光华管理学院本科生金融计量经济学讲义1.docx
《光华管理学院本科生金融计量经济学讲义1.docx》由会员分享,可在线阅读,更多相关《光华管理学院本科生金融计量经济学讲义1.docx(125页珍藏版)》请在冰豆网上搜索。
![光华管理学院本科生金融计量经济学讲义1.docx](https://file1.bdocx.com/fileroot1/2023-1/3/97453814-5a72-434b-9c22-f3375d05290d/97453814-5a72-434b-9c22-f3375d05290d1.gif)
光华管理学院本科生金融计量经济学讲义1
《金融计量经济学》讲义北京大学光华管理学院金融系
《计量金融学》讲义
第一章序言
金融学是经济学领域中一门特殊的交叉学科,它有着自身独有的一些特点。
最重要的特
点是金融市场中拥有大量的交易数据,且这些数据几乎都是在一个相对公开的市场环境中产
生的。
这就使得金融学不仅在经济学领域内,而且在整个社会科学领域内都可以说是,最具
有实证性的一门学科。
金融学的实证研究不仅仅只对各种现象和数据进行抽象,而且是与实
际的市场发展紧密联系并对全球金融市场的稳定、健康发展起着重要的作用。
金融计量学对
市场中各种各样的可观测变量进行分析、度量,并寻找这些变量之间的相互关系,为市场的
未来发展提供指导,为市场中的管理者和参与者提供决策参考。
因此,计量方法是金融学研
究的主要内容。
在我国目前自然科学和工程技术领域普遍通过“数据实证加逻辑推理”的研
究方法,而社会科学和经济学领域的研究结果还被认为通常是一些思想、智慧或看法。
金融
计量学是应用“数据实证与逻辑推理”方法于金融学领域的主要方式之一。
可见计量方法是
金融学的核心内容,计量金融学在金融学中占有相当重要的地位。
尽管金融学具有很强的实证特征,但它也类似经济学和社会科学的其它分支一样无法进
行重复实验——这一不可重复试验的特点决定了金融计量方法的应用特性。
金融学与经济学
其它分支的另一个主要差别是不确定性,如果没有了不确定性,金融学的全部内容将简化为
微观经济学中的基本练习;在多出了不确定性后,所有的问题都呈现出新的特性,也展示出
了金融学的精彩纷呈;为此,计量方法在金融学的理论和实证研究中都起着决定性的作用。
几乎可以说,每一个金融模型的出发点都是基于投资者所面临的不确定性,为解决投资者在
不确定性条件下的投资选择问题而建立起来的。
金融学就是作为对各种金融资产的不确定性
进行分析、度量进而给出预测而存在的一门学科。
1.1什么是金融计量经济学
当一家金融机构,面临某种制度(例如,引入独立董事制度、融资融券业务的推出,再
融资标准的变化,交易制度的引入或限制某种交易行为等)的引入时,需要考虑引入制度对
公司价值的提升作用或交易环境变化的影响进行相应决策。
假定你在一家投资银行工作,你
可能需要研究几种不同的交易策略对所准备投资证券的收益影响。
假定你是有志作为一名学
术研究者,你需要验证市场上的各种变量之间的关系(例如长短期利率变化,汇率波动与净
出口贸易,货币政策的变化对那些类别的资产价格会产生影响等)来确定它们是否遵从相关
的金融理论和模型假设。
假若你是一个市场中的投资者,你可能需要根据各种影响证券价值
变化的因素来选择投资的对象和买卖的时机。
要完成上述这些任务中的任意一项,如果你希
望你的行为和决定是有一定科学依据的,而不愿意象一个赌徒那样接受随机发生的结果,你
就需要使用金融计量方法,对各种变量之间的关系通过统计方法进行分析和检验。
为此,你
将要面对和使用大量的统计模型和计量方法。
金融计量经济学中将会大量使用统计模型和方法解决金融相关问题,是不是金融计量就
等同于统计方法呢,尽管二者之间存在许多密不可分的联系,但答案仍然是否定的。
为此金
融计量与统计之间的关系如何就是一个首先需要明确的问题。
金融学家最初所使用的方法大
多是基于模型的统计推断方法。
然而,金融市场的发展日新月异,很对的金融问题已经没有
统计工具来帮助解决,因此,金融计量经济学是相对独立于数理统计而发展的。
另一方面,
数理统计更多的是基于假设和可以重复实验,而计量金融学主要集中在对不可重复试验数据
1
《金融计量经济学》讲义北京大学光华管理学院金融系
的收集和分析,这些数据的收集是通过对个人或公司的观测而得到的,只能被动地收集数据
而不能对数据的产生过程进行控制和调节。
金融计量经济学家在需要的时候通常会向数理统计学家借鉴一些方法。
例如多元回归分
析方法是两个领域都研究的,但其关注的方面和表述的方式有很大的差异。
统计学家更多地
关注方法的特性,估计的性质,适用的边界条件,算法的简捷或收敛的速度等更加量化的问
题。
而计量学家更关注模型的适应性、稳健性,结果的可靠性,经济变量之间关系的存在性
等。
虽然使用的都是量化的方法,都使用统计软件包来实现,但计量学家所要回答的问题要
相对定性一些;更关注方法怎么用或用得巧的问题,通常数据都不是理想状况,需要考虑现
实的客观条件所带来的偏差和影响。
有时还需要寻找一些特殊的、复杂的方法来处理经济、
金融中的数据和对相关的理论进行检验。
金融计量方法就是通过寻找经济、金融变量之间的关系,建立各种金融相关要素的模型,
通过对市场规律的发现来预测和寻找金融市场的获利机会;通过对相关信息的不断挖掘和分
析而建立各种交易策略从而提高金融市场资金配置的效率是金融计量学研究的主要方面。
总
的来说,金融计量经济学是大量数理统计工具在金融领域的应用;同时金融计量经济学也为解决金融相关问题和理论而提供了自己独特的一些分析处理方法(如,GARCH模型,协整分析,市场有效性检验,事件研究,定价模型检验等)。
综上所述,我们可以给出一个初步的定义:
金融计量经济学是基于统计方法对相关的金
融变量之间的关系进行估计,对金融理论进行检验,评价经济、金融事件或策略的影响等一
系列处理过程和研究方法的总称。
根据这一定义,计量金融学的内容大致可以分为两个方面或两个阶段:
第一阶段,根据
获取的数据应用统计模型的研究方法对各种金融变量之间的关系和影响因素进行分析、建模
和实施相关的统计检验;第二阶段,根据金融理论或金融模型的特点而实施或改造统计模型,
建立面向这些金融对象的计量工具和分析方法。
学习计量金融学要注意这两个阶段的特点。
第一阶段(方面)的侧重点是对相关统计工具的特征把握和使用这些工具来处理相关金融问
题。
第二阶段(方面)的侧重点在于与金融问题为导向,对相关的工具方法结合金融问题做
必要的调整和改造,巧妙使用工具来深化金融问题的研究。
基于上述这些特点,我们这门金融计量经济学课程的内容也基本分为两个大的组成部
分。
第一部分为从数据结构出发而讨论相关统计模型的特征和正确使用这些模型来解决金融
中的问题;主要内容为多元回归分析方法和金融时间序列分析方法的应用(这一部分是本科
阶段金融计量的主要内容)。
第二部分为基于不确定性在金融理论和实证研究中的决定作用,
以金融理论和模型为对象而应用各种统计方法来验证金融理论和模型。
主要内容是有效市场
理论的相关检验方法,资产的定价问题和金融风险管理的相关内容(这一部分是硕士阶段金
融计量课程计划的主要内容)。
再回过头来看计量方法在金融学中的地位和作用。
可以说,金融计量方法涉及到金融研
究和实践的任何一个方面。
当我们想对一个金融理论进行检验的时候,我们需要计量方法(金
融领域存在非常完备而发达的市场,任何的金融理论都可以很快通过实践而得到及时验证,
任何一个没有通过验证的金融理论只能算做一个猜想或自以为);当我们想知道一些金融变
量之间的关系时,需要计量方法;当我们想知道一些投资策略和政策实施的影响或效果时,
需要计量方法。
从本质上说,使用金融计量方法的实证分析就是用数据来检验金融理论所揭
示的各种要素之间的关系是否存在。
用数据说话,用数据诠释金融市场中各种要素的相互关
系是金融计量经济学的根本任务。
2
《金融计量经济学》讲义北京大学光华管理学院金融系
金融计量方法的实施是通过实际金融市场的数据来验证金融理论或金融要素之间的关
系,通过科学的分析来给出所需要的结论。
为此金融计量分析也称为实证分析,实证分析方
法大致可以分为以下三个步骤:
第一步就是要对所感兴趣的问题建立一个关系,不论是检验
一个金融理论,分析某些金融变量之间的关系,还是分析一个投资策略。
一个理论模型通常
是由数学方程式来表达,金融变量之间是否存在某种关联也是通过一个方程式来反映,通过
方程式建立各种经济、金融变量之间的关系。
第二步就是用统计的语言和方法来说明这一关
系是否存在;计量金融方法的目的是通过相关的数据,用统计的语言来验证所建立的经济行
为之间的联系是否存在。
第三步是分析数据本身的特性造成结果的可能偏离的程度和偏离的
方向。
根据所得数据的特征分析某些假设条件的变化,某些数据的缺失可能影响结论的可信
程度,存在的不足之处等。
例1.1我们考虑上市公司的市场收益率受那些因素的影响时,需要分析市场风险的影
响,上市公司所处的行业,公司的规模大小,公司的财务特征等。
在很一般的假定下,我们
可以把影响上市公司市场价值的各种因素用变量来表示,把市场收益与这些变量之间的关系
通过一个函数表示为:
y(1.1)
f(x1,x,x,x,x)
2345
其中:
y为市场收益率,x,为市场风险,
1
x为公司规模,
2
x为行业变量,
3
x为公司
4
的盈利能力,
x为代表公司发展前景的变量。
5
计量模型需要处理的最重要的部分是,上述所建立的函数关系并不是一个确定性的方
程,因为观测误差,因为条件不完全相同的重复试验。
所得到的观测数据在不同的单元或时
间由于环境因素的变化而使结果有误差或不确定性的改变。
因此这一方程存在一些不可观测
的随机因素或误差影响,即实际的方程应该为:
y(1.2)
f(x1,x,x,x,x)
2345
模型中的干扰项所具有的特征及其对结果的影响将是计量分析的重要内容。
而干扰项
的特性只能从所获取的观测数据中去寻找。
为此,接下来就要去收集相关的数据并通过计量方法进行验证。
因为没有通过验证的任
何理论,在经济金融领域只能算是一个假设或猜想,甚至是一个误认为。
在后面的内容中再
详细讨论第二、三两个步骤所涉及的相关内容。
在此,我们要先来熟悉一下数据是什么样的,
常见都有那些数据类型?
1.2数据的结构
计量学家要面对的数据有多种类型。
有些计量方法只需要作很小的,甚至不需修改就能
应用到各种类型的数据。
但有些计量方法因为数据类型的不同而有很大的改变,甚至产生谬
误。
因此数据类型的特征需要认真加以考虑和分析,方能正确地、合理地应用计量方法。
下
面我们先简要描述一下应用中常见的一些数据类型。
常见的数据类型几乎都可以划分为横截
面(Crosssectional)、时间序列(Timeseries)、联合横截面(PoolingCrosssection)和面板型(Panel)
四大数据类型。
下面我们首先对四种数据类型分别进行简单介绍。
1.2.1横截面数据
横截面数据是指在同一时间从不同的个人、公司、城市,地区或单元收集的数据。
如上
市公司的年报数据。
虽然年报公布的时间有所差异,但在纯粹的横截面分析中,年报发布的
时间差异是可以忽略的(思考:
为什么?
不忽略会带来什么问题,忽略又可能造成什么影响)。
3
《金融计量经济学》讲义北京大学光华管理学院金融系
横截面数据的一个重要特征就是它们通常可以看成是从总体随机抽取的样本。
随机采样是统
计分析中一种常用的方法(更是众多统计分析方法所需要的基本假设条件),在这一条件下
可以简化数据分析的流程和方法,众多的统计分析方法都可以直接使用。
有时,随机抽样在横截面分析中也不是一个合适的假定。
例如对个人投资者财富的调查
数据,一些比较富有的人可能会拒绝调查,使得样本选择存在偏差,调查得到的并不是总体
里的随机样本数据。
对这类问题将使用考虑了有样本选择问题的一些分析方法来实现。
另一个影响随机抽样的原因是抽取了一些相对总体有太大规模,有特殊地域关系、或行
业关联等的单元。
这种类型的潜在问题是总体偏差性,由于抽取的样本不能代表总体,样本
之间具有关联性,因而无法把观测值看成是随机抽取的。
例如,对上市公司进行选取时,大
型公司的比例较高,相同或关联行业过多而使某些特征不能代表总体。
虽然计量方法也可以
对其进行分析并给出结果,但有时需要对其进行适当的调整。
大多情况下,我们也可以直接
按随机抽样进行分析,而不管其它复杂的因素可能产生的偏差(当其他的复杂因素很多,或
与要分析的问题不太相关时才可以这么做)。
横截面数据在公司财务、投资分析、资产定价等方面都有广泛的应用。
计量分析中的横
截面数据通常按照记录顺序存放。
例1.2,表1.1给出深圳市场2008年10家上市公司的部分年报数据。
上市公司年报
中的财务数据分别为:
公司代码、公司名称、年末总资产、每股收益、每股净资产、行业代
码、公司当前年度是否被ST等。
最后一列给出的数据是虚拟变量,后面将对此专门介绍。
表1.1几家上市公司2008年度的部分财务数据
公司代码名称行业代码总资产(亿元)每股收益(元)每股净资产(元)是否ST
000002深万科AJ011192.370.3702.9005否
000004北大高科F031.68-0.1320.7285是
000005世纪星源M13.890.0100.8224否
000006深振业AJ0159.210.2963.1586否
000007深达声AJ016.11-0.331-0.4572是
000008亿安科技G870.790.0101.0041是
000009深宝安AM60.840.1901.6603否
000010深华新H212.020.1100.2638是
000011深物业M21.110.0201.0531否
000012南玻AC61103.760.3503.6735否
虽然所有的计量和统计软件都对每个观测值单元给出记录号,但横截面数据对哪一家公
司排在前或后没有关系。
样本是随机选取的,彼此之间没有关联,不要求数据的排列顺序是
横截面数据的主要特征。
1.2.2时间序列数据
时间序列数据是由一个或几个变量按时间顺序排列的观测值组成的。
例如,股票的价格、
交易量,投资基金的每周净值、交易价格,某种期限的利率,两种货币之间的汇率,市场指
数等。
因为过去的事件对未来的事件可能有影响,成功的管理经验对未来有指导作用,产品
的订单有良性循环和滞后影响。
因此时间先后是时间序列数据中的一个重要维度。
与横截面
数据不同,观测值须按时间顺序排列,排列顺序本身含有重要信息。
在经济和金融的许多场合,时间序列数据还有另一个重要特性,也是它比横截面数据分
4
《金融计量经济学》讲义北京大学光华管理学院金融系
析更困难的一个方面是数据量少;即使假设这些数据在不同时间是相互独立的,也因数据缺
乏而使分析更加困难。
时间序列数据短少是一般经济学和社会学数据的共同难题。
金融学区
别于经济学其它分支的一个重要特征也恰好在于此。
金融有许多时间序列很长的数据,当然
在有的方面也同样不多。
因此,时间序列分析方法在金融领域应用比其它经济学分支更多。
时间序列数据的另一个特征是,不同时期的观测值之间有相关关系,称为自相关,有的还有
很强的关系。
例如,知道了一家公司上一年的收益,对其下一年收益的可能范围就比较清楚
了。
一般说来,一家公司在正常情况下不会很快出现大的变化。
有许多计量方法可以同时用
在横截面和时间序列数据上,但在把它们用于时间序列数据之前需要对特定的计量模型进行
判别。
此外,对标准的计量方法通常需要进行适当的调整和修改才使其能探测时间序列数据
之间的相依特性或对一些问题进行分析。
如某些金融变量可能表现出明显的时间趋势或季节
性影响,此类数据就不能直接使用标准的统计方法,而需要经过专门的处理或使用特定的模
型。
时间序列数据的另一个需要特别注意的属性是数据频率。
在金融时间序列中常见的有天
数据、周、月、季和年等数据。
在高频数据分析时还有一小时、半小时、5分钟,甚至是逐
手逐笔等。
一般的股票价格数据是按日记录,我国目前的基金净值每周公布,基金持股结构
是按季度公告,年报数据每年两次(近年开始要求公司给出季报,但季报和半年报的审计不
太严格,数据质量的可信度可能有所差异)等。
对周、月、季数据通常会表现出比较强的季
节性,这也是时间序列数据的一个重要特征。
后面将会专门对季节性数据进行讨论。
例1.3,按天排列的上证指数的交易行情数据是一个时间序列数据的例子,表1.2给
出2008年12月最后15个交易日的数据。
表1.2上证指数的一段行情数据
交易日期开盘指数最高指数最低指数收盘指数回报率(%)
2008-12-112072.582087.202028.732031.68-2.282
2008-12-122014.582023.181932.271954.22-3.813
2008-12-151977.031989.301936.561964.370.520
2008-12-161948.861976.721907.831975.010.541
2008-12-171983.842003.371971.821976.820.092
2008-12-181978.972016.571958.982015.691.967
2008-12-192006.212038.661997.122018.460.137
2008-12-222016.452016.451965.351987.76-1.521
2008-12-231990.051990.051895.181897.23-4.554
2008-12-241873.581887.311850.861863.80-1.762
2008-12-251865.721877.771832.361852.42-0.611
2008-12-261852.911866.631840.191851.52-0.049
2008-12-291846.301856.331815.411850.48-0.056
2008-12-301851.911862.941826.981832.91-0.950
2008-12-311834.951844.371814.751820.81-0.660
1.2.3联合横截面数据
有些数据同时具有横截面和时间序列特性。
例如,我们有2004年230家上市公司的财
务和市场数据,同时还有这230家及另外50家上市公司2008年的财务和市场数据。
为了增
加样本量我们可以把它们合并而得到联合横截面数据。
合并不同年的横截面数据通常是研究
5
《金融计量经济学》讲义北京大学光华管理学院金融系
一些新政策影响的有效方法。
例如上面的数据可以分析2005年出台的国有股减持政策的影
响,下调印花税对证券公司的影响等。
在对联合横截面数据进行排序的时候,公司排列的顺序不重要,但保证每一家公司的数
据来自哪一年是必要的,年份作为一个单独的变量。
通常情况下,联合横截面数据也可以看
成一个标准的横截面数据来分析。
但在我们考虑一些变量在长时期内的变化时,对它们的处
理方法和得到的结果都是不同的。
事实上,联合横截面数据除了能增加样本量外,它们通常
还能用来分析一些主要变量之间的关系是否随时间而改变。
例1.4,在对上市公司的大宗股权转让是否对公司的绩效有影响进行研究时,需要使
用股权转让的数据来自多个年份,有的公司在区间内可能有超过一次的转让记录,有的公司
可能只有一次,还有不少公司根本没有发生过转让交易,因此收集的数据在时间上属于多个
时期,而公司有所重叠,是联合横截面数据。
表1.3给出的是1999年和2000年100家A
股上市公司大宗股权转让的联合横截面数据。
在表中有的公司有两年的数据,而有的公司只
有一年有转让数据。
表1.31999-2000年100家A股上市公司大宗股权转让数据
股票代转让变更转让交易转让是否性质大股东交易总值大股东持
码比例方式价格公布日期进度成功关联变更变更(万元)股比例
0000022.9353.871999071051111644.2306.42
0000028.1124.462000062231212775.4658.11
00000437.9421.312000082233200220.43937.94
………………………………
0004153.1221.051999122851211242.97428.08
00041516.1121.052000011951212278.41729.99
00041624.7322.872000093043200174.95229.73
1.2.4面板数据
面板数据是由每一单元的时间序列数据长度相同的横截面构成的,横纵排列整齐的数
据。
例如我们有200家上市公司过去5年每年的年报数据;20家基金过去6年每周的周数
据等。
面板数据也可以按地域收集,例如深沪两市中各省的上市公司数目、市场价值、平均
收益等。
表1.4给出的是部分上市公司2004-2008年这五年的主要财务指标面板数据。
面板数据与联合横截面数据的主要区别在于面板是相同的横截面单元。
表1.3中的联
合横截面数据可以出现不同的公司有不同长度的数据,有些公司在两年里都有转让数据,有
的公司只有在其中一年有转让数据。
例1.5,如果我们要对上市公司的财务数据进行分析,选取的都是在给定时期内都有
完整财务数据的公司,表1.4中所有的样本公司都同时具有5年的数据。
每一年公司的名
单是完全相同的,而且每家公司都正好有5年的数据。
表1.4中的每一家公司有一个相同
的代码,而具体的公司排列顺序不重要,但同一家公司按年顺序排列。
另一个特点是第一家
公司5年的数据观测值占据头五行,后面五行为另一家公司。
表1.4200家公司2004-2008年主要财务指标的面板数据
股票代码会计年度资产总计每股净资产股东权益利润总额每股收益市盈率市倍率
00000220041.55E+102.72786.30E+099.13E+080.559213.631.923
6
《金融计量经济学》讲义北京大学光华管理学院金融系
00000220052.20E+102.23218.58E+091.43E+090.548711.871.93
00000220064.85E+103.40561.70E+102.31E+090.79022.004.53
00000220071.00E+114.26053.39E+105.32E+091.113639.516.77
00000220081.19E+112.90053.88E+104.64E+090.578817.432.222
………………………
00082120041.51E+090.04721.11E+09341652