市场时机：极端价格的经济价值

过滤观测用于缓解PMG和PML中自相关的污染。控制商业周期相关变量的回归如下所示，PMGFtth1 1/4 CthαPMLtFthβMtthεtth1；PMGtFth1 1/4 CthPMLtFthβMtthβMtth1thεtth1；其中，mt表示商业周期相关变量。为节省空间，表中未报告常数C。****，****分别在1%、5%和10%水平上的平均值显著性表14均值回归指标和良好时间指标控制面板A。月度数据观测PMLFTIMA、tMRIt（1-IMA，t）MRItIMA、t+1MRIt+1（1-IMA，t+1）MRIt+10.136***0.105***-0.178***-0.174***0.130***-1.071***-1.147***0.981***1.063***面板B。季度数据观测PMLFTIMA、tMRIt（1-IMA，t）MRItIMA，t+1MRIt+1（1-IMA，t+1）MRIt+10.292***0.259***-0.007-0.0080.396***-0.059***-0.073***0.077***0.106***注。我们的基准模型是PMGFt+1=C+PMLtF+εt+1，其中pmgf和pmlf是过滤的观测值。过滤观测用于缓解PMG和PML中自相关的污染。控制均值回归指标的回归如下所示，PMGFtth1 1/4 CthαPMLtFthβIMA；tMRItthβd1‐IMA；tMRItThthεtth1；PMGtFth1 1/4 CthαPMLtFthβIMA；tMRItthβd1‐IMA；tMRItThthβIMA；tth1MRItth1thβd1‐IMA；tth1MRItth1Ththεtth1：；该回归遵循Huang等人（2015）的方法，他们使用以下状态相关回归预测股票回报率，rt+1rt+1=C+βIMA，tMRIt+β（1‐IMA，tMRIt）+εt+1表中未报告常数C以节省空间。****，***，*谢和王金融创新（2018）4:30分别在1%、5%和10%的水平上具有显著性，共24页第19页和历史-高指标。过滤后的不良极端收益系数从0.136下降到0.053和0.021，并变得不显著。

对于面板B中的季度数据观察，结果表明，52周高点和历史高点仅部分解释了协方差的不对称性。对于52周高点和历史高点与不对称性的关系，最好的解释是PML、Ht和HMAXT之间的相似性。AlloftheThreeIndicators是由高价格构建的。实际上，PMLand Ht（Hmaxt）与月度数据的相关性为-0.60 6（-0.449），与季度数据的相关性为-0.817（-0.594）。然而，Li和Yu（2012）中的样本外R平方分别为月数据的0.1%和季度数据的0.8%，其中，将学习历史高点和接近52周高点作为预测因子，s.Market ConditionBaker和Wurgler（2006）构建了投资者情绪指数x，并发现其对大量横截面股票收益具有强大的预测能力。Stambaugh、Yu和Yuan（2012）发现，投资者情绪预测了多空投资策略的短期走势。Baker、Wurgler和Yuan（2012）为投资者情绪的横截面预测能力提供了进一步的国际证据。Huang等人（2015年）发现，与Baker和Wurgler（2006年）指数相比，一致情绪指数在预测股市总量方面具有更大的影响力。我们收集了Baker和Wurgler（2006）的情绪指数和Huang et al.（2015）的Aligned情绪指数，并研究了情绪是否可以解释不对称性。结果如表16所示。我们一致发现，非对称尝试不能用情绪来解释。最近的实证结果表明，偏度可以预测股票收益。Amongothers、Boyer、Mitton和Vorkink（2010）发现，预期的特质偏斜表15回归具有52周高点和历史高位控制面板A。

月度数据观测PMLFTHTMAXT+1Hmaxt+10.136***0.053-2.859***-0.464**0.021 1.865***-25.152***-5.607**25.926***面板B。季度数据观测PMLFTHTMAXT+1Hmaxt+10.292***-0.177***-0.178-0.0590.092*-0.032-1.247***-0.345*1.387***注。我们的基准模型是PMGFt+1=C+PMLtF+εt+1，其中pmgf和pmlf是过滤的观测值。过滤观测用于缓解PMG和PML中自相关的污染。控制均值回归指标的回归如下所示，PMGFtth1 1/4 CthαPMLtFthβHtthβHtmaxthεtth1；PMGtFth1 1/4 CthαPMLtFthβHtthβHtmaxthβHtth1thβHmaxtth1thεtth1：；为节省空间，表中未报告常数C。***、**、**平均值分别在1%、5%和10%的水平上显著，谢和王金融创新（2018）4:30第20页，共24页，与收益呈负相关。Amaya和Vasquez（2015）发现，高频数据的偏差预测了股票回报的横截面。Rehman和Vilkov（2012）利用个人股票期权的数据发现，目前的观察结果表明，事前偏斜与未来的股票回报呈正相关。我们构建的偏度指标如下：SKtXi 1/4 1rtth1‐i‐utd222;=σt 1/2 =200utXi 1/4 1rtth1‐i=200σtXi 1/4 1rtth1‐i‐utd222;=200；其中SKtis是偏度指示器，rts是每日日志返回。与黄等人相似。（2016），我们使用200作为移动窗口长度。表17报告了结果，表明不对称性不能用偏度来解释。全球证据为了了解本研究中发现的不对称性是否仅适用于美国标准普尔500指数，我们还对主要的全球股票指数进行了全面的实证研究。

对于亚洲国家，这包括中国上海证券交易所综合指数（SSEC）、香港恒生指数（HS）、台湾证券交易所公司指数（TSEC）、新加坡海峡时报指数（ST）、日本日经225指数（Nikkei 225，NK）、韩国证券交易所Kospi指数（Kospi）。对于欧洲国家，我们使用了英国《金融时报》股票交易所100指数（FTSE 100，FT）、德国阿克蒂安指数（DAX）和法国Cotation Assisteen Continue 40指数（CAC 40，CAC）。它还包括国家表16回归协会，情绪指数受控PMLTFSITSIT+1PMLtFASItASIt+10.136***0.162***-0.018 0.163***-0.0120.151***-1.225***-1.256***-0.164***-0.661***-0.688***注；感知指数可从周国富的主页上获得：http://apps.olin.wustl.edu/faculty/zhou/.只有每月的情绪指数数据才适用于1965年7月至2014年12月的样本期。我们的基准模型是PMGFt+1=C+αPMLFt+εt+1，其中PMGFt+1和pmlftar过滤了观测值。情绪指数受控的回归如下所示，PMGFt+1=C+αPMLFt+βISt+βISt+1+εt+1；其中ISt=SItor ASIt。Sitte和Asitre分别介绍了Baker和Wurgler（2006）的情绪指数和Huang等人（2015）的Aligned情绪指数。为节省空间，表中未报告常数C。***、**、**分别在1%、5%和10%水平上的平均显著性表17偏态控制回归面板A：月度数据观测面板B：季度数据观测PMLTFSKTSKT+1PMLtFSKtSKt+10.136***0.292***0.146***0.055 0.300***0.0130.144***-0.102 0.176 0.298***0.010 0.004注；SKT是偏度指示器。我们的基准模型是PMGFt+1=C+αPMLtF+εt+1，其中PMGFt+1和PMLtF过滤观测值。

控制偏斜度的回归如下所示，为了节省空间，表中未报告PMGFt+1=C+αPMLtF+βSKt+βSKt+1+εt+1常数C。****，***，*分别在1%、5%和10%水平上的平均显著性谢和王金融创新（2018）4:30 24证券交易商自动报价指数（NASDAQ）第21页。所有数据集均从www.finance下载。雅虎。通用域名格式。表18报告了当股票收益率分解为高价格极值时，PMG和PML的格兰杰因果关系测试结果。我们几乎一致认为，PML Granger导致了PMG，但反之亦然。这一全球证据表明，PMG和PML之间的不对称反应是普遍的。在稳健性方面，当股票收益率用低价极值分解时，也进行格兰杰因果关系检验；结果相似。我们没有报告节省空间的结果。结论众所周知，极端价格对于估计和预测金融资产的波动性很有价值。然而，对于极端价格是否有助于预测资产回报，我们知之甚少。本研究将价格极端的资产收益分解为潜在最大收益（PMG）和潜在最大损失（PML），并实证研究了两者之间的关系。我们发现PMG和PML之间存在显著的不对称性。PML对PMG的TIME系列动力学有很大影响，但反之亦然。这种不对称不能用宏观经济变量、技术指标、市场情绪或偏斜来解释。

我们还探讨了这种不对称的经济价值，发现如果对PMG和PML进行非对称18 Granger因果关系检验：用高价极值分解，投资者可以显著提高其效用收益面板A：月度数据观察面板B：季度数据观察滞后2 4 6 2 4 6小时：PMG/→ PML 0.069 0.033 0.068 0.078 0.551 0.797HS：PML/→ PMG 0.000 0.000 0.001 0.175 0.132 0.155ST：PMG/→ PML 0.924 0.524 0.417 0.726 0.730 0.811：PML ST/→ PMG 0.000 0.000 0.000 0.000 0.000 0.000 NK：PMG/→ PML 0.463 0.842 0.904 0.815 0.601 0.453NK：PML/→ PMG 0.000 0.000 0.000 0.024 0.075 0.210英尺：PMG/→ PML 0.894 0.919 0.304 0.478 0.364 0.501英尺：PML/→ PMG 0.000 0.000 0.000 0.006 0.031 0.028纳斯达克：PMG/→ PML 0.001 0.004 0.055 0.614 0.022 0.124纳斯达克：PML/→ PMG 0.000 0.000 0.000 0.000 0.000 0.000SSEC:PMG/→ PML 0.056 0.016 0.006SSEC：PML/→ PMG 0.032 0.080 0.310TSEC：PMG/→ PML 0.719 0.655 0.218TSEC：PML/→ PMG 0.000 0.000 0.000KOSPI：PMG/→ PML 0.055 0.334 0.059KOSPI：PML/→ PMG 0.000 0.000 0.000DAX：PMG/→ PML 0.508 0.944 0.690DAX：PML/→ PMG 0.000 0.000 0.000CAC：PMG/→ PML 0.271 0.328 0.269CAC：PML/→ PMG 0.000 0.000 0.000注：X/→Y表示X不格兰杰导致Y的无效假设。此表报告了F统计量的p值。为了确保有足够的数据观测来进行格兰杰因果关系测试，因此，对于季度数据观测，我们仅对SP500、纳斯达克、FTSE100、HS、NK和ST.Xie进行格兰杰因果关系测试。Wang Financial Innovation（2018）4:30第22页，共24页用于投资决策。此外，在全球主要股市中，这种不对称现象相当普遍。这项研究的发现有一些有趣的含义。

首先，资产收益动态中存在复杂的内在结构，这些结构很难被单变量时间序列建模技术所接受。因此，需要更精细的模型来描述资产回报的时间序列动态。其次，价格极值中包含的信息对资产定价很有价值。我们未来的工作重点将是将极端价格纳入资产回报建模和资产定价。Endnotes该网站仅提供1950年1月开始的索引数据。继Campbell和Thompson（2008）之后，我们每月将股票上的投资组合权重限制在0%到150%（含）之间，因此，如果方程式（11）中的ω0，t<0（ω0，t>1.5），则ω0，t=0（ω0，t=1.5）。所有这15个经济变量都可以在Amit Goyal的网站上找到：http://www.hec。unil公司。ch/agoyal/。情绪指数可以在周国富的网站上找到：http。应用程序。奥林。wustl公司。教育部/教职员工/周/。1965年7月至2014年12月的样本期间，只有月度敏感指数数据可用。缩写CARR：条件自回归范围；CER：确定性等价回报；GARCH：广义自回归条件异方差；ICAPM：跨期资本资产定价模型；OVR：隔夜返回；PMG：潜在最大增益；PML：潜在最大损失；向量自回归模型确认我们感谢匿名推荐人。他们的意见和建议大大改进了我们的论文。本研究得到了国家自然科学基金71401033号和UIBE青年优秀人才计划的资助。

2008年第15季度。数据和材料的可用性本文中使用的所有数据观察结果均从网站“Yahoo.com”的财务子目录下载作者贡献SY贡献：他是通讯作者，提供了本文的大部分观点和想法。XH贡献：他是第一作者，协助通讯作者完成本论文的构建和写作。两位作者都阅读并批准了最终手稿。竞争利益作者声明我们没有竞争利益。出版商在出版地图和机构附属机构中的管辖权主张方面保持中立。作者详细介绍了对外经济贸易大学银行与金融学院，北京100029。中国科学院数学与系统科学研究院，北京100190。收到日期：2018年2月18日接受日期：2018年10月8日ReferencesAmaya D，Vasquez A（2015）高频数据的偏态预测股票回报的横截面[J]。《金融经济学杂志》118:135–167安徒生T、Bollerslev T、Diebold F、Vega C（2003）《宏观公告的微观影响》。外汇实时价格发现[J]。《美国经济评论》第93（1）版：38–62Baker M，Wurgler J（2006）《投资者情绪与股票回报的横截面》[J]。《金融杂志》61（4）：1645–1680Baker M，Wurgler J，Yuan Y（2012）《全球、本地和传染性投资者情绪？[J] 。《金融经济学杂志》104（37）：272–287Xie和Wang Financial Innovation（2018）4:30第23页，共24页Beckers S（1983）基于高、低和收盘价的证券价格回报方差[J]。J Bus 56（1）：97–112Boyer B，Mitton T，Vorkink K（2010）预期特质偏态[J]。Rev Financ Stud 23（1）：169–202Brandt M，Jones C（2006）基于区间的EGARCH模型的波动率预测[J]。

J Bus Econ Stat 24（4）：470–486Campbell JY，Shiller RJ（1988）《股票价格、收益和预期股息》[J]。《金融杂志》43（3）：661–676Campbell JY，Thompson SB（2008）预测样本外的超额股票回报。有什么能超过历史平均水平吗？[J] 。Rev Financ Stud 21（4）：1509–1531坎贝尔JY（1991）股票收益的方差分解模型[J]。《经济学杂志》101（405）：157–179Chen NF，Roll R，Ross SA（1986）《经济力量与股票市场》[J]。J Bus 59（3）：383–403Chou RY（2005）用极值预测金融波动。条件自回归范围（CARR）模型[J]。J Money Credit Bank 37（3）：561–582 Clark TE，West KD（2007）关于嵌套模型中同等预测准确性的近似正态检验[J]。Nber Tech WorkingPap 138（1）：291–311Cochrane JH（1991）《基于生产的资产定价和股票收益与经济波动之间的联系》[J]。JFinanc 46（1）：209–237Dangl T，Halling M（2012）时变系数预测回归[J]。《金融经济学杂志》106（1）：157–181Engle RF，Lilien DM，Robins RP（1987）估算期限结构中的时变风险溢价。Arch-M模型。[J] 。《计量经济学》55（2）：391–407Fama EF，法国KR（1988）股息收益率和预期股票回报☆[J] 。《金融经济学杂志》22（1）：3–25Ferson WE，Harvey CR（1991）《经济风险溢价的变化》[J]。《Pol Econ杂志》99（2）：385–415Garman MB，Klass MJ（1980），关于根据历史数据估计价格波动【J】。J Bus 53（1）：67–78 George TJ，Hwang C（2004）52周高点和动量投资【J】。《金融杂志》59（5）：2145–2176Granger CWJ（1969），通过计量经济学模型和互谱方法研究因果关系。计量经济学[J]。《计量经济学》37（3）：424–438 Henkel SJ，Martin JS，Nardari F（2011）时变短期回报可预测性[J]。《金融经济学杂志》99（3）：560–580 Hong H，Lim T，Stein JC（2000）坏消息传播缓慢。

MomentumStrategies的规模、分析师覆盖率和盈利能力【J】。《金融杂志》55（1）：265–295Hong H，Stein JCA（1999）《资产市场反应不足、动量交易和过度反应的统一理论》[J]。JFinanc 54（6）：2143–2184 Huang D，Jiang F，Tu J，Zhou G（2015）投资者情绪一致。股票收益的有力预测工具[J]。Rev Financ Stud28（3）：791–837黄、大山和江、傅伟和涂、军和周、国富，预测股票在好的和坏的时期的回报。《市场角色声明》（2016年1月31日）。2014年第27届澳大拉西亚金融和银行会议论文；亚洲金融协会（AsianceAssociation）2016年会议。SSRN提供。http//ssrn。com/abstract=2188989或http//dx。内政部。org/10.2139/ssrn。2188989Kahneman D，Tversky A（1979）前景理论。风险决策分析。[J] 。《计量经济学》47（2）：263–291Keim DB，Stambaugh RF（1986）预测股票和债券市场的回报【J】。《金融经济学杂志》17（2）：357–390Kunitomo N（1992），改进了估计证券价格波动的帕金森方法[J]。J Bus 65（2）：295–302Lettau M，Ludvigson S（2001a）《消费、总财富和预期股票回报》[J]。《金融杂志》56（3）：815–849Lettau M，Ludvigson S（2001b），复兴（C）CAPM。风险溢价随时间变化时的横截面检验[J]。J PolEcon 109（109）：1238–1287Li J，Yu J（2012）《投资者关注度、心理锚定和股票回报可预测性》[J]。《金融经济学杂志》104（2）：401–419Li Y（2001）《预期收益与习惯持续性》[J]。Rev Financ Stud 14（3）：861–MartensM，Dijk van D（2007）测量实现范围内的波动性【J】。《计量经济学》138（1）：181–207Mele A（2007）不对称股票市场波动与预期收益的周期性行为[J]。《金融经济学杂志》86（2）：446–478Merton RC（1973）《跨期资本资产定价模型》。[J] 。