第二章 文献综述 |
| 2.1 关于构造投资者情绪指数的研究 |
| 2.1.1 文本挖掘分析方法(即直接型指数) |
| 2.1.2 主成分分析法(即间接型指数) |
| 2.2 关于投资者情绪与资产回报关系的研究 |
| 第三章 理论分析 |
| 第四章 实证方法 |
| 4.1 数据的来源 |
| 4.2 反映公司特征的变量 |
| 4.3 企业层面的投资者情绪的构建方法 |
| 4.3.1 构建投资者情绪的四个变量 |
| 4.3.2 主成分分析法 |
| 4.4 五因子的构建 |
| 4.5 研究设计 |
| 4.5.1 投资者情绪对股票收益影响的检验流程 |
| 4.5.2 不同公司的股票收益受投资者情绪影响大小的检验流程 |
| 第五章 实证检验 |
| 5.1 投资者情绪对股票收益的影响研究 |
| 5.1.1 Fama-French五因子模型检验 |
| 5.1.2 Fama-Macbeth截面回归两步法检验 |
| 5.2 排序分组检验 |
| 5.3 Fama-French五因子模型分组回归检验 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
（5）投资者情绪、投资者交易行为对ETF定价影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 ETF的特殊性 |
| 1.2.1 指数化投资 |
| 1.2.2 一、二级市场交易模式 |
| 1.2.3 价差套利 |
| 1.2.4 “T+0”交易 |
| 1.3 研究内容与方法 |
| 1.4 本文创新之处 |
| 第二章 文献综述 |
| 2.1 投资者情绪、投资者交易行为影响资产定价研究 |
| 2.1.1 情绪及交易行为资产定价研究的基础——金融实验 |
| 2.1.2 情绪资产定价研究 |
| 2.1.3 交易行为资产定价研究 |
| 2.2 投资者情绪、投资者交易行为影响资产价格波动研究 |
| 2.2.1 投资者情绪影响资产价格波动研究 |
| 2.2.2 投资者交易行为影响资产价格波动研究 |
| 2.3 投资者情绪、投资者交易行为影响风险-收益关系研究 |
| 2.3.1 投资者情绪影响风险-收益关系研究 |
| 2.3.2 投资者交易行为影响风险-收益关系研究 |
| 2.4 ETF定价效率及价格波动相关研究 |
| 2.4.1 ETF定价效率研究 |
| 2.4.2 ETF价格波动研究 |
| 2.5 本章小结 |
| 第三章 投资者情绪、投资者交易行为与ETF定价效率 |
| 3.1 引言 |
| 3.2 数据 |
| 3.2.1 变量定义 |
| 3.2.2 描述性统计 |
| 3.3 投资者情绪、投资者交易行为对ETF定价效率的实证分析 |
| 3.3.1 模型构建 |
| 3.3.2 实证结果 |
| 3.4 进一步考虑Fama-French三因子为控制变量 |
| 3.5 机构持股的调节效应 |
| 3.6 稳健性检验 |
| 3.7 本章小结 |
| 第四章 投资者情绪与ETF价格波动 |
| 4.1 引言 |
| 4.2 数据 |
| 4.3 面板回归分析结果 |
| 4.3.1 投资者情绪指标的水平值对ETF价格波动的影响 |
| 4.3.2 投资者情绪指标的改变值对ETF价格波动的影响 |
| 4.4 面板分位数回归分析结果 |
| 4.5 稳健性检验 |
| 4.6 本章小结 |
| 第五章 投资者交易行为与ETF价格波动 |
| 5.1 引言 |
| 5.2 数据 |
| 5.3 面板回归分析结果 |
| 5.4 面板分位数回归分析结果 |
| 5.5 可预期及未预期的投资者交易行为对ETF价格波动的影响 |
| 5.6 稳健性检验 |
| 5.7 本章小结 |
| 第六章 投资者情绪、投资者交易行为与ETF价格波动 |
| 6.1 引言 |
| 6.2 数据 |
| 6.3 面板回归分析结果 |
| 6.3.1 同向投资者情绪、投资者交易行为对ETF价格波动的联合影响 |
| 6.3.2 异向投资者情绪、投资者交易行为对ETF价格波动的联合影响 |
| 6.4 面板分位数回归分析结果 |
| 6.5 稳健性检验 |
| 6.6 本章小结 |
| 第七章 投资者情绪、投资者交易行为与ETF风险-收益关系 |
| 7.1 引言 |
| 7.2 数据 |
| 7.3 投资者情绪与ETF风险-收益关系 |
| 7.4 投资者交易行为与ETF风险-收益关系 |
| 7.5 投资者情绪、投资者交易行为与ETF风险-收益关系 |
| 7.6 稳健性检验 |
| 7.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）基于我国上市公司财务指标挖掘的股票收益率研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 导论 |
| 第一节 选题背景与研究意义 |
| 一、选题背景 |
| 二、研究意义 |
| 第二节 研究思路、研究内容和研究方法 |
| 一、研究思路 |
| 二、研究方法 |
| 第三节 主要观点和结论 |
| 第四节 可能的创新与不足 |
| 一、可能的创新 |
| 二、本文的不足 |
| 第二章 国内外文献综述 |
| 第一节 国外文献综述 |
| 第二节 国内文献综述 |
| 第三节 文献评析 |
| 第三章 资产定价模型的介绍 |
| 第一节 资本资产定价模型 |
| 第二节 Fama-French三因子定价模型 |
| 第三节 Carhart四因子定价模型 |
| 第四节 Fama-French五因子定价模型 |
| 一、组合类型一(2*3) |
| 二、组合类型二(2*2) |
| 三、组合类型三(2*2*2*2) |
| 第四章 研究方法 |
| 第一节 利用数据挖掘思想构造财务指标 |
| 一、数据挖掘介绍 |
| 二、财务指标构造 |
| 第二节 股票分组 |
| 第三节 配对样本t检验与定价模型回归 |
| 一、配对样本t检验 |
| 二、传统定价模型回归分析 |
| 第四节 交叉分组研究 |
| 第五章 实证分析 |
| 第一节 变量的选取及数据来源 |
| 一、股票参与组合构造的条件 |
| 二、变量的选取及数据来源 |
| 第二节 财务指标的筛选 |
| 一、配对样本t-test |
| 二、传统定价模型回归 |
| 第三节 交叉分组研究 |
| 一、描述性统计 |
| 二、交叉分组回归结果 |
| 三、小市值&高“现金占市值比”组合获得超额收益率的原因探究 |
| 第六章 研究结论与展望 |
| 第一节 研究结论 |
| 第二节 未来展望 |
| 参考文献 |
（7）基于中国股票高频数据的条件CAPM研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 第二章 数据来源和估计方法 |
| 2.1 数据来源 |
| 2.2 Beta估计方法 |
| 2.3 描述性统计和相关性分析 |
| 第三章 基于高频数据的Beta预测准确性分析 |
| 3.1 估计时间段 |
| 3.2 估计准确性 |
| 3.3 其他频率 |
| 3.4 Mincer & Zarnowitz回归 |
| 3.5 平均绝对误差 |
| 第四章 条件CAPM检验 |
| 4.1 实证数据准备 |
| 4.2 非条件CAPM |
| 4.3 使用日数据的条件CAPM |
| 4.4 使用高频数据的条件CAPM |
| 4.5 其他时间窗口 |
| 4.6 其他频率的高频数据 |
| 第五章 结论 |
| 参考文献 |
（8）退休与家庭投资组合选择（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 1.4研究创新 |
| 第2章 文献综述 |
| 2.1 我国的养老体系与退休 |
| 2.2 退休待遇水平测算文献综述 |
| 2.3 退休与家庭投资组合生命周期特征文献综述 |
| 2.4 退休、话语权与家庭投资组合调整文献综述 |
| 2.5 养老资产与家庭投资组合选择文献综述 |
| 2.6 本章小结 |
| 第3章 我国退休制度设计与待遇水平测算 |
| 3.1 引言 |
| 3.2 我国退休制度设计 |
| 3.3 退休待遇测算指标 |
| 3.4 非公共部门退休待遇测算:城职保和城居保 |
| 3.5 公共部门退休待遇测算:机事保 |
| 3.6 本章小结 |
| 第4章 退休与家庭投资组合生命周期效应 |
| 4.1 引言 |
| 4.2 家庭资产结构 |
| 4.3 家庭投资组合生命周期效应:理论模型 |
| 4.4 家庭投资组合生命周期效应:实证检验 |
| 4.5 退休与家庭投资组合调整:基于断点回归方法 |
| 4.6 本章小结 |
| 第5章 退休待遇、话语权与家庭投资组合选择 |
| 5.1 引言 |
| 5.2 夫妻投资决策的理论模型 |
| 5.3 识别策略和研究创新 |
| 5.4 退休待遇水平测度和家庭话语权调整 |
| 5.5 数据和变量说明 |
| 5.6 退休前后家庭投资组合分布 |
| 5.7 丈夫退休与家庭投资组合调整 |
| 5.8 妻子退休与家庭投资组合调整 |
| 5.9 退休效应的动态性检验 |
| 5.10 机制分析与异质性分析 |
| 5.11 本章小结 |
| 第6章 我国退休制度下养老资产测算 |
| 6.1 引言 |
| 6.2 数据选择和精算假设 |
| 6.3 工资和持久收入估计 |
| 6.4 养老资产测算方法 |
| 6.5 养老资产测算结果 |
| 6.6 本章小结 |
| 第7章 退休制度、养老资产与家庭投资组合选择 |
| 7.1 引言 |
| 7.2 理论基础 |
| 7.3 描述性统计 |
| 7.4 不同退休制度下养老资产与家庭财富积累 |
| 7.5 不同退休制度下养老资产与家庭风险资产配置 |
| 7.6 养老金并轨与家庭投资组合调整 |
| 7.7 本章小结 |
| 第8章 结论、政策建议和研究展望 |
| 8.1 结论 |
| 8.2 政策建议 |
| 8.3 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历在读期间发表的学术论文与研究成果 |
（10）偏度偏好与股票定价 ——基于中国股市的分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 研究思路与框架 |
| 1.3 研究方法 |
| 1.4 研究创新与贡献 |
| 第二章 已实现峰度之谜及其偏度偏好解释 |
| 2.1 文献评述 |
| 2.2 变量构建与数据来源 |
| 2.2.1 变量构建 |
| 2.2.2 数据来源 |
| 2.3 “已实现峰度之谜” |
| 2.3.1 基于已实现峰度的单变量分组 |
| 2.3.2 投资组合表现 |
| 2.4 “已实现峰度之谜”与偏度偏好:基于双变量分组 |
| 2.4.1 中国股市的偏度偏好 |
| 2.4.2 控制偏度变量的双变量分组 |
| 2.4.3 控制非偏度变量的双变量分组 |
| 2.5 高散户比例、做空限制与“已实现峰度之谜” |
| 2.6 “已实现峰度之谜”与偏度偏好:基于回归 |
| 2.6.1 传统的公司层面截面回归 |
| 2.6.2 Hou和Loh方法 |
| 2.7 “已实现峰度之谜”的时变性与偏度偏好 |
| 2.8 稳健性检验 |
| 2.8.1 组合构建期 |
| 2.8.2 组合持有期 |
| 2.8.3 上交所与深交所 |
| 2.9 本章小结 |
| 2.10 本章附录 |
| 第三章 市场贝塔异象及其偏度偏好解释 |
| 3.1 文献评述 |
| 3.2 数据来源及变量构建 |
| 3.3 “市场贝塔异象” |
| 3.3.1 单变量分组 |
| 3.3.2 投资组合表现 |
| 3.4 “市场贝塔异象”与偏度偏好:基于双变量分组方法 |
| 3.4.1 控制偏度变量 |
| 3.4.2 控制非偏度变量 |
| 3.5 “市场贝塔异象”与偏度偏好:基于回归方法 |
| 3.5.1 传统的公司层面截面回归方法 |
| 3.5.2 Hou和Loh方法 |
| 3.5.3 基于因子模拟组合的时间序列回归方法 |
| 3.6 “市场贝塔异象”与偏度偏好:其他证据 |
| 3.6.1 “市场贝塔异象”时变性 |
| 3.7 基于过去一年日度数据的结果 |
| 3.7.1 “市场贝塔异象”与偏度偏好 |
| 3.7.2 下侧市场贝塔 |
| 3.8 稳健性检验 |
| 3.8.1 组合构建期 |
| 3.8.2 组合持有期 |
| 3.9 本章小结 |
| 3.10 本章附录 |
| 第四章 散户偏好与股市偏度溢价 |
| 4.1 文献评述 |
| 4.2 指标构建与数据来源 |
| 4.2.1 散户偏好指标构建 |
| 4.2.2 偏度变量构建 |
| 4.2.3 数据来源 |
| 4.3 双变量分组 |
| 4.4 公司层面截面回归 |
| 4.5 子样本分析 |
| 4.6 偏度溢价与股市表现 |
| 4.7 稳健性检验 |
| 4.7.1 其他偏度变量 |
| 4.7.2 偏度变量构建方法 |
| 4.8 本章小结 |
| 第五章 偏度与中国股市定价:基于“好”的不确定性、“坏”的不确定性视角 |
| 5.1 文献评述 |
| 5.2 “好”的不确定性、“坏”的不确定性的测度 |
| 5.2.1 “好”的不确定性、“坏”的不确定性的测度 |
| 5.2.2 数据来源和描述性统计 |
| 5.3 “好”的不确定性、“坏”的不确定性和股票市场定价 |
| 5.3.1 单变量分组 |
| 5.3.2 双变量分组 |
| 5.3.3 公司层面截面回归 |
| 5.4 经济景气程度与“好”的不确定性、“坏”的不确定性的风险溢价 |
| 5.5 “好”的不确定性、“坏”的不确定性和投资组合表现 |
| 5.6 稳健性检验 |
| 5.6.1 对漂移项进行调整 |
| 5.6.2 二次抽样方法 |
| 5.6.3 组合构建期 |
| 5.6.4 组合持有期 |
| 5.6.5 子样本 |
| 5.6.6 分别考虑上交所和深交所 |
| 5.7 本章小结 |
| 5.8 本章附录 |
| 第六章 研究总结与展望 |
| 参考文献 |
| 读博期间科研成果 |
| 致谢 |
四、组合中的分组和平均分组（论文参考文献）
- [1]流动性风险应该被忽视吗？ ——基于因子模型的比较研究[D]. 马秀莉. 山西大学, 2021(12)
- [2]支持查询的大规模RDF数据压缩方法研究[D]. 伍伟鑫. 南京邮电大学, 2020(03)
- [3]基金的彩票型股票投资行为研究[D]. 孙晓婷. 对外经济贸易大学, 2020(01)
- [4]投资者情绪因子对不同公司股票收益影响的实证研究[D]. 余思琪. 广东外语外贸大学, 2020(06)
- [5]投资者情绪、投资者交易行为对ETF定价影响研究[D]. 迟骏. 华南理工大学, 2020(01)
- [6]基于我国上市公司财务指标挖掘的股票收益率研究[D]. 曹帅. 南京大学, 2020(02)
- [7]基于中国股票高频数据的条件CAPM研究[D]. 陈鸿杰. 广东外语外贸大学, 2020(08)
- [8]退休与家庭投资组合选择[D]. 李羽翔. 对外经济贸易大学, 2020(02)
- [9]中国股票市场的超短期动量效应研究[D]. 徐硕正. 南京大学, 2021
- [10]偏度偏好与股票定价 ——基于中国股市的分析[D]. 丁杰. 厦门大学, 2019(07)