信息不对称约束下中国股市跳跃尾部风险定价研究

Researches for high-frequency jump tail on the pricing of asset prices are mainly two aspects: (1) How is the expected return of a stock dependent on jump risk? (2) How to explain the risk premium of jump risk from an economic point of view? And the study of the latter under the market microstructure information model is relatively less. Jin and Myers (2006) show control rights and information affect the division of risk bearing between managers and investors. Opaque stocks with high R2s are also more likely to crash, that is, to deliver large negative returns. We conduct our research from the theory of information asymmetry with two subjects: financial distress risk and opacity, to explore the economic mechanism that why jump tail can explain and predict future returns; and further, construct a comprehensive mispricing index, to demonstrate how the jump tail may exert influence on the mispricing, which can verify the jump tail: an indicator of noise trading, or an indicator of informed trading? As for the data acquisition and econometric empirical regression, in addition to the traditional data base and OLS and Fama-MacBeth two step regressions, we will introduce the big data technique, such as HADOOP, SPARK, HDFS, real-time acquisition, cleaning, loading data, and bring in neural networks and machine learning, optimization of feature selection, closed-loop feedback information, building prediction model.

高频跳跃尾部对资产价格定价的研究问题主要集中于两个方面：一是证实跳跃尾部如何影响预期资产收益；二是如何从经济学角度解释跳跃波动风险溢价的原因。对后者从市场微观结构信息模型来进行研究，还是鲜见的。Jin和Myers（2006）认为内部管理层选择性隐藏困境信息及与外部投资者分担不同的异质风险，证实信息不透明能对股价暴跌进行预测。本项目从信息不对称的两个方向：财务困境和信息不透明，考察跳跃尾部解释和预测收益的经济机理；并进一步，构建错误定价综合变量，探讨跳跃尾部对资产错误定价的影响，在实证上检验跳跃尾部是反映信息中的噪音交易假说还是知情交易假说。在数据获取与计量实证方面，除了使用传统数据库和OLS及Fama-MacBeth两步回归，还将引入HADOOP，SPARK，HDFS等大数据技术，实时采集，清洗，加载数据，通过机器学习和深度神经网络，优化特征选择，闭环反馈信息，构建预测模型。

高频跳跃尾部对资产价格定价的研究问题主要集中于两个方面：一是证实跳跃尾部如何影响预期资产收益；二是如何从经济学角度解释跳跃波动风险溢价的原因。对后者从市场微观结构信息模型来进行研究，还是鲜见的。Jin和Myers（2006）认为内部管理层选择性隐藏困境信息及与外部投资者分担不同的异质风险，证实信息不透明能对股价暴跌进行预测。本项目从信息不对称的两个方向：财务困境和信息不透明，考察跳跃尾部解释和预测收益的经济机理；并进一步，构建错误定价综合变量，探讨跳跃尾部对资产错误定价的影响，在实证上检验跳跃尾部是反映信息中的噪音交易假说还是知情交易假说。在数据获取与计量实证方面，除了使用传统数据库和OLS及Fama-MacBeth两步回归，还引入大数据技术，实时采集，清洗，加载数据，通过机器学习和深度神经网络，优化特征选择，闭环反馈信息，构建预测模型。.本项目围绕以上研究内容展开相应的研究，得到以下重要结果：（1）跳跃风险和特质波动风险对资产收益溢价具有联合定价作用，它们对股票超额收益率的解释作用主要通过两者交互作用的非线性形式产生；（2）从财务困境角度探讨尾部风险的定价问题时，使用企业收入、利息支出、市值和经营现金流，而非破产来重新定义与度量财务困境，发现跳跃尾部风险会影响公司陷入财务困境的概率；（3）以个股跳跃收益作为重大信息冲击的代理变量，证实投资者对信息冲击存在短期日内反应过度和隔夜反应不足，即我国股市存在日内收益率的反转效应和隔夜收益率的动量效应；（4）资本市场对外开放政策引入境外投资者，改进了市场流动性，带来了更多分析师覆盖，同时提高了企业信息披露质量，增强信息透明度，从信息使用和信息生成两个角度降低了我国A股股价信息风险。以上学术成果的科学意义或应用前景在于丰富了公司金融、资产定价以及金融市场微观结构领域的联合研究，并为投资者依据股市极端风险、公司财务困境特征、企业信息披露质量等进行选股决策具有一定实践指导意义。