野叟献曝说课材料

野叟献曝汇报提纲我期望的研究模式如何应用简单工具工作如何把抽象问题定量化如何说明结果的正确性我期望的研究模式现实生活的观察提出自己的假设数理模型的演绎经济含义的解释实证检验及应用案例：我国货币乘数的运行规律研究动机：中国人民银行金融规划。观察：货币乘数呈现一种稳定上升的态势其中：总准备金比率r、通货比率k和定期存款比率t从r、k和t的走势图来看，2006年之前r和k表现出长期的下降趋势，而t除了在2005年有个跳跃式上升之外，其他时间也表现出长期的下降的趋势。比较k和t的增长率会发现，定期存款比率t的增速都是大于通货比率k的。

假设：（1）总准备金率和定期存款比率具有长期下降趋势；（2）定期存款比率的增长率大于通货比率的增长率；（3）上述两条造成货币乘数的长期上升趋势。数理推导：经济解释：（1）总准备金率的下降，体现了金融制度的创新。总准备金率的下降，一方面表明银行用于业务经营的资金比重在增加，说明商业银行以利润为中心的趋向逐渐加强，银行商业化程度逐步提高；另一方面也说明央行对商业银行的控制在减弱，商业银行有了更大的经营自主权。（2）通货比率长期的下降趋势，体现了金融工具的创新，电子货币的逐渐兴盛，对现金起到了很大的替代作用，导致通货比率也一直呈现下降的总体趋势。定期存款比率的下降对应着活期存款比率的上升，由此对应着货币乘数的下降。（3）定期存款比率的增速长期高于通货比率增速，体现了准货币的增速高于流通货币增速，也是金融工具创新的直接结果。实证与应用：在没有观察假设的情况下，单位根检验发现，货币乘数本身是带有时间趋势的单整序列，并且偏自相关系数一阶截尾，故对M2B建立带有时间趋势的一阶自回归模型。样本外预测结果见左。有观察假设时，知货币乘数受总准备金率的影响，预测方程中加入影响因素，拟合精度得到了很大的提高，非常接近于1。12个月的样本外预测误差都小于5%。样本外预测效果见右图。如何应用简单工具工作多熟悉研究对象尽可能收集数据模型与数据适配多视角全面考察数据样本为在2001年1季度与2008年1季度之间以单户处置方式处置完毕的企业，共3808户，覆盖23个省市自治区、19个行业大类。以企业的不良贷款被处置结束的时间为准，计算每个季度处置完毕的企业户数及违约金额加权计算平均回收率，（记作RR）。每个季度处置完毕的企业都在50户以上，保证了计算平均回收率时有足够的样本，不会因为样本过少而产生偏差。案例：不良贷款回收率与经济周期尽可能收集数据GDP：国内生产总值增速（%）；EI：企业景气指数（EnterprisesIndex），综合反映企业的生产经营状况；CI：宏观经济一致指数（CoincidentIndex），反映当前经济的基本走势，由工业生产、就业、社会需求、社会收入等4个方面合成；LI：宏观经济先行指数（LeadingIndex），由一组领先于一致指数的先行指标合成，用于对经济未来的走势进行预测；INV：全社会固定资产投资增速。观测数平均值标准差最大值最小值相关系数GDPEILICIGDP2910.31.212.28.11EI29131.97.4144.9117.40.931LI29101.71.0103.599.20.890.851CI29100.02.5103.095.00.910.930.831INV2926.85.538.314.70.500.490.560.67宏观变量描述统计寻找直觉季度数RR平均值RR标准差GDP<=10.4%150.1680.079GDP>10.4%140.2460.098Diff(1-2)-0.078t-TeststValue-2.36Pr>|t|0.026经济繁荣和低迷时期的回收率对比每季度平均回收率和GDP增速的散点图寻找直觉平均回收率RR和宏观变量的趋势图（TC项）季度平均回收率和宏观变量的格兰杰因果检验定量考察lag1234F-StatF-StatF-StatF-StatRRdoesnotGrangerCauseGDP0.010.020.100.10GDPdoesnotGrangerCauseRR5.10b1.441.111.65RRdoesnotGrangerCauseINV0.460.220.350.73INVdoesnotGrangerCauseRR0.010.110.401.12RRdoesnotGrangerCauseEI0.790.350.250.34EIdoesnotGrangerCauseRR6.43b1.85RRdoesnotGrangerCauseLI0.630.620.120.14LIdoesnotGrangerCauseRR0.830.941.80RRdoesnotGrangerCauseCI0.900.580.270.28CIdoesnotGrangerCauseRR0.660.020.021.35深入下去企业户数债权总金额回收总金额回收率（万元）（万元）（%）抵押1809294928962780721.29保证1543216009143639020.20信用45613519371172598.67全部38086461317118145618.29多角度考察DependentRRLRRRRLRRRRLRRRRLRRIntercept-0.26-4.01-0.22-3.69-0.78-6.14-0.78-6.62(-1.85)c(-5.94)a(-1.58)(-5.46)a(-2.81)a(-4.40)a(-2.86)a(-5.01)aGDP0.050.23(3.47)a(3.57)aGDP(-1)0.040.20(3.23)a(3.09)aEI0.010.03(3.62)a(3.24)aEI(-1)0.010.04(3.68)a(3.79)aNo.ofobs2929292929292929F-stat12.0512.7410.459.5213.1310.5113.5214.39P-value0.000.000.000.000.000.000.000.00R-Square0.310.320.280.260.330.280.330.35AdjR-sq0.280.300.250.230.300.250.310.32DependentRRLRRRRLRRRRLRRIntercept-5.93-32.60-1.83-11.850.19-1.92(-3.99)a(-4.61)a(-2.48)b(-3.32)a(2.19)b(-4.66)aLI0.060.30(4.14)a(4.38)aCI0.020.10(2.78)a(2.87)aINV0.000.01(0.45)(0.74)No.ofobs292929292929F-stat17.1819.217.758.210.200.55P-value0.000.000.010.010.650.47R-Square0.390.420.220.230.010.02AdjR-sq0.370.390.190.20-0.03-0.02单变量模型：抵押贷款多角度考察单变量模型：保证贷款DependentRRLRRRRLRRRRLRRRRLRRIntercept-0.07-3.23-0.06-3.20-0.30-4.05-0.49-5.55(-0.47)(-4.13)a(-0.43)(-4.28)a(-0.98)(-2.50)b(-1.72)c(-3.71)aGDP0.030.15(1.93)c(2.03)bGDP(-1)0.030.15(1.97)c(2.08)bEI0.000.02(1.70)c(1.48)EI(-1)0.010.03(2.48)b(2.60)aNo.ofobs2929292929292929F-stat3.744.113.864.312.882.186.146.77P-value0.060.050.060.050.100.150.020.01R-Square0.120.130.130.140.100.070.190.20AdjR-sq0.090.100.090.110.060.040.160.17DependentRRLRRRRLRRRRLRRIntercept-2.69-17.36-0.79-7.660.26-1.62(-1.58)(-1.93)c(-1.03)(-1.91)c(3.22)a(-3.81)aLI0.030.15(1.71)c(1.75)cCI0.010.06(1.31)(1.49)INV0.000.00(-0.54)(-0.09)No.ofobs292929292929F-stat2.923.061.722.230.290.01P-value0.100.090.200.150.590.93R-Square0.100.100.060.080.010.00AdjR-sq0.060.070.030.04-0.03-0.04多角度考察单变量模型：信用贷款DependentRRLRRRRLRRRRLRRRRLRRIntercept-0.09-5.13-0.16-4.89-0.37-8.24-0.59-8.25(-0.43)(-4.03)a(-0.81)(-3.97)a(-0.90)(-3.22)a(-1.49)(-3.25)aGDP0.020.29(1.24)(2.36)bGDP(-1)0.030.27(1.67)(2.25)bEI0.000.05(1.30)(2.39)bEI(-1)0.010.05(1.91)c(2.41)bNo.ofobs2727272727272727F-stat1.535.592.805.061.705.723.645.83P-value0.230.030.110.030.200.020.070.02R-Square0.050.170.090.160.060.170.120.18AdjR-sq0.020.140.060.130.020.140.090.15DependentRRLRRRRLRRRRLRRIntercept-1.59-30.10-1.14-17.580.24-2.54(-0.68)(-2.03)b(-1.12)(-2.79)a(2.26)b(-3.60)aLI0.020.27(0.74)(1.88)cCI0.010.15(1.28)(2.45)bINV0.000.01(-0.73)(0.59)No.ofobs272727272727F-stat0.553.541.656.000.540.35P-value0.460.070.210.020.470.56R-Square0.020.120.060.180.020.01AdjR-sq-0.020.080.020.15-0.02-0.02多角度考察多变量模型：不做变量筛选抵押保证信用DependentRRLRRRRLRRRRLRRIntercept-2.71-24.866.0015.953.261.15(-0.61)(-1.19)(1.37)(0.64)(0.47)(0.03)GDP0.010.130.030.180.000.18(0.30)(0.65)(0.79)(0.78)(-0.02)(0.41)GDP(-1)-0.01-0.120.00-0.010.01-0.15(-0.13)(-0.64)(-0.03)(-0.05)(0.20)(-0.36)EI0.00-0.01-0.01-0.040.00-0.01(0.42)(-0.25)(-0.87)(-1.09)(-0.40)(-0.17)EI(-1)0.010.050.010.060.010.03(1.54)(1.84)(2.46)(2.11)(0.79)(0.51)LI0.050.290.000.02-0.02-0.05(1.15)(1.47)(-0.05)(0.10)(-0.27)(-0.11)CI-0.02-0.090.050.200.060.36(-0.50)(-0.41)(1.19)(0.77)(0.87)(0.75)INV0.000.000.00-0.01-0.01-0.03(-0.08)(-0.09)(-0.72)(-0.42)(-1.14)(-0.65)No.ofobs292929292727F-stat2.182.461.791.270.640.66P-value0.070.050.140.310.750.74R-Square0.510.540.310.300.210.22AdjR-sq0.340.380.080.06-0.05-0.03多角度考察多变量模型：变量筛选抵押保证信用DependentRRLRRRRLRRRRLRRIntercept-4.75-27.000.69-0.41-0.59-17.58(-2.77)a(-3.34)a(1.28)(-0.14)(-1.49)(-2.79)aGDPGDP(-1)EIEI(-1)0.010.040.010.050.01(2.25)b(2.35)b(3.67)a(3.33)a(1.91)cLI0.060.32(2.78)a(3.02)aCI-0.02-0.120.15(-1.71)c(-1.84)c(2.45)bINVNo.ofobs292929292727F-stat8.079.136.765.733.646.00P-value0.000.000.000.010.070.02R-Square0.490.520.340.310.120.18如何抽象问题定量化实证分析（横向比较）代理变量的选择代理变量的离散化赋值统计模型的应用（例如：Logistic）数值模拟（纵向比较）成熟的理论出发以关键因素为目标多尺度多角度数值模拟计算案例1：发展中国家对外贸易战略与汇率制度选择汇率制度是经济学的传统研究领域，Mundell获诺贝尔奖。人民币汇率制度问题一直到现在是热点。我们的工作是2003年，当时我国刚加入WTO不久，有关中国汇率制度的走向争论很多，核心就是人民币汇率和贸易的关系。中国是后发国家，我国更多时跟从和赶超的战略，国际经验无疑对我国有重大参考价值；各个国家的宏观经济数据、贸易数据，国际上有比较丰富，比较可信的数据（双边数据），数据的获取相对容易。实证研究有可能。代理变量的选择经典汇率制度选择理论：最优货币区理论（Mundell，1961）和开放经济下的宏观经济政策理论（Mundell-Flemming1961）以及在此基础上产生的“不可能三角理论”（impossibletrinity）。经典理论下的代理变量：贸易开放度（通常用出口与进口之和与GDP的比值衡量），经济总量（以美元的GDP衡量），经济发展程度（以人均GDP衡量），贸易集中度（对主要贸易国的贸易量占该国贸易总量的比例），资本开放程度（用私人资本流入量与流出量之和与GDP的比例进行衡量）。代理变量的选择现代汇率制度选择理论：名义锚（nominalanchor）理论（Edwards，1996）和美元化经济（DollarizationEconomy）理论(Calvo,1999，2000）。现代理论下的代理变量：民主程度（各个政党席位比例的平方和），通货膨胀（1加上通货膨胀率取对数值，高度通货膨胀率，通货膨胀率超过500％的取值为1，否则取0）美元化经济程度（一国外债与广义货币（M2）发行量之间的比例），中央银行的独立性程度（用政府向中央银行借款占中央银行贷款总额的比例衡量）。代理变量的选择发展中国家的贸易政策：内向型经济（inwardorientationeconomy），进口替代战略，是指采取贸易保护政策，发展本国消费品和制造业，来替代对国外产品的进口；外向型经济（outwardorientationeconomy），出口拉动战略，指采取鼓励和保护的措施，发展以制造品为主的生产和出口。贸易政策的代理变量：资本流出量占GDP的比例，出口量占GDP的比例，汇率持续变动率前5年的平均值，FDI占GDP的比例，初等教育水平（初等教育人群占总人口的比例）。数据和模型49个发展中国家，1974年到2000年之间的数据。数据来源：InternationalFinancialStatistics/IMF、DirectionofTradeStatistics/IMF、FreedomHouse，/ratings、Statisticalyearbook/UN、World

Bank。模型：OrderedLogisticRegression，OrderedProbitRegression：

Then

Then

Φ是正态分布的累积密度函数数据的处理汇率制度分为三类：固定汇率制度、中间汇率制度、浮动汇率制度。LYSexchangerateregime（Levy-Yeyati-Sturzenegger（2002））IMF（2000）的八种官方汇率制度的分类归为三：（1）盯住汇率制度（pegs），包括货币局

(currencyboard)、没有独立法币的汇率制度(noseparatetender)，传统的盯住汇率制度（conventionalpegs）；（2）浮动汇率制度，单独浮动（independentfloats）；（3）中间汇率制度：爬行盯住汇率制度（crawlingpegs）、水平带内的盯住（Peggedexchangeratewithhorizontalbands）、爬行带内的盯住（Crawlingband）、管理浮动（managedfloats）归为中间汇率制度。实证结果：IMF分类浮动汇率制度中间汇率制度固定汇率制度VariableMeanStd.Dev.MeanStd.Dev.MeanStd.Dev.TROP0.7944480.93635031.0535260.89856990.6110780.551198LGGDP4.4544820.73959213.9924260.95045314.0135910.929877MTP0.349190.2285440.4760220.4344560.3835830.310997GRT0.1983420.5803690.305850.47352450.2451860.488166VOLGOV50.015240.01969010.0332370.09064120.0197390.022388DFOTCF0.1195410.1815570.186080.26757810.1209840.437775LGINF0.4454350.3101750.2505370.35785550.3891620.316739HYPER0.0231660.150576000.0241940.15396DEMOC3.3682311.5542523.8308821.6630543.7524951.765667FCBM0.2792360.69953760.119450.24302860.2559360.939046CBI0.2061570.54569210.2377794.1048180.3478361.529837EXGDP0.4324570.55452980.5467240.5595350.4559970.316932CFOGDP0.0754650.2718080.084641.0.2067360.0276290.0604781ELED0.0650350.02676780.0689560.02799250.0658750.066421FDIGDP0.0221450.05877830.1364810.38349290.0254350.045918EXVL51.2370096.1325870.3992240.29606610.2691390.82732实证结果：LYS分类浮动汇率制度中间汇率制度固定汇率制度VariableMeanStd.Dev.MeanStd.Dev.MeanStd.Dev.TROP0.5753880.4876310.7811921.0152550.8298760.810846LGGDP4.4754920.5951894.4140890.7092533.8750620.938922MTP0.352030.2729490.3404790.2070230.4386110.327794GRT0.1524070.4323510.1847240.7143980.2891980.402752VOLGOV50.0215120.0524830.0186630.0313520.0243520.037355DFOTCF0.0953430.1168540.1100520.134590.2401580.60493LGINF0.3788690.2427020.4525120.4438760.3960380.295716HYPER000.0588240.23572800DEMOC3.2188761.2909763.2802011.2992533.6452911.696494FCBM0.1645540.2259650.3650680.4182880.2172210.510026CBI0.352020.9087790.1969710.4201650.4786693.36697EXGDP0.3307740.310630.4695140.603210.5245170.498725CFOGDP0.0994180.3067750.0240110.0447490.0241650.052295ELED0.0610540.0232150.0631130.0280360.0636780.058843FDIGDP0.021470.022220.0227820.044450.0427990.18101EXVL50.506010.8908035.23169554.870460.6602243.55938实证结果:

OrderedLogit

Regression因变量解释变量LYSERRLYSERRIMFOERRIMFOERR经典理论变量

TROPMTPLGGDPGRTVOLGOV5DFOTCF

0.126(1.05)0.618(1.20)-0.363(-2.92)0.697(3.67)-6.270(-1.74)0.621(1.24)0.731(1.30)-0.566(-3.90)0.729(3.42)-15.450(-2.13)-0.942(-4.94)0.674(1.57)-0.682(-4.72)0.332(1.55)4.251(1.80)0.286(0.37)0.771(1.44)-0.747(-4.57)0.285(1.22)-4.849(-0.71)现代理论变量LGINFHYPERDEMOCFCBMCBI-0.091(-0.774)0.603(1.06)-0.014(-0.21)0.199(1.23)-0.273(-1.31)-0.093(-0.27)0.795(1.23)0.007(0.09)0.410(1.83)0.031(0.14)-1.217(-3.37)2.135(3.05)0.068(0.95)-0.383(-1.78)-0.082(-0.33)-1.229(-3.02)2.035(2.72)0.001(0.01)-0.825(-2.18)0.380(1.40)贸易政策变量EXGDPELEDFDIGDPCFOGDP0.815(2.90)2.645(1.46)6.035(2.42)-0.141(-0.05)0.456(1.61)1.746(1.35)11.428(3.38)-7.454(-2.36)PseudoR20.04860.07860.09440.1105因变量解释变量LYSERRLYSERRIMFOERRIMFOERR经典理论变量

TROPMTPLGGDPGRTVOLGOV5DFOTCF

0.086(1.21)0.316(1.10)-0.216(-2.91)0.427(3.69)-3.766(-1.96)0.375(1.26)0.512(1.71)-0.332(-4.01)0.442(3.52)-4.405(-2.18)-0.549(-4.87)0.395(1.45)-0.408(-4.78)0.205(1.58)2.562(1.61)0.167(0.38)0.542(1.80)-0.367(-4.13)0.198(1.47)-0.266(-0.17)现代理论变量LGINFHYPERDEMOCFCBMCBI-0.034(-0.18)0.421(1.15)-0.011(-0.28)0.133(1.35)-0.166(-1.29)-0.064(-0.30)0.359(0.93)0.045(0.6)0.099(1.44)0.057(0.42)-0.730(-3.40)1.284(3.02)0.045(1.05)-0.202(-1.92)-0.087(-0.59)-0.754(-3.34)1.335(3.05)0.009(0.20)-0.127(-1.22)0.131(1.38)贸易政策变量EXGDPELEDFDIGDPCFOGDP0.433(3.13)1.595(1.41)0.026(0.12)-1.400(-2.51)0.241(1.68)2.253(1.321)0.254(1.11)-0.481(-1.83)PseudoR20.04860.08530.09450.1122实证结果:

OrderedProbit

Regression主要结论贸易政策影响了发展中国家汇率制度的选择，出口拉动程度越强的国家，越倾向于选择固定汇率制度；经典理论中的贸易依赖程度、经济规模、经济发展程度，是决定一国汇率制度选择的重要解释变量；现代理论中的超通货膨胀是显著的解释变量。案例2：信用评级系统的经济价值ModellingtheEconomicValueofCreditRatingSystemsRainerJankowitsch，StefanPichler，WalterS.A.Schwaiger

ViennaUniversityofEconomicsandBusinessAdministrationViennaUniversityofTechnology信用评级是一种制度，信用评价的效用体现在商业银行的效益表现。如果能收集数据，进行实证研究，无疑非常有意义。但是：商业银行的效益是商业秘密，几乎不可能获得有比较价值的数据；商业银行的效益不仅仅是信用评级带来的，甚至信用评级在其中起的作用很小。即使有商业银行的数据，如何把其他的因素，特别是有很多政治、文化、法律、经营、管理等因素剥离出来，也是几乎不可能的；数值模拟是一种途径。基本思路评级的目的：增加利润和控制风险实现的途径：准确度量客户的风险，根据风险进行定价理论假设：假设风险度量是准确（基本准确）的，那么就不存在系统性风险。因此，第一步可以不考虑破产的情况。如果不考虑破产的可能，那么影响银行的就是利润。风险度量不准确对银行利润影响的渠道是什么？逆向选择：风险低的客户被高定价而逃走，而风险高的客户因为低定价而蜂拥而至。因此信用评级的经济价值体现在逆向选择的程度上从经典的假设出发客户违约概率服从Beta(p,q)分布，好处是可以比较好的模拟违约率分布。好:p=0.4,q=19,PD中位数=0.77%;中：p=0.7,q=37.6,PD中位数=1.08%;差：p=1.4,q=58,PD中位数=1.84%。从经典的假设出发商业银行的信贷策略：全风险定价的借贷政策。这里：PD违约概率，LGD违约损失率，

r无风险利率，s信用加息差。评级体系的引入商业银行按照违约率将客户分成若干级别，每个级别内的客户视为有相同的违约概率，同一定价。两类误差：分级合并的误差和分级错误的误差。逆向选择的引入评级的误差带来定价的误差：定价的误差导致优质客户流失：这里α是弹性系数。α

=

0，则无论定价误差如何，客户都逃不了；α

=

+∞，则只要定价出现误差，客户就会用脚投票。误差和逆向选择带来的损失单个客户的收益计算：资产组合的收益计算:(这里n是保留下来的客户数)

信用评级效益的评价:通过比较有无评级?不同评级体系之间？不同环境之下？。。。。

模拟计算的结果：PD的准确性模拟计算的结果：弹性的高低模拟计算的结果：弹性的高低模拟计算的结果：LGD的高低模拟计算的结果：LGD的高低模拟计算的结果：分级的多少模拟计算的结果：分级的多少如何说明结果的正确性模型本身的检验历史经验是否相符合与基准比较的一致性是否能够满足期望案例：投资者情绪指数投资者情绪包含着两方面内容，投资者的投机性需求和对上市公司盈利前景的总体乐观程度。前者反映了投资者对资本市场（虚拟经济）的预期，后者反映了投资者对基础市场（实体经济）的预期。投资者情绪指数是反映市场上投资者整体情绪（才collectivesentiment)的度量。投资者情绪指标的分类显性指标

（Explicitindex）StrategistsIndexofWallStreetAmericanAssociationofIndividualInvestorIndexInvestorsIntelligenceIndexSINA

Buy-SellIndexCCTVBuy-SellIndex代理变量

（Investorsentimentproxy）closed-endfunddiscountfirst-dayreturnsofIPO投资者情绪指数（Investorsentimentindex)compositeindexcomposedofseveralinvestorsentimentproxies,reflectingthesentimentofthewholemarket.50投资者情绪代理变量选取按照逻辑性、预测性、稳定性、全面性四个原则，从四类十九个代理变量中挑选出5个作为合成ISI的变量集合：交易行为类代理变量：换手率（TURN）,市场表现类代理变量：创新高比率（PCTHI）产品估值类代理变量:转债底价溢价率（BPCB）微观结构类代理变量:交易持续期（TD）,有效价差（SPREAD）SINABSI（新浪多空指数）fromSinaFinance(新浪财经).51主成分分析构建ISI指数主成分序号第1主成分第2第3第4第5特征变量BPCB0.4484480.245235-0.398389-0.7582990.070870PCTHI0.477295-0.3476840.599020-0.0951280.532382SPREAD0.1345940.8970260.3707150.1824700.080645TD-0.475638-0.0073770.556459-0.605240-0.312653TURN0.571608-0.1194350.1881090.127758-0.779289特征值2.4966210.0489600.6561440.5731300.225144贡献率0.4993240.2097920.1312290.1146260.045029累计贡献率0.4993240.7091160.8403450.9549711.00000052历史：投资者情绪指数与同期上证指数走势53历史的一致性对指数的每一段变化去做历史分析。例如：2007年11月到2008年10月（当时研究的数据终点）投资者情绪指数一路下跌。回首这段时间，是股市走熊的阶段，股指从高位回落，个股普跌，投资者信心屡遭打击。2006年9月-2007年1月上旬投资者情绪指数突飞猛进，这段时间是牛市阶段的第一波，上证综指一举突破2001年的历史高点。。。。。。与基准的比较相关系数BPCBPCTHISPREADTDTURNBPCB1.0000PCTHI0.3382***

1.0000SPREAD0.2065***

-0.02131.0000TD-0.4218***

-0.3499***

-0.1004***

1.0000TURN0.4921***

0.6983***

0.1247***

-0.5986***

1.0000相关系数BPCBPCTHISPREADTDTURNISI0.708580***0.754160***0.212667***-0.751542***0.903181***ISIBPCBPCTHISPREADTDTURN0.51***0.25**0.20**0.15**-0.23**0.28**投资者情绪与当期收益的预期关系投资者情绪基本假说一：在投资者情绪正向波动的情况下，乐观的盈利预期和高投机性需求对当期收益有正向影响；在投资者情绪负向波动的情况下，悲观的盈利预期和低投机性需求对当期收益有负向影响。投资者情绪假说1：高投机性需求促使小盘股相比大盘股获得超额收益，低投机性需求下则相反，即投资者情绪上升周期中，小盘股相比大盘股获得超额收益，投资者情绪下降周期中则相反。投资者情绪假说2：乐观的盈利预期促使亏损股相比绩优股股获得超额收益，悲观的盈利预期下则相反，即投资者情绪上升周期中，亏损股相比绩优股获得超额收益，投资者情绪下降周期中则相反。投资者情绪假说3：高投机性需求促使低价股相比高价股获得超额收益，低投机性需求下则相反，即投资者情绪上升周期中，低价股相比高价股获得超额收益，投资者情绪下降周期中则相反。投资者情绪假说4：乐观的盈利预期促使高PE股相比低PE股获得超额收益，悲观的盈利预期下则相反，即投资者情绪上升周期中，高PE股相比低PE股获得超额收益，投资者情绪下降周期中则相反。56投资者情绪与远期收益的预期关系投资者情绪基本假说二：投资者情绪会导致长期收益反转，在高投资者情绪正下，乐观的盈利预期和高投机性需求对长期收益有负向影响；在低投资者情绪下，悲观的盈利预期和低投机性需求对长期收益有正向影响。投资者情绪假说5：投机性需求的变动使得小盘股的长期收益反转幅度大于大盘股，即高投资者情绪下小盘股的长期收益低于大盘股；低投资者情绪下小盘股的长期收益高于大盘股。投资者情绪假说6：盈利预期的变动使得亏损股的长期收益反转幅度大于绩优股，即高投资者情绪下亏损股的长期收益低于绩优股；低投资者情绪下亏损股的长期收益高于绩优股。投资者情绪假说7：投机性需求的变动使得低价股的长期收益反转幅度大于高价股，即高投资者情绪下低价股的长期收益低于高价股；低投资者情绪下低价股的长期收益高于高价股。投资者情绪假说8：盈利预期的变动使得高PE股的长期收益反转幅度大于低PE股，即高投资者情绪下高PE股的长期收益低于低PE股；低投资者情绪下高PE股的长期收益高于低PE股。57数据来源SZZS上证指数、SZZZ深证成指、ZXDP中信大盘、ZXXP中信小盘、LPI低价股指数、HPI高价股指数、LPEI低PE股指数、HPEI高PE股指数、NEI亏损股指数、PEI绩优股指数。LPI、HPI、LPEI、HPEI、NEI、PEI由天相投资顾问公司编制，每季度检讨一次样本股。标准如下：LPI、HPI分别以沪深A股价格最低、最高的200支股票为指数样本；LPEI、HPEI分别以沪深A股PE最低、最高的200支股票为指数样本；NEI以净利润为负的股票为样本，PEI以每股净收益最高的100支股票为样本。ZXDP、ZXXP由中信证券公司开发，每半年调整一次样本股。标准如下：ZXDP以沪深A股流通市值前100名的股票为样本，ZXXP以流通市值400名以后的股票为样本。上述指数均以流通市值加权，以上述指数的百分比涨幅作为其收益率序列。数据区间2005-06-20——2007-11-30各变量的平稳性检验结果变量ADF值变量ADF值变量ADF值SZZS-61.14***(0.00)SZZZ-60.62***(0.00)SZZS-SZZZ-***(0.00)ZXXP-41.88***(0.00)ZXDP-44.68***(0.00)ZXXP–ZXDP-***(0.00)LPI-42.38***(0.00)HPI-43.45***(0.00)LPI–HPI-***(0.00)LPEI-44.89***(0.00)HPEI-41.02***(0.00)LPEI–HPEI-***(0.00)NEI-22.06***(0.00)PEI-43.71***(0.00)NEI–PEI-***(0.00)ISI-2.95**(0.04)----线性回归模型及其检验For:SZZS，SZZZ，ZXDP，ZXXP，HPI，LPEI，HPEI，NEI，PEIFor:ZXXP-ZXDP，LPEI-HPEI，LPI-HPI，NEI-PEI

LMtestresultsshowARCHexistsinallresidualseries.60线性回归模型的LM检验结果注：***表示在1%的显著性水平下拒绝原假设，即存在ARCH效应。滞后阶数统一采用5阶，但结果也显示，在更高阶（如20阶）的情况下ARCH效应依然显著。变量F统计量LM统计量变量F统计量LM统计量SZZS3.84***18.79***SZZZ5.81***21.93***ZXXP51.09***47.18***ZXDP4.04***19.74***LPI16.46***64.99***HPI3.93***19.19***LPEI4.45***21.64***HPEI14.80***66.32***NEI10.26***47.62***PEI4.90***23.77***ZXXP-ZXDP18.48***80.54***LPI-HPI9.37***43.79***LPEI-HPEI18.07***79.03***NEI-17.02***7.01***

收益与DISI估计的EGARCH模型62收益序列对DISI的EGARCH估计结果收益cβα0α1φ1θ1SZZS0.0011***(3.94)0.0019***(14.54)-0.34***(-11.02)0.18***(12.38)-0.07***(-9.27)0.98***(313.31)SZCZ0.0010***(3.39)0.0022***(9.12)-0.31***(-9.18)0.19***(13.12)-0.04***(-4.64)0.98***(262.00)ZXDP0.0007***(2.47)0.0018***(8.73)-0.33***(-9.56)0.21***(12.58)-0.06***(-6.99)0.98***(274.20)ZXXP0.0010***(3.15)0.0021***(12.03)-0.31***(-10.85)0.18***(11.96)-0.04***(-5.10)0.98***(334.61)LPI0.0012***(3.82)0.0024***(12.42)-0.32***(-9.15)0