新闻中心

首页  >  新闻中心  >  新闻中心

Fundamental Analysis and the Cross-Section of Stock Returns: A Data-Mining Approach

基本面分析与股票收益率:一种基于数据挖掘的方法

来源:国际交流办公室 编辑:院宣办 发布时间:2017-04-18

自Fama-French 于1992年提出三因子模型以来,文献中出现了大量的声称能够预测股票收益率的因子。根据Harvey et al. (2016) 的统计,已有300多个因子被发表在金融经济类的期刊上,其中基于公司财务基本面的因子占据了很大的比例。由于股票收益率一直是资产定价研究领域的一个核心问题,因此这些被发现的“因子”也受到了学界和业界的广泛关注。

然而,当我们面对大量的return predictor时,一个自然的疑问就是它们确实能够预测股票收益吗?还是仅仅是数据挖掘的产物?其原因在于即使我们对大量完全无效的因子进行检测,也可能因为数据的巧合发现一些与收益率“显著”相关的因子。我们的研究试图提出一个重新衡量这些因子的方法,即通过构建一个由超过18,000个基本面因子组成的universe和bootstrap的计量方法来判断那些特别显著的因子的产生是否是偶然的结果。我们的研究发现:(1)在控制了data-mining的影响后,许多与公司基本面有关的因子还是能够很好的预测股票回报率;(2)这些因子所能带来的超额收益在那些存在套利限制的股票中更高,在投资者情绪高涨时期会更加显著。这些发现表明,我们发现的基本面因子的产生并非偶然的结果,而是与market mispricing密切相关。同时,我们提出的计量方法具有普遍性,能够被应用到其他类型的因子的研究分析中。

 

 

Fundamental Analysis and the Cross-Section of Stock Returns: A Data-Mining Approach

Sterling Yan 、郑凌凌

《The Review of Financial Studies》2017年第4期