南风金融网 - 中原最权威行情财经门户

热门关键词:  xxx  www.ymwears.cn  缪学刚    
热门: 对付勒索软件的利器:二级 还在为云存储掏冤枉钱?那 【MLinEcon文献推送1】文本 帮助你预防灾难的10款免费 利用Intel傲腾存储制定更智 【MLinEcon文献推送3】新闻

【MLinEcon文献推送3】新闻隐含波动率与灾害关注

来源:南风金融网 作者:南风金融网 人气: 发布时间:2019-12-09 23:28:40
原文信息
Manela A ,Moreira A . News implied volatility and disaster concerns. Journal of Financial Economics,2017,123(1): 137-162. ?https://doi.org/10.1016/j.jfineco.2016.01.032
推文作者|尹兴强(上海财经大学会计学院博士研究生)


一、导言


因期权隐含波动率涵盖了预期股票市场的波动,风险溢价的变动,较大经济灾难发生的概率,进而能有效预测股票市场的回报。但相对人们过去被信息误导或过于悲观等,人们对不确定的将来更加担忧,普通投资者对罕见事件的担忧尤其严重。在这种情况下,未来担忧可能会频繁变化,但真实的经济数据又往往让这些担忧显得无迹可寻与无能为力。本篇论文旨在量化这一极少发生的罕见事件可能发生的概率,衡量人们对未来不确定性的感知,以及利用这一衡量方法来探讨何种不确定性驱动了股票市场的总风险溢价。

因投资者未来的主题偏好关注难以提前捕获,而媒体往往会“投其所好”(Gentzkow and Shapiro,2006),因而作者创新性地采用商业新闻报道主题的时间变化来代理投资者对该类主题关注的演变。文章估计了一种基于新闻的不确定性衡量方法,它来自《华尔街日报》头版报道与期权隐含波动率(VIX)之间的联动,即新闻隐含波动率(NVIX)。NVIX有两个有用的特征,可帮助我们进一步理解不确定性和预期收益之间的关系。其一,它的时间序列很长(1899-2009),可以追溯到19世纪的最后十年,涵盖了大规模经济动荡、战争、政府政策变化和各种危机时期;其二,它的变化是可解释的,并很好的揭示了风险变化的成因。其中,第一个特征使我们能够研究反映在报纸封面上的风险补偿是如何随时间波动的,第二个特征则使我们能够确定哪类风险对投资者来说更为重要。

文章依靠机器学习技术从《华尔街日报》这一丰富而独特的文本数据集中发现信息,使用支持向量回归(SVR,与普通最小二乘法相比,该方法的主要优点是能够处理较大的特征空间)来学习期权隐含波动率和单词频率之间的关系。随后将其泛化到缺乏隐含波动率的区间样本中,以及比较其与传统隐含波动率指标的优势之处及其对特殊灾难事件的预测能力。

二、文献


该文与已有研究大型和罕见经济灾难的资产定价后果的文献息息相关,自Rietz(1988)以来,金融经济学家开始关注那些没有发生在美国的大型事件对股票价格的可能影响。Brown,Goetzmann and Ross(1995)认为,使用如此长的样本来衡量美国股票市场的股票溢价的能力表明它的历史是特殊的。Barro(2006)及其后(Barro,2009;Barro and Ursua,2008;Nakamura,Steinsson,Barro and Ursua,2013)表明,与20世纪世界历史相一致的校准方法可以在实证文献中对股票溢价进行定量分析。Gabaix(2012)、Wachter(2013)和Gourio(2008,2012)进一步表明,时变罕见灾害风险模型的校准可以解释大量的数据时间变化量。但该类文献一个很大的挑战在于其校准是否合理(Gourio,2008),以及部分使用跨国数据的相关研究很难给某一个特定主体提供一致的估计结果(Barro and Ursua,2008)。

与本文相关的另外一类文献则在探究如何利用期权市场中的信息来了解经济结构。Drechsler(2013)提出一个理论,该理论认为波动率包含了投资者的模糊厌恶程度的相关信息。Drechsler and Yaron(2011)将它作为一种前瞻性的风险度量进行了相应解释。Bollerslev and Todorov(2011)使用自由模型方法从期权价格中提取出了一种衡量标准普尔500指数(S&P 500)中跳跃规模风险中性分布的信息。Bates(2012)的研究表明,时变的Lévy过程很好地捕捉了美国股市收益的随机波动性和大量的异常值。Kelly and Jiang(2014)从1963年到2010年的收益截面估计了尾部风险测度,发现它与基于期权的尾部风险高度相关。Backus,Chernov,and Martin(2011)提出了一个关键的挑战,即使用静态的罕见灾害风险模型来解释非货币看跌期权的过高定价是不合适的,而Seo and Wachter(2013)的指出,这种明显的不一致性可以在具有时变灾害风险的模型中得到解决。

此外,本文还与将文本分析应用于基本经济问题的相关研究密切相连。Hoberg and Phillips (2010,2016)利用公司描述的产品相似性来确定竞争关系。Tetlock(2007)的研究表明,某些金融专栏中积极和消极词汇的分值可以预测道琼斯工业股票平均价格指数随后的日回报率,而Garcia(2013)的研究表明,这种可预测性集中在经济衰退中。这些影响大多会迅速逆转,这更符合投资者情绪的非理性解释。相比之下,本文研究了较低的(每月)频率,发现了与灾害风险溢价相一致的高回报和更强可预测性,方法是通过第一阶段文本回归,将所有单词在报纸头版的出现概率集中起来,以预测隐含波动率(VIX)。本文使用的支持向量回归法比更常见的根据语气对单词进行分类的方法有更大的好处(如Loughran and McDonald,2011)。Kogan、Routledge、Sagi and Smith(2010)已经成功地使用该模型预测了10-K公司特有的波动性。

三、方法



新闻数据:下载1889年6月—2009年12月间《华尔街日报》头版报道的所有标题与摘要,并采用光学识别文字技术将图片转化为文本并手工就行修订校对完成。

隐含波动率:来自芝加哥期权交易所(CBOE)报告的1986-2009年间的月度隐含波动率数据。


具体的处理过程:
(1)删除标题中明显没有信息含量的词,如“daily”,“business and finance”, “world wide”, “what’s news”, “table of contents”, “masthead”, “other”, “no title”, and “financial diary”;
(2)分词,分解为一个和两个单词,用下划线替换非常频繁的单词(stopwords,去停用词)并删除其中的数字;
(3)在月度层面标准化所形成的n-gram特征词;



(4)采用线性支持向量回归模型来学习n-gram特征词



(5)其中,训练样本为1996-2009,验证样本为1986-1995,泛化样本为1890-1985。
最终形成如下的图形:



更为清楚明晰的是下图,从图中大致可以看出,NVIX每个期间的相对高点都对应了一次罕见的大事件(诸如灾害、战争、政策变化、金融危机等等):


四、结论

(1)NVIX很好的预测了样本外的隐含波动率(VIX),且其预测均方根误差(RMSE)为7.48个百分点,R2为0.19;




(2)NVIX增加一个标准差,预期未来一年的年化超额回报率将提高3.3个百分点,未来两年的年化超额回报率将提高2.9个百分点;?



(3)NVIX所蕴含心理学更多是与不确定性相关的,且其预测能力与基于同期或前瞻性股市波动率的风险衡量指标是正交的,NVIX更聚焦于左尾风险;



(4)进一步将文本信息分成政府、战争、金融中介、股票市场、自然灾害等五类主题发现,风险溢价的很大一部分变化与战争(53%)和政府(27%)有关。风险溢价的时间序列变化很大程度上是由与罕见灾害文献中讨论的事件类型密切相关的担忧所驱动的(Barro,2006;Rietz,1988)。文章发现,与政府相关的担忧与收入再分配风险相关,因为指标NVIX很好地追踪了美国税收政策的变化;




(5)此外,NVIX指数每上升一个标准偏差,未来一年发生灾难的可能性会提高2.5个百分点。



?
排? ? 版 | 石庆宇
审?? ?核 |?郭? ?峰
责任编辑:南风金融网

最火资讯

首页 | 财经资讯 | 金融理财 | 价格行情

Copyright © 2012-2015 南风金融网门户站 版权所有 Power by DedeCms 豫ICP备12016580号  技术支持:南风金融网

电脑版 | 移动版