基于主成分分析的股票流动性的度量
股票市场中主成分分析及聚类分析的综合应用

股票市场中主成分分析及聚类分析的综合应用郭茜【摘要】本文利用主成分分析对上证部分上市公司2008年三季度营销业绩进行评估,并且利用聚类分析的方法对股票市场进行研究,大量研究实例表明,这两类方法在股票市场的应用中具有重要作用。
【期刊名称】《科技风》【年(卷),期】2013(000)011【总页数】2页(P113-113,115)【关键词】主成分分析;评估;股票;聚类分析;R 软件【作者】郭茜【作者单位】西安汽车科技职业学院,陕西西安 710038【正文语种】中文改革开放30多年来,我国经济发展取得了显著成效,经济增长速度和发展水平也取得了令世人瞩目的成绩。
从2003年到现在,国民经济保持快速增长,市场经济建设高速发展,使人们的投资理财意识和金融意识逐渐增强,在市场经济中担当主力军角色的股票市场,对中国经济发展和社会稳定起着重要作用,并在政府的推动下,逐渐走向成熟与规范,促使更多投资者将眼光投向了股票。
然而“股市有风险,入市须谨慎”的口号时常回荡在股民耳旁。
股价涨跌无常,股市变幻莫测,所以投资者想从股市中赢得丰厚的回报,仅靠运气是行不通的,我们需要对各上市公司的管理,规模,最重要的是财务状况进行全面的分析与评价,找出真正的具有较高收益率的股票作为投资对象。
而通常情况下对上市公司的运营情况和财务状况的评价都是多指标分析,因此我们在做研究时需要选取各公司具有决定性的几个重要指标来做分析。
在股票中把具有共同特征的股票群称为板块。
股市中的板块可以多种角度来划分,而在每一板块中有几十种甚至上百种股票。
面对众多的股票及每个公司大量的财务数据,如何在各个板块众多的股票当中选出具有投资价值的绩优股和潜力股在多元统计分析中的聚类分析和主成分分析的方法,对此问题作出一些探讨。
下面我们以2008年30个上市公司第三季度的数据作为研究样本,进行具体分析说明。
(研究数据来自中国统计年鉴)系统聚类分析是一种将数据所对应的研究对象进行分类的方法。
基于主成分分析的异常检测算法研究

基于主成分分析的异常检测算法研究异常检测是数据挖掘领域的一个重要研究方向,它在各个领域都有广泛的应用,如金融风控、网络安全、工业制造等。
主成分分析(Principal Component Analysis,PCA)是一种常用的数据降维方法,它可以将高维数据转化为低维空间并保留原始数据的主要信息。
在异常检测中,基于主成分分析的算法能够有效地发现异常样本并提供有用的信息。
本文将重点研究基于主成分分析的异常检测算法,并对其在实际应用中的性能进行评估和比较。
方法1. 数据预处理在进行主成分分析之前,需要对原始数据进行预处理。
常见的预处理方法包括缺失值处理、离群值处理和标准化等。
缺失值处理可以使用插补方法填充缺失值或者删除包含缺失值的样本;离群值处理可以使用统计方法或者距离度量等技术来识别和处理离群样本;标准化可以将不同尺度或者单位下的特征转化为统一尺度。
2. 主成分分析主成分分析是一种无监督学习方法,它通过线性变换将原始数据映射到新的低维空间。
在主成分分析中,我们需要计算数据的协方差矩阵,并通过对协方差矩阵进行特征值分解来获取主成分。
特征值表示主成分的重要性,特征向量表示主成分的方向。
我们可以根据特征值的大小选择保留的主成分数量,从而实现数据降维。
3. 异常检测基于主成分分析的异常检测算法可以通过计算样本在低维空间中的重构误差来判断样本是否异常。
重构误差是原始样本与其在低维空间中重构样本之间的距离或者差异度量指标。
如果重构误差超过设定阈值,则将该样本标记为异常。
4. 算法改进基于主成分分析的异常检测算法存在一些问题和局限性,如对非线性关系和高度相关特征处理不佳、对噪声敏感等。
为了改进算法性能,在实际应用中可以采取以下策略:引入非线性变换方法(如核PCA)来处理非线性关系;使用相关系数或者互信息等指标筛选特征;结合其他异常检测方法(如聚类、分类等)进行综合分析。
实验与评估为了评估基于主成分分析的异常检测算法的性能,我们使用了多个实验数据集,并与其他常用的异常检测算法进行了比较。
基于主成分分析的白酒制造业上市公司业绩评价

白酒制造业是我国传统制造行业,新冠肺炎疫情的爆发对白酒行业整体产生了较大冲击。
在国内新冠肺炎疫情防控常态化、市场竞争日益激烈化、消费者需求呈现多样化、供给侧改革的背景下,白酒制造业的发展将面临巨大的压力和挑战。
因此,分析上市白酒企业的经营业绩,对白酒制造行业的整体发展,具有重大现实意义。
公司经营业绩主要体现在偿债能力、营运能力、盈利能力和发展能力等四个方面。
因此,文章采用主成分分析法,通过构建综合业绩指标,对上市白酒企业的经营业绩进行评价。
一、样本选择与指标体系构建(一)样本选取及数据来源根据白酒制造业上市公司名录,文章以沪深两市证券交易所A股上市交易的白酒制造企业为研究对象,选择18家符合要求的上市白酒企业作为样本进行研究。
研究所需的财务数据均来自于18家样本公司2020年的财务报表,借助Excel2020、SPSS21.0(中文版)软件,对搜集到的数据进行主成分分析。
(二)业绩指标体系构建业绩评价指标综合考虑企业偿债能力、营运能力、盈利能力和发展能力及白酒制造业行业特点,选取12项财务指标。
财务指标类型、名称及具体变量如表1所示。
表1上市白酒企业业绩评价指标指标类型偿债能力营运能力指标名称流动比率速动比率资产负债率应收账款周转流动资产周转率总资产周转率变量X1X2X3X4X5X6指标类型盈利能力发展能力指标名称销售净利率总资产报酬率每股收益净利润增长率营业收入增长率总资产增长率变量X7X8X9X10X11X12二、实证分析(一)主成分分析适用性检验表2KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。
Bartlett的球形度检验近似卡方dfSig..540 134.15966.000(数据来源:根据SPSS21软件计算得出)从表2可以看出,KMO数值为0.540,其结果基本可以接受。
Bartlett球形检验显著性Sig<0.01,通过显著性检验,各变量之间存在显著相关性。
主成分分析相关数据

主成分分析相关数据目录主成分分析相关数据 (1)介绍主成分分析(PCA) (1)PCA的定义和背景 (1)PCA的应用领域 (2)PCA的基本原理 (3)主成分分析的数据准备 (4)数据收集和整理 (4)数据预处理 (5)数据标准化 (6)主成分分析的计算步骤 (7)协方差矩阵的计算 (7)特征值和特征向量的计算 (8)主成分的选择和解释 (9)主成分分析的结果解释和应用 (10)主成分的解释和贡献率 (10)主成分的可视化 (11)主成分的应用案例 (11)主成分分析的优缺点和注意事项 (12)主成分分析的优点 (12)主成分分析的局限性 (13)主成分分析的注意事项 (14)总结和展望 (15)主成分分析的总结 (15)主成分分析的未来发展趋势 (16)介绍主成分分析(PCA)PCA的定义和背景PCA(Principal Component Analysis,主成分分析)是一种常用的数据降维技术,它可以将高维数据转化为低维数据,同时保留了原始数据的主要特征。
PCA的背景可以追溯到20世纪初,由卡尔·皮尔逊(Karl Pearson)提出的主成分分析理论。
本文将介绍PCA的定义、背景以及其在数据分析中的应用。
PCA的定义是一种线性变换技术,它通过寻找数据中的主要方向,将原始数据投影到这些方向上,从而实现数据降维。
具体而言,PCA通过计算数据的协方差矩阵,找到协方差矩阵的特征向量,将数据投影到这些特征向量上,得到新的低维表示。
这些特征向量称为主成分,它们按照对应的特征值的大小排序,表示了数据中的主要方向。
PCA的背景可以追溯到20世纪初,当时卡尔·皮尔逊提出了相关性和协方差的概念,并将其应用于数据分析中。
他发现,通过计算数据的协方差矩阵,可以找到数据中的主要方向,从而实现数据降维。
然而,由于当时计算能力的限制,PCA的应用受到了一定的限制。
随着计算机技术的发展,PCA得到了广泛的应用。
基于大数据的金融风险评估模型研究与应用

基于大数据的金融风险评估模型研究与应用第1章引言 (3)1.1 研究背景 (4)1.2 研究目的与意义 (4)1.3 研究内容与结构 (4)第一章:引言。
主要介绍研究背景、研究目的与意义、研究内容与结构。
(4)第二章:文献综述。
对金融风险评估相关理论和大数据技术在金融风险评估领域的应用进行综述。
(4)第三章:金融风险评估方法及大数据技术概述。
介绍金融风险评估的常用方法、大数据技术及其在金融行业的应用。
(5)第四章:基于大数据的金融风险评估模型构建。
构建适用于金融行业的风险评估模型,并进行实证分析。
(5)第五章:模型功能对比与分析。
对比分析不同金融风险评估模型的预测功能,探讨模型在实际应用中的适用性。
(5)第六章:结论与展望。
总结本文研究成果,并对未来研究方向进行展望。
(5)第2章金融风险评估理论及方法 (5)2.1 金融风险概述 (5)2.1.1 金融风险类型 (5)2.1.2 金融风险特征 (5)2.1.3 影响因素 (6)2.2 金融风险评估方法 (6)2.2.1 定性评估方法 (6)2.2.2 定量评估方法 (6)2.3 大数据在金融风险评估中的应用 (7)2.3.1 数据来源 (7)2.3.2 大数据应用技术 (7)第3章大数据技术与金融数据挖掘 (8)3.1 大数据技术概述 (8)3.1.1 大数据的定义与特征 (8)3.1.2 大数据技术架构 (8)3.1.3 大数据技术在金融领域的应用 (8)3.2 金融数据挖掘方法 (8)3.2.1 数据挖掘概述 (8)3.2.2 金融数据挖掘的主要方法 (8)3.3 金融数据预处理技术 (9)3.3.1 数据清洗 (9)3.3.2 数据集成 (9)3.3.3 数据转换 (9)3.3.4 特征工程 (9)第4章金融风险因素识别与分析 (9)4.1.1 定性识别方法 (9)4.1.2 定量识别方法 (9)4.2 风险因素分析 (10)4.2.1 风险因素影响程度分析 (10)4.2.2 风险因素方向分析 (10)4.3 基于大数据的风险因素挖掘 (10)4.3.1 数据预处理 (10)4.3.2 特征选择与提取 (11)4.3.3 深度学习 (11)4.3.4 聚类分析 (11)4.3.5 关联规则挖掘 (11)第5章金融风险评估指标体系构建 (11)5.1 指标体系构建原则与方法 (11)5.1.1 原则 (11)5.1.2 方法 (11)5.2 常见金融风险评估指标 (11)5.2.1 市场风险指标 (12)5.2.2 信用风险指标 (12)5.2.3 流动性风险指标 (12)5.2.4 操作风险指标 (12)5.3 基于大数据的金融风险评估指标体系 (12)5.3.1 风险因素识别指标 (12)5.3.2 风险传导指标 (12)5.3.3 风险度量指标 (12)5.3.4 风险控制指标 (12)第6章金融风险评估模型构建 (13)6.1 传统的金融风险评估模型 (13)6.1.1 线性回归模型 (13)6.1.2Logistic回归模型 (13)6.1.3 判别分析模型 (13)6.2 基于机器学习的金融风险评估模型 (13)6.2.1 决策树模型 (13)6.2.2 随机森林模型 (13)6.2.3 支持向量机模型 (13)6.2.4 K近邻模型 (13)6.3 基于深度学习的金融风险评估模型 (13)6.3.1 神经网络模型 (13)6.3.2 卷积神经网络模型 (13)6.3.3 循环神经网络模型 (14)6.3.4 长短期记忆网络模型 (14)6.3.5 聚类分析模型 (14)第7章模型实证分析与应用 (14)7.1 数据来源与处理 (14)7.1.2 数据处理 (14)7.2 模型训练与验证 (15)7.2.1 模型训练 (15)7.2.2 模型验证 (15)7.3 模型应用与效果分析 (15)7.3.1 模型应用 (15)7.3.2 效果分析 (15)第8章金融风险预警系统设计 (16)8.1 风险预警系统概述 (16)8.1.1 预警系统定义 (16)8.1.2 预警系统作用 (16)8.2 预警系统框架设计 (16)8.2.1 数据层 (16)8.2.2 技术层 (16)8.2.3 应用层 (17)8.3 预警系统关键技术 (17)8.3.1 数据挖掘 (17)8.3.2 机器学习 (17)8.3.3 统计分析 (17)8.3.4 云计算与大数据技术 (17)第9章案例分析与研究 (17)9.1 国内金融风险案例分析 (17)9.1.1 案例一:影子银行风险 (17)9.1.2 案例二:地方债务风险 (18)9.1.3 案例三:互联网金融风险 (18)9.2 国外金融风险案例分析 (18)9.2.1 案例一:美国次贷危机 (18)9.2.2 案例二:欧洲债务危机 (18)9.2.3 案例三:日本金融泡沫破裂 (18)9.3 基于大数据的金融风险防范策略 (18)9.3.1 数据采集与处理 (18)9.3.2 风险评估模型构建 (18)9.3.3 风险监测与预警 (18)9.3.4 风险防范策略实施 (18)第10章总结与展望 (19)10.1 研究成果总结 (19)10.2 研究局限与不足 (19)10.3 研究展望与未来发展方向 (19)第1章引言1.1 研究背景我国金融市场的快速发展,金融风险日益增加,对金融机构和金融市场的稳定性带来了严重挑战。
金融管理专业选题

金融管理专业选题1、书山有路勤为径,学海无涯苦作舟。
金融管理专业论文选题金融专业论文选题注。
请首先在110论题之前选择。
1.住房公积金制度运行效率讨论2.安徽省金融进展对产业升级支持作用的讨论3.我国农村金融服务供需均衡分析——基于对**省〔市〕农户的调查讨论4.金融资产的泡沫度衡量的实证分析 5.**省〔市〕金融业奉献的实证讨论6.农村经济增长中的农村金融资源供给及效应分析7.我国金融进展和城乡收入差距:理论分析、实证检验和政策建议8.var风险管理方法在证券市场上的实证讨论9.**地区农村金融抑制与金融深化讨论10.金融资产结构与经济增长的协调讨论2、11.金融市场风险的度量——基于极值理论的我国a股市场实证分析12.信誉评级与金融风险防范讨论13.我国证券市场有效性讨论14.我国证券公司竞争力讨论15.我国开放式证券投资基金业绩评价实证讨论16.基于行为金融理论下的市场有效性讨论与证券价值分析17.佣金自由化下的证券公司盈利模式分析18.我国证券信息内幕操纵与证券监管讨论19.中国证券投资基金业绩评价实证讨论20.我国上市公司融资偏好分析21.我国证券投资基金评价体系讨论22.大学生助学贷款安全性调查第10页共10页n书山有路勤为径,学海无涯苦作舟。
23.农产品期货对农业生产的作用3、分析24.封闭式基金折价现象分析25.农地抵押贷款讨论26.我国二板市场的效用评价27.**省〔市〕农业保险的实证讨论28.**省〔市〕外商直接投资的区位分布以及区位优势因素29.上市公司股利安排政策影响因素实证分析30.浅析怎样提高中国ipo发行效率31.**省〔市〕农户借贷行为的实证讨论32.我国货币政策传导机制效应讨论33.对当前我国银行高储蓄率的分析与思索34.居民储蓄存款分流的难点与对策35.我国农村资金外流问题探析36.储蓄增长与人民币汇率关系的实证讨论37.我国风险投资退出机制讨论38.xx行业股票市场价值分析39.银4、行“排队难”现象分析40.股指期货的套期保值效果实证分析41.高额外汇储备利弊分析42.信誉卡在**高校使用状况分析43.基于eva的封闭式基金价值评估44.基于kmv模型的我国上市公司信誉风险度量45.我国股市波动与宏观经济走势关系的实证讨论46.可转换债券财务特性分析及其应用讨论第10页共10页n书山有路勤为径,学海无涯苦作舟。
金融行业金融模型构建与实证分析考核试卷

4.信用风险指因借款人或对手方违约导致的损失。常用模型如Merton模型和Credit Metrics,通过分析违约概率和损失程度进行风险评估,帮助金融机构管理信用风险。
C.行为金融学认为市场总是有效的
D.行为金融学认为投资者情绪不会影响市场定价
请在此处填写答案:
1. ______
2. ______
3. ______
4. ______
5. ______
6. ______
7. ______
8. ______
9. ______
10. ______
11. ______
12. ______
12.以下关于主成分分析(PCA)的说法,错误的是()
A.适用于降维
B.可以消除变量之间的相关性
C.主成分个数越多,解释力度越强
D.主成分个数与原始变量个数相同
13.以下哪个因素不是影响股票收益的主要因素?()
A.市场风险溢价
B.股息率
C.宏观经济变量
D.公司规模
14.关于风险中性定价理论,以下哪个说法是正确的?()
6.金融市场根据交易工具的不同,可以分为货币市场、资本市场、外汇市场和______市场。
7.在金融时间序列分析中,自相关性指的是序列当前值与其______值之间的相关性。
8.金融市场按照交易程序分为场内交易和______交易。
9.金融创新按照创新的领域可以分为产品创新、制度创新、流程创新和______创新。
C. GARCH模型可以用来刻画异方差性
D. A和C都正确
基于主成分分析的我国金融发展综合指标构建

、
金融发展主要指标体系及使用存在 的问题
1 . 主要 指 标体 系
尽管 以上这些指 标 已经 比较 全面地描述 和测度 了金融发 展规模 和层 次 , 而且 , 金融发展 指标体 系的形成 与完 善也有力
地推进 了金融发展理论 的实证分析 。但是 , 由于有些指标 比较
金融发展指标包括金融 中介指标和金融市场指标。金融发 展离不 开金 融中介 的发展 , 正是 金融 中介 的发展 , 为厂商提 供
性。为了用较少的相互独立 的变量来代替原来变量的大 部分信
息, 有必要研 究金融发 展的综合指标体 系 , 以便减少实 证研究 过程中数据测量 的误差或异常 值所带来 的负 面影 响, 可获得更
强的解释力 。
一
效率等指标纳入了一个统一的分析框架 。这些指标主要包括 : 金融 中介 的规模 与活跃性 指标 、 商业银行 的效率与市场结构指 标 、 它金 融机构 的规模 和效率指标 、 其 股票与债券 市场的发展
场 。在 实证研究 中 , 金融市场发展 的指标包括证券市场规模指 标、 证券市场效率指标和证券市场 国际化指标等 。常见的指标
过一定 的金融发展指标来揭示 的。 金融发展指标是金融发展的
数量标 志 , 也是 对金融发展理 论的重要结论 ( 融发展 和经 济 金
增长关系 ) 进行实证检验 的基础 。 从最初 的金融相关 比率 的提 出到 现在 丰富多样 的金融 发 展指标体系 , 体现 了金融发 展指标涵 盖金融功能 日益丰富的过
人部门) 的信贷与G P D 的比率。
中国农业会计 2 1—8 曩 00
财税 与金
童 = i
。
耋 |
后 来 的 涵 盖 金 融 结
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
・证券与投资・基于主成分分析的股票流动性的度量胡克女曼,曾志坚(湖南大学工商管理学院,湖南长沙 410082)Ξ摘 要:流动性是一个多维变量,因此要度量股票的流动性,必须采用一种多维的计量方法。
以上证180指数成分股中的30只股票为研究样本,利用高频数据,运用主成分分析方法获得了一种新的流动性度量方法,该方法能够更好地描述中国股市的流动性。
关键词:股票;流动性;主成分分析中图分类号:F832 文献标识码: A 文章编号:1003-7217(2005)06-0049-04一、流动性的定义与内涵流动性是证券市场的生命力所在。
二级市场的流动性为投资者提供了转让和买卖证券的机会,也为投资者提供了筹资的必要前提;如果市场缺乏流动性而导致交易难以完成,市场也就失去了存在的必要。
对于流动性,存在多种定义。
O ’Hara 认为,流动性就是“立即完成交易的价格”(the Price of Immediacy )。
[1]Amihud 和Mendelson 认为,流动性即在一定时间内完成交易所需的成本,或寻找一个理想的价格所需用的时间。
[2]Massimb 和Phelps 把流动性概括为“为进入市场的订单提供立即执行交易的一种市场能力”(通常称为“即时性”)和“执行小额市价订单时不会导致市场价格较大幅度变化的能力”(通常称为“市场深度”或“弹性”)。
[3]G len 把流动性界定为迅速交易且不造成大幅价格变化的能力。
[4]Shen 和Starr 认为金融市场的流动性是“平稳地吸收买入和卖出订单的能力”。
[5]当一种资产和现金能够以较小的交易成本迅速相互转换时,就说该资产具有流动性。
因此可以认为,流动性实际上就是投资者根据市场的基本供给和需求状况,以合理价格迅速交易一定数量资产的能力。
从以上定义可以看出,流动性不是一个一维变量,而包括4个方面。
(1)速度(交易时间)。
速度主要指证券交易的即时性(Immediacy )。
从这一层面衡量,流动性意味着一旦投资者有买卖证券的愿望,通常总可以立即得到满足。
(2)紧度(交易成本)。
流动性的第2个要素是交易即时性必须在成本尽可能小的情况下获得。
从这一层面衡量,流动性意味着买卖某一证券的价格必须等于或接近占主导地位的市场价格。
紧度最清楚的展示了交易成本或直接成本。
(3)深度(交易数量)。
流动性的第3个要素是数量上的限制,即较大数量的交易可以按照合理的价格较快执行。
(4)弹性。
假定由于较大数量的交易在较短的时间内得到执行,从而造成价格的较大变化,就可以得到流动性的第4个要素———弹性(Resiliency ),即由于一定数量的交易导致价格偏离均衡水平后,恢复均衡价格的速度。
上述流动性的几个方面可以重新分为5类,表示流动性的不同水平:(1)完全交易的能力。
流动性的第1个能力很明显:如果一个市场上完全没有流动性,就不会发生交易。
在一个具有流动性的市场上,至少存在一个买方报价或卖方报价,使得可能产生交易。
(2)买卖一定数量资产但影响报价的能力。
如果交易是可能的,下一个问题就是交易的价格影响。
在一个具有流动性的市场上,有可能交易一定数量的股票,但会影响报价。
(3)买卖一定数量资产而不影响报价的能力。
市场的流动性越高,对报价的影响越小。
因此,随着流动性的增加,最终会达到一点,在这一点对于一定数量的股票,不会再有价格影响。
(4)几乎在同时,以相同的价格买、卖资产的能力。
(5)从第2点到第4点立即执行交易的能力。
O ’Hara 考虑不同的交易机制,对模拟流动性性质的不同方法提供了理论介绍,并将它们嵌在几个市场微观结构模型中。
[1]但是大多数有关证券市场流动性的研究,要么集中研究流动性的一个方面,要么用几个流动性度量方法去刻画流动性的不同方面,比如Chan 和Pinder 以及E lyasiani ,Hauser 和Lauterbach 。
[6,7]Fernandez 则强调了用不同的流动性度量方法去刻画流动性不同方面的必要性。
[8]另一个可行的方法就是利用多维的度量方法同时度量流动性的各个方面。
二、流动性的度量方法流动性本身是不能观察的,因此必须用不同的流动性度Ξ收稿日期: 2005-04-28作者简介: 胡克女曼(1966-),女,湖南益阳人,湖南大学工商管理学院研究生,研究方向:金融管理。
第26卷 第138期2005年11月财经理论与实践(双月刊)THE THEOR Y AND PRACTICE OF FINANCE AND ECONOMICS Vol.26 No.138Nov 1 2005量方法来刻画。
但正如Baker所说的那样,当评估金融市场的流动性时,不同的流动性度量方法会导致相矛盾的结果。
[9]流动性度量方法可以分成一维的和多维的:一维的流动性度量方法只考虑一个方面,而多维的流动性度量方法试图刻画几个不同的方面。
(一)一维的流动性度量方法一维的流动性度量方法可以粗略的分为3类:它们可以分别刻画公司交易量、随后交易的间隔时间和价差。
1.与交易量相关的流动性度量方法。
基于交易量的流动性度量方法主要有以下几个:成交量;成交金额;市场深度;对数深度;美元深度;换手率。
2.与时间相关的流动性度量方法。
与时间相关的流动性度量方法说明交易或订单发生的频率。
因此,这些度量方法的值越高说明流动性越高。
主要包括:单位时间的交易次数;单位时间的订单次数。
3.与价差相关的流动性度量方法。
基于价差的流动性度量方法是从流动性的紧度属性演变而来的,主要包括:绝对价差或报价价差;对数绝对价差;相对价差;用最后交易的价格计算的相对价差;对数价格的相对价差;对数价格的对数相对价差;有效价差;用最后交易的价格计算的相对有效价差;用中间价格计算的相对有效价差。
(二)多维的流动性度量方法多维流动性度量方法把不同一维流动性度量方法的属性结合起来。
主要包括:报价斜率;对数报价斜率;调整的对数报价斜率;合成流动性。
本文所列的流动性度量方法尽管有很多,但肯定还不完全。
流动性不是一个一维变量,因此用单个的一维流动性度量方法不能进行刻画。
要度量股票的流动性,必须采用一个多维的流动性度量方法。
本文试图利用股票交易的高频数据,采用主成分分析方法获取一种新的流动性度量方法,能够更好的度量中国股市的流动性。
三、实证研究方法设计(一)主成分分析方法统计学上的主成分分析方法是由Hotelling于1933年首先提出的,其主要思想是:通过对原始指标相关矩阵内部结构关系的研究,找出影响某一经济状况的几个综合指标(主成分),使综合指标为原始指标的线性组合,综合指标不仅保留了原始指标的主要信息,彼此又完全不相关,同时比原始指标具有某些更优越的性质,使得在研究复杂的经济问题时能够容易抓住主要矛盾。
设原始变量为x1,x2,x3,…,x m,主成分因子为z1,z2,…,z n(n<m),则主成分分析的数学模型可以写成: z1=a11x1+a12x2+…+a1m x mz2=a21x1+a22x2+…+a2m x m …………z n=a n1x1+a n2x2+…+a nm x m写成矩阵形式为:Z=A X。
其中,Z为主成分向量,A为主成分变换矩阵,X为原始变量向量。
主成分分析的目的是求出系数矩阵A。
主成分z1,z2,…,z n在总方差中所占比重依次递减。
从理论上讲m=n,即有多少原始变量就有多少主成分,但实际上前面几个主成分集中了大部分方差,因此选取的主成分数目可远远小于原始变量的数目,并使信息损失很小。
(二)流动性指标选择本文研究使用的是股票交易的高频数据,由于数据获取的限制,本文只选择了18种流动性度量方法,即18个流动性指标:成交量(Q)、成交金额(V)、市场深度(D)、对数深度(Dlog)、美元深度(D$)、绝对价差(S abs)、对数绝对价差(L ogS abs)、相对价差(S relM)、用最后交易价格计算的相对价差(S relp)、对数价格的相对价差(S rellog)、对数价格的对数相对价差(L ogS rellog)、有效价差(Sef f)、用最后交易价格计算的相对有效价差(Sef f relp)、用中间价格计算的相对有效价差(Sef f relM)、报价斜率(QS)、对数报价斜率(L ogQS)、调整的对数报价斜率(L ogQS adj)、合成流动性(CL)。
主成分分析方法要求其所选指标具有同趋势性。
本文初步选定的18个指标中,成交量、成交金额、市场深度、对数深度和美元深度这5个指标的数值越大,代表股票流动性越好;而其他的13个指标则是数值越小,代表股票流动性越好。
为保证指标的同趋势性,将交易量等5个指标取了倒数。
同时,为了保证各指标的量纲一致,将所有的指标进行了均值化处理,即将每一个比率除以该比率的平均值。
(三)数据来源与说明本文使用的数据来源于深圳天软科技开发有限公司的《天软金融分析.N ET》数据库。
从2002年7月1日至2004年7月1日间,一直是上证180指数成分股的股票有112只,本文选择其中资产总额最大的30只作为研究样本,以保证样本具有代表性(30只股票参见表3)。
研究采用的数据期间为2003年7月1日至2004年6月30日,共243个样本日。
本文将每一天的交易时间按照5分钟一个间隔进行划分,这样共分成48个交易间隔。
对于每一只股票的每一个流动性指标,先计算其在5分钟交易间隔内的值,然后把一天中的48个值进行平均从而得到其每一天的值。
四、实证研究结果及其分析(一)按照不同流动性指标的股票排序本文首先分别对30支股票按照18种流动性指标在样本期间内的平均值进行了排序。
发现似乎存在两组不同的流动性度量方法,在不同股票的排序中产生很高的相关性。
第一组方法包括:成交量、成交金额、市场深度、对数深度、美元深度、绝对与对数绝对价差、有效价差、报价斜率和合成流动性等度量方法。
总体而言,这些流动性度量方法都依赖于绝对05财经理论与实践(双月刊)2005年第6期股票价格。
第二组方法包括:所有的相对价差度量方法、对数报价斜率与调整的对数报价斜率。
总体而言,这些流动性度量方法与股票价格无关。
依据18种排序结果,平均而言,600016是流动性最好的股票。
它的平均排位是4.39。
600016的后面是600019,其平均排位是5.56,接着是600000,其平均排位是7.00。
流动性最差的3只股票是600377、600835和600266,其平均排位分别是28.44、22.67和22.39。
(二)基于主成分分析方法的实证结果本文使用30只股票作为研究总样本,就所选定的18个流动性指标进行了主成分分析。
运用S PSS统计软件进行主成分分析,首先得到的是各指标的相关性矩阵。
从相关性矩阵中发现用中间价格计算的相对价差、用最后交易价格计算的相对价差与对数价格的相对价差三者之间两两相关,且相关系数几乎为1;用中间价格计算的相对有效价差与用最后交易价格计算的相对有效价差的相关系数也几乎为1。