股票投资毕业论文怎么写和FF三因素模型在计算机、通信和其他电子设备行业股票投资的适用性分析相关在职研究生论文范文

《FF三因素模型在计算机、通信和其他电子设备行业股票投资的适用性分析》

该文是股票投资类有关在职研究生论文范文和股票投资和电子设备和因素模型方面毕业论文开题报告范文。

【摘　要】应用FF 三因素模型在制造行业的计算机、通信、和其他电子设备行业的股票进行挑选和解释,进而分析其适用性.分析结果表明,在同一行业中,由于规模因子和价值因子影响力的相互吸收,FF 三因素模型变换的两因素模型可以解释股票收益率波动的经济现象.

【关键词】FF 三因素模型；股票分组；小规模效应

一、文献综述

FF 三因素模型是由Fama 和French 在1992 年对美国股票市场收益率进行研究,并借鉴了经典的CAPM 模型得出的,但是CAPM 模型对于现实中的经济现象并不能做出很好的解释,在CAPM 模型的基础上,Fama 和French 增加了两个变量：HML、B( 比例因子).

目前,国内更多的是对于整个股票市场进行实证研究,一些学者认为三因素模型在我国证券市场中不成立,并创造性地提出了双因素模型和加入了换手率的四因素模型.黄兴旺、胡四修、郭军认为,我国股票市场适用的是去除了账面市值比这一解释变量的两因素模型. 韩立岩、蔡立新、尹力博还创造性的提出加入了绿色因子的四因素模型.

本文主要在制造行业之中的计算机、通信和其他电子设备行业之中分析FF 三因素模型的适用性并做出经济解释.

二、模型与理论分析

FF 三因素模型的表达式为:

模型之中表示市场组合的预期收益率与市场的无风险收益率的差值,即为市场组合的超额收益率.为风险报酬.B 为规模因子,是高市值股票组合的收益率和低市值股票组合收益率之间的差值.HML 为价值因子,为高账面市值比的股票组合收益率与低账面市值比的股票组合收益率之差.相比于CAPM 模型,FF 三因素模型加入了两个新的解释变量,它能更加全面地解释股票市场.

三、数据的选取和计算方法

1. 数据的选取原则

由于是对特定行业进行分析,我们选取数据的原则为：

（1）是来源于计算机、通信和其他电子设备的股票.

（2）只考虑A 股市场上的股票.

（3）在样本期前后一年有重大违规行为的,予以剔除.

（4）公司的财务报表和股本结构必须透明、可查.

根据以上原则,从证监会行业类股票中的制造业股票中挑选了24 支符合条件的股票,并且,只选取了前复权,来避免送股、配股等行为对股价的影响,并根据股价,来计算样本股票的周收益率.

2. 计算周收益率

r-（Pt-Pt-1）-1

样本股票的每周收益率为t 期收盘价除以t-1 期收盘价减去1.

3. 无风险收益率

一般的方法由银行存款利率折算,或者用固定收益国债收益率来折算,由于我们适用性的是股票的周收益率,波动并不大,所以我们采用3 个月固定收益国债到期收益率折算的周收益率的近似值来当作无风险收益率.

4. 市场收益率

市场收益率我们采取比较有代表性的上证指数的周变动率.用第t 期的收盘指数除以t-1 期收盘指数减1 得到.

5. 总市值和流通市值

总市值由总股本和选取日期的收盘价相乘得到,而流通市值由流通股和当日收盘价相乘得到.

6. 账面市值比以及股票分组

账面市值比是由股东权益除以流通市值得到的.其中股东权益由公司的半年报和公司的年报中得到,而流通市值是由流通股乘以股价.由于选取的样本期为2016 年7 月1 日至2017 年6 月23 日,在2016年6 月30 日根据公式计算得到账面市值比并为股票分组,由小到大分为三组A、B、C 三组,在2016 年12 月30 日再计算一次账面市值比,再次分组.账面市值比低的股票,我们认为公司处于成长期,股票可能被高估了,而账面市值比较低,则股票可能被低估.

7.B 和HML 因子的计算

根据2016 年6 月30 日和2016 年12 月30 日的股票的总市值分别排序,将股票按照中值分为H( 高市值组) 和L( 低市值组),然后按账面市值比率进行分组.A（成长组）、B（中间组）、C（价值组）三组构建股票组合,构建为6 组AH、BH、CH、AL、BL、CL.然后将各个股票组合根据个股市值占市值的比例进行加权计算各个股票组合的加权收益率.再由股票组合加权收益率计算B 和HBL,公式如下：

计算出各期的HML 和B,并据此进行实证分析.

8. 数据分析

（1）表1 为股票组合周收益率的描述性统计：

各个股票组合的描述统计如表1 所示.由周收益率的标准差来看,股票组合在2016 年7 月1 日-2017 年6 月23 日期间的波动并不十分剧烈.大部分股票组合的收益率均值都为负数,这对应了制造业不景气的客观经济背景.国内的产能过剩,制造业转型的迫切需要都导致制造业股票收益率偏低,个别甚至低于无风险收益率.其中,C 组（高账面市值组,也称价值组）的两个股票组合的收益率的均值和中位数,均大于同行业的股票,证明,在我们排除了行业这个变量后,股票的账面市值比,即三因素模型中的HML（规模因子）,对于股票收益率有一定影响的,即账面市值比高的股票组合,收益率相对高,这也对应了Fama 和French的BM 效应,至于对收益率的具体影响,还需要做回归分析.同时,高市值组和低市值组的平均收益率,也存在差异,说明规模效应也存在在股票市场中.同时,根据雅克贝拉检验的结果和P 值来看,P 值均大于5%,可以说选取的股票组合的收益率的样本数据服从正态性假定,可以用OLS 来进行回归分析.

（2）单位根检验

ER 为市场超额收益率,ADF 检验结果表明,所有变量都为平稳序列.

（3）相关分析

表3 为解释变量的相关性检验,从相关系数矩阵来看,可以认为B 和HML 具有严重的共线性（大于0.75）,所以我们选择从B 和HML 中剔除一个,构造两因素模型,来进行回归分析.

四、实证分析和结论

1. 去除HML 的两因素模型

通过R^2,说明模型解释了一部分的样本数据,模型的拟合优度一般.

所有组合的市场风险报酬的系数都大于0,且都显著异于0,这与CAPM 模型的思想相同,说明市场风险报酬是一个重要的解释变量.

在去除了HML 解释变量后,发现高市值成长股AH 和低市值中间股BL 的B 的系数显著异于0.

BL 的回归分析结果表明其符合双因素模型,说明在计算机、电子和通信行业之中的确存在规模效应,并且BL 是低市值的公司,这与Fama 和French 所认为村子的“小规模效应”,即“小公司的股票具有较高风险溢价,所以要求更高的收益率”这一观点不谋而合.

再观察AH 组和BL 组的B 的系数的绝对值,发现B 对AH 组的影响程度,远远大于BL 组中B 对其收益率的影响,可能说明B 对于高市值公司的影响力大于对低市值公司的影响力.究其原因,因为公司规模大,风险溢价就相对小公司来说要小,这也符合“小规模效应”的思想.

下面再比较去除B 后的两因素模型：