[论文解读] Comparison of gain-loss asymmetry behavior for stocks and indexes

Magdalena A. Załuska–Kotur, K. Karpio+1 more|ArXiv.org|Aug 22, 2006

Complex Systems and Time Series Analysis参考文献 3被引用 3

一句话总结

本研究将投资期限分析应用于波兰股市数据，利用首次通过时间分布量化收益-损失不对称性。研究发现，像WIG这样的新兴市场指数表现出相反的不对称性——收益速度高于损失，这与道琼斯工业平均指数（DJIA）等发达市场形成对比，且这种行为无法由个股的对称收益动态所解释。

ABSTRACT

Investment horizon approach has been used to analyze indexes of Polish stock market.Optimal time horizon for each return value is evaluated by fitting appropriate function form of the distribution. Strong asymmetry of gain-loss curves is observed for WIG index, whereas gain and loss curves look similar for WIG20 and for most of individual companies stocks. The gain-loss asymmetry for these data, measured by the coefficient, that we postulated before \cite{karpio}, has opposite sign to this for WIG index.

研究动机与目标

• 通过投资期限分析研究波兰股市指数及个股的收益-损失不对称性。
• 确定在WIG等宽基指数中观察到的不对称性是否源于其成分股行为的聚合效应。
• 比较新兴市场（如波兰）与发达市场（如DJIA）的不对称性模式。
• 通过收益与损失曲线斜率差异推导出的系数κ量化不对称性。
• 探讨指数成分股之间的相关性是否解释了新兴市场指数中观察到的不对称性。

提出的方法

• 对价格数据进行对数收益率转换，并通过100点移动平均去除趋势，以分离波动部分。
• 通过测量从每个时间点到特定收益率水平（ρ）的首次通过时间，构建投资期限分布。
• 将广义逆高斯分布（公式2）拟合到期限分布，以估计t_max（最大概率发生的时间）。
• 将t_max对|ρ|进行绘图，分别针对正收益（收益）和负收益（损失），以评估时间动态中的不对称性。
• 对收益与损失曲线拟合线性模型，计算不对称性系数κ = γ − γ′，其中γ与γ′分别为收益与损失曲线的斜率。
• 在WIG、WIG20、个股（如Best、Budimex）以及国际基准如DJIA之间进行比较，以识别结构性差异。

实验结果

研究问题

• RQ1 波兰WIG指数的收益-损失不对称性是否与道琼斯工业平均指数（DJIA）等发达市场指数中观察到的不对称性不同？
• RQ2 WIG指数的不对称性在多大程度上可由其成分股的聚合行为解释？
• RQ3 在新兴市场中，不对称性系数κ在个股与宽基市场指数之间如何变化？
• RQ4 指数成分股之间的跨资产相关性在生成新兴市场指数中观察到的不对称性方面起什么作用？
• RQ5 使用首次通过时间分布的逆统计方法是否能有效捕捉新兴市场收益中的非高斯动态？

主要发现

• WIG指数表现出显著的收益-损失不对称性，收益实现速度高于损失，表现为收益的t_max曲线位于上方。
• WIG的不对称性系数κ为负值（表明收益更快），与道琼斯工业平均指数（DJIA）等发达市场的正值κ形成对比。
• 个股如Best、Budimex、DzBank和Eldorado表现出对称的收益-损失动态，其κ值分别为0.42、0.1、0和0.3。
• WIG20指数的动态与各成分股的简单加总高度一致，κ = 0.1，表明不对称性极小。
• WIG中观察到的不对称性并非源于个股行为，而更可能源于其成分股之间的相关性动态。
• 广义逆高斯分布（公式2）对投资期限数据的拟合效果优于经典首次通过时间分布（公式1）。