|
|
概括
本文从研究范式的角度回顾了当前金融计量经济学的主要研究成果。我们认为，金融计量经济学的发展主要围绕放宽价格和市场假设的最优投资和定价问题，目前超高频数据分析正逐渐成为最新的发展方向。
金融计量经济学通常是指对金融市场的定量分析。这里的“定量分析”，从广义上讲，不仅包括对金融市场中各种交易变量（如价格、交易量、波动性等）进行相应的定量分析和建模，还包括实证金融中的求和。 ( ) 持续金融的主要成果（et al (1997)）。狭义上，仅指对金融市场中各种交易变量的定量分析和建模（（2001），Engle（2001））（注：He和Engle等人一直关注金融市场中各种交易变量的定量分析和建模）。以时间序列建模为核心的金融市场，自然不会将实证金融和连续金融纳入金融计量经济学的范畴，相反，擅长实证研究的人往往将两者视为金融的重要分支。计量经济学）。
本文将采用等人的分析框架，仅以金融市场为研究对象。它将放弃宏观经济领域的金融研究内容（如金融政策分析、金融中介分析等），而专注于交易者（或金融市场）。从消费者的角度研究各种信用市场（如股票市场、外汇市场等）的内部结构和运行规则。具体来说，就是研究在证券（如股票、外汇、期货等）一定的价格过程和市场假设（以下简称价格和市场假设）下，如何进行最优投资和资产定价。
1. 市场假设的扩展
市场假说主要包括三个方面：交易者效用函数（如HARA型）、市场均衡和无套利假说（如完全市场）、市场摩擦假说（如完美市场）。从均值-方差分析((1987))到连续跨期投资模型((1990))，详细给出了持续宽松的价格和市场假设下最优投资策略问题的基本分析框架。最优的资产定价无非是不给其他交易者套利机会，即无套利定价（当然，如何更广泛地定义无套利是目前的一个重要研究领域）。 (1996)、(1997)和严家安(1998)从理论上总结了这一领域的主要研究成果。 Hunt (2000) 侧重于总结定价的实证结果。这里值得一提的一个热点研究领域是如何确定连续定价模型中的波动性参数，特别是如何将现有的测量模型（例如GARCH型模型）引入定价框架中。段金川(1995、1997、1999)成功地得到了GARCH离散期权定价公式并研究了相应的模型估计问题。有关这方面的文献，请参见Guo (2001)。 (2001)、(2001)是对整个连续金融领域最新研究成果的回顾。
对于上述市场假说的修正和完善，催生了行为金融学和不完全市场研究两个重要的研究领域。 (1984) 和 (1986) 是行为金融学领域的两篇开创性文章。他们假设，如果交易者是非理性的或者具有怪异的效用函数，如果市场上存在有限的套利（ ），——即由于市场交易成本或机构限制的存在，阻止交易者在任何套利机会上实施套利，并且然后研究交易者如何在这个市场上优化配置和定价资产。
(1999)和(2000)初步系统化了现有的主要行为金融学研究成果。不完全市场的研究可能永远是金融领域的研究重点，因为理论模型不可能完全符合现实。 (1986)、Davis 和 (1990)、(1998) 是研究具有交易成本的最优资产配置的有影响力的文献； Cox（1989）提出了一种新的鞅表示定理来取代一般的随机动态规划方法。研究不完全市场中的资产配置问题。 Heand Pages (1993) 和 Cuoco (1997) 研究了劳动收入和证券交易限制（如卖空）条件下的消费投资问题。 (1998)、(1999)和XIA(1999)是最近研究不完全市场中资产组合和定价问题的代表性著作，经常被引用。需要特别强调的是，Black（1992，1993）首次在连续框架下研究内部交易者（）的交易策略，这显然需要微观结构理论和不完全市场研究的结合。
2. 价格假设的检验和扩展
最重要的价格假设是 EMH（有效市场假说）（Fama (1970)）。如前所述，如果金融经济学是社会科学皇冠上的明珠，那么有效市场假说将占据它一半的荣耀。与 EMH 相关的是价格过程的随机游走假设（RWH）和鞅假设（注：EMH 和随机游走假设适用于离散价格模式，而鞅假设既适用于离散价格模式，也适用于连续价格模式。在离散情况下，它与有效市场假说和随机游走假设有显着不同（等人（1997）），在连续情况下，几何布朗运动是一个重要的表现，也是布莱克模型的价格假设）。 。这两个假设都描述了价格过程一阶矩的不可预测性。尽管Reloy (1973)和Lucas (1978)成功地构建了满足EMH的模型，但它并不满足RWH。在成熟市场（如美国信贷市场），人们普遍将RWH视为有效市场假说是否存在的重要检验形式。在中国这样的新兴市场，两者之间存在着巨大的差距（这在国内的实证研究中很少涉及！）。
这里我们以成熟市场为例，只讨论弱有效市场假说（实证检验的三种形式完全不同！）。例如，从要考察的单个证券的收益率变量来看（注意：如果价格是连续变量，则收益率过程与原始价格过程完全一致。但如果价格只能取离散值（将后面会介绍），那么两者完全不同），主要是测试是否满足RWH。 RWH意味着收益序列的不可预测性（仅针对第一时刻）和等间隔的等方差（注：例如，在RWH假设下，两周收益的方差应该是一周收益方差的两倍。重要的实证结果可以在 (etal (1997)) 中找到，但至今仍然很活跃，Fama 和 (1998a) 以及 (1988) 获得了对当前回报的有效预测。滞后收益；关于收益可预测性的实证分析文章有很多，例如来自 D/P 比率（/Price）的 和（1988a）、Fama（1988b）、（1988b）； P 比率 (/Price)； (1999) 来自市场背书比率 (Book-to-)； (1998) 来自股息支付比率 ( )； （1999），（2000）来自新的融资结构；（1987），（1992）也来自最近的短期利率变化；以及（1999a）来自收入与财富的消费比率（1999b），Fama和（ 1989）从经济周期周期等角度来看。这不包括对具有较长滞后（如2至3年）的均值回归（Mean-）行为的研究 年）。事实上，在测试返回序列的可预测性时，RWH认为序列增量是独立的，因此一般会测试序列增量的相关性。需要强调的是，上述测试文章均依赖于频率较低（主要是月度数据）的交易数据库，不同的数据库可以得出完全不同的结论（Wood（2000））。
(1999) 还发现，低频数据中回报的可预测性比高频数据中的回报更为重要。例如，如果用D/P比率来预测，月度数据优于年度数据和两年期数据。与上述相比，可预测性部分从2%增加到18%和34%。因此，高频数据的分析在该领域也是必不可少的。 Lucas（1999）再次证明，在不同频率的数据下，回报存在可预测的部分。我们将在下一节中介绍高频数据的实证结果。
检验回报的可预测性还可以从多变量角度开始，即回报的横截面数据分析。从实证的角度来看，如果能够构造出一种可以显着获得额外收益（与利率相比）的交易策略，那么它将对有效市场假说提出挑战，因为它“击败了市场”（Beat the）。和（1985）发现，当前表现良好或非常糟糕的证券在 36 个月后将出现相反的表现，他们将其归因于交易者的过度反应（）。 (1992)在考虑市场风险和规模效应后再次证实了他们的发现。基于 和 的发现，可以构建一个策略——即卖出当前表现良好的证券，买入表现不佳的证券，那么36个月后将获得超额利润（相对于利率）。等人(1994)、(1998)进一步解释了这一策略存在的原因。而（1993）发现了另一个非常奇怪的“”现象，即过去3至12个月回报率高的证券在未来往往表现不佳。据此，可以构建交易策略。这一现象目前引起热议。 (1998)论证了交易策略在国际金融市场上的广泛存在：(1999)意在从公司的行业背景来解释这一现象； Chui等(2000)从产权结构进行了解释； (2000)评估了各种现象的解释理论再次证实了该策略的盈利能力。有趣的是，Hong（1999）实际上获得了上述两种奇怪现象的统一理论模型。从横断面分析的公因子角度看，Fama等(1992，1993)建立的因子模型是该领域研究的基础。目前有很多文章讨论因子模型。最新进展参见Fama and (1998), (1999), (2000)等。
收益模型研究在计量经济学中一直占有非常重要的地位。显然，描述一阶矩是没有意义的，所以人们主要关注对二阶矩的建模。即收益波动率的测量模型。正如(2001)所说，ARCH模型和GMM估计是过去20年金融计量经济学发展中最重要的创新。在目前所有的波动率模型中，ARCH模型在理论研究的深度和实证应用的广度上是独一无二的，尽管也有一些更重要的波动率模型如SV模型和SV模型。目前，该领域工作的优秀文献综述包括 et al (1992)、Engle (1995)、al (1998) 和 (1996)。这里重点强调两个重要的研究成果：一是Drost等(1993)和Weker(1996)建立的基于不同频率数据的弱GARCH模型的一致性结果，并开始从理论上讨论数据频率是否发生变化。建立的GARCH模型之间的内在关系。第二个是（1990）和（1996a，1996b）建立的GARCH模型的随机微分方程（SDE）描述的极限形式，证明即使GARCH模型不是真实的数据生成模型，一致的波动率估计也将是获得。该结果一方面是针对GARCH的鲁棒性，另一方面也为研究离散计量经济模型与SDE描述的连续模型之间的联系提供了一个研究框架。这两个结果与GARCH模型在高频数据中的应用有直接关系。顺便说一句，一般来说，GARCH模型最适合对日常数据进行建模，Engle（1982）使用英国季度通胀数据进行建模。
(1982)与Engle(1982)同年发表在同一杂志()上，提出了GMM估计。虽然最初只是一篇理论文章，但现在GMM估计已经成为计量经济学（尤其是金融计量经济学）的重要组成部分。世界上最重要的估计方法之一，主要原因是GMM估计不需要变量分布函数的形式，同时可以给出更准确的估计。等人(1993)在GMM的基础上提出了间接推理的估计方法；等（1996，1998）提出了有效矩估计法（EMM）。 EMM估计在(1999)等人(1999)中取得了很好的估计结果，并且(2001)给出了简短的EMM总结。 （2001）认为这些估计方法将在未来的金融计量经济学（特别是高频数据建模估计）中发挥支柱作用。
最新的波动率模型包括等人(1998)的模型、等人(1999)的模型以及等人(1997)和Frey(2000)的尾部极值理论估计。目前尚不清楚这些模型与 GARCH 类型模型之间的 ARCH 特征有何不同。在未来波动率建模研究中，有两个重要的发展方向：多元模型和高频模型的建立、估计检验以及其他性质研究。 Engle（2001）也强调了这一发展方向。诚然，在过去的金融计量经济学中，多元GARCH模型并没有取得突破性的进展，尤其是在处理“维数灾难”方面。也可以说，正因为如此，多元模型的研究一直处于停滞状态，但多元模型的实际经济意义是不言而喻的。高频数据模型的快速发展，使得单变量模型找到了新的发展领域。一是因为当前的计算机能力和数据可用性已经为高频模型的发展提供了条件，并且两者确实都为现实的市场参与提供了机会。与投资者的需求密切相关的是另一个蓬勃发展的金融研究领域：市场微观结构理论——该研究领域的目的是研究市场价格形成的过程。
3. 特高频数据分析
对于频率较低的数据，如年度、月度或每周数据，数据采集的时间可以与其在相应测量模型中表示的时间完全一致。但对于日常数据来说这是不可能的。例如，每周有两个假期（没有交易数据），那么上周五交易日的数据和下周一的数据实际上相隔两个交易日，这与其他相邻交易日数据之间的时间间隔不同。如果中国市场出现“五一”、“国庆”等长假，前后成交数据的时间差异会更大。将此称为“模型时间与实际时间之间的不一致”。对于日内数据来说，这种不一致进一步“加剧”，甚至在日内交易数据之间也会出现。对于UHF数据来说，还会出现另一种时间不一致的情况：“数据时间与交易时间不一致”，也就是说同一时间的交易可能会因为交易系统或者数据传输等原因而在不同的时间被处理。时间;并且不同时间的交易也可能同时合并并发布相同的数据。这些都造成了UHF数据不等间隔交易的随机性，因此也可以说UHF数据是随机时间发生的一组不等间隔交易数据，它构成了UHF数据的原始数据。特征。其第二个主要特征是其数据值的离散性。一般情况下，我们在处理价格过程时，会假设它是一个连续变量，从而等价地将其转化为对收益率过程的考察。然而，在超高值数据中，每次价格变化通常是一个离散值，并且像纽约证券交易所市场一样，它显着集中在 1/8$ 左右（（1986））。显然这需要一个特殊的计量经济学模型来描述这种价格离散状态（Price）。
随机交易区间效应是目前比较活跃的领域，and(1987)和O'Hara(1992)是较早进入该领域的代表性文献。 （1987）将随机交易间隔与市场信息传递联系起来，并根据经验表明较长的交易间隔总是与不良信息的发布相关。 O'Hara（1992）进一步认为，较长的交易间隔也与未信息发布有关，而交易频率也与知情交易者的数量直接相关。等(1993、1994、1995)讨论了随机交易区间的经济意义，特别是从市场信息和监管者政策制定的角度，探讨了如何利用制造业市场随机交易区间的特点进行引导和控制。市场。交易状态。 （1996，1999）研究了随机交易区间对买卖价差形成的长期和短期影响。在此基础上，(2000)进一步讨论了随机交易区间在整个价格形成过程中的作用以及价格在影响交易过程中的作用。
目前，对不等间隔高频数据的建模主要从随机交易间隔的表征出发，进而提出ACD模型（ ）。恩格尔在ACD模型研究中的作用相当于他对ARCH模型发展的贡献。更准确地说，Engle（2000）可以看作是UHF数据定量分析的宣言，Engle（2000）给出了积极的回应。 ACD模型的雏形形成于Engle(1994)的讨论论文中，后来在Engle(1998)发表的论文中进行了改进。他们的直接想法是在原始ARCH模型的框架下，使用一个标记点过程（点）来表征随机交易区间。不同的点过程假设自然会导致不同的ACD模型。 Engle and (1996)、Engle and (1998)使用ACD模型相对漂亮地预测交易量比率等实时交易变量。 Engle和Large（1997）采用ACD模型的思想和技术来衡量和预测市场流动性。近两年，ACD模型的研究不断深入。 Engle 和 Lunde (1996) 提出了引入价格和交易量的二元 ACD 模型。 Engle (1996) 引入了类似阈值的想法并提出了非线性 ACD 模型。后来，Zhang 等人（1999）进一步扩展了他们的模型。事实上，这些ACD模型的发展与当年ARCH模型的发展非常相似。当然，ARCH模型当时在计量经济学界并没有如此强烈的反响，但一些著名的计量经济学家已经接受了恩格尔的ACD建模思想。等人(1998)提出了一个模型，并在(2000)分析了该模型，进一步阐述了该模型的经济意义。 Touzi（2000）将点过程建模思想引入到保险问题中。
正如前面所讨论的，真实市场机制很难满足交易变量的连续性假设。例如，纽交所股票的最小单位变动为1/16美元，自1987年股灾调整后一直维持在1/8美元。截至目前，中国深沪股市最小变动单位为0.01。显然，这使得股价不可能以低于最小变动幅度的间隔变化。这将不可避免地导致股价的离散值。 (1986)发现纽交所的股价变化大多集中在1/8$，也就是说，如果当前股价是501/8$，那么接下来的股价大多会是50$或501/4 $。 (1994) 等人 (1994) 给出了更详细的实证结果。例如，他们发现股价变化是1美元的倍数比1/2$多，1/2$比1/4$多的倍数；偶数 1/8$ 的变化大于奇数 1/8$。我们需要等待更多的现象。他们将这些现象归因于做市商为了维持较大的买卖价差而人为地进行市场调整。 Godek（1996）和Max（1996）积极讨论了这些有趣的市场实证结果，所有这些都表明价格的离散值越来越具有其自身的经济意义。例如，最小价格变动幅度的变化对市场有何影响？这个问题很容易被忽视，但却触及了市场本质的一些价格发现和市场机制设计问题，具有很大的理论和实践价值。 Peake（1995）和（1997）认为，减小最小变动幅度可以增加市场流动性，从而缩小市场买卖价差，促进市场竞争。向（1997）认为，这只能使流动性需求者受益，但会损害流动性提供者，因为买卖价差的缩小自然会打击那些流动性提供者（如交易者、做市商等）的供给动机，这涉及到市场深度问题。以及(1998)和(1998)分析了纽约证券交易所的情况，认为最低价格变动幅度下降2%也会导致市场深度达到38%至45%，从而增加低价股票的市场流动性。 Van Vess 等人 (1999) 全面分析了 NYSE、AMEX 和 . (2000)进一步利用NYSE限价订单数据分析了最低价格变动对市场微观结构各方面的影响，结果与之前的结果基本一致。这些只是离散价格值的经济意义的一方面。此外，市场机制设计、价格发现等具体方面的研究影响力日益增强。
4.金融计量学的未来发展
从上面对金融计量经济学基本框架的分析，我们大致可以感受到金融计量经济学的两大特征：一是它的实证性，即我们需要知道当前的市场是什么样子，是如何演化成这样的。 ;其次是它的造型。通过计量经济模型的建立，可以更加准确地描述当前市场状况，预测金融市场未来的发展变化。在微观结构理论中，这两点都得到了充分的体现。如果说GARCH模型是在解释与价格过程相关的波动性是什么样子的话，那么微观结构理论的核心就是探索现有的价格过程是如何形成的。市场机制设计以及不同类型交易者（如、、噪声）对市场价格的影响都是微观结构理论的重要研究内容。显然，高频数据分析是该领域的重要研究工具。 O'Hara（1995）是第一本也是目前唯一一本系统讨论一些相对成熟的理论成果的专着。 (1995) 和 Pagan (1996) 总结了一些关键的微观结构研究领域。微观结构理论实际上仍然属于金融计量经济学的价格假说范畴。它对资产配置和定价理论有何影响？ O'Hara(200)认为这是微观结构理论未来发展的一个重要方向。她甚至指出，微观结构理论与公司金融、宏观福利经济学等的联系也是一个重要的研究方向。
在这个分析框架下，我们会发现金融市场（超）高频数据的研究将对金融市场的计量经济建模、实证金融乃至连续金融产生巨大的挑战和影响，从而加速各种研究的融合场（郭兴义等（2001））。
十大热门图文
1.
3.
4.
5.
注：目前公众号已具备PIN功能。请将微信更新至最新版本，点击“计量经济学服务中心”公众号，点击“固定公众号”按钮将我们置顶。这样您就可以首先发现我们。
计量经济学服务中心
永远和你在一起
学术问题，来碗里
论文指导、软件操作、学术技能、数据分析等，共同见证学术的力量 |
|
发表于 2024-12-9 03:14:45