一、中国股市纺织A股1999年12月份交易情况汇总（论文文献综述）
章唯真[1]（2020）在《上市公司兜底式增持动因及效果研究 ——以科陆电子为例》文中提出2015年7月,中国股市出现大规模暴跌,为避免持续下跌引发市场系统性风险,国家紧急出台一系列救市政策稳定资本市场,其中证监会发布通知,鼓励上市公司积极采取增持手段以稳定股价。在此背景下,兜底式增持作为一种新型增持方式应运而生,此后中国A股市场上多次出现兜底式增持热潮,引发社会强烈关注。但是目前学术界对于兜底式增持产生动因及市场效应的研究尚无一致结论,同时随着兜底式增持现象的频繁出现,其背后股东高比例股权质押、增持效果两极化等诸多风险开始浮现。本文通过案例分析和理论研究相结合的方式,首先对我国资本市场上兜底式增持公司进行统计分析,总结兜底式增持的动因和效果;然后选取具有典型代表的深圳市科陆电子科技股份有限公司作为研究案例,对其三次兜底式增持的市场效果进行分析,并对比研究出现差异的原因。研究发现,公司发布兜底式增持的动因集中在稳定股价、维护股东权益以及实施成本低等方面;运用事件研究法得出兜底式增持在短期内将对公司股价产生正向效应,但无法长期有效地提振股价,其实际效果与公司的发布时间、公司价值和公司基本面密切相关。最后针对研究发现,从公司、市场投资者及监管机构三个角度提出有效建议。本文选择资本市场上新兴的兜底式增持作为研究对象,对2015-2018年期间资本市场上出现的兜底式增持公告进行动因与效果的研究与总结,在一定程度上丰富了兜底式增持的相关研究,也使得结论更具有全面性和可靠性。
干伟明[2]（2020）在《多因子资产定价模型在A股市场的实证研究》文中研究说明资产定价理论和模型是现代金融学中投资理论和投资实践的重要研究领域,其理论与实证目前主要以西方发达国家资本市场为主导。现有研究虽然已相当深入,取得了大量具有理论价值和实际意义的研究成果,但还存在一些进一步完善的空间。因此本文从多因子定价模型为切入点,针对以下几个问题开展了公式推导与实证研究:（1）影响A股上市公司股票收益率的因素有哪些?（2）A股市场最佳多因子资产定价模型是由哪些定价因子所组成?（3）这些定价因子背后的经济含义是什么?在公式推导方面,本文以FF多因子模型中股利折现模型中的股票收益率公式为参考,通过对A股上市公司股票收益率的成因分析,进而从上市公司经营基本面的角度出发推导出上市公司股票收益率的一般形式,并对其背后的经济含义加以分析,在此基础上提出A股市场中多因子资产定价模型的因子组成设想,即一个有效的多因子资产定价模型至少应当包含能够反映上市公司当前优劣程度、未来增长潜力和个股投资者情绪等三方面的因素。在实证研究方面,本文以A股20072018年月度数据为样本,验证了公式推导中得出的一系列设想和结论,得到了以下四方面的研究结果:在上市公司经营基本面因素方面。本文研究发现:A股上市公司经营基本面因素与其股票收益率之间存在显着联系;A股上市公司分红率与其市净率（PB,即账面市值比倒数）存在较强负相关关系;A股小市值公司较大市值的规模增长速度更快主要不是来源于其自身业绩内生增长而是更多的来源于收购、并购、增发等外源式增长;此外本文还从A股市场整体经营基本面的视角发现了A股市场整体走势对于国内宏观经济走势具有一定“晴雨表”预测作用。在投资者情绪因素方面。本文研究表明:A股市场整体投资者情绪变化总体上与组合或个股的收益率之间存在正相关关系;个股投资者情绪重要代理变量换手率、上月超额收益率等指标与个股股票收益率的负相关关系相当显着;进一步分析还表明A股小市值公司更易受到投资者情绪因素的影响,A股中存在针对小市值公司较为明显的投机炒作现象和较为明显的短周期反转效应。在定价因子分析方面。本文从上市公司经营基本面和投资者情绪两方面开展研究,结果表明:A股市场中包含股票价格变动信息较多的因子有:反映上市公司当前优劣的净资产收益率Roe因子、反映上市公司规模增长的市值Smb因子、反映上市公司内生增长的净利润增长Net因子、综合现金分红率和市净率因素后对FF模型中Hml因子补充和完善的HmlR因子;同时研究表明反映上市公司经营基本面因素的因子对反映投资者情绪因素的因子可以发挥主要解释作用,这表明驱动A股市场价格变动的主要因素归根结底还是上市公司经营基本面因素。在A股市场多因子定价模型方面。本文研究表明:总体而言,A股市场的最佳多因子定价模型是三因子模型Mkt+Smb+Net组合;最佳四因子模型是Mkt+Smb+Net+HmlR组合;最佳五因子模型则是Mkt+Smb+Net+HmlR+Cma/Roe组合;不同定价因子组成的多因子资产定价模型在A股市场的不同时期的表现则证明了A股市场整体定价效率在得到逐步提升,这说明A股市场在逐渐走向成熟和有效。此外,本文还通过将定价模型和定价因子纳入配对交易的改进中,研究表明:依靠本文提出的A股市场Roe、Smb、Net和HmlR等定价因子作为控制变量进行配对交易策略设计,配对组合的均衡关系描述更加稳定和全面,模型发散的风险得到了规避,从而能够显着减少套利风险,提高配对交易的盈利。本文关于多因子资产定价模型在A股市场中的上述研究成果一方面与金融学理论中的有关思想吻合,另一方面也可对资产定价研究,投资实践和市场建设提供借鉴和补充。
丁肖丽[3]（2019）在《投资者情绪、意见分歧与股票收益变动》文中研究说明越来越多的实证研究发现,资本市场存在许多传统资产定价理论无法解释的金融异象,现实中股价偏离基本价值的情形也时常出现,这迫使经济学家们寻求新的资产定价范式。部分学者认为心理因素,如心理活动、认知偏差等影响着投资者对未来市场的观念和情绪,并最终影响股票价格。也有学者试图放宽同质性假说,从异质信念角度寻找资产定价的新规律。现有的行为金融理论借鉴了心理学、行为学、社会学研究成果已形成了一系列具有代表性的行为资产定价模型,力图揭示了金融市场的非理性行为和决策规律,对一些传统金融理论所不能解释的金融异象做出了合理解释。但现有的研究往往只是单方面地研究投资者情绪或者异质信念对投资决策乃至股票价格的影响,而忽视了二者之间的密切联系,并没有考虑到投资者情绪与意见分歧对股票收益的交互影响,在意见分歧比较大的情况下,投资者情绪高涨,当期股票收益可能会上涨得更多;在不同情绪的推动下,不同类型的投资者对市场的反应又会具有更加明显的差异。正如Chemmanur et al.（2010）所指出的那样:投资者情绪可以看成投资者信念的乐观度（均值）,而意见分歧则相当于投资者信念的分歧程度（方差）,从这一意义上讲,投资者情绪和意见分歧是衡量投资者信念的两个统一的概念,用投资者情绪和意见分歧两个变量可以比较全面地涵盖投资者特征。因此,本文从意见分歧与投资者情绪相结合的角度,在一个更加完整的框架下考察投资者情绪与异质信念对股票收益的影响,并基于中国A股市场经验数据进行了实证检验,有助于加深理解我国股票市场中投资者的行为。本文通过寻求错误定价因子,研究了投资者非理性行为对股票价格的影响,探讨了投资者情绪、意见分歧是否会导致股票错误定价,以及投资者情绪与意见分歧对股票收益的交互影响,即投资者情绪是否会影响意见分歧与股票收益的关系,及意见分歧程度是否会影响投资者情绪与股票收益的关系。首先,从理论上论述了投资者情绪、意见分歧对股票价格的影响机理,构建了一个同时包含有投资者情绪、意见分歧的行为资产定价模型,并求解了模型的均衡解,发现投资者情绪与意见分歧对股票价格的作用方向相同且都为正。与大多数研究只强调情绪交易产生的主观因素不同,本文从信息不对称和投资者非理性角度两个角度,定性分析了在公司会计信息质量、分析师及媒体等中介以及投资者自身的认知偏差、风险偏好等因素的影响下,投资者情绪如何对股票价格及其收益产生影响的。并论证了现实金融市场中机构投资者与机构投资者之间、个人投资者与个人投资者之间、机构投资者与个人投资者之间都可能存在着异质信念,而且异质信念对股票收益产生影响的前提条件（即卖空限制）也依然成立,从而,Miller（1977）的假说也成立。在投资者情绪与意见分歧的共同作用下,投资者意见分歧较大时,股票越难估价,越易受投资者情绪的影响;当投资者意见分歧较小时,市场上可能会产生较少的交易量,股票价格受到投资者情绪的影响相对较小;在高情绪的驱动下,投资者对市场信息存在认知偏差,投资者意见分歧越大,相应的再售期权的价格也更高,从而推高了股票价格;情绪低落时,有利于坏消息的揭露,市场行情通常较差,存在卖方压力,投资者往往会表现得更为理性,意见分歧对股票错误定价的影响会相对较小。从而,从理论上分析得出,投资者情绪、意见分歧各自都与当期股票收益正相关,与未来股票收益负相关,投资者情绪与异质信念是影响资产定价的重要因子,在两者的共同作用下,股票价格被高估得更多。以中国A股市场为研究对象,结合我国股票市场的实际情况,从市场层面和个股层面全面探讨了投资者情绪、意见分歧对股票收益及其波动性的影响,并得到了如下结论:第一,基于总体效应分析,投资者意见分歧对下一期股市收益具有一定的预测能力,投资者情绪与股市未来收益呈现负相关关系。基于日度、月度不同数据频率下,意见分歧对中长期收益的影响要明显大于短期收益,意见分歧对股票收益的影响在短时间内更加依赖于市场情绪状态,而不管采用股吧投资者情绪还是经典的BW投资者情绪指数,各自与意见分歧对股市未来收益都产生显着的交叉影响。第二,从二阶水平上看,通过格兰杰因果检验证实了投资者情绪变化是影响A股收益率变化的格兰杰原因,但收益率对意见分歧变动的影响要比意见分歧变动对收益率的影响更明显,投资者情绪的变动依赖于前期收益率但不依赖于前期交易量。来自股吧论坛投资者情绪变动对股市交易量产生冲击,但这种冲击会逐渐减弱直至恢复到均衡位置。而基于日度数据,通过构建VAR-GARCH-DCC模型得出,投资者情绪与股票市场收益的动态相关性也较高,但意见分歧与股市收益的动态相关性相对较小。第三,基于截面效应分析,采用投资组合分析、Fama-Macbeth回归分析、面板数据回归分析三种实证方法,验证了意见分歧程度与未来收益率存在显着的负相关关系,且在情绪高涨期尤为突出;投资者情绪对股票未来收益产生负向影响,投资者情绪越高涨,股价越容易被高估,当意见分歧较大时,投资者情绪的影响更大。而且,在意见分歧与投资者情绪的共同作用下,投资者意见分歧越严重、投资者情绪越高,投资者对股价的非理性反应越强烈,股票价格偏离其基本价值的幅度越大,随后一期股票收益率回调得越多。第四,从自身特征不同、交易特征不同、行业特征不同三个维度,研究发现规模较小、账面市值比较低、市盈率较高、波动率较高的公司股票更容易受到投资者情绪、异质信念等非理性因素的影响,且在情绪高涨时,意见分歧对股票未来收益的负向影响更大。而我国股市中卖空限制程度对投资者意见分歧与股票收益的关系并没有产生显着影响,但投资者情绪、意见分歧对不同行业的公司股票收益的横截面影响具有差异性。本文的研究可以帮助我们更全面深刻地理解投资者非理性因素与股票价格行为的关系,对投资者、上市公司、券商、政府监管者具有重要的启示和参考价值,对完善我国股票市场运行机制,推进股票市场平稳健康发展,具有一定的指导意义。
张泽[4]（2019）在《中国股市流动性共变的特征、成因及其风险溢价研究》文中提出流动性共变（Commonality in Liquidity）是指市场中存在某些共同因素影响全体股票的流动性水平,使得不同股票的流动性之间存在显着的相关进而流动性变化表现出的趋同现象,亦即个股的流动性倾向同时改善或同时恶化。流动性共变的存在表明个股的流动性至少部分是由整个市场的流动性决定,因此,这种不可分散的风险被视为股票定价的一个重要因子,且这种不可分散的风险因子造成整体流动性的变化,使流动性风险成为系统性风险的一种。另一方面,由于不可分散特征,流动性共变也被认为是导致股价脆弱以及股市下跌时常常出现的市场流动性枯竭的关键因素。具体而言,在股票市场中,流动性非常脆弱,当市场出现危机时,由于流动性共变现象的存在,流动性会迅速减少甚至在短时间内“蒸发”殆尽,进而进一步引发市场的快速下跌。与以美国为代表的发达资本市场不同,我国股市同涨同跌现象更为严重,这意味着中国市场的流动性共变要比国外更为严重。作为主要的新兴市场,我国股市分别在1996 年 12 月、2001 年 7 月、2007 年 5 月、2009 年 8 月、2010 年 4 月、2013 年 6 月、2015年6月出现没有任何征兆的暴跌情况。特别是2015年至2016年中国股市大起大落,经历了千古跌停的严重“股灾”事件,上证指数由2015年6月15日的5179.19点跌到7月8日的3507.19点。相应地,个股跌幅超过30%的上市公司达2139家,个股跌幅超过50%的上市公司达1390家,更有多达1400家的上市公司选择停牌避险,沪深股票市场的流动性几乎枯竭。截至2016年1月27日,上证指数又跌至2638.30点。这次的股灾主要表现为交易性流动性危机和系统性流动性危机两个方面,这使我们深刻认识到以我国股市为研究对象,深入研究流动性共变问题的必要性。基于上述分析,为确保我国投资者在投资决策过程中以及监管部门在制定监管和治理措施时能够更深刻的认识流动性问题产生的影响,对我国股票市场流动性共变的存在特征、成因以及风险溢价等问题进行研究具有重要的现实意义。因此,本文将我国股票市场流动性共变的存在特征、成因及其风险溢价问题作为研究的主要内容,基于此,本文所做的主要工作和结论可分为以下四个部分:第一,我国股市流动性共变的存在特征分析。我国沪深股市的流动性共变存在性检验表明,我国股市存在显着的流动性共变。而且,以2007年股权分置改革结束前后为分水岭,我国股市的流动性共变程度表现出明显的差异,2007年后,流动性共变程度总体上明显下降。另外,本章考察了我国股市流动性共变的时变特征、规模效应及其流动性效应。结果发现,流动性共变表现出明显的时变特征,市场环境的变化会严重影响流动性共变强度。特别在市场大幅下跌或爆发金融危机期间,我国股市流动性共变程度明显增加甚至会出现峰值,而在上行的市场走势中,我国股市的流动性共变则对这一变化不敏感。与国外发达市场的结论正好相反,我国股票流动性共变程度并非表现出随股票市值规模和流动性水平增加的递增效应,而是表现出随规模和流动性水平增加的递减效应。进一步地,本章还探讨了股市下跌时流动性共变的增强是否会造成流动性枯竭。结果发现,市场大幅下跌情况下流动性共变的增加会导致股票流动性水平的进一步下降,且随着市场环境的不断恶化,流动性共变对股票流动性水平的负向影响程度也变得更大,这表明,股市下跌时,强烈的流动性共变甚至可能会导致市场流动性枯竭的发生。第二,需求侧视角下基金持股引发流动性共变的原因及渠道分析。作为资本市场的重要参与者,机构投资者在驱动流动性共变的形成上具有重要作用。因此,本文基于需求侧视角深入探讨我国基金出于何种原因使得彼此间的交易需求相关并最终导致出现流动性共变。为此,本文构造高基金持股组合并计算该组合的流动性共变,实证检验了高基金持股组合流动性贝塔与基金持股比例之间的关系,发现在2010～2017年间,随着基金对股票持有比例的增加,股票与高基金持股组合之间的流动性共变会变得更为强烈,这一发现为基金的相关交易驱动流动性共变提供了证据支持。需求侧因素的解释认为,相关性交易是产生流动性共变的成因。对于基金而言,相关性交易,一方面体现为主动交易行为的共同变动,如羊群行为等,一方面是被动交易行为的共同变动,如面临投资者资金流入和流出的压力。为此,本文从羊群行为和基金资金流变化两个方面进一步考察了我国基金出于何种原因使得彼此间的交易活动相关并导致流动性共变。结果发现,基金羊群行为对流动性共变有显着的影响,特别在基金存在卖方羊群行为时更为明显。资金流变化引起的流动性冲击的确是导致基金持股比例对股票流动性共变正向影响的重要驱动因素,基金处于明显的资金内流时这一正向影响更大。从基金持股的角度分析需求因素对流动性共变的影响,假设了基金持股直接体现基金的交易,但这只是从单个基金的角度出发。实际上,基金与基金之间即使不持有共同的股票仍会产生相关性交易,这就需要考虑基金与基金之间的持股结构,而前面基金的羊群行为和资金流变动并不能分析两个基金之间的持股关系。为此,本文借鉴Koch et al.（2016）的研究,对于每个季度任意两两配对的股票,计算持有其中任意一只股票的基金相应的持股比例,探讨“共有所有权（Common ownership）”和“相关流动性冲击（Correlated liquidity shocks）”两个渠道在基金相关性交易需求引发流动性共变中的作用。流动性共变的渠道分析结果发现,任意两只股票之间的流动性相关程度并未随共同持有这两只股票的基金所持有的相应的持股比例的增加而增强,而非重叠持有两只股票的基金相应的持股比例的增加则会对上述相关程度产生显着的正向影响。这表明我国基金主要通过“相关流动性冲击”渠道,而非“共有所有权”渠道,导致基金的交易需求相关并引发流动性共变。第三,流动性共变成因的“供给侧”和“需求侧”解释的实证分析。在探讨金融中介面临的融资约束这一供给侧因素是否会引发我国流动性共变时,本文参考国外已有文献,分别从不同角度构造券商超额收益、银行间同业拆借利率、国债回购量以及金融部门杠杆水平作为其融资约束的代理指标,实证检验后发现,除券商超额收益对流动性共变所造成的显着负向影响支持流动性供给侧的解释外,其余三个变量对流动共变造成的影响则并不支持这一解释。因此,同Karolyi et al.（2012）得到的研究结论,本文认为,我国金融中介面临融资约束时流动性供给的变化很难被用来作为流动性共变产生的来源。关于流动性需求侧的解释,本文发现:（1）换手率共变和机构持股水平与我国流动性共变水平显着正相关,表明我国投资者的相关交易行为的确会引发流动性共变;（2）与Karolyi et al.（2012）的发现相反,我国股市中投资者情绪与流动性共变显着负相关,表明投资情绪下降或悲观的投资者情绪会增加流动性共变强度;（3）无论是在投资者之间亦或是企业内外部之间,信息非对称程度的增加都会引发更为强烈的流动性共变,因此,信息非对称是引发我国股市出现流动性共变的一个重要原因。尽管大量文献强调金融中介的融资限制是引发股市流动性共变的重要流动性供给侧因素（Brunnermeier and Pedersen,2009;Hameed et al.,2010）,但本文的研究结论表明,投资者的相关交易、投资者情绪以及信息非对称等需求侧因素更加能够解释我国股市流动性共变的产生及其动态变化。第四,中国股市流动性共变风险溢价实证分析。Acharya和Pedersen（2005）理论模型指出,流动性共变风险是流动性风险的重要组成之一,但关于流动性共变风险溢价的实证研究结论则并不统一。Anderson et al.（2013）指出,流动性共变风险与股票流动性水平高度相关,因此之前文献发现的低流动性共变风险溢价可能存在一定误导。基于此,本章参照Anderson et al.（2013）提出的双重排序的组合构造方法构造流动性共变零投资组合,探讨我国股市是否存在流动性共变风险溢价。结果表明,高流动性共变风险的投资组合可获得统计意义上显着的流动性共变风险溢价,样本期间内（1997年1月至2017年12月）,投资者会获得约年化3.82%的流动性共变风险补偿。因子模型的回归结果也表明,与Moshirian et al.（2017）的结论一致,作为不可分散的风险因子,流动性共变风险被定价。进一步地,本文还考察了扩展组合持有期后流动性共变风险溢价是否可持续,结果发现,随着组合持有期的增加,流动性共变风险溢价呈现下降趋势,这表明,我国股市流动共变风险溢价在长期上是不可持续的,属于一种短期的风险溢价。与已有国内研究文献相比,本文的学术贡献主要表现在以下几个方面:第一,针对中国股市流动性共变的存在特征,重点考察流动性共变随市场环境变化表现出的时变特征、规模效应特征以及流动性效应特征,以有助于投资者和市场监管者更好的了解流动性共变动态变化,从而帮助投资者更为准确地制定投资决策,监管者更高效地维护市场稳定。第二,作为资本市场的重要参与者,机构投资者在驱动流动性共变的形成上具有重要作用。本文基于需求侧视角,深入考察我国基金出于何种原因使得彼此间的交易需求相关并最终导致出现流动性共变,并进一步探讨分析基金的相关交易引发流动性共变的相应渠道作用机制。第三,基于流动性共变成因的供给侧和需求侧的理论解释,构造供给侧因素如金融中介面临的融资约束代理指标,需求侧因素如相关交易、投资者情绪、企业内外部人及投资者之间信息非对称程度的代理指标,全面而深入地考察我国流动性共变的驱动原因。第四,作为不可分散的风险因子之一,本文尝试对我国流动性共变的风险溢价问题进行研究。通过双重排序法构造出控制流动性水平的流动性共变零投资组合,发现我国股市的确存在明显的流动性共变风险溢价,样本期间内,投资者会获得约年化3.82%的流动性共变风险补偿。
孟德峰[5]（2019）在《经济周期、行业轮动与A股市场投资策略》文中研究说明股市中的行业轮动现象很早就引起了学术界和投资界的注意。特别是量化投资兴起后,行业轮动更是成为当前的研究热点。直觉上,行业轮动背后的驱动力最大的可能是实体行业盈利能力的变化,而实体行业利润的变化往往与整个宏观经济的波动有关。因此,研究者将宏观的经济周期与股票中的行业轮动现象联系起来,通过辨别各行业股票在经济周期各阶段的不同表现,寻找行业轮动现象背后的获利机会。本文系统、全面地研究了宏观、行业、股市三者之间的变化关系,检验上述直觉结论是否成立,并根据所得到的结论制定可行的投资策略,并进行回测以验证本文结论的正确性。在结构上,本文主要分成三个大部分。第一至第三章构成了第一部分,系统研究了经济周期、实体行业与行业轮动三者的关系。这部分的研究主要集中在宏观经济领域。第四章构成了第二部分,在整合第一部分重要研究结论的基础上,以动量和反转效应概念为节点,将经济周期与行业指数波动现象连接起来,并据此分析了行业轮动的真实原因。该部分内容通过对宏观经济领域研究结论的梳理,将研究进程过渡到证券市场领域,起着承上启下的作用。论文的第三部分由第五、六章构成。这部分内容围绕着构建行业轮动投资策略展开,目的在于通过对行业轮动投资策略的设计、执行、评测,探索行业轮动策略获利的可能性及效果。研究经济周期的文献较多,虽角度和方法各异,但在经济周期阶段的划分上,主流学者的观点却比较一致。当前经济周期阶段的主流划分主要有二分法和四分法。相较于四分法,二分法虽然略显粗糙,但扩张（紧缩）与紧缩（扩张）阶段之间的波峰（波谷）的识别方法简单且精度较高。本文首先使用二分法识别经济周期转点（即波峰或波谷）,并在此基础上,借鉴美林投资时钟思路,按四分法划分经济周期。美林投资时钟在经济周期划分时,只考虑通胀和产出缺口两个因素,会引起内生性矛盾。为了克服该问题,在考虑通胀和产出缺口基础上,同时考虑二分法的结果和产出缺口符号,并引入宏观经济冲击概念对经济周期四分法的各阶段进行划分。在经济周期划分基础之上,第二章使用一致性指数衡量了GDP与各实体行业以及各实体行业之间的同步性。参与计算的行业总计75个,故共计可以得到C276（28）2850个一致性指数（含GDP）。依据一致性指数显着与否的判断,构建了宏观经济与各行业、各行业间的同步网络。从网络结果中可以看到,在经济系统内,实体行业与经济周期的同步关系具有非一致性、极化性和层次性,且不存在与GDP没有间接同步关系的行业,该结果表明经济系统作为一个整体,其子系统——行业与经济整体之间的联系是必然和多层次的。同样在经济周期划分的基础上,第三章对二级行业的行业因素与行业轮动、经济周期与行业轮动之间的关系进行了研究。首先,考察了行业总周转率与行业指数之间的协整关系。其次,构建了包含行业总周转率、行业指数、大盘指数、利率四个变量的SVAR模型,以克服大盘趋势、利率对当期行业指数的巨大影响。再次,对经济周期不同阶段中各行业指数收益率的表现情况进行了统计。研究结果显示,75个行业中,只有21个行业的行业总周转率与行业指数间存在协整关系,且只有少数行业周转率对行业指数的短期波动影响较大。依据不同行业在不同经济周期阶段的表现,可以将行业分为周期性行业和非周期性行业。作为过渡章节,第四章在梳理前文结果基础上,将研究视角由经济系统转向金融市场领域。当股票市场为弱式有效时,股票价格反映了所有的历史信息。虽然现有文献在我国股市是否达到弱式有效性莫衷一是,但诸多文献证实了我国股票市场的效率在不断提高。这就解释了为何只有较少行业的行业因素波动短期内对该行业的行业指数造成了较大冲击。这一结果意味着实体行业与经济周期在历史中显示的稳定关系在证券市场被投资者竞争性套利行为消融,若想从行业轮动现象中获利,实体行业的经营状况变化所能提供的信息有限,只能另辟蹊径。通过对A股市场中行业动量现象的分析和前文的研究结论,本文认为行业轮动现象本质上是一种基于经济周期阶段的行业动量或反转效应。因此,抓住行业轮动的获利机会应从两个方面入手:一、及时准确的识别投资起始点时刻所处的经济周期阶段;二、基于不同经济周期阶段下的行业动量和反转效应的特征,制定合适的动量投资策略。基于以上思考,第五章对经济周期转点的实时识别方法进行了研究。本文认为,经济周期转点的实时识别本质上是一种预测行为,故在研究思路和解决方法上,与第一章皆有不同。经济总量指标的变化是诸多宏观经济因素相互影响、共同作用的最终反映。使用单一总量指标进行转点的实时识别显然会由于丢失太多信息而丧失准确性。因此,将经济周期转点的实时识别过程划分为历史数据的转点识别和转点的实时识别两个部分。在历史数据识别部分,与第一章一致,依然使用BB模型对单一经济总量指标进行二分法的转点识别。在实时识别部分,引入其他重要宏观经济变量,使用历史数据的转点识别结果对LVQ算法进行训练,并使用训练后的算法进行实时识别。经过反复测试对比表明,该实时识别方案在识别精度、识别及时性和识别稳健性方面都优于传统识别方法。第六章设计了一个基于前文研究结论的行业轮动投资策略,并进行了回测。该策略基于经济周期转点实时识别结果,依据经济周期各阶段的行业动量和反转效应特征筛选行业和股票构建基础投资组合。考虑投资风险,使用Black-Litterman模型对基础投资组合进行优化。Black-litterman模型中的投资者观点矩阵通过GJR-GARCH-M模型确定。信心向量则依据经济周期转点实时识别中的分类考察指标设定。在回测过程中,严格界定投资时点已知和未知的数据环境。依据每个月最新公布的宏观经济变量,不断更新经济周期转点识别的实时结果。据此测试该经济周期阶段的行业动量和反转效应特征,进而根据此特征调整投资组合的股票,最后依据BL模型确定最后组合权重。测试的结果表明,在大部分月份里该策略收益皆好于当月大盘指数的收益。本文的研究表明,经济周期对股票市场中的行业轮动现象是存在影响的,但影响的主要中间变量并非是行业因素。虽然经济的周期性波动会引发实体行业的同步或非同步波动,但实体行业的波动对股票市场中行业指数的冲击有限。行业轮动更多的是一种行业动量和反转效应的表现。经济周期与股票市场中的行业指数之间的联系,是通过行业动量和反转效应在不同经济周期阶段的特征变化表现的。本文研究过程中,在经济周期阶段的划分、宏观经济与行业之间的领滞关系以及经济周期转点的实时识别等方面做了一些创新性尝试。但受限与对行业轮动现象概念的理解局限,本文未能对该定义做出更为具体和可量化的改进,而只能沿用的传统定义。这使得本文在行业轮动现象、经济周期和实体行业之间关系的研究只能局限对总体数据的观察,而无法深入到具体“某一个”行业轮动现象的微观层面。该问题既是本文研究的不足之处,也是本文未来研究的重要方向。
刘书坤[6]（2019）在《投资者情绪对我国A股市场收益率的影响研究》文中进行了进一步梳理A股市场作为全球新兴的资本市场,在过去30年取得了举世瞩目的成就,但由于诸多因素的制约,其收益率频繁发生暴涨暴跌,这导致A股市场无法有效发挥其服务实体经济的功能。其中,投资者情绪作为影响A股市场收益率的系统性因素逐渐受到关注。我国A股市场的一大特征即为个人投资者占比较高,而个人投资者由于缺乏专业知识、存在过度自信等心理缺陷,极易产生“羊群行为”,从而在非理性的心理预期下进行错误的投资决策。这种非理性心理及行为导致的决策偏差,被视为投资者情绪加剧股市收益率波动的体现。结合以上背景,本文探究投资者情绪对A股市场收益率的影响,对于抑制我国股市过度波动、促进股市健康发展有着重大意义。本文从投资者情绪的角度,分析A股市场收益率变动的机制,并实证研究了投资者情绪对A股市场收益率的影响。本文的结构安排是:首先,介绍了本文的选题背景及意义,并梳理评述了国内外研究成果;接着,在界定投资者情绪相关概念的基础下,结合传统金融理论和行为金融理论,阐明了投资者情绪基于投资者心理因素和有限套利因素两种途径影响A股市场收益率的机理;随后,分析A股市场收益率和投资者情绪的现状,并发现个人投资者比重过高、受教育水平偏低等因素是投资者情绪产生的重要原因;然后,采用主成分分析法以余额宝情绪指数、A股市场成交量、流通市值加权换手率、A股市场融资余额和A股市盈率构建了投资者情绪指数,并利用Fama-French三因子模型,实证分析了投资者情绪影响A股市场收益率的总体效应和横截面效应。最后,基于前文的分析结果,提出了抑制股市过度波动促进股市健康发展的政策建议。本文的研究结论为:第一,投资者情绪会显着地正向影响A股市场收益率;第二,对立的投资者情绪对A股收益率的影响具有非对称性,即相较于悲观情绪导致的A股市场收益率下挫,乐观情绪更能推动A股市场收益率的上扬;第三,不同风格特征的股票组合收益率受情绪作用程度具有差异性,即相较于高市值股、高价股、低市盈率股、绩优股来说,低市值股、低价股、高市盈率股、亏损股的组合收益率的变动更加敏感于投资者情绪的变动。基于前文分析结果,本文提出了如下建议:第一、健全情绪波动监测预防机制,避免市场的过度波动;第二、完善信息披露机制,防范信息操纵行为,打击利用信息进行牟利的不法行为;第三、加强个人投资者的教育和引导,避免“羊群行为”,进一步增加机构投资者的比重,适当地缓冲市场的过度波动。本文可能的创新点如下:第一,引入由天弘基金编制的余额宝情绪指数衡量投资者情绪,由于移动互联网时代使得入市交易更加便利化,因此该指标较以往的情绪代理指标更具有说服力;第二,将情绪因子引入Fama-French三因子模型,将行为金融理论与传统金融理论有机的进行结合,提供了新的研究思路;第三,使用日度数据进行研究,较以往的研究大幅增加了样本容量,使得结果更加稳健和可靠。
梁晓波[7]（2019）在《基于中国农历视角的中国A股月份效应的再检验》文中指出月份效应（Monthly effect）是指股市中某些月份的平均回报率比其他月份高,其中1月效应（January effect）,即每年第一个月的平均回报率比其它月份高,获得学术研究的关注最多。Rozeff和Kinney（1976）使用美国纽约证券交易所的数据首次证实1月效应的存在后,其他国家的股票市场陆陆续续也发现了1月效应,但是中国股市不存在。本文认为,中国股市不是不存在1月效应,而是1月效应深深扎根于中国的传统文化,以中国农历的方式存在。本文选取公历1997年1月至2017年11月（对应的农历1996年十二月至2017年十月）中国A股的月回报率,通过实证发现,与已有文献一致,中国A股不存在公历1月效应,但是存在2月效应或3月效应。当从中国农历的角度检测时,发现农历年的第一个月,即正月的平均回报率显着比其它农历月份高,本文称之为“正月效应”。并且,正月效应也表现出西方国家1月效应的规模效应的特点:随着规模的增加,正月效应反而减弱。本文认为正月效应的来源有两个:一是宏观经济政治环境的影响,每年3月召开的两会可增强正月效应,但只有两会在正月召开时,才起促进的作用;二是春节前后的消费需求造成的流动性差异和投资者的周期性交易行为,春节前,因消费需要大量的流动资金,个人投资者选择减少股市的投资并从股市中撤回资金,但春节后流动性的需求降低,资金回流到股市中。巨额的投资需求引起了正月效应。进一步的检验表明,正月效应与中国传统文化息息相关,离开中国传统文化的土壤,正月效应不复存在。多角度的稳健性检验证明,正月效应是稳健存在的。
陈慰[8]（2019）在《中国股票市场换手率效应形成机制研究》文中研究表明换手率指的是单位时间内股票累计成交量占总流通股数目的百分比,是一种标准化的交易量指标,也是股票市场中最为重要的技术指标之一。换手率直接反映股票交易的活跃程度以及投资者的购买意愿,其水平高表明该股票受到市场关注,投资者的购买意愿强烈;相反地,低换手率的股票意味着被市场忽视。在随后的研究中,换手率又被赋予了流动性、流动性风险、异质信念、投资者情绪等丰富的内容。高换手率一直是我国股票市场最为显着的特征,据统计,1996-2017年,A股市场个股的平均月换手率高达52.2%,即股票平均每两个月就被彻底换手一次,这一频率远高于美日等成熟股票市场。那么,我国股市的高换手率到底反映了什么?是流动性好、市场非理性亦或是其他内容?这是股票市场最基本的问题,但现有文献鲜有涉及。过高的换手率无论对市场还是个股而言都并非有益,市场的高换手率通常伴随着市场在短期内暴涨暴跌,不利于金融稳定;而对于个股来说,高换手率意味着未来可预见的损失,即换手率越高的股票未来收益越低。横截面中,预期收益与换手率间负相关的现象的称为换下率效应。与其他市场异象一样,换手率效应的形成机理一直是学者关注的重点。根据对换手率内涵不同的理解,现有文献中关于换手率效应有两种主流的解释。基于投资者理性和风险定价的传统金融学认为换手率与股票流动性正相关,低换手率股票的高收益源于对其低流动性或高流动性风险的补偿。而在强调投资者有限理性和套利限制的行为金融学框架下,换手率被认为反映投资者间的意见分歧程度,并与卖空限制共同催生出当期的价格泡沫,后期泡沫破裂形成换手率效应。然而,相关的研究没有为这两种理论提供充分的证据,导致换手率效应这至关重要的量价关系的成因一直存在争议。本文以1995年1月至2017年12月在中国上海证券交易所和深圳证券交易所上市的2698家非金融上市公司为样本,对换手率的内涵、换手率效应的存在性以及形成机制进行了探讨。首先,本文采用单变量分组、双变量分组、面板回归和Fama-MacBeth回归等方法检验了中国沪深A股市场的换手率效应。然后,构建了流动性、流动性风险、异质信念、特质风险等指标对换手率的内涵逐一剖析,并在此基础上从传统金融学和行为金融学角度结合流动性溢价理论、流动性风险补偿理论、实物期权理论和错误定价理论对换手率效应的形成机制进行了分析。本文的研究内容和主要结论如下:第一,分组检验和回归检验的结果表明中国A股市场存在显着的换手率效应。平均而言,低换手率组合比高换手率组合的月收益高2.22%。进一步分析发现,传统的CAPM,Fama-French三因子模型等因子定价模型以及规模、流动性、特质波动率和系统性风险等定价因素都无法完全解释该现象。此外,低换手率溢价现象并不受样本区间、一月效应、收益加权方式等的影响,具有较好的稳健性。但其与持有期关系密切,只存在于周和月度的短周期中,在季度或者年度样本中基本消失。第二,本文从价格影响和价差两个角度构建了多个流动性代理指标,研究发现换手率与流动性正相关。然而,换手率效应并不能简单地看作是流动性溢价。应用Hou和Loh（2016）的系数分解模型发现,换手率效应中可由流动性解释的比例非常低,平均仅为13.2%。因此,将换手率效应直接等价于流动性溢价是不合适的。第三,在大多数情况下,换手率与流动性风险正相关而非负相关,即换手率高的股票流动性风险也更大。并且对流动性风险与预期收益的关系分析发现,我国股票市场中的流动性风险并未得到相应的收益补偿,也就是说换手率效应完全无法从流动性风险补偿角度解释。第四,本文发现换手率与公司层面的特质风险正相关,并且换手率效应可由实物期权理论解释。从市账比、托宾Q、研发投入、融资约束等角度度量企业的类期权性,发现换手率效应会随着公司类期权性的增加而明显变强。进一步,结合Campbell和Vuolteenaho（2004）的两贝塔思想对实物期权理论进行了拓展,研究结果表明,现金流风险能够显着放大类期权股票的换手率效应。第五,换手率效应也能从行为金融框架解释,其可被视为由异质信念与套利限制共同导致的错误定价及价格的延期纠正。本文从基本面风险、噪音交易者风险和实施风险角度构建了分析师覆盖、股东离散度、现金流波动等多个套利风险指标。通过分组和回归分析发现,换手率效应随着套利限制的增大而显着增强。系数分解的结果表明,在同时考虑流动性和异质信念的条件下,换手率效应中可由异质信念可解释的比例达到33.9%,远高于流动性的9.5%。此外,本文还发现市场情绪和新闻情绪对换手率效应有着不可忽视的正向影响。以上结果意味着,异质信念才是形成换手率效应的主要原因,即换手率效应主要源于错误定价而非流动性溢价。总的来说,本文发现我国股票市场的换手率效应非常明显。换手率与股票的流动性、流动性风险、公司层面的特质风险和投资者的异质信念正相关。换手率效应可以用实物期权理论和错误定价理论进行解释,相反地,流动性溢价理论对换手率效应的解释比例较小,而流动性风险补偿理论则几乎没有解释能力。基于本文的研究结论,本文从以下几方面给出政策建议:1.加强投资者教育,鼓励投资者掌握基本的财务知识,避免盲目投资。向投资者普及不能简单地将高换手率等同于强流动性,更应该认识到高换手率背后可能意味着价格泡沫和可预期的损失。2.通过完善融资融券制度、推出股票期权等多样化的金融衍生品、发展机构投资者和证券分析师行业等措施优化市场制度,降低套利限制,使市场定价更为有效。3.加强舆情管理,积极引导市场情绪。建立完善的信息披露平台,通过媒体、网络等平台及时披露市场信息,矫正市场过于乐观或悲观的情绪。规范和监督相关新闻报道,确保公司真实状况被客观准确地揭示,防止蓄意抬高或是贬低公司。4.加强资本市场税制改革,按持有期限设置多档说率,对于超短期持有产生的资本利得征收高额税收,而对长期投资给与税收优惠,引导投资者价值投资。
万孝园[9]（2018）在《融资融券交易对流动性及流动性黑洞的影响 ——理论分析及中国股票市场实证研究》文中指出流动性是一个有效和稳定的金融市场的基本要素。近年来,流动性危机引发的金融市场动荡不仅给投资者造成了巨大的损失,同时也给监管机构和决策者带来了巨大的挑战。因此,流动性,特别是流动性黑洞,已经成为金融领域一个迫切且重要的研究课题。本文首先基于限价订单簿构建一个理论框架阐述流动性黑洞的动态机制。限价订单簿为分析流动性黑洞提供了一个理想的框架:当限价订单簿深度很少甚至几乎为空时会直接导致流动性黑洞。然后,受中国股票市场放松融资融券交易限制的启发,利用上述理论框架分析融资融券交易对流动性特别是流动性黑洞的影响。最后,实证研究检验理论框架下得出的各种假说。本文三个部分总结如下:第一部分,基于限价订单簿框架阐述流动性黑洞的动态机制,尤其是市场下跌状况下。本文提出一个三期理论框架,在Period 1,市场处于正常状况;在Period 2,市场受到负面冲击,流动性明显下降;在Period 3,最差情况,流动性明显下降对不知情交易者产生反馈作用,导致他们撤单,知情交易者由于市场不确定性增加而退出市场,市场经历流动性挤兑,出现流动性黑洞。第二部分,基于上述理论框架分析融资融券交易对流动性的影响。当投资者倾向于提交限价订单,融资融券交易会提高流动性。相反,当投资者倾向于提交市价订单或可售限价订单,知情交易者的存在容易导致不知情交易者的逆向选择（即撤单）,融资融券交易会降低流动性。当投资者意见分歧大时,更多的买空卖空更容易引起不知情交易者的逆向选择,融资融券交易对流动性的负面影响更大。从2010年3月31日开始,中国股票市场放松对融资融券交易的限制。截止到2014年9月22日,融资融券标的股票由最初的90只扩大到900只。利用我国融资融券交易的“自然实验”,采用双重差分法和多元回归法,分析融资融券交易对流动性的影响。主要实证结果如下:（1）融资融券交易总体上对流动性产生负面影响。以非流动比率衡量流动性,发现允许融资融券交易后标的股票的流动性显着提高了,但是提高的幅度显着小于控制组股票。这表明融资融券交易对流动性具有显着的负面影响。（2）以分析师盈利预测分歧和特质波动率作为投资者意见分歧的代理变量,发现意见分歧越大的标的股票,融资融券交易对其流动性的负面影响越大。第三部分,基于第一部分的三期理论框架分析融资融券交易对流动性黑洞的影响。负面冲击导致的流动性明显下降可能会对不知情交易者产生反馈作用,导致他们撤单;当伴随着价格大幅下跌时,可能会触发融资平仓、引发激进的卖空行为,均会恶化流动性、提高流动性黑洞发生的概率。当投资者意见分歧大时,融资融券交易可能导致更激进的卖空交易以及触发更多的融资平仓,对不知情交易者产生更大的反馈作用。因此,流动性黑洞更容易发生。利用我国融资融券交易的“自然实验”,采用双重差分法和多元回归法,分析融资融券交易对流动性黑洞的影响。主要实证结果如下:融资融券交易总体上对流动性黑洞产生负面影响。将非流动性高于过去250个交易日非流动性平均值2倍标准差定义为发生流动性黑洞。发现允许融资融券交易后标的股票的流动性黑洞频率显着降低了,但是降低的幅度显着小于控制组股票。这表明融资融券交易对流动性黑洞具有显着的负面影响。意见分歧越大的标的股票,融资融券交易对流动性黑洞的负面影响越大。融资融券交易者,尤其是卖空者,更可能是知情交易者（Chang et al.,2014）。拥有私有信息的投资者可以通过杠杆交易更有效地利用不对称信息。害怕被知情交易者利用,不知情交易者避免与他们交易以降低风险（Ausubel1990）。我国的股权操纵和内幕交易现象普遍存在（Chakravarty et al.,1998;Chan et al.,2008）。因此,不知情交易者可能会避开融资融券标的股票,导致其流动性下降。如果不知情交易者停止交易,知情交易者也可能放弃交易以避免泄露拥有的信息（Milgrom and Stokey,1982）,导致流动性下降。当投资者意见分歧大时,信息不对称风险高,更容易引起不知情交易者的逆向选择行为,因此融资融券交易对流动性和流动性黑洞的负面影响更大。本文的实证研究结果不仅对投资者了解投资面临的流动性风险具有重要意义,而且也为监管机构和决策者在评估和管理流动性风险,特别是极端流动性风险方面提供了有益的证据。
黄旭成[10]（2018）在《A股市场“风格现象”研究 ——风格动量、风格轮动以及风格策略》文中进行了进一步梳理研究表明,市场风格对证券投资有重要影响,在A股市场则更为明显。风格通常是针对股票组合而言的,当股票组合被称为拥有某种风格时,组合内股票往往具有一种共同的属性,使得风格组合内的股票的收益表现具有较强的相关性从而相区别于其他股票。一般而言,风格应来自于更为基本的公司特征而非行业特征,例如市值大小、成长性等,这些公司特征也被称为风格因子。尽管市场风格对证券投资影响较大,但目前国内关于市场风格现象的学术研究并不多,本文完善相关研究方法,结合国内A股市场的实际情况,针对A股市场的一些重要的风格现象做了一个较全面的深度研究,具体包括风格动量、风格轮动、风格策略以及风格对投资策略所产生的影响等等。首先,本文研究了风格动量效应,并分别研究了个股动量效应和行业动量效应以便与风格动量效应进行比较,还进一步探讨了个股、风格以及行业这三类动量效应之间的内在规律。本文发现,A股市场存在较为明显的风格动量效应,尤其在日周期层面和周周期层面表现得较为显着;个股动量效应则要弱于风格动量效应,仅在极短期内存在;与个股动量以及风格动量相比,行业组合的动量效应则更为显着。本文进一步发现,在A股市场,个股、风格、行业这三类动量效应呈现出逐步增强的趋势,与三类动量类型所对应的价格、风格和行业三类因子,本质上是从不同的角度反映了股票的不同属性,但这些因子所反映的股票属性的深度以及对股票收益波动的影响程度是逐步增强的,从而直接导致了三类动量效应不同的强弱表现;A股市场存在显着的个股反转效应和风格、行业动量效应,且三者之间还存在清晰的规律关系,充分说明了A股市场不是一个有效市场。其次,本文在风格动量研究的基础上研究了风格轮动,给出了风格轮动的形成机制的理论解释,并基于风格轮动的形成机制进一步解释了风格动量的形成原因。本文发现,A股市场普遍存在着风格轮动现象,并且当某种风格强势时,另一种对立风格往往弱势,这种风格对立的风格轮动现象是一种普遍现象;股票价格是股票未来预期收益的折现值,如果原先定价所基于的宏观环境和定价因子发生变化,例如资金成本、相对风险溢价和相对业绩增速等,则将改变股票的定价预期,不同风格组合的价格预期的不同变化将导致不同风格组合之间相对价格的偏移;宏观环境和定价因子的周期性变化,导致了风格轮动;宏观环境和定价因子的持续性变化,并叠加投资者的适应性预期,导致了风格特征在中短期内具备持续性,产生了所谓的风格动量效应。接着,本文根据风格动量和风格轮动的相关研究结论,构建了一些量化投资策略模型并进行了策略评价。本文所发现的动量效应内在规律,实际上就是一种对市场波动的预测或把握能力,因此,既然能预测到或把握住市场波动,那么就应该能基于这些内在规律开发出具有参考价值的量化对冲策略模型。本文发现,基于风格动量和风格轮动的内在规律,确实能够设计出有效的量化投资策略,这也从另一个角度证实了本文提出的风格动量和风格轮动的内在规律的客观性。另外,本文还发现,在找到市场逻辑以后,通过改变思路或使用更为先进的方法,能够有效地改善量化策略。最后,本文进一步对一些具有代表性的风格策略做了研究,一是拓展了风格因子范围,重点对具有代表性的SMART BETA策略进行了研究;二是重点分析了风格对阿尔法策略等市场中性策略的影响,进一步观察了市场风格对投资策略的影响。本文发现,从历史绩效来看,各类SMART BETA策略指数相对于基准指数长期确实具有更好的投资绩效;SMART BETA策略指数的较高的投资绩效来自于特定的风格因子暴露;但A股的市场结构和市场特征与国外成熟市场存在较大的差异,SMART BETA策略的基础理论就A股市场现状而言可能存在缺陷,因而SMART BETA策略在A股市场的投资绩效可能存在较大的不确定性。本文还发现,从整体而言市场中性策略对冲基金的绝对收益并不高于市场收益和传统型基金,但从基金绩效评价的角度来看,市场中性策略基金的绩效优势明显;各市场中性策略基金普遍存在市场风险暴露,其中阿尔法子策略基金还存在显着的市场风格因子暴露;阿尔法策略基金与市场风格因子高度相关,本质原因可能在于目前有效的对冲工具依然不足,普遍使用沪深300股指期货作为对冲工具;当市场风格偏小盘和成长时,该类策略会表现较好;反之,当市场风格转向大盘股和价值股,阿尔法策略对冲基金就会存在较大的风险。本论文关于A股市场各种风格现象的研究结论,不仅仅有效地填补了相关学术领域的一些研究空白,对投资者而言也具有较高的参考价值,同时也为监管部门有针对性地开展监管工作提供重要的实证支持。
二、中国股市纺织A股1999年12月份交易情况汇总（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、中国股市纺织A股1999年12月份交易情况汇总（论文提纲范文）
（1）上市公司兜底式增持动因及效果研究 ——以科陆电子为例（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 理论基础和文献综述 |
| 2.1 概念界定 |
| 2.2 理论基础 |
| 2.2.1 有效市场假说 |
| 2.2.2 信息不对称理论 |
| 2.2.3 信号传递假说 |
| 2.2.4 理性人假设 |
| 2.3 文献综述 |
| 2.3.1 股票增持行为的动因 |
| 2.3.2 股票增持行为的市场效应 |
| 2.3.3 兜底式增持 |
| 2.3.4 文献述评 |
| 第3章 上市公司兜底式增持现状 |
| 3.1 兜底式增持发展情况分析 |
| 3.1.1 兜底式增持现象产生背景 |
| 3.1.2 兜底式增持现象发展过程 |
| 3.1.3 兜底式增持现象特征分析 |
| 3.2 上市公司兜底式增持动因分析 |
| 3.2.1 推送利好消息以稳定公司股价 |
| 3.2.2 保证公司再融资需求 |
| 3.2.3 降低股东股权质押平仓风险 |
| 3.2.4 掩护股东减持 |
| 3.2.5 实施成本低 |
| 3.3 上市公司兜底式增持效果分析 |
| 3.3.1 兜底式增持效果总体概况 |
| 3.3.2 兜底式增持短期市场反应分析 |
| 3.3.3 兜底式增持长期市场反应分析 |
| 第4章 科陆电子兜底式增持概况及动因 |
| 4.1 公司简介 |
| 4.1.1 案例选择 |
| 4.1.2 公司基本情况 |
| 4.1.3 公司股权结构 |
| 4.2 科陆电子三次兜底式增持概况 |
| 4.2.1 第一次兜底式增持概况 |
| 4.2.2 第二次兜底式增持概况 |
| 4.2.3 第三次兜底式增持概况 |
| 4.3 科陆电子兜底式增持动因 |
| 4.3.1 股灾期间亟需维稳措施 |
| 4.3.2 推送利好消息减轻业绩下滑影响 |
| 4.3.3 降低控股股东股权质押平仓风险 |
| 第5章 科陆电子兜底式增持效果分析 |
| 5.1 兜底式增持短期效果分析 |
| 5.1.1 短期市场效应由正转负 |
| 5.1.2 员工参与度逐渐降低 |
| 5.2 兜底式增持长期效果分析 |
| 5.3 兜底式增持效果差异分析 |
| 5.3.1 发布时间差异分析 |
| 5.3.2 公司价值差异分析 |
| 5.3.3 公司基本面差异分析 |
| 第6章 结论与启示 |
| 6.1 主要研究结论 |
| 6.2 研究启示 |
| 6.2.1 企业应结合自身发展情况谨慎使用兜底式增持 |
| 6.2.2 监管机构应加快健全兜底式增持相关制度 |
| 6.2.3 外部投资者应理性看待兜底增持 |
| 6.3 研究不足与展望 |
| 参考文献 |
| 附录 A 我国上市公司兜底式增持总体情况 |
| 致谢 |
| 个人简历、在学期间发表的学术论文和研究成果 |
（2）多因子资产定价模型在A股市场的实证研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 导论 |
| 1.1.研究背景与目的 |
| 1.2.研究思路和主要内容 |
| 1.3.全文结构 |
| 1.4.主要创新 |
| 第2章 资产定价理论回顾和文献综述 |
| 2.1.资产定价理论回顾 |
| 2.2.资产定价主要方法 |
| 2.3.资产定价文献综述 |
| 2.4.基于行为金融学的资产定价回顾 |
| 2.5.本章小结 |
| 第3章 上市公司股票收益率和多因子资产定价 |
| 3.1.FF多因子定价模型中的股票收益率 |
| 3.2.公司股票收益率的成因分析 |
| 3.3.公司股票收益率公式推导 |
| 3.4.基于公司股票收益率的多因子定价模型 |
| 3.5.本章小结 |
| 第4章 多因子定价模型中经营基本面因素研究 |
| 4.1. “投资异象”的经营基本面因素分析 |
| 4.2.A股经营基本面因素的对经济“晴雨表”的分析 |
| 4.3.经营基本面因素与股票收益率横截面研究 |
| 4.4.本章小结 |
| 第5章 多因子定价模型中投资者情绪因素研究 |
| 5.1.投资者情绪表现形式和度量指标 |
| 5.2.A股市场整体投资者情绪指数研究 |
| 5.3.个股投资者情绪因素研究 |
| 5.4.本章小结 |
| 第6章 多因子定价模型在A股市场的实证检验 |
| 6.1.A股市场发展及数据样本 |
| 6.2.定价因子构建与分析 |
| 6.3.定价因子比较与选择 |
| 6.4.不同多因子定价模型在A股市场比较和分析 |
| 6.5.稳健性检验 |
| 6.6.本章小结 |
| 第7章 多因子定价模型在配对交易中的应用 |
| 7.1.配对交易现状 |
| 7.2.多因子模型在配对交易中的应用 |
| 7.3.实证分析 |
| 7.4.本章小结 |
| 第8章 论文总结 |
| 8.1.结论与启示 |
| 8.2.研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表论文 |
| 攻读博士学位期间参加学术会议情况 |
（3）投资者情绪、意见分歧与股票收益变动（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的与意义 |
| 1.2 研究内容与方法 |
| 1.2.1 研究内容与结构安排 |
| 1.2.2 研究方法 |
| 1.3 论文主要创新点 |
| 第二章 理论基础与文献述评 |
| 2.1 行为金融资产定价的理论假设 |
| 2.1.1 有限理性 |
| 2.1.2 有限套利 |
| 2.2 行为金融资产定价的心理学基础 |
| 2.2.1 情感 |
| 2.2.2 认知偏差 |
| 2.2.3 非标准偏好 |
| 2.3 投资者情绪与股票收益关系的研究综述 |
| 2.3.1 投资者情绪对股票收益的总体效应 |
| 2.3.2 投资者情绪对股票收益的截面效应 |
| 2.3.3 投资者情绪对股票收益波动的影响 |
| 2.3.4 基于网络大数据的投资者情绪与股票收益 |
| 2.4 基于意见分歧的资产定价的研究综述 |
| 2.4.1 基于静态意见分歧的资产定价 |
| 2.4.2 基于动态意见分歧的资产定价 |
| 2.5 投资者情绪与意见分歧交互作用的研究综述 |
| 2.6 文献评述 |
| 第三章 投资者情绪与意见分歧的内涵及衡量指标 |
| 3.1 投资者情绪的内涵与度量 |
| 3.1.1 投资者情绪的内涵 |
| 3.1.2 投资者情绪的测度指标 |
| 3.2 投资者意见分歧形成机制及其衡量指标 |
| 3.2.1 投资者意见分歧的界定与形成机制 |
| 3.2.2 投资者意见分歧的代理指标 |
| 第四章 理论分析框架 |
| 4.1 理论模型构建 |
| 4.1.1 基本模型 |
| 4.1.2 模型的均衡解 |
| 4.1.3 投资者情绪与意见分歧对股票收益的影响 |
| 4.2 理论分析与假设提出 |
| 4.2.1 投资者情绪与股票收益的关系 |
| 4.2.2 意见分歧与股票收益的关系 |
| 4.2.3 投资者情绪与意见分歧的交互影响 |
| 第五章 基于总体效应的实证分析 |
| 5.1 投资者情绪指标构建 |
| 5.1.1 文本情绪构建 |
| 5.1.2 BW指数的构建 |
| 5.2 样本选择与变量说明 |
| 5.2.1 研究样本与数据来源 |
| 5.2.2 变量定义及数据特征说明 |
| 5.3 基于不同频率数据的投资者情绪与意见分歧对股市收益的影响 |
| 5.3.1 OLS回归模型构建 |
| 5.3.2 投资者情绪与意见分歧对股市收益的预测能力 |
| 5.4 情绪变化、信念调整与股市波动 |
| 5.4.1 多元波动率模型构建 |
| 5.4.2 数据处理与描述统计 |
| 5.4.3 格兰杰因果检验与脉冲响应分析 |
| 5.4.4 基于VAR-DCC-GARCH-M模型的结果分析 |
| 第六章 基于截面效应的实证分析 |
| 6.1 实证研究设计 |
| 6.1.1 变量选择与定义 |
| 6.1.2 研究方法与模型设定 |
| 6.1.3 样本选择与数据处理 |
| 6.2 描述统计与相关性分析 |
| 6.2.1 描述统计分析 |
| 6.2.2 相关性分析 |
| 6.3 投资者情绪与意见分歧对股票收益的影响 |
| 6.3.1 投资组合分析 |
| 6.3.2 Fama-MacBeth截面分析 |
| 6.3.3 面板数据回归分析 |
| 6.3.4 稳健性检验 |
| 6.4 投资者情绪与意见分歧对不同类型股票的差异性影响 |
| 6.4.1 不同自身特征股票受投资者情绪与意见分歧的影响 |
| 6.4.2 不同交易特征股票受投资者情绪与意见分歧的影响 |
| 6.4.3 不同行业特征股票受投资者情绪与意见分歧的影响 |
| 第七章 结论与启示 |
| 7.1 主要研究结论 |
| 7.2 政策建议 |
| 7.3 研究不足及展望 |
| 参考文献 |
| 附录 |
| 在校期间发表论文及科研成果清单 |
| 致谢 |
（4）中国股市流动性共变的特征、成因及其风险溢价研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路与研究框架 |
| 1.2.1 研究思路 |
| 1.2.2 研究框架 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 创新与不足 |
| 1.4.1 创新之处 |
| 1.4.2 不足之处 |
| 2 文献综述 |
| 2.1 流动性共变存在性及特征研究 |
| 2.2 流动性共变成因的理论解释 |
| 2.2.1 市场微观结构理论解释 |
| 2.2.2 融资约束解释 |
| 2.2.3 相关交易解释与情绪交易解释 |
| 2.3 流动性共变成因的实证分析 |
| 2.3.1 供给侧因素实证分析 |
| 2.3.2 需求侧因素实证分析 |
| 2.4 流动性风险溢价研究 |
| 2.4.1 流动性风险溢价的理论解释 |
| 2.4.2 流动性风险溢价的实证分析 |
| 2.5 文献评述 |
| 3 中国股市流动性共变的存在性及其特征分析 |
| 3.1 中国股市的波动特征与流动性共变 |
| 3.1.1 散户为主的投资者结构 |
| 3.1.2 高度信息非对称 |
| 3.1.3 系统性风险大 |
| 3.1.4 政府干预过度 |
| 3.2 中国股市流动性共变的存在性检验 |
| 3.2.1 数据与变量 |
| 3.2.2 实证结果与分析 |
| 3.3 中国股市流动性共变存在特征分析 |
| 3.3.1 流动性共变的时变特征 |
| 3.3.2 流动性共变的规模效应 |
| 3.3.3 流动性共变的流动性效应 |
| 3.4 流动性共变与股票流动性的关联性分析 |
| 3.5 本章小结 |
| 4 基金持股对流动性共变的影响分析 |
| 4.1 问题的提出 |
| 4.2 研究假设 |
| 4.3 高基金持股组合的构建及其流动性共变特征 |
| 4.4 基金持股对流动性共变的影响:成因及渠道分析 |
| 4.4.1 变量设定与样本选取 |
| 4.4.2 基金持股对流动性共变的影响 |
| 4.4.3 基金持股对流动性共变影响的成因分析 |
| 4.4.4 基金持股对流动性共变影响的渠道分析 |
| 4.5 本章小结 |
| 5 中国股市流动性共变的成因分析 |
| 5.1 问题的提出 |
| 5.2 变量选取与定义 |
| 5.2.1 融资约束 |
| 5.2.2 相关交易 |
| 5.2.3 投资者情绪 |
| 5.2.4 信息非对称 |
| 5.2.5 控制变量 |
| 5.3 模型设定与实证结果分析 |
| 5.3.1 样本说明与模型设定 |
| 5.3.2 描述性统计 |
| 5.3.3 实证回归结果与分析 |
| 5.3.4 稳健性检验 |
| 5.4 本章小结 |
| 6 中国股市流动性共变风险溢价研究 |
| 6.1 问题的提出 |
| 6.2 流动性风险调整的L-CAPM模型 |
| 6.3 中国股票市场流动性共变风险溢价分析 |
| 6.3.1 流动性共变组合的构造 |
| 6.3.2 流动性共变风险溢价 |
| 6.3.3 稳健性检验 |
| 6.4 流动性共变风险溢价的可持续性研究 |
| 6.5 本章小结 |
| 7 结论与政策建议 |
| 7.1 主要研究结论 |
| 7.2 政策建议 |
| 7.3 进一步研究的方向 |
| 攻读博士期间发表的科研成果 |
| 参考文献 |
| 致谢 |
（5）经济周期、行业轮动与A股市场投资策略（论文提纲范文）
| 摘要 |
| Abstract |
| 导论 |
| 一、选题背景及意义 |
| 二、国内外文献综述 |
| 三、本文的主要内容、基本思路和研究方法 |
| 四、本文的创新和不足之处 |
| 第一章 经济周期理论与中国经济周期划分 |
| 第一节 经济周期 |
| 一、经济周期的定义及理论发展 |
| 二、经济周期的阶段性划分和识别 |
| 第二节 美林投资时钟模型 |
| 一、美林投资时钟模型 |
| 二、美林投资时钟模型存在的问题 |
| 第三节 同比数据时滞问题一个简短讨论 |
| 一、同比指标时滞现象的数理分析 |
| 二、同比指标时滞现象的数据分析 |
| 第四节 中国经济周期的划分 |
| 一、中国经济周期的划分思路 |
| 二、中国经济周期划分的数据准备 |
| 三、中国经济周期的划分结果 |
| 本章小结 |
| 第二章 经济周期与行业波动 |
| 第一节 产业及产业波动概述 |
| 一、产业的概念及其划分 |
| 二、行业波动 |
| 三、行业波动与经济周期关系的相关研究 |
| 第二节 经济周期对行业波动影响的机理分析 |
| 一、需求变化 |
| 二、货币环境 |
| 三、产业政策环境 |
| 四、市场结构 |
| 第三节 经济周期与行业波动的同步性研究 |
| 一、经济周期同步性概念及研究意义 |
| 二、同步性研究的主要方法 |
| 三、行业选择和数据设置 |
| 四、中国经济周期与行业波动同步性测定结果 |
| 本章小结 |
| 第三章 经济周期中的行业轮动 |
| 第一节 行业轮动现象 |
| 一、行业轮动现象的定义 |
| 二、行业轮动现象的研究综述 |
| 三、行业轮动现象产生的原因 |
| 第二节 行业轮动现象观察与描述 |
| 一、行业轮动观察数据说明 |
| 二、行业轮动现象观察思路 |
| 三、曲线相似度的衡量 |
| 四、曲线相似度对行业轮动现象的观测 |
| 五、计算结果分析 |
| 第三节 行业因素与行业轮动 |
| 一、行业因素对行业轮动影响的检验方法 |
| 二、模型设计 |
| 三、行业因素对行业轮动影响SVAR模型分析过程 |
| 四、行业因素对行业轮动的影响 |
| 第四节 经济周期中的行业轮动 |
| 一、分析方法 |
| 二、数据说明 |
| 三、结果分析 |
| 四、依据经济周期内的行业收益率表现的行业分类 |
| 本章小结 |
| 第四章 市场有效性与行业轮动 |
| 第一节 经济周期对行业指数的影响 |
| 第二节 行业轮动现象的套利机会分析 |
| 一、市场有效性 |
| 二、市场有效性与行业轮动 |
| 三、股票的内在价值与价值投资者 |
| 四、行业轮动的套利机会分析 |
| 第三节 再论行业轮动的原因 |
| 一、实体层面的行业波动不是A股市场上行业轮动现象的主要原因 |
| 二、实体经济中行业之间的领滞关系并不是股市中行业轮动的主要原因 |
| 三、A股市场中的行业轮动现象最大原因是理性投资者与非理性投资者博弈的结果 |
| 第四节 我国A股市场行业动量的证实 |
| 一、动量效应与行业动量效应 |
| 二、行业动量存在性的证实方案 |
| 三、行业动量存在性的证实结果 |
| 四、经济周期中的动量和反转效应 |
| 第五节 关于构建行业轮动投资策略的思考 |
| 本章小结 |
| 第五章 我国经济周期转点的实时识别 |
| 第一节 二分法经济周期转点实时识别的定义 |
| 第二节 二分法经济周期转点实时识别的总体思路 |
| 第三节 转点识别与LVQ |
| 一、转点识别与自动数据分类 |
| 二、学习向量量化算法 |
| 第四节 二分法经济周期转点实时识别的实现 |
| 一、使用BB算法对经济总量指标进行经济周期的转点识别 |
| 二、LVQ算法的基础设定 |
| 第五节 参于经济周期转点实时识别的数据说明 |
| 一、样本选择与指标选取 |
| 二、数据处理 |
| 三、季节调整 |
| 四、计算环比数据 |
| 五、滞后期的确定 |
| 六、BB模型识别结果与LVQ实时识别的数据衔接 |
| 第六节 中国经济周期转点实时识别结果 |
| 一、BB算法的识别结果 |
| 二、LVQ识别结果 |
| 三、LVQ实时识别结果的稳健性 |
| 本章小结 |
| 第六章 基于Black-Litterman的行业轮动策略研究 |
| 第一节 投资策略与投资组合 |
| 一、投资策略 |
| 二、Markowitz均值方差模型 |
| 三、CAPM与套利定价理论 |
| 四、Markowitz均值-方差模型存在的问题 |
| 五、Black-Litterman资产配置模型 |
| 第二节 A股市场经济周期行业轮动策略的设计及实践 |
| 一、策略设计思路 |
| 二、经济周期四分法转点的实时识别 |
| 二、行业动量特征的实时探索 |
| 三、选股 |
| 四、Black-Litterman投资组合的构建 |
| 五、样本设定 |
| 六、BL模型解算 |
| 七、业绩评价 |
| 第三节 结果分析 |
| 本章小结 |
| 结论与展望 |
| 一、研究结论 |
| 二、主要启示与建议 |
| 三、研究展望 |
| 参考文献 |
| 附录 |
| 附录A：月度数据季节调整的详细说明 |
| 一、环比价格指数的补充 |
| 二、CPI指数的季节性调整 |
| 三、结论 |
| 附录A 参考文献： |
| 附录B：各章节补充图表 |
| 第二章 补充图表 |
| 第三章 补充图表 |
| 附录C 各章节R语言源程序 |
| 第一章 经济周期理论与中国经济周期划分R语言源程序 |
| 第二章 经济周期与行业波动R语言源程序 |
| 第三章 经济周期中的行业轮动R语言源程序 |
| 第四章 市场有效性与行业轮动R语言源程序 |
| 第五章 我国经济周期转点的实时识别R语言源程序 |
| 致谢 |
（6）投资者情绪对我国A股市场收益率的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 导论 |
| 一、研究背景及意义 |
| 二、国内外文献综述 |
| 三、研究内容及方法 |
| 四、本文可能的创新点与不足 |
| 第一章 投资者情绪影响A股市场收益率的理论分析 |
| 第一节 投资者情绪的概述 |
| 一、投资者情绪的相关概念 |
| 二、投资者情绪的基本表现 |
| 三、投资者情绪的度量 |
| 第二节 投资者情绪影响A股市场收益率的理论基础 |
| 一、传统金融理论 |
| 二、行为金融理论 |
| 第三节 投资者情绪影响A股市场收益率的机理分析 |
| 一、投资者情绪基于投资者心理因素影响A股市场收益率 |
| 二、投资者情绪基于有限套利因素影响A股市场收益率 |
| 第二章 投资者情绪影响A股市场收益率的现状分析 |
| 第一节 我国A股市场收益率的发展现状分析 |
| 一、A股市场收益率的良好态势 |
| 二、A股市场收益率存在的问题 |
| 第二节 我国A股市场投资者情绪的现状分析 |
| 一、A股市场的投资者规模分析 |
| 二、A股市场的投资者特征分析 |
| 三、A股市场的投资者情绪分析 |
| 第三章 投资者情绪代理变量的选取及综合指数的构建 |
| 第一节 基础代理变量选取、样本选择及数据来源 |
| 一、基础代理变量的选取 |
| 二、数据来源与样本选择 |
| 第二节 投资者情绪综合指数的构建 |
| 一、投资者情绪指数构建策略 |
| 二、变量的描述性统计分析 |
| 三、投资者情绪综合指数的实现 |
| 第四章 投资者情绪影响A股市场收益率的实证分析 |
| 第一节 方法说明、模型构建及研究假设 |
| 一、方法说明 |
| 二、模型构建 |
| 三、研究假设 |
| 第二节 投资者情绪影响A股市场收益率的总体效应分析 |
| 一、数据来源与变量选取 |
| 二、变量的描述性统计分析及检验 |
| 三、实证结果分析 |
| 四、稳健性检验 |
| 第三节 投资者情绪影响A股市场收益率的横截面效应分析 |
| 一、数据来源与变量选取 |
| 二、变量的描述性统计分析及检验 |
| 三、不同市值股票组合实证结果分析 |
| 四、不同市盈率股票组合实证结果分析 |
| 五、不同股价股票组合实证结果分析 |
| 六、不同业绩股票组合实证结果分析 |
| 第五章 结论与政策建议 |
| 第一节 结论 |
| 一、投资者情绪对A股市场收益率具有显着正向影响 |
| 二、对立的投资者情绪对A股市场收益率的影响具有非对称性 |
| 三、投资者情绪对不同特征股票收益率的影响具有差异性 |
| 第二节 政策建议 |
| 一、健全情绪波动监测机制,避免市场过度波动 |
| 二、加强个人投资者教育,增加机构投资者比重 |
| 三、完善信息披露机制,防范信息操纵行为 |
| 参考文献 |
| 致谢 |
（7）基于中国农历视角的中国A股月份效应的再检验（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 有效市场假说与月份效应 |
| 1.2 中国农历 |
| 1.3 研究背景 |
| 1.4 本文的贡献 |
| 1.5 内容概述 |
| 第2章 文献综述与基本假设 |
| 2.1 国际市场的月份效应 |
| 2.2 国内市场的月份效应 |
| 2.3 基本假设 |
| 2.4 本章小结 |
| 第3章 中国股市的月份效应的实证研究 |
| 3.1 数据获得与处理 |
| 3.2 公历月份效应 |
| 3.3 农历月份效应 |
| 3.4 规模效应 |
| 3.5 本章小结 |
| 第4章 初探正月效应形成的原因 |
| 4.1 宏观经济政治环境的影响 |
| 4.2 流动性需求与周期性交易行为 |
| 4.3 本章小结 |
| 第5章 稳健性检验 |
| 5.1 美国的月份效应 |
| 5.2 分样本检验 |
| 5.3 分时期检验 |
| 5.4 分行业检验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 攻读学位期间发表的论文 |
| 附录B 附表 |
| 致谢 |
（8）中国股票市场换手率效应形成机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路与研究方法 |
| 1.2.1 研究思路 |
| 1.2.2 研究方法 |
| 1.4 创新与不足 |
| 1.4.1 研究的创新 |
| 1.4.2 研究的不足 |
| 第2章 文献综述 |
| 2.1 换手率内涵的研究 |
| 2.2 换手率效应与流动性的研究 |
| 2.3 实物期权相关文献 |
| 2.4 两贝塔文献 |
| 2.5 错误定价和套利限制相关文献 |
| 2.6 文献评述 |
| 第3章 换手率效应存在性的实证研究 |
| 3.1 换手率效应存在性证明的研究设计 |
| 3.1.1 数据的选择以及变量的构建 |
| 3.1.2 实证方法 |
| 3.1.3 描述性统计 |
| 3.2 换手率效应存在性的分组检验 |
| 3.2.1 换手率效应存在性的单变量分组检验 |
| 3.2.2 换手率效应存在性的双变量分组检验 |
| 3.3 换手率效应存在性的回归检验 |
| 3.3.1 换手率效应存在性的Fama-MacBeth回归检验 |
| 3.3.2 换手率效应存在性的面板回归检验 |
| 3.4 换手率效应存在性的稳健性检验 |
| 3.4.1 变换样本区间的稳健性检验 |
| 3.4.2 考虑一月效应的稳健性检验 |
| 3.4.3 更改收益加权方式的稳健性检验 |
| 3.4.4 改变持有期的稳健性检验 |
| 3.5 本章小结 |
| 第4章 换手率效应从流动性溢价角度的解释 |
| 4.1 研究设计与变量的构建 |
| 4.1.1 研究设计 |
| 4.1.2 流动性变量构建 |
| 4.1.3 描述性统计 |
| 4.2 换手率与流动性关系的实证分析 |
| 4.2.1 换手率与流动性关系的相关性分析 |
| 4.2.2 换手率与流动性关系的分组分析 |
| 4.2.3 换手率与流动性关系的回归分析 |
| 4.3 换手率效应与流动性溢价的关系分析 |
| 4.3.1 换手率效应与流动性溢价关系的分组分析 |
| 4.3.2 换手率效应与流动性溢价关系的回归分析 |
| 4.3.3 换手率效应中流动性解释比例的分析 |
| 4.4 换手率效应与流动性溢价关系的稳健性检验 |
| 4.5 本章小结 |
| 第5章 换手率效应从流动性风险补偿角度的解释 |
| 5.1 研究设计与变量的构建 |
| 5.1.1 研究设计 |
| 5.1.2 流动性风险的度量 |
| 5.1.3 描述性统计 |
| 5.2 换手率与流动性风险的关系分析 |
| 5.2.1 换手率与流动性风险关系的相关性分析 |
| 5.2.2 换手率与流动性风险关系的分组分析 |
| 5.2.3 换手率与流动性风险关系的回归分析 |
| 5.3 换手率效应与流动性风险补偿关系的分析 |
| 5.3.1 流动性风险与预期收益的关系分析 |
| 5.3.2 换手率效应中流动性解释比例的分析 |
| 5.4 本章小结 |
| 第6章 换手率效应从实物期权角度的解释 |
| 6.1 理论模型 |
| 6.2 变量的构建与测度 |
| 6.2.1 特质风险的测度 |
| 6.2.2 类期权性质的测度 |
| 6.2.3 现金流风险的测度 |
| 6.2.4 描述性统计 |
| 6.3 换手率效应从实物期权角度的实证分析 |
| 6.3.1 换手率与特质风险的关系分析 |
| 6.3.2 类期权性质与换手率效应的关系分析 |
| 6.3.3 现金流风险、类期权性和换手率效应的关系分析 |
| 6.4 换手率效应从实物期权角度的稳健性检验 |
| 6.5 本章小结 |
| 第7章 换手率效应从错误定价角度的解释 |
| 7.1 研究设计与变量构建 |
| 7.1.1 研究设计 |
| 7.1.2 变量构建 |
| 7.1.3 描述性统计 |
| 7.2 换手率效应从错误定价角度的实证分析 |
| 7.2.1 换手率与价格泡沫的实证分析 |
| 7.2.2 套利限制与换手率效应的实证分析 |
| 7.2.3 异质信念与换手率效应关系的实证分析 |
| 7.3 投资者情绪与换手率效应关系的实证分析 |
| 7.3.1 换手率效应与市场情绪关系的实证分析 |
| 7.3.2 换手率效应与个股情绪关系的实证分析 |
| 7.4 换手率效应从错误定价角度的稳健性检验 |
| 7.5 本章小结 |
| 第8章 研究结论与政策建议 |
| 8.1 研究结论与贡献 |
| 8.2 政策建议 |
| 8.3 展望 |
| 参考文献 |
| 论文发表情况 |
| 致谢 |
（9）融资融券交易对流动性及流动性黑洞的影响 ——理论分析及中国股票市场实证研究（论文提纲范文）
| 摘要 ABSTRACT 第一章 绪论 |
| 1.1 研究背景与选题意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 主要创新点 第二章 文献综述 |
| 2.1 流动性文献综述 |
| 2.1.1 流动性概念 |
| 2.1.2 流动性测度 |
| 2.1.3 流动性与资产定价 |
| 2.2 流动性黑洞文献综述 |
| 2.2.1 流动性黑洞概念 |
| 2.2.2 流动性黑洞测度 |
| 2.2.3 流动性黑洞影响因素 |
| 2.3 融资融券交易文献综述 |
| 2.3.1 融资融券交易与定价效率 |
| 2.3.2 融资融券交易与流动性 |
| 2.4 文献评述 |
| 2.4.1 现有文献不足 |
| 2.4.2 本文研究视角 第三章 中国股票市场流动性及融资融券交易状况 |
| 3.1 常用流动性指标评估 |
| 3.1.1 流动性指标计算方法 |
| 3.1.2 流动性指标实证评估 |
| 3.2 中国股票市场流动性状况 |
| 3.2.1 流动性状况 |
| 3.2.2 流动性黑洞状况 |
| 3.3 中国股票市场融资融券交易状况 |
| 3.3.1 融资融券交易概述 |
| 3.3.2 中国股票市场融资融券交易进程 |
| 3.3.3 中国股票市场融资融券交易规模 |
| 3.4 本章小结 第四章 流动性黑洞动态机制 |
| 4.1 交易者与流动性 |
| 4.2 市场机制与流动性 |
| 4.3 流动性黑洞动态机制 |
| 4.4 本章小结 第五章 融资融券交易对流动性的影响 |
| 5.1 融资融券交易对流动性的影响:理论分析 |
| 5.1.1 融资融券交易对流动性的影响 |
| 5.1.2 投资者意见分歧与融资融券交易对流动性的影响 |
| 5.2 融资融券交易对流动性的影响:实证研究 |
| 5.2.1 数据和研究方法 |
| 5.2.2 融资融券交易对流动性的影响 |
| 5.2.3 投资者意见分歧与融资融券交易对流动性的影响 |
| 5.3 本章小结 第六章 融资融券交易对流动性黑洞的影响 |
| 6.1 融资融券交易对流动性黑洞的影响:理论分析 |
| 6.1.1 融资融券交易对流动性黑洞的影响 |
| 6.1.2 投资者意见分歧与融资融券交易对流动性黑洞的影响 |
| 6.2 融资融券交易对流动性黑洞的影响:实证研究 |
| 6.2.1 融资融券交易对流动性黑洞的影响 |
| 6.2.2 投资者意见分歧与融资融券交易对流动性黑洞的影响 |
| 6.3 本章小结 第七章 结论与展望 |
| 7.1 本文结论 |
| 7.2 研究展望 参考文献 攻读学位期间学术成果情况 致谢 |
（10）A股市场“风格现象”研究 ——风格动量、风格轮动以及风格策略（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究思路 |
| 1.3 研究内容 |
| 1.3.1 风格动量 |
| 1.3.2 个股动量以及行业动量 |
| 1.3.3 三类动量的内在规律关系 |
| 1.3.4 风格轮动以及其形成机制的理论解释 |
| 1.3.5 基于风格动量和风格轮动的风格策略 |
| 1.3.6 代表性的风格策略的进一步研究 |
| 1.4 投资实践和市场监管方面的意义 |
| 1.4.1 投资参考价值 |
| 1.4.2 监管借鉴意义 |
| 1.5 学术研究方面的主要贡献 |
| 1.5.1 市场风格研究方面的贡献 |
| 1.5.2 动量效应研究方面的贡献 |
| 1.5.3 风格轮动和风格动量形成机制解释方面的贡献 |
| 1.5.4 风格策略研究方面的贡献 |
| 1.6 论文框架结构 |
| 第二章 经典金融理论以及动量效应理论概述 |
| 2.1 经典金融理论以及其所面对的质疑 |
| 2.1.1 有效市场假说 |
| 2.1.2 资本资产定价理论之CAPM模型 |
| 2.1.3 金融异象对CAPM的质疑 |
| 2.1.4 Fama-French三因子模型 |
| 2.1.5 三因子模型的挑战 |
| 2.2 动量和反转的相关理论 |
| 2.2.1 动量效应和反转效应 |
| 2.2.2 动量和反转的投资策略类型 |
| 2.2.3 对于动量效应的质疑 |
| 2.3 风格轮动和风格动量的相关理论综述 |
| 2.3.1 国外相关研究综述 |
| 2.3.2 国内相关研究综述 |
| 2.4 本章小结 |
| 第三章 风格动量 |
| 3.1 引言 |
| 3.1.1 国际学者对风格动量的研究 |
| 3.1.2 国内学者对风格动量的研究 |
| 3.2 动量效应实证的理论基础和方法 |
| 3.2.1 经典的Titman和 Jegadeesh的JT方法 |
| 3.2.2 动量效应实证的另一种方法——CD方法 |
| 3.2.3 JT方法和CD方法的比较 |
| 3.2.4 JT方法和CD方法的序列均值一致性和检验方法的差异 |
| 3.2.5 WRSS方法 |
| 3.2.6 数学模型归纳 |
| 3.2.7 动量研究方法小结 |
| 3.3 风格动量效应实证检验的方法 |
| 3.3.1 风格组合的构建方法 |
| 3.3.2 风格动量CD方法的数学模型归纳 |
| 3.3.3 风格动量WRSS方法的数学模型归纳 |
| 3.4 样本区间、数据周期以及样本范围的整体介绍 |
| 3.4.1 样本区间的选择 |
| 3.4.2 数据周期的选择 |
| 3.4.3 样本股票的选择 |
| 3.5 风格动量效应检验的相关数据处理的进一步说明 |
| 3.5.1 样本数据的处理 |
| 3.5.2 检验区间、数据周期、形成期和持有期的确定 |
| 3.5.3 收益率计算方法 |
| 3.6 风格动量效应的实证结论 |
| 3.6.1 风格分组的收益统计 |
| 3.6.2 SIZE(市值规模)风格分组实证结论 |
| 3.6.3 BE/ME(账面市值比)风格分组实证结论 |
| 3.6.4 SIZE因子和BE/ME因子联合风格实证结论 |
| 3.7 本章小结 |
| 第四章 个股动量和行业动量 |
| 4.1 个股动量效应的相关研究 |
| 4.1.1 个股动量效应的国际相关研究 |
| 4.1.2 个股动量效应的国内相关研究 |
| 4.1.3 个股动量相关研究小结 |
| 4.2 个股动量效应检验的相关数据处理的进一步说明 |
| 4.3 个股动量实证结论 |
| 4.3.1 长周期检验——月周期数据 |
| 4.3.2 中周期检验——周周期数据 |
| 4.3.3 短周期检验——日周期数据 |
| 4.4 个股动量实证研究小结 |
| 4.5 行业动量效应的相关研究 |
| 4.5.1 行业动量效应的国际相关研究 |
| 4.5.2 行业动量效应国内相关研究 |
| 4.6 行业动量效应实证检验方法 |
| 4.6.1 行业组合的构建方法 |
| 4.6.2 行业动量效应检验的CD方法的数学模型归纳 |
| 4.6.3 行业动量效应检验的WRSS方法的数学模型归纳 |
| 4.7 行业组合指数介绍和行业组合收益特征描述 |
| 4.7.1 申万一级行业指数介绍 |
| 4.7.2 申万一级行业指数收益统计 |
| 4.8 行业动量效应实证结论 |
| 4.9 行业动量实证研究小结 |
| 第五章 三类动量效应的内在规律 |
| 5.1 个股、风格、行业的动量效应研究的归纳总结 |
| 5.1.1 个股动量效应 |
| 5.1.2 风格动量效应 |
| 5.1.3 行业动量效应 |
| 5.2 三类动量效应的内在规律 |
| 5.2.1 三类动量效应之间的规律关系 |
| 5.2.2 三类动量因子内在属性的区别 |
| 5.3 价格、风格、行业三类因子分组的离散趋势实证 |
| 5.3.1 实证方法和检验过程介绍 |
| 5.3.2 三类动量因子分组的离散趋势实证结论 |
| 5.3.3 三类动量因子分组的离散趋势的进一步检验 |
| 5.4 本章小结 |
| 第六章 风格轮动 |
| 6.1 引言 |
| 6.2 国内外学者对风格轮动的相关研究 |
| 6.3 样本数据选取和风格组合构建 |
| 6.3.1 数据的选取和处理 |
| 6.3.2 风格组合的构建方法 |
| 6.4 A股市场的风格轮动现象 |
| 6.4.1 按SIZE因子和BE/ME因子分组的收益特征统计 |
| 6.4.2 A股的风格轮动现象和特征 |
| 6.5 风格轮动的形成机制理论探讨 |
| 6.5.1 市场收益因子对风格轮动现象的解释能力不足 |
| 6.5.2 基于股利贴现模型的风格轮动形成机制的理论解释 |
| 6.5.3 三个因子变量的经济意义解释 |
| 6.6 风格轮动过程中的风格特征的持续性 |
| 6.7 本章小结 |
| 第七章 基于风格内在规律的风格投资策略 |
| 7.1 量化投资介绍 |
| 7.1.1 数量金融理论的发展历史 |
| 7.1.2 量化投资在国外的发展历史 |
| 7.1.3 国内量化对冲策略的基本思想和理念 |
| 7.2 基于风格动量和风格轮动的对冲策略模型 |
| 7.2.1 风格动量和风格轮动的内在规律回顾 |
| 7.2.2 简单的风格动量对冲策略模型的收益和评价 |
| 7.2.3 新的对冲策略思路——基于日周期收益的择时策略 |
| 7.3 本章小结 |
| 第八章 风格投资策略的进一步探讨 |
| 8.1 基于风格因子暴露的SMART BETA策略研究 |
| 8.1.1 SMART BETA策略的概念和相关研究 |
| 8.1.2 SMART BETA策略的理论基础 |
| 8.1.3 策略类型和绩效表现 |
| 8.1.4 策略收益的业绩归因 |
| 8.1.5 A股市场SMART BETA策略的潜在风险 |
| 8.1.6 SMART BETA策略研究结论 |
| 8.2 市场风格对市场中性策略的影响 |
| 8.2.1 市场中性策略的整体情况 |
| 8.2.2 样本数据和数据处理 |
| 8.2.3 “市场中性”的研究方法 |
| 8.2.4 市场中性策略指数的“市场中性”实证结论 |
| 8.2.5 市场中性策略指数的进一步分析 |
| 8.2.6 对各个市场中性对冲基金的实证检验 |
| 8.2.7 结论和建议 |
| 第九章 总结和展望 |
| 9.1 论文的主要结论和发现 |
| 9.1.1 风格动量效应的主要结论和发现 |
| 9.1.2 个股动量效应以及行业动量效应的主要结论和发现 |
| 9.1.3 三类动量效应的内在规律关系 |
| 9.1.4 风格轮动的特征以及风格轮动形成机制的理论解释 |
| 9.1.5 基于风格动量和风格轮动的风格策略 |
| 9.1.6 基于风格因子暴露的SMART BETA策略的特征和风险 |
| 9.1.7 市场风格对市场中性策略的影响 |
| 9.2 建议、问题以及进一步研究展望 |
| 9.2.1 论文的建议 |
| 9.2.2 存在问题和进一步研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的科研成果 |
四、中国股市纺织A股1999年12月份交易情况汇总（论文参考文献）
- [1]上市公司兜底式增持动因及效果研究 ——以科陆电子为例[D]. 章唯真. 华侨大学, 2020(01)
- [2]多因子资产定价模型在A股市场的实证研究[D]. 干伟明. 南京大学, 2020(09)
- [3]投资者情绪、意见分歧与股票收益变动[D]. 丁肖丽. 暨南大学, 2019(05)
- [4]中国股市流动性共变的特征、成因及其风险溢价研究[D]. 张泽. 东北财经大学, 2019(06)
- [5]经济周期、行业轮动与A股市场投资策略[D]. 孟德峰. 中南财经政法大学, 2019(08)
- [6]投资者情绪对我国A股市场收益率的影响研究[D]. 刘书坤. 中南财经政法大学, 2019(09)
- [7]基于中国农历视角的中国A股月份效应的再检验[D]. 梁晓波. 湖南大学, 2019(08)
- [8]中国股票市场换手率效应形成机制研究[D]. 陈慰. 南京大学, 2019(05)
- [9]融资融券交易对流动性及流动性黑洞的影响 ——理论分析及中国股票市场实证研究[D]. 万孝园. 上海交通大学, 2018(01)
- [10]A股市场“风格现象”研究 ——风格动量、风格轮动以及风格策略[D]. 黄旭成. 上海交通大学, 2018(01)