基于状态空间模型的宏观经济因素对股市流动性的建模分析

doi:10.16381/j.cnki.issn1003-207x.2019.05.005

中国管理科学 ›› 2019, Vol. 27 ›› Issue (5): 42-49.doi: 10.16381/j.cnki.issn1003-207x.2019.05.005

基于状态空间模型的宏观经济因素对股市流动性的建模分析

何迪¹, 周勇^2,3

1. 南京大学经济学院, 江苏南京 210093;
2. 统计与数据科学前沿理论及应用教育部重点实验室, 上海 200062;
3. 华东师范大学统计交叉科学研究院和统计学院, 上海 200062

收稿日期:2017-10-24 修回日期:2018-02-05 出版日期:2019-05-20 发布日期:2019-05-25
通讯作者: 周勇(1964-),男(汉族),广西人,中国科学院数学与系统科学研究院,研究员,华东师范大学统计交叉科学研究院和统计学院教授,研究方向:统计学、数量金融与风险管理、生存分析、计量经济,E-mail:yzhou@amss.ac.cn E-mail:yzhou@amss.ac.cn
基金资助:
国家自然科学基金委重点资助项目（71331006）；国家自然科学重大研究计划重点资助项目（91546202）

Modeling and Analyzing Liquidity in Stock Market Using Macroeconomic Factors Based on State Space Model

HE Di¹, ZHOU Yong^2,3

1. School of Economics, Nanjing University, Nanjing 210093, China;
2. Key Laboratory of Advanced Theory and Application in Statistics and Data Science, MOE, Shanghai 200062, China;
3. Academy of Statistics and Interdisciplinary Sciences, East China Normal University, Shanghai 200062, China

Received:2017-10-24 Revised:2018-02-05 Online:2019-05-20 Published:2019-05-25

摘要/Abstract

摘要： 证券市场的流动性是评估一国证券市场是否健康运转的重要指标。关于流动性的各种学术研究也是金融市场微观结构理论中的热点问题。本文主要考察宏观经济因素对时变的股市流动性的影响，选取度量股票流动性的指标以及宏观经济变量，针对行业分类的面板数据提出三个动态因子模型，并引入跨行业的能够捕捉风险聚集现象的潜在因子进行建模，利用状态空间模型与Kalman滤波进行分析和样本外流动性风险预测。我们提出的新颖的带回归效应的高斯面板数据时间序列模型，结合了用主成分的方法从大量宏观经济协变量中提取出来的因子，用来分析和预测股市的流动性风险，具有较强的信息挖掘作用。在对上证A 股的实证研究中，我们发现动态的潜在因子的引入对于防止流动性估计的偏差是需要的。

关键词: 流动性, 宏观经济因素, 状态空间模型, Kalman滤波, 潜在因子

Abstract: Liquidity in stock market is a crucial indicator to assess whether a country's stock market is in healthy operation. The academic research about liquidity is a hot issue on financial market microstructure theory. The influence of macroeconomic factors to time-varying liquidity in Chinese stock market is considered in this paper. First the indexes are selected to measure stock liquidity and macroeconomic covariates, and then three dynamic factor models are proposed for the panel data of industry sectors, with introducing a latent factor that captures the risk cross-sectionally clustering phenomenon to modeling. Moreover, liquidity is analyzed using the tools of state space model and Kalman filter, and the out-of-cample liquidity risk prediction of all the models is implemented. The novel Gaussian panel data time series model with regression effects is presented, for the analysis and forecast of stock liquidity risk, containing the principal components from a large number of macroeconomic covariates, which has a strong information mining effect. In an empirical application to stock data from Shanghai stock exchange A share market, it is found that a dynamic latent component or frailty factor is needed to prevent a downward bias in the estimation of liquidity.

Key words: liquidity, macroeconomic factors, state space model, Kalman filtering, latent factor

中图分类号:

O212

何迪, 周勇. 基于状态空间模型的宏观经济因素对股市流动性的建模分析[J]. 中国管理科学, 2019, 27(5): 42-49.

HE Di, ZHOU Yong. Modeling and Analyzing Liquidity in Stock Market Using Macroeconomic Factors Based on State Space Model[J]. Chinese Journal of Management Science, 2019, 27(5): 42-49.

参考文献

[1] 麦元勋. 基于流动性Beta系数的我国股市流动性风险实证研究[J]. 现代管理科学, 2006, 6:117-119.

[2] Acharya V V, Pedersen L H. Asset pricing with liquidity risk[J]. Journal of Financial Economics, 2005, 77(2):375-410.

[3] 刘晓星, 邱桂华. 基于买卖价差的我国股票市场流动性调整的风险价值研究[J]. 当代经济管理, 2008, 30(8):83-87.

[4] 宋逢明,谭慧. VaR模型中流动性风险的度量[J]. 数量经济技术经济研究,2004,(6):114-123.

[5] 杜海涛. 中国股市流动性风险测度研究[J]. 证券市场导报, 2002,(11):38-43.

[6] 黄峰. 中国股票市场的流动性风险及其溢价效应研究[D]. 上海:上海交通大学博士学位论文, 2007.

[7] 刘洋,刘善存. 上海股票市场系统流动性风险溢价研究[J]. 管理学报,2008,(5):263-268.

[8] 李延军,王丽颖. 股市流动性与资产定价——基于我国A股市场的实证研究[J]. 金融发展研究,2015,(7):9-15.

[9] 张民,朱鲁秀. 存款准备金率调整对我国股市流动性影响分析[J]. 商业经济,2012,(18):108-110.

[10] 耿中元,王曦. 货币政策对股票市场流动性影响的实证检验[J]. 统计与决策,2016,(21):146-149.

[11] 苏刚. 货币政策对股市流动性的影响分析[J]. 东北财经大学学报,2014,(3):62-67.

[12] 邢治斌,仲伟周. 宏观经济政策对股票市场流动性风险影响的实证分析[J]. 统计与决策,2013,(7):152-155.

[13] Koopman S J, Lucas A, Schwaab B. Modeling frailty-correlated defaults using many macroeconomic covariates[J]. Journal of Econometrics, 2011, 162(2):312-325.

[14] Hasbrouck J. Trading costs and returns for US equities:Estimating effective costs from daily data[J]. The Journal of Finance, 2009, 64(3):1445-1477.

[15] Amihud Y. Illiquidity and stock returns:Cross-section and time-series effects[J]. Journal of financial markets, 2002, 5(1):31-56.

[16] 沈豪杰, 黄峰. 中国股市流动性风险的非对称效应分析[J]. 统计与信息论坛, 2010, 25(4):93-98.

[17] Azizpour S, Giesecke K, Schwenkler G. Exploring the sources of defaultclustering[J]. Journal of Financial Economics, 2018,129(1),154-183.

[18] Goyenko R Y, Holden C W, Trzcinka C A. Do liquidity measures measure liquidity[J]. Journal of Financial Economics, 2009, 92(2):153-181.

[19] Durbin J, Koopman S J. Time series analysis by state space methods[M]. Oxford University Press, 2001.

[20] Duffie D, Eckner A, Horel G, et al. Frailty correlated default[J]. The Journal of Finance, 2009, 64(5):2089-2123.

基于状态空间模型的宏观经济因素对股市流动性的建模分析

Modeling and Analyzing Liquidity in Stock Market Using Macroeconomic Factors Based on State Space Model

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	马丹, 王春峰, 房振明. 流动性供给与日内价格效率——基于中国股票市场的实证研究[J]. 中国管理科学, 2020, 28(7): 57-67.
[2]	姜闪闪, 范宏. 双渠道风险传染下银行系统稳定性分析[J]. 中国管理科学, 2020, 28(11): 51-60.
[3]	刘霞, 刘善存, 张强. 多基本面下异质交易者竞争及流动性分析[J]. 中国管理科学, 2019, 27(5): 23-31.
[4]	尹海员, 朱旭. 投资者异质信念、预期演化与股票市场流动性[J]. 中国管理科学, 2019, 27(10): 12-21.
[5]	石玉山, 刘海龙, 胡友群. 考虑流动性和组合再平衡风险的股票质押率优化模型[J]. 中国管理科学, 2018, 26(1): 81-89.
[6]	刘琦, 杨招军. 业绩敏感性债券对资产流动性的影响[J]. 中国管理科学, 2017, 25(12): 1-8.
[7]	刘志东, 严冠. 基于半鞅过程的中国股市随机波动、跳跃和微观结构噪声统计特征研究[J]. 中国管理科学, 2016, 24(5): 18-30.
[8]	刘睿智, 周勇. 期现货市场订单流动性层面的“遛狗效应”——基于交易量刻度的高频交易数据研究[J]. 中国管理科学, 2016, 24(4): 19-26.
[9]	姚登宝, 刘晓星, 张旭. 市场流动性与市场预期的动态相关结构研究——基于ARMA-GJR-GARCH-Copula模型分析[J]. 中国管理科学, 2016, 24(2): 1-10.
[10]	苏辛, 周勇. 流动性、流动性风险与基金业绩——基于我国开放式基金的实证研究[J]. 中国管理科学, 2015, 23(7): 1-9.
[11]	沈根祥, 陈映洲. 双斜率因子动态Nelson-Siegel利率期限结构模型及其应用[J]. 中国管理科学, 2015, 23(10): 1-10.
[12]	周生宝, 王雪标, 郭俊芳. 我国通胀预期与通胀的动态关联性——基于宏观金融模型的研究[J]. 中国管理科学, 2014, 22(11): 27-35.
[13]	周生宝, 王雪标, 郭俊芳. 我国通胀预期与通胀的动态关联性——基于宏观金融模型的研究[J]. 中国管理科学, 2014, 22(11): 27-35.
[14]	朱杰, 陈浪南. 基于状态空间模型的动态基金业绩评价研究[J]. 中国管理科学, 2013, 21(6): 11-21.
[15]	周芳, 张维, 周兵. 基于流动性风险的资本资产定价模型[J]. 中国管理科学, 2013, 21(5): 1-7.