| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 区块链 -> 还是动量!经济关联公司的收益传导性研究 -> 正文阅读 |
|
[区块链]还是动量!经济关联公司的收益传导性研究 |
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,连续2年被腾讯云+社区评选为“年度最佳作者”。 点击上方图片进行抢购↑↑↑ 经济关联公司之间的收益传导性一直是大家研究的热点,关联公司之间的收益是否存在明确的传导关系,这些传导是由于什么原因? 2021年12月的国际顶刊《Journal of Financial and Quantitative Analysis》刊登了一篇2020年初就发表的论文《Where Does the Predictability from Sorting on Returns of Economically Linked Firms Come From? 》。 该论文探讨了经济关联公司之间的收益传导性,是因为消息的传导的滞后性,还是有别的原因?
信息的传导一直是理解金融市场有效性的关键。大量的论文对经济关联公司间的收益传导归结于信息传导的滞后性。当引领的公司(leader firm)的股票大幅上涨,由于消息传导的滞后性,相关联的公司(laggard firm)的收益会在之后的一段时间才有反应。如果将laggard firm根据leader firm公司的上一时间段的收益进行排序,并构建long-short组合。根据之前的文献,这个多空组合的Alpha超过1.5%每月。
但这些Alpha并不全是因为信息传导的滞后性带来的,其中有一部分能被长期存在的季节性解释,也有一部分能被Leader firm本身的动量效应及其他共同因素所解释。那么信息传导的滞后性带来的Alpha到底存在不存在?如果存在,到底有多大?本文对于这个问题做了详细的研究。本文考虑的经济关联关系主要有以下三种:客户-供应商。 季节性Alpha 为了研究经济关联公司之间的季节性Alpha,本文构建了如下的因子:每个月计算每个Leader firm,历史前十年,同样月份的平均收益。然后根据这个“历史同月平均收益”对Laggard firm进行排序,并构建多空组合。经Fama三因子回归后的Alpha结果如下表,其中括号内为显著性。如下表Laggard行所示,其中市值加权后的Alpha为0.76%。这部分Alpha应该更可能属于长期的季节性Alpha,而不是信息传导的滞后性。下表Leader行表示,leader firm根据自身“历史同月平均收益”进行排序后的Alpha结果。 Leader Firm的动量Alpha 之前的研究发现,Leader firm对于laggard firm的信息滞后性在1个月左右,也就是说,根据当月t的Leader firm的收益排序,构建下一个月(t+1)的Laggard firm的组合是有明显的Alpha。下表2的测试也证明了这一点,客户-供应商的Laggard t+1组合的Alpha为1.606%(市值加权)。所有三种关系的Laggard t+1组合的Alpha都在1%左右,且显著。 如果信息滞后性在1个月左右,那么理论上2-12个月的组合是不会有显著的Alpha。但是从下表测试来看,Laggard t+2: t+12的累计收益均显著。说明除了信息滞后性带来的Alpha,Leader Firm本身的动量也有Alpha(更详细的分析见下文)。 普通动量与信息传导的拆分 上一小节,作者证明了laggard firm未来的收益受上一期leader firm动量的影响,但这个leader firm的上期动量中,有多少是由于新增信息传导带来的,有多少是普通动量的传导,并没有区分开来。 作者进一步把Leader firm的当期收益切分成可预测的非特质收益及不可预测的特质收益两部分,其中不可预测的特质收益是因为当期Leader firm的增量信息带来的(文中称为News部分)。 具体的拆分方法,根据每个leader firm过去12个月的收益,与Fama三因子(加上动量与流动性,共五因子)做回归,其中为可预测部分,剩余的为不可预测的特质收益率部分。而可预测部分又可以分为(文中称为old news),和两部分
由下表可以看出:
总结 在经济关系的企业的收益可预测性方面,市场比我们想象的更有效,经济关联公司收益的传导性,并不是仅仅因为信息传导的滞后性。当Leader firm的收益出现异动时,Laggard firm的收益确实会受影响,但这个影响并不是仅仅因为信息传导的滞后性,其中有很大一部分,即使learder firm不发生异动,也会存在。一方面,Laggard firm可能只是对关于learder firm的旧(可预测的)信息做出反应,就像learder firm也会对自己的旧信息做出反应一样。这种常见的“延迟”反应不同于传统意义上的缓慢,也可能是由于经济关联的企业间所共有的其他未建模因素。 文章下载: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2423795 点击下方图片进行抢购↓↓↓ QIML希望我们的每一篇文章,每一个周边、每一个产品都能得到大家的认可! 点击阅读原文,抢购属于你的因子!!! ▼▼▼ |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 | -2024/12/28 18:56:17- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |
数据统计 |