精华内容
下载资源
问答
  • 股市收益率波动性及影响因素分析,蔡通,王新宇,本文应用SWARCH 模型对中国股票市场的波动性进行了研究,并与GARCH 模型做了比较,结果发现:SWARCH 模型较传统的GARCH 模型显著地提高了�
  • 我国股票定价五因素模型_交易量如何影响股票收益率_田利辉_王冠英.pdf
  • 股票收益率影响因素分析.pdf
  • 投资者情绪对股票收益率影响分析,方正,谭德俊,本文挑选了7个股市相关的情绪因素,分别运用主成分分析法以及计量回归模型分析方法构造了投资者情绪指数ISI与ISCI,并比较了两种指数
  • 应用数理统计并结合金融数学的方法,研究不同的新股发行方式对电力行业上市公司的影响,实证研究IPO询价制度实行前后电力行业的股票市盈率及股票收益率的变化趋势和特点,研究市盈率和收益率的统计分布及相关模型....
  • 新加坡股票收益率影响因素研究——基于RBF神经网络.pdf
  • 影响国债收益率的因素

    万次阅读 2017-04-07 22:15:03
    美国国债收益率曲线与宏观经济关系分析   (2013-12-31 10:51:31) 转载▼ 标签:  特点   正如   短期市场   无风   进程   股票      国债收益...

    美国国债收益率曲线与宏观经济关系分析

      (2013-12-31 10:51:31)
    标签: 

    特点

     

    正如

     

    短期市场

     

    无风

     

    进程

     

    股票

     
     

        国债收益率曲线是由不同期限,但具有相同风险、流动性的债券收益率连接而成的曲线,其不仅反映了不同期限债券收益率的变化,还反映了货币政策的意图,并且包含信用市场条件的诸多信息。从功能上来说,收益率曲线不仅可以作为金融产品定价的基准,并且还可以与宏观经济政策和经济发展相互作用。在美国等发达的市场经济国家,国债市场收益率事实上已成为金融市场的基准利率,并成为投资者判断市场趋势的风向标。其作为基准利率的最大优势在于期限的多样性,由各种期限国债交易所形成的利率能形成一条完整的收益率曲线。

    美国国债收益率曲线与宏观经济关系分析 

     

    美国国债收益率曲线的规律性

     

        典型的美国国债收益率曲线是由到期时间从1个月到30年的点组成的。根据美国1970-2007年间的国债收益率曲线与经济周期关系的分析发现,美国国债收益率曲线的不同形态反映了宏观经济周期的运行情况。

    长短期国债利差的规律性

    美国形成相对成熟的债券市场已有很长的历史,债券品种的存续期从个月到30 年,品种丰富,各期限债券分布相对较为合理,其收益率曲线成为成熟市场的代表。影响美国长短期国债收益率的主要因素是经济的发展状况、利率的变动预期和未来资本回报率等。根据美国经济研究所公布的资料来看,从19801月到20022月美国共经历了4经济周期,每个周期分为收缩期、扩张期。我们可以通过30年期国债和1年期国债来进行对比分析。30 年期国债与年期国债的利差在经济扩张后期最小,进入经济收缩期和扩张期的初期利差开始逐步扩大,在经济扩张的中期利差达到最大,随后逐渐缩小,当进入扩张后期时,利差又再次降到最低。

    美国国债收益率曲线与宏观经济关系分析

        也就是说在大部分情况下,当美国国债收益率曲线表现出短期利率高于长期利率时,说明美国经济即将进入衰退和萧条阶段;反之,当美国国债收益率曲线表现出长期利率与短期利率之间的利差由负值逐渐趋向于零,或者长期利率与短期利率之间的利差日益扩大时,说明美国经济即将进入复苏和繁荣阶段。 

     

    长短期国债对联邦基准利率的敏感性不同

     

    当利率降低到一个相对较低位置时,长期国债利率敏感性要比短期国债利率小得多。比如联邦基准利率在2001年连续下调11次。在经济衰退期相应国债收益率出现下移,短期国债收益率的下降幅度大于长期国债收益率。10年期国债收益率波动远远小于降息幅度。这与经济周期波动想吻合。在经济出现衰退时,政府为抑制衰退采取较为宽松的货币政策。随着降息的实施,人们对社会投资回报率的预期相应下降。短期国债会迅速作出反应。长期国债收益虽跟随下降但受未来不确定因素的影响下降的幅度要小得多。

     

    美国不同时期国债收益率曲线经济分析

     

    反向倾斜的利率曲线通常被看作是经济衰退的征兆。从历史来看,利率曲线一般在经济衰退期前12-18个月开始出现反转。在1957-2008年之间,一共发生了8次经济衰退,只有头两次衰退(1957-1958和1969)时,利率曲线没有提前出现反转,1980年开始其他6次都表现出明显的征兆。而美国国债利率曲线早在2006年第三和第四季度就出现反转更是成功的提前预示了我们现在正在经历的这轮世界范围内的经济危机的爆发。

    平滑的利率曲线是指10年期利率和2年期利率之差为0或接近0。这通常预示着后期经济将保持平稳发展,至于是平稳的增长还是下滑则取决于利率曲线呈平坦,之前长期和短期的利率之差是正值还是负值。如果利率曲线是从正向倾斜(10-2息差为正)变为平坦,并且在倾斜部分的尾端,长短期利率之间的息差出现快速收窄,表明短期利率在快速追赶长期利率。这种情况通常发生在经济快速扩张以及资金大量涌进股票和商品市场的时期。

     

    典型的例子就是从2005年四季度到2006年上半年,利率曲线从正常(正向倾斜)转为平坦,预示出之后一段时期美国国内以及世界其他地区经济进入一轮快速发展阶段。反之,如果利率曲线是从负向倾斜(10-2息差为负)转变为平坦,在倾斜部分的末端,短期利率下降并逐渐向长期利率靠拢,则说明投资者认为央行将下调利率以刺激经济。这种情况在2007年上半年就已经在利率曲线上呈现出,正确的预测了之后美国以及全球经济的衰退

    总体来说,长短期国债之间的利差关系变化体现在国债收益率曲线上,使国债收益率曲线表现出各自不同的形态,在一定程度上预示了宏观经济发展周期的变化趋势。由此可见,国债收益率曲线不但可以作为判断和反映市场对未来利率走势、未来经济增长和通货膨胀率趋势预期的工具,而且可以成为货币当局进行货币政策措施选择的有力依据。(历时5年的量化宽松是典型的例子)。宏观经济的发展也会使收益率曲线发生变化。

    利率曲线的形状和倾斜程度可以简单的根据所选择的短期和长期利率来决定。市场上普遍采用的是用2年期和10年期的国债收益率,通常称为“10-2息差”。另外一个可行的办法是采用美国联邦基金的基准收益率和10年期国债收益率之差。通常情况下,比较陡的并且是正向斜率的利率曲线体现了资金的时间价值,因此正常情况下,长期债券的收益率往往高于短期债券。反之,如果利率曲线呈现反向的负斜率形态则表示短期债券收益率高于长期债券(10-2息差为负值),说明投资者因为经济前景疲软或低通胀预期而预计未来利率将下降。

     

     美国国债收益率曲线与宏观经济关系分析

    ① 国债收益率曲线能直观反映宏观经济变化

         萧条至繁荣的初期阶段:通货膨胀水平较低失业程度较高,社会生产力大量闲置。此时中央银行采取扩展性的货币政策,目的是为了刺激经济增长而大幅度的降低短期利率,随着经济启动、投资和消费增长拉动短期利率向上攀升。

        繁荣阶段:随着长期投资需求的增长和通货膨胀压力的增强,长期利率也开始上升。当经济周期进入繁荣阶段,社会资金需求更加旺盛,通货膨胀开始加剧,于是,中央银行又往往采取紧缩性的货币政策措施,大幅度提高短期利率,以抑制短期内的经济过热,与此同时,为了保持经济增长的后劲,中央银行的货币政策意向又压抑着长期利率,避免随短期利率的调升而同步同程度的上扬,即维持长期利率的较低水平。

         萧条阶段:为刺激经济复苏,此时中央银行又会使用扩展性的货币政策以降低短期利率增加投资的目的。这种利率政策调整和现实市场利率走势会反映在作为基准利率的国债收益率曲线的不同变化态势上,反言之,从国债收益率曲线的不同变化态势可以洞察经济周期的不同阶段,即可以以此作为预期经济走势和市场利率变动趋势的重要窗口和依据。

    ②美国个不同时点的国债收益率曲线

        下面选择个不同时点上的美国国债收益率曲线来说明上述观点。这个时点的国债收益率曲线分别是1980 12 月底,1992 10 月底和1997 月底,这三个时点前后恰好是美国经济走势和政策调整变动较大的时期,所以形成的时点上的收益率曲线以恰好成典型的三个不同形态。

         11980 12 月底的美国国债收益率曲线及经济意义的分析从20 世纪50 年代末到70 年代末,美国的通货膨胀率节节上升,1980 年达到近10%,为抑制通胀,联储将联邦基金的利率曲线由1977 年的5.54%提升到197911.2%1980 12 月又提升到超过14%的水平(1980 年联邦基金的平均利率为13.35%,经过一年的时间后,通货率由1981 年的10.36%下降到1982 年的6.16%,再到1983 年的3.21%;但由于短期利率提高的幅度过高(联邦基金利率提高了近倍),也抑制了短期投资,致使1981 1982 年间美国发生了自第二次世界大战后最严重的经济衰退,正因如此,人们预期远期利率会趋于下降,通货率也会下降,人们的长期投资会增加,经济增长后劲看好,实际情况也是如此。

        21992 10 月底的美国国债收益率曲线及其经济意义的实证分析由于经济增长率从1990 年开始下滑,股票价格指数也出现下滑,经济与金融场不景气,为了刺激景气,以格林斯潘为主席的美联储决定下调利率,联邦基金利率由1989 9.21%下调到1992 年的3.52%,经济增长与金融市场景气由此也逐渐上升,人们对长期经济增长前景看好,远期利率上升,导致了1992 10 月底的国债收益率曲线的陡升。

    31997 月的美国国债收益率曲线呈现出一条斜率不大的曲线,反映出当时的美国经济运行与金融市场处于正常状态。从图可知是处于经济扩张阶段中后期。

    42006年亦如此。

     美国国债收益率曲线与宏观经济关系分析 

    根据美国19702007年间的国债收益率曲线的不同形态反映了宏观经济周期的运行情况。正如图所显示的,在大部分情况下,当美国国债收益率曲线表现出短期利率与长期利率之间的利差逐渐缩小的趋势,甚至出现短期利率高与长期利率时,说明美国经济即将进入衰退和萧条阶段;反之,当美国国债收益率曲线表现出长期利率与短期利率之间的利差由负值逐渐趋向于0,或者长期利率与短期利

    率之间的利差日益扩大时,说明美国经济即将进入复苏和繁荣阶段。总的说来,

    长短期国债之间的利差关系变化体现在国债收益率曲线上,使国债收益率曲线表现出不同的形态,在一定程度上预示了宏观经济发展周期的变化趋势。从以上对美国国债收益率曲线的介绍可以看出,国债收益率曲线不但可以作为判断和反映市场对未来利率走势、未来经济增长和通货膨胀率趋势预期的工具,而且可以成为货币当局进行货币政策措施选择的有力依据。 

    影响国债收益率的经济因素 

         ① 中央银行的基准利率。中央银行基准利率包括法定准备金利率、再贷款利率、再贴现利率等。作为利率金融产品的国债,对利率变化非常敏感。因此,中央银行基准利率是国债二级市场收益率的重要影响因素。

         ② 宏观经济状况。在经济运行状况良好时,一方面投资旺盛,利率有上升的要求或预期,在这种预期下,国债现券价格有下行压力;另一方面,宏观经济上升时期,股市行情上行,资金从债市流向股市引起债市下行,从而导致现券内在收益率上升,反之,当宏观经济处于商业周期的萎缩时期,实业投资风险增大,国债市场作为良好的资金避风港受到众多投资者的青睐,此时国债现券价格会上行;再一方面,经济衰退时,中央银行降低利率水平也是情理之中的事情,降息

    的预期与现实进一步推动国债现券市场的行情,从而导致内在收益率下降。然而,

    当宏观经济形势急剧恶化或发生严重的金融危机时,特别是经常项目出现严重赤

    字、国内发生通货膨胀,从而导致本币贬值、资本外逃和偿债危机时,国债现券

    价格会急流直下,许多新兴市场所发生的情况正是如此。

         ③ 通货膨胀率。通货膨胀率是决定长期收益率趋势的首要经济因素。在名义利率保持不变情况下,通胀率下降,实际利率上升,此时存在利率下调空间,投资者形成利率下调的预期,国债现券价格将上升。通货膨胀率决定了投资的实际收益率,国债的到期收益率只有在大于通货膨胀率的情况下才会吸引投资者。在高通胀时期,持有债券,尤其是长期债券,其固定的票面利息往往低于物价上涨幅度将遭受严重贬值。为此,投资者将寻求其它保值和增值手段而抛售国债;另外,为控制通胀,政府将卖出国债、回笼货币,从而导致国债市场供大于求,价格下跌,收益率曲线抬高。

        ④ 货币供应量。若加大货币供应量,资金面就相对宽松,则国债现券市场有望走强,其内在收益率下降。影响货币供应量的主要因素是法定准备金利率、法定准备金比率和公开市场操作。当法定准备金利率和法定准备金比率下降时,货币供应量增加,国债现券价格提高。

        ⑤ 股票二级市场行情。股票和债券作为投资组合中重要的投资品种,二者具有一定的替代性,一般认为,“股市兴,债市衰;债市兴,股市衰”。股票二级市场收益率相对较高时,会吸引部分“两栖”资金从债券市场流入股票二级市场,

    从而导致国债现券价格下跌;反过来,债券市场收益率相对较高时,会吸引一部

    分“两栖”资金从股票二级市场流入债券市场,从而又促使国债现券价格上升。

        ⑥ 国外利率水平。在资本自由流动的情况下,当国外利率水平提高时,如最有影响是美国联邦基金利率(即隔夜拆借利率)上升时,国内资金外流,国债现券价格下跌,从而内在收益率上升。由于人民币在资本项目下不可自由兑换,因此汇率和国外利率水平对中国国债市场的影响不大。

                                      国债市场是国家宏观调控政策的切入点

     

    当经济增长时,收益率曲线呈现陡峭态势;而当经济衰退或下滑时,收益率曲线呈现趋平态势。作为市场利率的基准,美国国债收益率曲线成为美国经济增长的风向标。同时管理机构可以通过一些具体措施,来改变基准收益率的形状,为经济发展服务。例如2012年美国经济复苏势头不稳,就业引擎也日渐乏力,美联储于620日结束为期两天的货币政策例会,宣布将原定于6月底到期的“扭转操作”延期至2012年底,在不扩张资产负债表的前提下,卖出3年期及以下的短期国债2670亿美元,同时购买6-30年期限的长期国债,并将机构债和机构MBS到期收益用于再投资。美联储通过的这一政策措施,称为“扭曲操作”(Operation Twist),扭曲操作的目的是压低较长期利率,从而刺激抵押贷款持有人进行再融资,降低借贷成本,刺激经济增长。具体来说,卖出短期国债,将导致短期国债价格下跌,短期资金市场供给紧张,短期资金收益率上升。而买入长期国债,将使长期国债价格上升,长期金融市场资金充裕,国债长期收益率下降。通过这一操作,将短期利率提高,同时压低长期利率,相当于对收益率曲线进行一次“扭曲”。

    美国国债收益率曲线与未来通货膨胀的关系在理论上,收益率曲线的两个主要特征——收益率差和收益率水平都包含着通胀与通胀预期的内容。收益率差反映了未来短期利率的变化,未来的短期利率包含着未来真实利率和未来通胀的内容。由于真实利率在长期中的波动是比较小的,未来短期利率的上升主要反映了通胀预期的上升,在较长的预测时期尤其如此。收益率曲线的水平也包含着通胀与通胀预期的信息。短期利率除了反映货币政策态度之外,也反映了当前通胀水平和货币市场的供求。中长期利率反映了资本市场的供求,也反映了预期的未来通胀水平。

        从美国短期利率与通货膨胀的历史数据来看,短期利率确实提供了未来通货膨胀的信息。上世纪90年代中期的负短期真实利率确实先于其后的严重通胀的出现。80年代中期与90年代初期的高短期真实利率之后也确实出现了通胀率的下降,最好的解释是,短期利率比收益率差更清晰地反映了货币政策的态度,由于通货膨胀在长期中是一个货币现象,更好

    的反映出货币政策的态度,自然就会对未来的通货膨胀有更好的预测能力。

        首先,国债市场是国家货币政策即央行公开市场业务操作的切入点。央行通过国债市场上的买卖操作,对国债市场的价格和收益率进行调节,从而对其他金融市场的利率发生有利于经济发展目标的影响。其次,国债市场还是财政政策的切入点,财政政策通过国债发行数额和发行条件的变动来影响国债市场并从而影响宏观经济。由于货币政策和财政政策都能切入国债市场,国债市场是货币政策和财政政策的结合点,只要两种政策在国债市场上协调配合,就能够产生更有效

    的调控作用,调控国债市场收益率的形成。金融市场中只有国债市场才适合财政政策和货币政策配合调控的需要。因此,利率期限结构在金融市场的发展中起着一个基准的作用。在我国的利率市场化进程中,有可能成为这种基准的利率期限结构是国债市场的利率期限结构。因此,为了顺利的实现国债市场利率期限结构的基准作用,就必须大力发展国债市场。

     

    国债收益率曲线与货币政策的关系

     

      ① 随着货币政策越来越依赖于利率指标,国债收益率曲线在反映货币条件,表达货币政策态势方面表现出独特优势。

        从各国中央银行货币政策发展的趋势看,货币政策越来越简化为关于利率的政策,货币总量、基础货币量在货币政策决策和操作中的作用逐渐淡化。1993 月,美联储不再像过去一样重视货币供给量指标,实践证明,这种忽视货币供给量的政策是成功的。货币政策日常操作表现为调节和维持既定的货币市场利率。近年来,美联储通过运用公开市场操作维持合适的联邦基金利率,来执行货币政策。这种短期操作目标是依据长期的稳定物价和经济发展的最终目标制定的,并且当联储认为货币政策需要调整以更好地满足长期目标时,短期操作目标会得到调整。例如,在经济适度增长和低通胀时期,联储会在相当长的一段时间内保持联邦基金不变。而在经济过热和高通胀时期,联储会实行紧缩货币政策,减少准备金的增长以使联邦基金利率上升到新的高度。存款机构的准备金余额和短期市场利率对于利率目标水平是紧密相关的两个操作目标。

        一般而言,中央银行只能影响短期利率,严格地讲,甚至只能影响非常短期的利率(如隔夜拆借利率),而长期利率是由市场决定的。特别短期的利率(比如美国的联邦基金利率)并不能影响消费、投资或者是出口,但是长期利率(一年以)对国民经济的重要部门如消费和投资都有显著而直接的影响,货币政策是由对短期货币市场发生作用,进而影响长期(资本)市场而对实体经济发生作用的。因此,中央银行的行为如何影响到整个利率结构对理解货币政策的传导机制具有重要意义。国债收益率曲线反映了无风险的长、短期利率之间的关系,作为反映基准利率和利率期限结构的国债收益率曲线就成为货币政策态势的重要体现,中央银行通过国债收益率曲线及其变动来分析货币政策的传导,通过货币政策的调整来改变预期,引导和影响利率的期限结构。中央银行可直接用短期利率作为货币政策的操作工具。中央银行也必然关注其短期利率的改变对长期利率水平的影响,关注短期利率的变动是如何能够影响到长期利率的变动。

        ② 货币政策对利率期限结构的影响渠道。

        投资者根据通货膨胀和实际利率的前景形成自己的预期,而这种预期将受到经济活动、货币政策的影响。期限较长的债券往往还要求对长期中可能存在的各种不确定性给予补偿,即所谓的流动性溢价,价格波动较小的短期债券因流动性高,更为投资者喜好收益率相对偏低)。将流动性偏好的因素结合到预期中在预测利率保持不变的情况下,利率将随着期限的延长而上升。从国债收益率曲线中,中央银行可以获得金融市场对未来通货膨胀率、经济增长率、资产回报率等方面的预期信息。中央银行可以通过货币政策操作来影响投资者的预期.同时,中央银行也可以由较近到期的债券的收益率的变化来评估其操作意图是否达到,是否与金融市场进行了较好的交流和沟通,可以从稍长到期的,比如年或10 年债券的收益率来推测市场对通货膨胀率的预期。

       ③ 货币政策调整对收益率曲线的影响结果。

        在正常情况下,收益率曲线是向上倾斜的,也就是长期债券的收益要高于短期债券的收益,在经济周期的不同阶段,表现为长短期利差有所不同,收益率曲线斜率的变化是市场对未来经济发展、货币政策等预期的综合反映。由于短期利率比长期利率对货币政策的调整更为敏感,因此经济不景气,通货膨胀率很低,中央银行放松货币政策,降低利率时,收益率曲线的斜率就会变得陡峭,而当经济出现过热,通货膨胀上升,中央银行实行收紧的货币政策,抬高短期利率,收益率曲线就变得比较平坦。利差变化一般具有周期性的特点,经济收缩期和经济扩张初期利差加大,扩张的中后期利差逐渐缩小。

    展开全文
  • 股票收益率与现金分红行为之间的...本文将会探究半强制分红政策与上市公司的股票收益率之间的关系,从半强制分红政策对股票收益率影响的角度出发,对半强制分红政策进行评价。 1.准备探究如下两个假设是否正确: 假设

    股票收益率与现金分红行为之间的关系,及半强制分红政策评价

    ​ 基于中国上市公司分红意愿不强以及分红水平较低的现实背景, 中国证监会从 2001 年起将上市公司再融资资格与股利分配水平相挂钩, 不满足股利分配要求的上市公司将不能进行再融资 。我们将该政策理解为半强制分红。

    ​ 那么,半强制分红政策对上市公司会产生什么影响呢?本文将会探究半强制分红政策与上市公司的股票收益率之间的关系,从半强制分红政策对股票收益率的影响的角度出发,对半强制分红政策进行评价。

    1.准备探究如下两个假设是否正确:

    假设一:如果该报告期内股票收益率高,则公司在该报告期会倾向于采取现金分红行为;

    假设二:如果上一报告期公司采取了现金分红,那么当前报告期内公司股票收益率较高;

    一:首先,对假设一进行分析。

    假设一个上市公司有分红的报告期内股票的收益率与无分红的报告期内股票的收益率有显著区别,进行研究。每6个月报告一次,报告期内的收益率即为半年内的收益率。

    假设报告期内收益率的取值在分红与否的报告期中都服从正态分布且各个观测数据相互独立;

    那么对零假设“分红与否的报告期内的收益率的均值相等” 的检验统计量就可以采用t统计量进行检验。

    首先对原始数据进行处理,把各公司分红与否的报告期筛选出来,并合并各公司的报告期数据;

    处理公司是否有现金分红的数据集
    proc import  out=work.fhyf
    			Datafile='D:\mySASDATA\期末大作业\分红数据 修改\分红.xlsx'
    			DbmS=xlsx replace;
    			getnames=yes;
    run;
    %macro fhyfcl;/*进行分红数据的处理,有分红的为1,无分红的为0*/
    data fhyf1;
    set fhyf;
    %do i=10 %to 20;
    if c&i.='--' or  . then c&i.=0;
    else c&i.=1;
    if d&i.='--' or . then d&i.=0;
    else d&i.=1;
    %end;
    %mend fhyfcl;
    %fhyfcl;
    run;
    proc sort data=fhyf1;
    by var1;
    run;
    /*收益率中有些股票的数据没有,把这些股票的分红情况删去*/
    data fhyf1;
    modify fhyf1;
    if _n_<=2408 then remove;
    run;
    
    对各年度各股票的数据计算收益率并进行汇总
    data WORK.sj2010_1;                                                                                    
          %let _EFIERR_ = 0; /* set the ERROR detection macro variable */                                                                    
          infile 'D:\mySASDATA\期末大作业\分红数据 修改\2010.1.csv' delimiter = ',' MISSOVER DSD lrecl=32767 firstobs=2 ;                      
          informat VAR1 $9. ;                                                                                                           
          informat VAR2 $8. ;                                                                                                              
          informat VAR3 yymmdd10. ;                                                                                                       
          informat VAR4 comma12.0 ;                                                                                                      
          format VAR1 $9. ;                                                                                                             
          format VAR2 $8. ;                                                                                                               
          format VAR3 yymmdd10. ;                                                                                                       
          format VAR4 best12. ;                                                                                                         
          input   VAR1 $  VAR2 $    VAR3      VAR4 ;                                                                                                                                                                                                                                                                                                  
          if _ERROR_ then call symputx('_EFIERR_',1);  /* set ERROR detection macro variable */      
     run; 
    %macro sy(x);
    data sj20&x.;
    modify  sj20&x.;
    if var4=.  then remove;
    data sj20&x.;
    set sj20&x.;
    rename var4=close;
    year=year(var3);
    month=month(var3);
    proc sort data=sj20&x.;
    by var1 year month;
    data sj20&x.;
    set sj20&x.;
    by var1 year month;
    if last.var1=1 or first.var1=1;
    data sj20&x.;
    set sj20&x.;
    by var1;
    lag_close=lag(close);
    a=first.var1;
    if first.var1 then lag_close='.';
    r_pct=(close-lag_close)/lag_close;
    data  sj20&x.;
    modify  sj20&x.;
    if a=1  then remove;
    data sj20&x.;
    set sj20&x.;
    keep var1 var2 close year month lag_close r_pct;
    %mend sy;
    %sy(10_1);
    run;
    proc import out=WORK.sj2010_7                                                                               
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2010.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(10_7);
    run;
    proc import out=WORK.sj2011_1                                                                               
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2011.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(11_1);
    run;
    data WORK.sj2011_7;                                                                                    
          %let _EFIERR_ = 0; /* set the ERROR detection macro variable */                                                                    
          infile 'D:\mySASDATA\期末大作业\分红数据 修改\2011.7.csv' delimiter = ',' MISSOVER DSD lrecl=32767 firstobs=2 ;                      
          informat VAR1 $9. ;                                                                                                           
          informat VAR2 $8. ;                                                                                                              
          informat VAR3 yymmdd10. ;                                                                                                       
          informat VAR4 comma12.0 ;                                                                                                      
          format VAR1 $9. ;                                                                                                             
          format VAR2 $8. ;                                                                                                               
          format VAR3 yymmdd10. ;                                                                                                       
          format VAR4 best12. ;                                                                                                         
          input   VAR1 $  VAR2 $    VAR3      VAR4 ;                                                                                                                                                                                                                                                                                                  
          if _ERROR_ then call symputx('_EFIERR_',1);  /* set ERROR detection macro variable */      
     run; 
    %sy(11_7);
    run;
    proc import out=WORK.sj2012_1                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2012.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(12_1);
    run;
    proc import out=WORK.sj2012_7                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2012.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(12_7);
    run;
    proc import out=WORK.sj2013_1                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2013.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(13_1);
    run;
    proc import out=WORK.sj2013_7                                                                          
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2013.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(13_7);
    run;
    proc import out=WORK.sj2014_1                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2014.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(14_1);
    run;
    proc import out=WORK.sj2014_7                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2014.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(14_7);
    run;
    proc import out=WORK.sj2015_1                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2015.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(15_1);
    run;
    proc import out=WORK.sj2015_7                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2015.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(15_7);
    run;
    proc import out=WORK.sj2016_1                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2016.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(16_1);
    run;
    proc import out=WORK.sj2016_7                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2016.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(16_7);
    run;
    proc import out=WORK.sj2017_1                                                                           
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2017.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(17_1);
    run;
    proc import out=WORK.sj2017_7                                                                          
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2017.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(17_7);
    run;
    proc import out=WORK.sj2018_1                                                                          
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2018.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(18_1);
    run;
    proc import out=WORK.sj2018_7                                                                        
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2018.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(18_7);
    run;
    proc import out=WORK.sj2019_7                                                                        
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2019.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(19_7);
    run;
    data WORK.sj2019_1;                                                                                    
          %let _EFIERR_ = 0; /* set the ERROR detection macro variable */                                                                    
          infile 'D:\mySASDATA\期末大作业\分红数据 修改\2019.1.csv' delimiter = ',' MISSOVER DSD lrecl=32767 firstobs=2 ;                      
          informat VAR1 $9. ;                                                                                                           
          informat VAR2 $8. ;                                                                                                              
          informat VAR3 yymmdd10. ;                                                                                                       
          informat VAR4 comma12.0 ;                                                                                                      
          format VAR1 $9. ;                                                                                                             
          format VAR2 $8. ;                                                                                                               
          format VAR3 yymmdd10. ;                                                                                                       
          format VAR4 best12. ;                                                                                                         
          input   VAR1 $  VAR2 $    VAR3      VAR4 ;                                                                                                                                                                                                                                                                                                  
          if _ERROR_ then call symputx('_EFIERR_',1);  /* set ERROR detection macro variable */      
     run; 
    %sy(19_1);
    run;
    proc import out=WORK.sj2020_1                                                                      
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2020.1.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(20_1);
    run;
    proc import out=WORK.sj2020_7                                                                      
        Datafile='D:\mySASDATA\期末大作业\分红数据 修改\2020.7.xlsx'                    
        DbmS=xlsx replace;
    	getnames=yes;
    run;
    %sy(20_7);
    run;
    data hz;
    set sj2010_1 sj2010_7 sj2011_1 sj2011_7 sj2012_1 sj2012_7 sj2013_1 sj2013_7 
    sj2014_1 sj2014_7 sj2015_1 sj2015_7 sj2016_1 sj2016_7 sj2017_1 sj2017_7 sj2018_1 sj2018_7 sj2019_1 sj2019_7 sj2020_1 sj2020_7;
    run;
    proc sort data=hz;
    by var1 year month;
    run;
    

    分红数据与收益率数据的拼接

    %macro sjzl;
    %do i=10 %to 20;
    data a&i.; set fhyf1; year=2000+&i.;month=6; keep var1 var2 c&i.  year month ;rename c&i.= fhyf;run;
    data b&i.; set fhyf1; year=2000+&i.;month=12; keep var1 var2 d&i.  year month ;rename d&i.= fhyf;run;
    %end;
    %mend sjzl;
    %sjzl;
    run;
    data fhyfsj;
    set a10 a11 a12 a13 a14 a15 a16 a17 a18 a19 a20 b10 b11 b12 b13 b14 b15 b16 b17 b18 b19 b20;
    run;
    proc sort data=fhyfsj;
    by var1 year month;
    run;
    data fhyfsj;
    set fhyfsj;
    label fhyf="fhyf";
    run;
    data hzsj;
    merge hz fhyfsj;
    by var1 year month ;
    run;
    data hzsj;
    modify hzsj;
    if close=. or fhyf=. then remove;
    run;
    proc contents data=hzsj;
    run;
    
    判断有无现金分红两种情况下的股票的收益率是否满足正态分布

    1.对不进行现金分红的股票进行验证

    data hzsj0;
    set hzsj;
    run;
    data hzsj0;
    modify hzsj0;
    if fhyf=1 then remove;
    run;
    proc means data=hzsj0;
    var r_pct;
    run;
    /*得到其均值为0.0642490 标准差为0.4412867 最小值为-0.8563339 最大值为12.0952381 */
    proc sort data=hzsj0;
    by r_pct;
    run;
    proc contents data=hzsj0;
    run;
    /*得到该数据集有16067个观测*/
    data hzsj0a;
    set hzsj0;
    p1=_n_/16067;
    p2=probnorm((r_pct-0.0642490)/0.4412867 );/*计算每个观测所对应的正态分布概率*/
    run;
    proc gplot data=hzsj0a;
    plot p1*r_pct p2*r_pct/overlay vaxis=axis1 haxis=axis2 vref=1;
    symbol11 v=. h=1 I=join L=1 font=swissb c=red h=1;
    symbol12 v=none I=join L=1 c=blue;
    axis1 label=('prob') order=(0 to 1 by 0.1);
    axis2 label=('r_pct') order=(-0.9 to 12.1 by 1);
    run;
    quit;
    
    image-20210529215703760

    由上图可以得到不进行现金分红的股票收益率大体满足正态分布

    2.对进行现金分红的股票进行验证

    data hzsj1;
    set hzsj;
    run;
    data hzsj1;
    modify hzsj1;
    if fhyf=0 then remove;
    run;
    proc means data=hzsj1;
    var r_pct;
    run;
    /*得到其均值为0.0825653标准差为0.4732710 最小值为-0.6722616 最大值为16.0056497 */
    proc sort data=hzsj1;
    by r_pct;
    run;
    proc contents data=hzsj1;
    run;
    /*得到该数据集有9130个观测*/
    data hzsj1a;
    set hzsj1;
    p1=_n_/9130;
    p2=probnorm((r_pct-0.0825653)/0.4732710 );/*计算每个观测所对应的正态分布概率*/
    run;
    proc gplot data=hzsj1a;
    plot p1*r_pct p2*r_pct/overlay vaxis=axis1 haxis=axis2 vref=1;
    symbol11 v=. h=1 I=join L=1 font=swissb c=red h=1;
    symbol12 v=none I=join L=1 c=blue;
    axis1 label=('prob') order=(0 to 1 by 0.1);
    axis2 label=('r_pct') order=(-0.7 to 16.1 by 1);
    run;
    quit;
    
    image-20210529215924301

    由上图可以得到进行现金分红的股票收益率大体满足正态分布

    进行T检验
    data hzsjjh;
    set hzsj;
    keep r_pct fhyf;
    run;
    proc ttest cochran data=hzsjjh;
    class fhyf;
    run;
    

    对是否现金分红的检验结果

    image-20210529220154575
    结论:从上图中可以知道,在当前报告期内有现金分红的股票收益率的均值在0.05的显著性水平下与无现金分红的股票收益率显著不相等,且明显大于无现金分红的股票收益率。在一定程度上,我们可以认为收益率高的股票更倾向于现金分红。也可以发现,收益率高的股票标准差较大,说明收益率高的股票波动性较大。

    二:然后,对假设二进行分析。

    对数据集hzsj 进行处理,区别出上一报告期有无分红,然后进行对两种类别的股票当期收益率的均值是否相等进行T检验;

    data hzcl;
    set hzsj;
    by var1;
    lag_fhyf=lag(fhyf);
    b=first.var1;
    if first.var1  then lag_fhyf='.';
    run;
    data hzcl;
    set hzcl;
    if lag_fhyf=0 then a=-2;
    if lag_fhyf=1 then a=2;
    run;
    data hzcl;
    modify hzcl;
    if lag_fhyf=. then remove;
    run;
    data hzcljh;
    set hzcl;
    keep r_pct  a;
    run;
    proc ttest cochran data=hzcljh;
    class a;
    run;
    
    image-20210529220353454

    根据以上结果,可以发现在0.05的显著性水平下,不能拒绝上一报告期有现金分红的股票的收益率与上一报告期无现金分红的股票的收益率均值相等的假设。所以,上一报告期有现金分红的股票的收益率不显著大于上一报告期无现金分红的股票的收益率。

    结论:上一报告期是否分红对当期的收益率影响不大;

    进一步分析连续两个报告期(上一报告期与当前报告期)无现金分红对股票收益率的影响;

    对数据集hzcl进一步进行处理;

    data hzcl1;
    set hzcl;
    if lag_fhyf=0 and fhyf=0 then a=-2;
    else  a=2;
    run;
    data hzcljh1;
    set hzcl1;
    keep r_pct  a;
    run;
    proc ttest cochran data=hzcljh1;
    class a;
    run;
    
    image-20210529221431575

    结论:连续两个报告期(上一报告期与当前报告期)无现金分红对股票收益率均值的影响不显著;

    进一步分析连续两个报告期(上一报告期与当前报告期)有现金分红的股票收益率与连续两个报告期(上一报告期与当前报告期)无现金分红的股票收益率的区别

    对数据集hzcl进一步进行处理;

    data hzcl2;
    set hzcl;
    if fhyf=1 and lag_fhyf=1 then a=2;
    if lag_fhyf=0 then a=-2;
    if  fhyf=1 and lag_fhyf=0 then a=0;
    run;
    data hzcl2;
    modify hzcl2;
    if a=0  then remove;
    run;
    data hzcljh2;
    set hzcl2;
    keep r_pct  a;
    run;
    proc ttest cochran data=hzcljh2;
    class a;
    run;
    
    image-20210529221534897

    结论:连续两个报告期(上一报告期与当前报告期)有现金分红的股票收益率与连续两个报告期(上一报告期与当前报告期)无现金分红的股票收益率之间的差异在显著性水平为0.05的条件下不显著;

    根据以上分析,可以得到如果该报告期内股票收益率高,则公司在该报告期会倾向于采取现金分红行为;但是公司所采取的现金分红行为,对下一报告期的股票收益率的影响十分有限,并不显著。

    2.对半强制分红政策的评价:

    ​ 半强制分红政策也许能使得公司的经营更加规范,便于监管者管理,在一定程度上保护投资者利益。半强制分红政策对于引导和规范上市公司分红行为以及保护投资者利益具有积极的意义, 但其局限性亦不容忽视。股市本就是风险由投资者自担,企业只要做到合法经营就行了。并且经过以上分析,半强制政策的实施对公司股票的收益率并无显著影响。这可能是由于半强制分红对企业的现金流管理,再融资等造成了困难。不同的企业的情况本就存在着很大差异,该项政策也没有考虑到企业的自身情况。

    ​ 但从另一个角度来看,股票收益率高的企业倾向于现金分红,这也许是企业的自身战略,也可能是半强制分红所起的作用,半强制分红对这些企业还是有较好的规范作用的。

    ​ 总之,仅通过目前的半强制分红政策来规范公司的行为是不太合理的,该政策有待仅一步细分,根据不同类型的公司作出相应的规定,可能会达到比较好的效果。

    展开全文
  • 本文使用从20031231到20201113上证50指数对数收益率样本共计4099个。按照每组包含20、40、60…600个样本的分组方式,将数据分别划分为相应的组数。先分别计算每个样本组的均值、标准差、偏度和峰度,再对所有样本组...

    本文使用从20031231到20201113上证50指数对数收益率样本共计4099个。按照每组包含20、40、60…600个样本的分组方式,将数据分别划分为相应的组数。先分别计算每个样本组的均值、标准差、偏度和峰度,再对所有样本组数据进行标准化处理,计算总体均值,标准差,偏度和峰度。

    """计算各种样本分组情况下的,数据标准化统计量平均值"""
    import pandas as pd
    import numpy as np
    import os
    import copy
    import matplotlib.pyplot as plt
    plt.rcParams['font.sans-serif']=['simhei']#用于正常显示中文标签
    plt.rcParams['axes.unicode_minus']=False#用于正常显示负号
    
    def makepath(path):
            """生成文件目录
            :param path:str,文件目录
            :return:
            """
            if os.path.exists(path)==False:
             os.mkdir(path)
    
    def ETF50_log_():
            """计算股价收益率的对数收益率
            :return: DataFrame,['交易日期','对数收益率']数据表格
            """
            ETF50=pd.read_excel('原始数据/ETF50.xlsx')
            ETF50.sort_index(inplace=True,ascending=False)
            ETF50.dropna(inplace=True)
            ETF50.index=range(len(ETF50))
            ETF50['对数收益率']=np.log(ETF50['收盘点位'].shift(1)/ETF50['收盘点位'])
            ETF50_log=ETF50.loc[1:,['交易日期','对数收益率']]
            return ETF50_log
    
    def sort_(days:int,data):
            """
            将数据按照日期划分为等天数的组,并计算所有组统计值的平均值
            :param days: int,每组的天数
            :param data: DataFrame,所使用的数据
            :return:每组天数,组数,[均值,标准差,偏度,峰度]
            """
            # days=30
            # data = ETF50_log
            index_sort=data.index[::days]
            data_index=data.loc[index_sort,:]
            data['{}天组'.format(days)]=0
            times=1
            for i in data_index.index:
                   data.loc[i:(i+days),'{}天组'.format(days)]=times
                   times+=1
            #pd.pivot_table(data,index=['{}天组'.format(days)],values=['对数收益率'],aggfunc=[])
            dict_describe={'组次':[],'均值':[],'标准差':[],'偏度':[],'峰度':[]}
            for time in data['{}天组'.format(days)].unique():
                    #time=1
                    data_time=data.loc[data['{}天组'.format(days)]==time]
                    dict_describe['组次'].append(time)
                    dict_describe['均值'].append(data_time['对数收益率'].mean())
                    dict_describe['标准差'].append(data_time['对数收益率'].std())
                    dict_describe['偏度'].append(data_time['对数收益率'].skew())
                    dict_describe['峰度'].append(data_time['对数收益率'].kurt())
            data_describe=pd.DataFrame(dict_describe)
            list_describe=data_describe.iloc[:,1:].mean().tolist()
            return days,len(data['{}天组'.format(days)].unique()),list_describe
    
    def main():
            """
            计算每组分组情况下的平均统计量和标准化统计量,并绘制图形
            :return: 平均统计量,标准化统计量
            """
            makepath('原始数据')
            makepath('生成数据')
    
            dict_all={'每组天数':[],'组数':[],'平均均值':[],'平均标准差':[],'平均偏度':[],'平均峰度':[]}
            ETF50_log = ETF50_log_()
            for days in np.arange(20,601,10):
                    size,numbers,describe=sort_(days, ETF50_log)
                    dict_all['每组天数'].append(size)
                    dict_all['组数'].append(numbers)
                    dict_all['平均均值'].append(describe[0])
                    dict_all['平均标准差'].append(describe[1])
                    dict_all['平均偏度'].append(describe[2])
                    dict_all['平均峰度'].append(describe[3])
                    print(days)
            data_all=pd.DataFrame(dict_all)
    
            #标准化的统计结果
            data_all_standard=copy.deepcopy(data_all)
            data_all_standard.iloc[:,2:]=(data_all.iloc[:,2:]-data_all.iloc[:,2:].mean())/data_all.iloc[:,2:].std()
    
            #绘制标准化统计结果折线图
            plt.figure(figsize=(10,8))
            for label in data_all_standard.columns[2:]:
                    plt.plot(data_all_standard['每组天数'],data_all_standard.loc[:,label],label=label)
            plt.legend()
            plt.xlabel('每组天数',fontsize=15)
            plt.ylabel('标准化平均统计量',fontsize=15)
            plt.title('标准化平均统计量',fontsize=15)
            plt.savefig('生成数据/标准化平均统计量.jpg')
    
            print(data_all)
            print(data_all_standard)
            return data_all,data_all_standard
    
    if __name__=='__main__':
            data_all,data_all_standard=main()
    
    

    最终可以获得标准化后的统计量均值,部分结果如下图所示:
    在这里插入图片描述
    很显然,随着每组的样本数量越来越多,平均偏度和平均峰度在变得越来越大!具体如图所示:
    在这里插入图片描述
    所使用的数据:

    展开全文
  • 不要把所有的鸡蛋放在同一个篮子里,这是投资界中经久不衰的至理名言。为了避免风险,投资人往往会将资产分散到不同的金融工具中,比如信托、债券、基金...一、投资组合的收益率计算投资组合的收益率很容易计算,总...

    不要把所有的鸡蛋放在同一个篮子里,这是投资界中经久不衰的至理名言。

    为了避免风险,投资人往往会将资产分散到不同的金融工具中,比如信托、债券、基金、股票、期货、期权甚至房地产市场等。那么在这么多金融产品中,我们如何选择才能在风险可控的情况下获取尽可能高的收益呢?资产配置就是为了解决这个问题。

    那么,如何去衡量不同配置下我们的组合资产的收益率与风险呢?

    一、投资组合的收益率计算

    投资组合的收益率很容易计算,总得来说就是总收益除以初始投入资本。假如我们一共投资了n种金融产品,则我们的投资组合的收益率为:

    投资组合收益率的计算过程,类似于加权平均值的计算。我们将每个金融产品的收益率乘以该产品的投资占比,并对结果求和即可。

    需要注意的是,这里计算的收益率是从头到尾的收益率,如果我们要计算一个收益率序列,是不能使用这种方式的。因为在*期的时候,我们的配置比例是固定的,但是在*期之后,随着不同产品的不同波动,它们占我们资产配置的比例已经发生了变化,因此需要不断迭代更新我们的比例参数,直接使用原始比例是错误的。

    二、投资组合的风险度量

    每个金融产品各自的方差与系数的乘积,也包含了两两产品之间的协方差项。也就是说,金融产品之间相关性越高,风险越大。

    这里就不推导了,事实上我们完全可以先计算出我们的投资组合收益率的序列,然后再用方差、下行风险等来计算投资组合的风险,这样还能应对不同时期不同金融产品比例发生变化的情况。

    三、Python实战:收益率

    那么接下来我们就用Python来看一下,不同的投资比例会对我们的收益率和风险带来什么影响。我们以万科A和东方财富两支股票来演示不同配置比例下整体的收益率和风险变化趋势。

    1. 先计算各产品的整体收益然后加权平均

    那么接下来我们来看收益率情况,我们先用期末各资产收益直接加权平均的方式来计算。

    由于过去两年万科的收益率是高于东方财富的,所以万科的持有比例越高,组合收益率就越高。不过我们还要看一下风险。

    2. 先计算投资组合的收益序列,再累乘

    前边提到,我们是可以先计算出投资组合的收益序列,然后再计算整体收益率以及风险的。

    这种方法和上一种方法的计算结果完全一致,但是我们获得了投资组合的收益率序列,后续就可以做更多事情。

    四、Python实战:投资组合的风险

    一种方法是使用各金融产品的方差及协方差,结合不同金融产品的投资占比,套入公式来计算,这部分留给读者自己探讨,我们接下来看一下另一种方法。

    先求投资组合的收益率序列

    可以看到,当万科资产配置比例在0.4-0.5左右的时候,投资风险是*的。但是前边我们也看到了,投资万科的潜在获利空间也比较高,所以我们要结合自己的风险承受能力以及预期获益水平来调整自己的资产配置比例。

    下行风险

    我们还记得,使用下行风险可以消除方差度量法的一些问题。那么我们就来计算一下不同配置比例下的下行风险。

    可以看到,在万科A与东方财富各占一半时,我们投资组合的下行风险*。这种方法*的好处就是不会将向上超出预期的收益计算进来,只会考虑低于预期收益的波动,这样与我们主观上的风险更为一致。

    还有其他几种风险量化方式,比如风险价值、*回撤等,聪明如你,赶紧来学习Python实操课程吧。

    展开全文
  • 这项研究通过使用中国和日本的股指收益数据来实证检验结构性突破对股本收益率波动持久性的影响。 应用标准的GARCH模型和两种结构断裂假变量,我们得出以下发现。 首先,我们发现对于中国和日本的股指收益率,当合并...
  • 在博格研究股市的时候,他发现,从1826年开始到现在,如果观察每25年股市回报率,基本年回报率都是正值,并且差距并不大,在4.7%-8.7%之间。平均下来,大约在7%左右。 同期的美国企业的股息率和盈利增长率之和,...
  • 股票收益率和通货膨胀率相互之间有一定的影响,而股票收益率与经济增长率之间的影响十分微弱,这表明,我国股票市场在一定程度上可以充当通货膨胀的避险器,但我国股票市场并不具备较强的经济预测功能。
  • 债券市场价格与到期收益率

    千次阅读 2021-02-05 05:19:36
    1、关于债券的息票利率和到期收益率折现亚 也就是说我的一笔钱 一年后拿到是100块 但是一年利息是2.25% 事实上这笔钱现在只值100/1.0225也就是97.8块 也就是说未来的钱和现在的钱是不一样的,因为金钱有它的时间价值...
  • 基金:波动率、收益率、贝塔系数、最大回撤率、夏普比率一、波动率与收益率1.基金波动率2.波动率的应用 一、波动率与收益率 价格波动会产生价差,价差能创造收益。基金市场的价格波动相对平稳,但下述两个指标依然...
  • 在投资市场上,有许多的专业术语需要投资者进行学习,对于债券基本知识,也需要我们去了解,比如...反映了投资者投资股票,用复利的方式计算出各个时期的货币收益率。到期收益率是包括价格、到期时间(赢家财富网www...
  • 债券价格与到期收益率之间的关系可转换债券首先表现出债性特征。类似于普通债券,可转换债券的债权价值反映在票面利率与本金的偿付方面。由于受到《可转换债券管理暂行办法》的限制,已发行转债的票面利率都低于同期...
  • 本文将分析2007-2018年的工业指数(DJIA)。工业指数(DIJA)是一个股市指数,表明位于30家大型上市公司的价值。工业指数(DIJA)的价值基于每个组成公司的每股股票价格之和。
  • 本文链接:https://blog.csdn.net/asialee_bird/article/details/89340563目录一、股票收益率1、股票的日收益率(1)计算股票的日收益率收益率计算公式如下:该公式可理解为两天的价格差除以前一天的价格,下面提供...
  • 我们记录了一个令人费解的现象,即中国股市的隔夜收益在统计上和经济上平均显着为负。 这一发现似乎违反了传统的资产定价理论,但这种异常对股票交易所的选择、股票类型和样本期的选择是稳健的,存在于不同的市场...
  • 绘制收益率曲线

    2021-10-13 18:17:23
    首先我们明确我们绘制股票收益率的图像需要哪几个步骤 1、从tushare获取数据 2、对数据进行处理 3、绘图 难点:对于数据进行处理,包括但不限于循环处理、日期的datetime化以及索引的设置和聚合 1、从tushare获取...
  • 本文将用Python编程,带你了解股票投资收益和风险的基本知识。一、股票收益1.1 导入CSV时序数据本文将分析微软2000年以来的股票交易数据(点我下载哦),它是一个 csv 格式的时间序列数据。你将使用 pandas 读取 csv...
  • 股票的预期收益率计算A. Introduction A.介绍 On this article we explain one of the three novel contributions behind the paper “High-performance stock index trading using neural networks and trees”, ...
  • 央行提高存款准备金率与股票收益率--——基于单因素方差分析的实证研究,黄永刚,,本文应用单因素方差分析的方法,利用江苏板块股票收益率的样本数据作了实证研究,对央行提高存款准备金率行为对股票收益率影响
  • 订单驱动市场上订单流与股票收益率关系的实证研究,刘轶,赵胜男,本文通过梳理订单驱动市场上订单流对股票价格的影响机制,提出订单驱动模式下订单流与收益率关系的理论假设,并通过多元线性模型
  • 什么是到期收益率?到期收益率与债券价格的关系在投资市场上,有许多的专业术语需要投资者进行学习,对于债券基本知识,也需要我们去了解,...反映了投资者投资股票,用复利的方式计算出各个时期的货币收益率。到期...
  • # 原始调整后的收盘价 daa = pdDatrme({sx(sm)for sm i syos}) # 对数收益率 ls = log(dta/dat.sit(1)).dropa() 基础知识 什么是时间序列? 时间序列是按时间顺序索引的一系列数据点。——Wikipedia 平稳性 为什么...
  • 运用计量经济学基本手段,...得出我国消费者信心指数granger因果影响股票市场的收益率,而滞后的股市收益率和消费者信心指数存在着负的相关关系,脉冲分析表明.消费者信心指数对股市收益率的扰动具有较长时期的滞后。
  • 即期收益率的英文名称是Spot rate,到期收益率的英文名称是Yield to Maturity(简写YTM),远期收益率的英文名称是Forward rate。 在了解这个问题之前,我们先来了解一下平均收益率和零息债券的概念。 如果你是一...
  • 本文将用Python编程,带你了解股票投资收益和风险的基本知识。一、股票收益1.1 导入CSV时序数据本文将分析微软2000年以来的股票交易数据(点我下载哦),它是一个 csv 格式的时间序列数据。你将使用 pandas 读取 csv...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 14,161
精华内容 5,664
关键字:

影响股票收益率