文摘

本研究探讨新兴金融市场波动风险溢价。我们也考虑预期回报和环境、社会和治理情绪。基于SSE 50 ETF 5分钟高频点和日常选项数据从2016年到2021年,我们采用非参数模范自由方法计算实现和隐含波动率。波动的风险溢价是由减去这些波动系列。我们检查波动性风险溢价之间的关系和未来超额收益以及环境、社会和治理情绪通过多因素规范。我们发现在中国市场波动风险溢价也存在显著负。此外,统计波动风险溢价之间的正相关和总回报是一个例外的案例相比,经验-模式在发达市场。最后,环境、社会和治理积极情绪与波动性风险溢价,尤其是环境和社会的影响。这证据支持代理理论,这表明投资者认为投资环境、社会和治理浪费资源在短期内,成为潜在风险。

1。介绍

返回在资产定价和风险之间的关系一直是金融研究的一个重要问题。在传统资产定价研究中,学者们经常使用的估计股票回报方差或波动性衡量金融风险(马科维茨)1]。此后,经典的跨时期的资本资产定价模型(ICAPM)表明,资产超额收益与市场的波动性呈正相关(默顿)2]。这表明,波动率是一个重要的风险因素和波动性风险的研究补充了资产定价和风险管理。

波动可以分为事前的波动性和事后的波动。事前的波动,也称为隐含波动率(IV),一般估计的选项,这是主题的不确定性;事后波动是一个实现波动(RV),从历史回报数据计算,是免费的不确定性(Bollerslev et al .,)3]。事前的和事后波动都可以预测未来的回报,但近年来,学者们发现方差风险溢价(vrp)或波动的风险溢价(VOLRPs)由两个可以更好地预测回报(Bollerslev et al .,)4]。然而,波动风险溢价是难以察觉的。在本文中,一个模范自由事后发现盘中波动是由加法计算高频返回平方(安徒生et al ., Barndorff-Nielsen和谢泼德)(5- - - - - -7]。和事前的隐含波动率计算的布莱克-斯科尔斯公式和模范自由方法选择(黑和斯科尔斯,默顿,Britten-Jones Neuberger,江和田)(8- - - - - -11]。事后发现波动性和事前的隐含波动率之间的区别的定义是波动的风险溢价(卡尔和吴)[12]。

波动的风险溢价和累积资产回报率之间的关系已被广泛研究学术著作(卡尔和吴Bollerslev et al ., Londono和周)(12- - - - - -14]。这些研究针对美国市场开始,然后蔓延到全球市场(Bollerslev et al ., Fassas和Papadamou) (15,16]。然而,目前的研究更关注于发达国家。一些学者注意一些新兴市场,如中国的投资模式往往是不同于成熟市场(Fassas和Siriopoulos) (17]。因此,回归预测今天在中国金融市场波动性风险溢价的能力值得调查。

此外,波动风险溢价随时间变化(托多罗夫)[18]。其变异可能是由于市场的不确定性,这是由多个微观和宏观经济因素(14]。但古典风险因素可能解释波动风险溢价(Bollerslev et al .,卡尔和吴,巴厘岛和周恩来Londono和周)(4,12,14,19]。投资者情绪可能作为很好的互补因素(贝克和Wurgler Fassas) [20.,21]。此外,环境、社会和治理(环境、社会和治理)是一个受欢迎的和具有挑战性的话题近年来,但在中国很难衡量其特点(牧师等。)22,23]。在本文中,我们使用的环境、社会和治理情绪从报纸中提取的数据自然语言处理(NLP)调查环境、社会和治理情绪之间的关系和潜在的波动风险。

相比之前的研究,集中在中国市场,我们使用更长的数据集和高频盘中的数据(琮、郑和秦)(24,25]。此外,每月不重叠的样本和SSE 50 ETF波动性指数(iVIX)作为替代指标在亚纪被认为测试额外的鲁棒性。我们的贡献涉及两个维度。一方面,波动风险溢价的文学是扩大。隐含波动率风险溢价的存在基于中国上交所50 ETF在新兴市场验证的选项。此外,异常积极的风险溢价和资产收益波动的关系被发现在中国的金融市场。另一方面,我们所知,我们的研究是第一个讨论测量的环境、社会和治理特征影响情绪波动的风险溢价。和环境、社会和治理情绪是积极与短期潜在的波动风险,支持代理理论。

本文的其余部分组织如下:部分2介绍了相关文献。部分3描述了模型的规范。部分4包括数据描述和样本选择。部分5介绍了实证研究和结果分析。部分6对整篇文章进行总结。

2。相关文献

2.1。建筑的波动风险溢价

首先,波动风险溢价不是直接可见的,因此需要由代理变量提取实现和隐含波动率从标的资产(Fassas和Papadamou) (16]。卡尔和定义蚁群是实现之间的差异和隐含的措施。因此,我们采用这个方法来估计本文中的波动风险溢价(12]。然而,其他学术著作如Bollerslev等人、贝卡尔特等人参考VRP是反过来,这之间的区别是风险中性和物理返回变异,获得一个反号的结果(4,26]。

第二,事后发现波动性也潜伏观察(McAleer和Medeiros) (27]。研究者有不同的方法来估计条件实现波动,包括拱和GARCH模型,随机波动(SV)模型,或HAR-RV模型(恩格尔;Bollerslev;赫斯顿;柯西等。)28- - - - - -31日]。然而,这些波动模型提供的结果仍然不满意;相比之下,实现了波动构造基于盘中模范自由高频数据表现良好(27]。特别是,5分钟的频率精度之间做出权衡和微观结构噪音5,6]。因此,我们使用方返回过去的5分钟测量事后波动。

第三,关于事前的隐含波动率的估计,先前的研究简单地使用隐含波动率的波动率指数作为一个代理变量,通常(Gonzalez-Perez) [32]。例如,旧的波动率指数在1993年引入和波动率指数在2003年更新,而非参数估计的布莱克-斯科尔斯和模范自由方法,分别为(10,11]。在中国,上海证券交易所(SSE)发布了SSE 50 ETF波动性指数(iVIX)上交所50 ETF选项。不幸的是,这种官方指数悬浮于2018年2月14日,中国股市崩盘后(16,17]。因此,我们采用布莱克-斯科尔斯和模范自由方法计算隐含波动率,而不是直接使用iVIX。

2.2。波动的风险溢价,并返回可预测性

以前的工作表明,资产回报的波动性风险溢价的预测。一般而言,学者实证发现VIX波动性风险溢价明显与股票收益呈负相关(4,12]。然而,很少有研究关注全球股票和其他市场,所以判决仍不确定16,17]。

波动风险资产价格波动和变化的不确定性是一个重要的影响对资产的回报。当回报的波动性更大,投资者提高未来收益的期望值,因为他们承担更高的风险,这可以减少目前的价格,因此资产回报在同一时期,特别是冲击负回报产生更大的影响相对于冲击相对于正回报。因此,有一个不对称,这导致之间的负相关的结论和资产收益波动的实证研究(法国等。;坎贝尔和Hentschel;Fassas和Siriopoulos) (17,33,34]。

此外,波动风险溢价与投资者的风险厌恶情绪。学者认为,物理和风险中性的区别措施可以被视为一个代理变量在市场上的风险厌恶程度。理性的投资者认为波动风险,他们愿意放弃他们未来收益的一部分对冲潜在的波动风险。所以不断上升的波动会导致未来回报较低4,12,21,26]。

值得注意的是,亚太市场不同于发达国家成熟市场因为股指的波动性风险溢价在日本和韩国市场与股票收益呈正相关。可能由于基础资产价格的向上跳和个人投资者的赌博情绪,许多投机者购买看涨期权预期未来价格上涨(16,17,24,25]。我们假设,这在中国可能存在异常,因为它的市场也是一个在亚太地区新兴市场。因此,我们决定探索波动性风险溢价之间的关系和在中国的资产回报。

2.3。影响因素的波动风险溢价

波动风险溢价是时变的,和它的变化是影响macro-uncertainty和微观结构(黑色;巴厘岛和周,Londono和周)14,19,35]。关于宏观层面、工业生产、PPI和货币政策影响波动风险溢价(3,26]。微观层面,系统性风险和规模影响因素的波动风险溢价(12]。还有些学者研究投资者情绪之间的动态关系资产回报率和价格波动基于micro-perspective(贝克和Wurgler Bollerslev和托多罗夫;Fassas) [20.,21,36]。另一方面,环境、社会和治理(环境、社会和治理)是目前的一个热门话题,但很难确定其在中国的影响。研究人员认为,高回报强烈反映环境问题和绿色资产对冲气候风险以及投资者的口味(22,23]。利益相关者理论认为,所有权制度与环境和社会绩效呈正相关,机构的动机是社会和经济回报(戴克et al。陈等人。37,38]。公司高的环境、社会和治理平价更注重建立长期的公司价值和更稳定的股价表现危机期间(Broadstock et al。) [39]。然而,根据代理理论,公司的价值减少当CEO误用资源(Masulis和Reza) (40]。环境、社会和治理评级系统可能为企业提供激励夸大社会责任表现以及从负面信息分散,加剧了股票价格波动(金和迈尔斯;金等。)41,42]。此外,公司经理可能会夸大环境、社会和治理评级公司建立良好形象来吸引投资者的注意力(Clementino和帕金斯)(43]。在本文中,我们之间的桥梁采用环境、社会和治理这两种文学观点基于消息的代理公司特有的环境、社会和治理绩效研究波动风险溢价之间的关系和环境、社会和治理情绪。

3所示。方法

3.1。实现波动率估计

实现波动(RVOL)作为事后才意识到回报变化计算的最后时期。学者有两种方法来估计实现波动。第一种方法是计算每日对数收益的标准差(克里斯腾森和Prabhala) (44]。第二种方法是计算的条件方差求和的方形高频对数返回,然后估计实现波动率(4]。该方法采用年度实现波动率在这篇文章中,这是表示如下: 在哪里r_我是5分钟对数回归。每日正常交易周期是4个小时从上午9:30到11:30,下午1点至3点,与48盘中5分钟的回报。滚动周期是1业务月,大约20个交易日。因此,我们有n= 48岁h= 20,H= 252。事后意识到波动计算滚动窗口的结束;合营公司,历史波动率(HVOL)是计算前一周期的最后一天。因此,之间的关系RVOL和HVOL表示为RVOL_t=HVOL_t+h。

3.2。隐含波动率估计

隐含波动率(IVOL)作为事前的风险中性期望未来回报的变化计算周期的开始。学者们主要有两种方法基于期权合约事前的隐含波动率估计。第一个是布莱克-斯科尔斯模型(BS),这是用来计算最初的波动率指数(8,9]。另一个是模范自由法(MF),用于估计新的波动率指数(10]。布莱克-斯科尔斯模型表示如下: 在哪里C期权价格,K是执行价格,年代现货价格,T是时候成熟,r是无风险利率,N是正态分布,σ是BS隐含波动率(BSVOL)。因此,时间到期,选项,执行价格,现货价格,以及无风险利率,合同的BS隐含波动率模型可以计算向后。值得注意的是,BS模型假定布朗运动和正态分布和BS隐含波动率计算了ATM平价期权合约。

模范自由方法避免了BS模型的模型偏差的问题,仅仅依靠价格信息的选择,不需要任何假设。此外,模范自由方法可以估计隐含波动率结合一系列的ATM和移动价外期权合约,含有更多的信息(11]。表达的模范自由方法如下:

模范自由问题的方法离散化误差和截断误差时从连续时间条件转化为离散时间条件。然而,根据江,田11),错误是可以接受的,和MF隐含波动率(MFVOLt)在离散条件下表达如下: 在哪里K是执行价格,年代现货价格,K_马克斯是最大的期权的执行价格,K_最小值的最低价格选择,然后呢米是许多不同的价格。

此外,我们以SSE 50 ETF波动性指数(iVIX)作为另一种测量验证了鲁棒性。尽管官方出版物停止在2018年2月中国股市的崩盘后,iVIX是相比之下,隐含波动率系列我们测量的测试子样品从2016年4月到2018年2月。

3.3。意识到和隐含波动率之间的关系

我们使用包括回归研究隐含波动率之间的关系和实现波动以及历史波动率(11,17,32,44]。以实现波动率为衡量信息的内容,通过检查的单变量和二元回归结果隐含波动率和历史意识到波动,如果隐含波动率包含过去实现波动预测未来实现波动,那么过去实现的系数波动应该统计微不足道。回归规格如下:

3.4。估计的波动风险溢价

波动风险溢价(VOLRP)是承担波动风险,补偿物理之间的差异(P)国家和中性(问)状态变化。波动风险溢价不能直接观察到,所以代理变量需要被发现。这是定义如下:

不同的模型应用在文献中,我们采用本文中的方法,卡尔和吴(12]。作为一个线性假设,波动风险溢价之间的区别是意识到和隐含波动率系列(Bollerslev和周)(45]。和减少异方差性的系列,对数波动性风险溢价(LVRP)构造成日志实现之间的差异和日志隐含波动率系列(12,32]。这两个替代规格介绍如下:

3.5。回报可预见性

服用性能的回归的超额回报SSE 50 ETF投资组合测量,我们可以检查之间的相关性波动风险溢价和资产总回报。如果波动性风险溢价定价,应该有一个反馈的效果。然后我们运用CAPM健壮的结果。回归模型如下: 在哪里r_j是日常的自然对数返回,无风险r_fShibor的6个月,R^e_{etf, t}的年度累计超额回报SSE 50 ETF,然后呢R^e_{mkt, t}年度累计超额收益的股票市场。

3.6。环境、社会和治理的情绪

我们试图发现波动性风险溢价之间的关系和被忽视的变量(Ang等。)46]。因为情绪影响资产定价和环境、社会和治理成为一个有趣的和通行问题,环境、社会和治理情绪相结合作为我们的主要挑战变量扩展文学。将控制潜在风险因素。的特殊信念有时省略了投资者,因为它不能简单和直接观察。因此,每天的营业额是一个代理引入控制的信念。和P / E作为代理检查以来价值波动风险溢价影响价值因素是风险特征一直感兴趣的投资者。为了更好地计算出环境、社会和治理效果,环境、社会和治理的因素进一步测试,分别。多因素回归规格如下: 在哪里环境、社会和治理_t的环境、社会和治理情绪加权的每日新闻。从−1比1,1是最积极和−1是最负面的。转_t是每日营业额SSE 50,它代表了特殊的信仰和流动性。和体育_t是市盈率作为价值效应的代理。

4所示。数据

4.1。数据描述

本文的主要目的是分析波动风险溢价和其在中国金融市场回报可预见性。上交所50 ETF,沪深300指数和沪深1000指数期权已经推出了2015年2月9日以来。其中,上交所50 ETF的选择是第一个合同,它已经存在了一段足够大的交易量。因此,我们选择研究SSE 50 ETF的斑点和选项,Shibor和6个月被认为是无风险的。数据源是风和东方财富选择数据库。

4.2。样本范围和频率

样本选择从2016年4月1日到2021年3月31日。SSE 50 ETF的第一年选择伴随着股票市场的过度繁荣和泡沫破裂崩溃,这是推断市场大幅波动的时期从2015年2月到2016年3月。,自那以后,市场有一个固定的时期。因此,样本SSE 50 ETF和期权的一段时间从2016年4月1日到2021年3月31日,共有5年或1217年工作日为实证测试。

我们依靠5分钟SSE 50 ETF现货收益估计每日实现波动。交易数据以来受到许多因素的影响,如内在不连续,日常的影响,买卖价差和其他市场微观结构摩擦(5]日内高频数据可以是一个相当大的选择。然而,超高频数据受到市场噪音;因此适当使用盘中数据5到30分钟的频率(6]。由于需求的准确性和微观结构噪音之间的权衡,我们的采样频率是5分钟。

然而,日内高频数据获取SSE 50 ETF选择是更加困难比option-implied每日交易数据波动。此外,我们提出探索波动性风险溢价之间的关系和环境、社会和治理情绪以及其他组织变量,这是每天测量。因此,隐含波动率估计基于日常选择数据的研究。

此外,相关实证文献显示重叠和矛盾的结果不重叠的滚动窗口。系列使用意识到和隐含波动率估计从重叠的数据回归分析可能导致强烈的回归的残差的自相关问题12,16,17,44]。为了避免重叠的问题,我们降低采样频率,采用月度数据作为鲁棒性不重叠的时期。

4.3。示例流程

上交所50 ETF选项的样本处理如下(11]。首先,调用和看跌期权,通过为每个交易日moneyness进行过滤。我们选择选择平价和价外,因为这些选项与交易量大、流动性高,可能会被视为反映SSE 50的多数投资者的期望。第二,选择的选项的到期日期7 - 35个交易日。别人太久或将影响成熟时间短的信息或缺乏流动性的不确定性,这样他们可能不会反映了投资者对未来收益的预期。最后,无效数据样本就被消除了。

4.4。环境、社会和治理情绪变量

环境、社会和治理情绪DATAGO数据库的数据源。分析了从报纸通过自然语言处理(NLP)。我们雇佣的新闻的重量。情绪评级从−1比1,1是最积极和−1是最负面的。环境、社会和治理情绪评级包括整体以及环境和社会治理分数分别和目前仅可由2020年12月,共有1156日常观测数据实证研究。

5。实证测试

5.1。意识到和隐含波动率系列

表1报告的汇总统计数据波动系列。我们计算不同时间序列波动基于方程(1)通过(6)。其中,实现了波动(RVOL)和历史波动率(HVOL)计算回报率从事后日志的最后一天滚动业务周期20天。和事前的隐含波动率估计在月商业周期的开始,大约。布莱克-斯科尔斯隐含波动率(BSVOL)提供ATM或移动电话最大的成交量,而模范自由隐含波动率(MFVOL)从ATM和移动计算选项。和信息每日和每月系列提出了板A和B。

从每日波动系列,实现波动率的均值为0.1631,标准差为0.1529。历史波动率是一年期落后意识到波动,所以他们有类似的汇总统计。的废话和MF系列隐含波动率都高于同行实现波动。相比之下,BS隐含波动率的汇总统计数据是类似于实现波动,虽然MF隐含波动率是相对更稳定的标准偏差较低。此外,意识到波动的偏斜度和峰度是关于1和3.5,表明积极倾斜和分布的尖峰的。而隐含波动率接近0的偏斜度和峰度大约是3。特别是,MF隐含波动率是最符合正态分布。因此,基于MF隐含波动率的回归是推断统计指定比那些基于BS隐含波动率。

转向60不重叠的月度观察报道小组B,月度波动系列有类似描述性统计每日系列的相应的值,而隐含波动率略低的偏态和峰态相对于日常同行。

表2总结了不同波动的相关矩阵系列。实现波动率之间的相关性和其他波动系列不高达以前的结果在美国市场11),也许是因为中国上交所50 ETF期权市场仍处于起步阶段或偏差的测量。然而,如果我们意识到波动作为基准,BS和MF系列隐含波动率都是相关的,这是由相关文献。意识到和历史波动之间的序列相关性较低,因为基础资产略可预见的使用滞后术语,尽管过去和未来实现系列有高度相似的模式。结果类似于每月的波动。总的来说,这两个隐含波动率的相关性最高,包含足够的历史信息和实现信息也有类似的预测能力。

图1图《每日重叠样品从2016年4月到2021年3月。如图,隐含波动率系列可以跟踪实现波动。BS隐含波动率往往是更紧密,而MF隐含波动性更大的局部波动。一般来说,BS和MF系列隐含波动率有相似的特性和特征在样本期间,但也包含不同的信息内容。

此外,单变量,包括回归应用隐含波动率和历史波动率作为解释变量作为额外的鲁棒性(11,17,44]。OLS回归结果表中提供3。

我们首先介绍每日单变量回归结果前三列的顶部面板。历史和隐含波动率系列有一个积极的和高度统计学意义与实现波动。这表明这三个系列包含足够的信息实现波动。然而,这两个隐含波动率表现出更好的拟合程度,因为他们的系数和调整R²年代更大,他们的拦截,从而更接近零。这个证据暗示BS隐含波动率包含最多的信息,尽管过去波动测量解释了至少未来的变化。包括回归报道在第二列,调整的地方R²s是高于单变量回归的相应值。和历史的系数以及感知隐含波动率都有其积极意义,隐含波动率表现更好,但不包括历史波动的有效信息;换句话说,他们有轻微的独特的预测能力。然而,当变量BSVOL和MFVOL涉及到在一起,前者系列支配后者自斜率系数β_MFVOL统计是无关紧要的。这证据显示,BS隐含波动率的隐含波动率也许是因为曼氏金融包容进来了中国ETF期权市场的流动性问题(17]。我们接下来考虑每月不重叠的样本面板B,和类似的实证结果。

总结,历史波动以及BS和MF系列隐含波动率是未来实现的高效和有偏见的估计波动自斜率系数是积极和拦截,从而明显不同于零。和包含的信息通过BS和MF隐含波动率是相似的。此外,尽管他们不包括历史波动,他们的解释表现更好。

5.2。波动风险溢价和回报可预见性

在本文中,BS和曼氏金融波动的风险溢价计算VOLRP_废话=RVOL- - - - - -BSVOL;VOLRP_曼氏金融=RVOL- - - - - -MFVOL。和日志波动风险溢价在另一种规范中定义LVOLRP_废话=日志RVOL日志BSVOL;LVOLRP_曼氏金融=日志RVOL日志MFVOL(见表的描述性统计4和情节在图2)。除了不同形成的波动风险溢价,我们也报告20天总过剩日志返回SSE 50 ETF市场的表4检查波动性风险溢价之间的关系和预期回报。

我们开始的总超额回报SSE 50 ETF克服市场超额收益的均值以来SSE 50 ETF (R^e_{交易所交易基金})是正的;与此同时,相应的市场的平均值(R^e_mkt)是负的。虽然ETF挥发物更强,更符合正态分布相对于市场。所有波动的平均风险溢价是小于零,这是由与先前的文献。其中,VOLRP_废话和VOLRP_曼氏金融更倾向于积极的和高度尖峰的倾斜LVOLRP_废话和LVOLRP_曼氏金融。这表明,LVOLRP可能会有更好的统计规范的结果比吗VOLRP。类似的模式提出了在面板B月度系列。

表5总结了预测结果的OLS回归方程(13)(14)。我们发现大多数日常和月度波动风险溢价A和B系列面板显示显著的预测能力为未来20天总在中国景点和期权市场超额收益。的调整R²在我们的研究范围从2%到6%,约。这个证据是一致的与相关实证结果在美国(4]。然而,我们注意到,波动风险溢价预测未来的总回报在1%水平显著积极的迹象。应谨慎地考虑鲁棒性,所以我们引入股市的累计超额收益替代CAPM规范。这调查导致类似的结果,预测系数的波动风险溢价仍非常重要和积极的迹象。这个经验证据是一个异常不同于基础资产的风险溢价变化之间的负相关关系,并返回在前面的文学。然而,类似的积极模式提供了韩国和日本在亚洲股指波动的波动性,和大宗商品波动指数(KOSPI指数,日经225指数、重度VVIX, VVSTOXX,和白玉米)(16,17]。虽然在理论上,波动风险溢价应与未来相关的负面返回,因为投资者认为波动作为一个潜在的风险和理性的投资者风险厌恶,他们愿意对冲波动通过放弃积极的超额回报(12,21]。我们提出两个看似合理的理由解释这种对立的关系。第一种可能性是,上交所50 ETF的回报往往向上波动。和投机者可能购买电话由于这个价格跳倾向(16,17]。因此,上交所50 ETF期权估值过高增加交易需求。另一个是高散户投资者比例在中国或亚洲其他地区相对于美国市场。散户投资者倾向于非理性的,风险偏好和欲望相比,机构投资者(24,25]。因此,这种异常现象的波动风险溢价预测未来收益与一个积极的迹象是记录在中国的金融市场。

5.3。鲁棒性分析

我们报告波动性风险溢价的准确性依赖于我们估计的布莱克-斯科尔斯和模范自由隐含波动率系列。然而,芝加哥期权交易所(CBOE)波动率指数(VIX)是经常使用简单的作为一个代理在美国标普500指数隐含波动率。我们可以使用一个类似的指数作为替代事前的衡量在中国期权市场?2015年6月,中国波动性指数(iVIX)在上海证交所(SSE)启动找出SSE 50 ETF期权的隐含波动率。不幸的是,官方iVIX问题停止了2018年2月14日,所以我们不能使用它的隐含波动率在整个时期。然而,检查的鲁棒性,我们比较隐含波动率措施发布模范自由波动率指数,iVIX,在一个采样周期短。

表6和7文档的汇总统计和相关矩阵子样品波动系列。我们开始通过检查意识到亚纪和隐含波动率系列。SSE 50 ETF的动荡是温和的亚纪相比之下,整个期间。的均值和标准差都意识到和BS以及MF隐含波动率下降这个简短的样本。转向iVIX作为替代option-implied波动,平均水平iVIX高于意识到和BS系列波动但低于MF隐含波动率。与此同时,iVIX已经相当弱的波动。,同样的分布iVIX右偏态和尖峰的。关于相关矩阵,我们发现实现之间的相关性和隐含波动率略低相对于整个时期。然而,iVIX是高度相关的隐含波动率系列,尤其是BS隐含波动率。因此,我们推测iVIX布莱克-斯科尔斯模型计算的方法以来没有发表在细节。

我们下一个计算波动风险溢价iVIX在亚纪。表8总结了子样品超额收益和波动性风险溢价系列。关于总未来收益,它执行在这个样本周期短比整个样本意味着更高的回报,降低标准差,有点扭曲了。关于波动性风险溢价,一方面,替代iVIX测量也有负面的意思是类似的分布模范自由波动的风险溢价。另一方面,子样品波动风险的描述性统计与相应的值相一致的样本。

最后,我们检查选择之间的关系iVIX波动风险溢价和聚合在短时间内返回。经验一元OLS结果展示在表9。以更高的调整R²年代,所有的条件波动性风险溢价有更强的未来超额收益的可预测性。特别是,预测的力量iVIX波动风险溢价是19%左右。此外,所有斜率系数保持经济上积极和统计学意义。它表明我们的发现是健壮的。

总之,我们子样品和锻炼iVIX作为替代措施来测试这个分段的鲁棒性。首先,波动系列的演出和波动性风险溢价持续在这短时间内稳定。此外,布莱克-斯科尔斯和模范自由隐含波动率和风险溢价系列类似于相应的结果iVIX。因此,我们的研究结果的布莱克-斯科尔斯和模范自由隐含波动率波动风险溢价之间的积极关系和回报是健壮的替代估算时间和方法。

5.4。波动风险溢价和环境、社会和治理情绪

为了进一步研究,环境、社会和治理的影响情绪的波动风险溢价提出了表10。目前的日志波动性风险溢价之间的关系和环境、社会和治理情绪被认为是积极的,如列(1)表示。营业额和价值效应,作为一个潜在的危险因素,控制健壮。此外,我们探讨当前的环境、社会和治理情绪之间的关系和未来日志波动风险溢价。和相关性更强列(4),在1%的水平具有积极意义。相比之下,未报告的结果表明,环境、社会和治理情绪和超额回报之间的关系并不显著。换句话说,环境、社会和治理情绪不能预测未来的收益,但不确定性风险可以预测。更高的环境、社会和治理情绪可以占更多潜在的波动风险,这是符合代理理论,根据投资者推断,环境、社会和治理投资是滥用资源,因此增加了无边无际的风险(40]。

更重要的是,环境、社会和治理是一个多维的概念,所以整体的表现环境、社会和治理和个子维度E,年代,G可能有不同的对潜在风险的影响。上述研究表明,环境、社会和治理情绪波动风险溢价是正相关的。因此,环境、社会和治理效应的因素是必要的驱动程序?要回答这个问题,我们检查公司表现的影响的学位以及G在波动的风险溢价。这进一步澄清的相对重要性环境和社会责任和公司治理。表10还包括OLS回归使用的结果的学位和G分别作为独立的变量因素。的斜率系数的学位有统计学意义,表明之间的关系的学位和未来的波动风险溢价较强。然而,治理因素之间的相关性和波动性风险溢价缺乏统计学意义。的学位同样是积极与潜在风险的措施,相关系数的符号所表示的。一个可能的解释是,高比例的散户投资者更关注对冲环境和社会风险在中国和其他新兴国家。同样的,这个证据也表明所有权制度的可持续发展理论是正相关的环境、社会和治理,特别是的学位(37,38]。

6。结论

本文旨在建立动态波动风险溢价和超额收益之间的关系,以及影响因素,在一个新兴的金融市场,比如在中国,。为了实现这一目标,我们检查结构的波动风险溢价,比较隐含波动率的计算方法,并研究了实现和隐含波动率之间的联系。和多因素OLS回归是用来评估的预测能力波动风险溢价对未来总回报。我们进行进一步的研究环境、社会和治理的影响情绪作为ungauged风险波动性风险溢价。更长的数据集与高频以及每日和每月不重叠的样品从2016年至2021年应用于描述中国上交所50 ETF的特征点和期权市场。

总的来说,我们的研究有几个贡献在以下方面相关的学术著作。首先,我们扩大当前的文学在中国通过检查波动性风险溢价。虽然有广泛的文学变异的风险溢价和回归预测,大部分学者集中在发达国家。和一些试图探讨新兴市场,尤其是中国。研究差距是由于两个原因:首先,新兴市场仍处于初级阶段,使风险回报模式不稳定;第二,波动率指数作为重要的金融衍生工具经常缺席的在这些金融市场,很难调查波动性风险溢价。因此,我们采用更长的数据集和计算波动系列和定义波动风险溢价研究其回报可预见性。

此外,我们找到一个离群值的波动风险溢价之间的关系,在中国资产回报。一般来说,波动风险溢价与超额收益负相关。尽管如此,本研究的实证结果显示波动风险溢价之间显著正相关,总回报SSE 50 ETF,使中国金融市场与全球市场不同,消极的关系。我们利用替代预测规范,每月变化的措施,亚纪,不重叠的观察来评估的鲁棒性。结果表明,预测系数仍然统计学和积极意义。

最后,我们进一步研究波动风险溢价之间的关系和环境、社会和治理情绪。波动风险溢价被视为一个被忽视的风险。环境、社会和治理观点,近年来一个热门的话题,也是通常ungauged在资产定价。因此,我们试图填补这一空白,并探索潜在的联系。我们发现环境、社会和治理积极情绪与波动性风险溢价。具体来说,学位的斜率系数明显积极而相应的治理是统计上的价值微不足道。结果符合代理理论,环境、社会和治理投资是滥用资源和投资者认为短期波动的风险将会积累。

数据可用性

CSV数据支持本研究的发现可以获得相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究支持和资助计划的哲学和社会科学在广东Province-Discipline Co-Construction (GD18XYJ36),深圳人文社会科学重点研究基地,和南方科技大学教育基金会。作者承认编辑(音译)为提高这篇文章。作者感谢乔治·江元王,Bianxia太阳,他想,荣王,温泉,Chuanyu Liang Shuangqing刘、邓Lisite非常有益的讨论。