本文是一篇金融論文,本文探討了創(chuàng)新信息載荷對(duì)股票收益的影響。首先通過回歸分析檢驗(yàn)創(chuàng)新信息載荷對(duì)股票收益的影響,結(jié)果發(fā)現(xiàn)創(chuàng)新信息載荷對(duì)股票收益存在顯著正向影響,在加入控制變量后的回歸擬合程度也有所提高,通過投資組合分析也得出相同結(jié)論,這說明創(chuàng)新信息載荷越高的企業(yè),股票回報(bào)越高,通過創(chuàng)新信息載荷進(jìn)行買多做空的投資組合能夠賺取額外的超額收益。
第一章緒論
1.1研究背景及研究意義
1.1.1研究背景
自21世紀(jì)以來,全球進(jìn)入了信息時(shí)代,這使得傳統(tǒng)經(jīng)濟(jì)逐漸向知識(shí)經(jīng)濟(jì)轉(zhuǎn)型。知識(shí)經(jīng)濟(jì)是指在現(xiàn)代經(jīng)濟(jì)中,知識(shí)的創(chuàng)造、獲取、傳播和利用成為經(jīng)濟(jì)增長(zhǎng)和社會(huì)進(jìn)步的主要驅(qū)動(dòng)力量。在知識(shí)經(jīng)濟(jì)時(shí)代,企業(yè)創(chuàng)新已然成為企業(yè)持續(xù)發(fā)展的關(guān)鍵因素之一。首先。企業(yè)創(chuàng)新可以幫助企業(yè)獲得更多的知識(shí)資產(chǎn),從而提高企業(yè)的競(jìng)爭(zhēng)力,贏得更多的市場(chǎng)份額。其次,在知識(shí)經(jīng)濟(jì)時(shí)代,市場(chǎng)變化非??欤髽I(yè)必須能夠及時(shí)適應(yīng)市場(chǎng)變化,否則就會(huì)被市場(chǎng)淘汰,企業(yè)創(chuàng)新可以幫助企業(yè)及時(shí)把握市場(chǎng)機(jī)會(huì),適應(yīng)市場(chǎng)變化,保持市場(chǎng)競(jìng)爭(zhēng)力。第三,知識(shí)經(jīng)濟(jì)時(shí)代下的企業(yè)必須具備高效率和高質(zhì)量的生產(chǎn)能力,企業(yè)通過創(chuàng)新可以引進(jìn)先進(jìn)的生產(chǎn)技術(shù)和生產(chǎn)工具,提高生產(chǎn)效率和質(zhì)量,從而降低成本,提高利潤(rùn)。最后,企業(yè)通過創(chuàng)新可以退出具有競(jìng)爭(zhēng)力的新產(chǎn)品或服務(wù),樹立企業(yè)的良好形象,提高品牌價(jià)值,吸引更多的顧客和投資者。種種表明在知識(shí)經(jīng)濟(jì)時(shí)代,企業(yè)創(chuàng)新是企業(yè)持續(xù)發(fā)展的必要條件之一,只有不斷創(chuàng)新,才能不斷提高企業(yè)的競(jìng)爭(zhēng)力和市場(chǎng)份額,適應(yīng)市場(chǎng)變化,提高生產(chǎn)效率和質(zhì)量,樹立企業(yè)形象和品牌價(jià)值,保持企業(yè)的持續(xù)發(fā)展。
世界知識(shí)產(chǎn)權(quán)組織日前發(fā)布的《世界知識(shí)產(chǎn)權(quán)指標(biāo)》報(bào)告顯示,雖然2020年全球經(jīng)濟(jì)受到新冠疫情的沖擊,但2020年全球知識(shí)產(chǎn)權(quán)申請(qǐng)活動(dòng)依然強(qiáng)勁。其中,中國(guó)創(chuàng)新主體專利申請(qǐng)量超過140余萬件,專利、商標(biāo)、植物新品種申請(qǐng)量均居世界首位,呈現(xiàn)強(qiáng)勁增長(zhǎng)態(tài)勢(shì)。在信息通信技術(shù)領(lǐng)域,數(shù)字通信、計(jì)算機(jī)技術(shù)和信息管理等方向的專利申請(qǐng)量顯著增長(zhǎng),其中,計(jì)算機(jī)技術(shù)專利申請(qǐng)量居科技領(lǐng)域首位。但隨著專利數(shù)量的增長(zhǎng),提高技術(shù)質(zhì)量也尤為重要。從2019年美國(guó)制裁中興通訊事件,再到2020年華為事件、2021年格力事件,這都在提醒我們創(chuàng)新是企業(yè)的生命線,企業(yè)只有注重提升創(chuàng)新研發(fā)的速度與把握創(chuàng)新成果的質(zhì)量,才能發(fā)揮創(chuàng)新的最大價(jià)值,真正實(shí)現(xiàn)創(chuàng)新成果市場(chǎng)化,進(jìn)而拉動(dòng)企業(yè)向高質(zhì)量發(fā)展轉(zhuǎn)型。據(jù)世界知識(shí)產(chǎn)權(quán)組織統(tǒng)計(jì),專利文獻(xiàn)中包含90%~95%的創(chuàng)新研發(fā)成果,80%以上獨(dú)特創(chuàng)新公開技術(shù)未出現(xiàn)在其他專利文獻(xiàn)里,全球90%以上的發(fā)明創(chuàng)造首先通過專利文件表現(xiàn)出來;專利文獻(xiàn)反映前沿科技的信息和數(shù)據(jù),可以作為科學(xué)研究的參考,為研究者提供重要資源庫(kù);對(duì)專利信息進(jìn)行有效利用能夠節(jié)約60%以上的研發(fā)時(shí)間,降低40%的研發(fā)成本,種種數(shù)據(jù)都表明專利信息具有重要意義。
1.2研究思路
1.2.1研究?jī)?nèi)容
首先本文以我國(guó)信息行業(yè)上市公司為研究對(duì)象,選擇2005-2020年的專利文本摘要內(nèi)容通過文本挖掘計(jì)算其創(chuàng)新信息載荷,并基于創(chuàng)新信息載荷度量我國(guó)信息行業(yè)上市公司的創(chuàng)新水平,并以實(shí)例分析其創(chuàng)新水平與股票收益的關(guān)系。緊著分別采用回歸分析法及投資組合分析法檢驗(yàn)創(chuàng)新信息載荷與股票收益的關(guān)系,并通過Fama-French三因子模型與五因子模型檢驗(yàn)創(chuàng)新信息載荷-股票收益效應(yīng)是否源自風(fēng)險(xiǎn)。最后,基于創(chuàng)新信息載荷構(gòu)建創(chuàng)新信息因子,并檢驗(yàn)創(chuàng)新信息因子是否為冗雜因子;同時(shí),在Fama-French三因子模型或五因子模型中加入創(chuàng)新信息因子并進(jìn)行GRS檢驗(yàn),分析加入創(chuàng)新信息因子后的資產(chǎn)定價(jià)效率。基于上述思路,本文分為七個(gè)章節(jié),內(nèi)容如下:
第一章:緒論;首先介紹本文研究背景,并從不同角度說明本文的研究意義,確定研究思路,接著對(duì)本文的主要內(nèi)容、技術(shù)路線、研究方法作出詳細(xì)說明,最后總結(jié)本文的創(chuàng)新之處,為后文的研究做基礎(chǔ)。
第二章:文獻(xiàn)綜述;本文首先論述基于關(guān)鍵詞提取的文本挖掘研究現(xiàn)狀,主要通過關(guān)鍵詞提取方法與關(guān)鍵詞選取指標(biāo)方法兩方面進(jìn)行概述;其次,對(duì)資產(chǎn)定價(jià)模型相關(guān)研究進(jìn)行概述;第三,對(duì)企業(yè)創(chuàng)新能力與股票收益研究進(jìn)行概述,主要從企業(yè)創(chuàng)新能力的度量與創(chuàng)新能力與股票收益的關(guān)系研究、文本分析法在股票收益應(yīng)用方面進(jìn)行概述。最后,對(duì)上述文獻(xiàn)部分進(jìn)行文獻(xiàn)總結(jié)與述評(píng)。
第三章:理論基礎(chǔ);本章節(jié)主要介紹專利文本分析法、投資Q理論與基于TF-IDF的中文關(guān)鍵詞提取技術(shù)三方面進(jìn)行分別進(jìn)行闡述。
第四章:基于企業(yè)專利文本信息的創(chuàng)新信息載荷指標(biāo)構(gòu)建與分析;首先通過對(duì)測(cè)度創(chuàng)新信息載荷的TF-IDF算法進(jìn)行具體說明,然后選取我國(guó)信息行業(yè)上市公司2005-2020年的專利文本摘要內(nèi)容,并對(duì)信息行業(yè)創(chuàng)新信息載荷與股票收益的關(guān)系進(jìn)行案例說明,數(shù)據(jù)主要來源于Patsnap智慧芽專利數(shù)據(jù)庫(kù)。同時(shí),通過Citespace軟件對(duì)信息行業(yè)上市公司進(jìn)行專利主題演化網(wǎng)絡(luò)分析與關(guān)鍵詞時(shí)區(qū)突現(xiàn)分析,以預(yù)測(cè)專利熱點(diǎn)與未來發(fā)展趨勢(shì),并從一定程度對(duì)企業(yè)掌握研發(fā)熱點(diǎn)更有利于增收提供佐證。
第二章文獻(xiàn)綜述
2.1基于關(guān)鍵詞提取的文本挖掘研究現(xiàn)狀
隨著網(wǎng)絡(luò)上非結(jié)構(gòu)化文本的數(shù)據(jù)增多,利用文本挖掘?qū)φZ義相同或相似的文本進(jìn)行去重并抽取關(guān)鍵詞以凸顯該文本內(nèi)容的主題與核心,能夠充分挖掘文本內(nèi)容的有效信息并作用于目標(biāo)的實(shí)現(xiàn)。在查閱國(guó)內(nèi)外相關(guān)文獻(xiàn)后,發(fā)現(xiàn)基于關(guān)鍵詞提取的研究主要分為兩大類:一是關(guān)鍵詞抽取方法;二是關(guān)鍵詞選取指標(biāo)方法。
(1)關(guān)鍵詞抽取方法
從目前的研究來看,對(duì)于關(guān)鍵詞抽取方法,研究者主要將其分為有監(jiān)督方法與無監(jiān)督方法。有監(jiān)督方法是指預(yù)先建立一個(gè)帶標(biāo)簽數(shù)據(jù)集的訓(xùn)練庫(kù),借助分類算法判斷候選詞是否為關(guān)鍵詞。盡管有監(jiān)督方法可以有效地提高關(guān)鍵詞抽取的準(zhǔn)確率,但由于需要不斷注入大量的標(biāo)簽數(shù)據(jù),而語料集難以窮盡,這種方法受到了一定制約。相比之下,無監(jiān)督方法通過計(jì)算候選詞與整個(gè)語料庫(kù)之間的相似度,以及候選詞在整個(gè)語料庫(kù)的位置等信息來確認(rèn)是否為關(guān)鍵詞,盡管存在一定誤差率,但具有良好的可拓展性與實(shí)用性,可以大大提高專利文本的處理效率和準(zhǔn)確性。因此,在未來的關(guān)鍵詞抽取研究中,無監(jiān)督方法將繼續(xù)得到廣泛應(yīng)用和推廣。其主要分為基于統(tǒng)計(jì)的方法、基于圖的方法和基于文本聚類的方法。
基于統(tǒng)計(jì)的關(guān)鍵詞抽取方法是指根據(jù)詞語在文本中的詞頻、詞權(quán)重、詞語間的關(guān)聯(lián)程度來判斷詞語是否能夠作為文本關(guān)鍵詞的方法,主要分為詞頻分析法、共詞分析法。詞頻分析法通過計(jì)算文本中的每個(gè)詞出現(xiàn)頻率來分析文本,在研究熱點(diǎn)與進(jìn)行熱點(diǎn)遷移與前沿分析方面具有廣泛應(yīng)用。高勁松(2010)[4]運(yùn)用詞頻的絕對(duì)值對(duì)國(guó)際專利信息領(lǐng)域的文獻(xiàn)進(jìn)行高頻詞統(tǒng)計(jì),得出該領(lǐng)域?qū)@芯康臒狳c(diǎn)。奉國(guó)和(2020)[5]在統(tǒng)計(jì)詞頻時(shí)引入了時(shí)間因素加權(quán),認(rèn)為越新的詞語對(duì)研究熱點(diǎn)的貢獻(xiàn)越大,時(shí)間權(quán)重越大,越能代表文檔的特征。余豐民(2020)[6]基于關(guān)鍵詞詞頻統(tǒng)計(jì)對(duì)學(xué)科研究熱點(diǎn)進(jìn)行分析,發(fā)現(xiàn)關(guān)鍵詞詞頻不僅能夠揭示研究的熱點(diǎn),也能揭示熱點(diǎn)研究的變化與漂移程度,即探究熱點(diǎn)的生存周期與存在規(guī)律性。
2.2資產(chǎn)定價(jià)模型相關(guān)研究
20世紀(jì)60年代,Sharpe[19]基于投資組合理論首次提出CAPM模型,以線性方程的形式說明了投資組合期望收益與期望風(fēng)險(xiǎn)之間的關(guān)系,開啟了資產(chǎn)定價(jià)理論與實(shí)證研究的發(fā)展。Fama和French(1993)[20]發(fā)現(xiàn)除了系統(tǒng)性風(fēng)險(xiǎn)會(huì)影響股票收益以外,公司的基本面也會(huì)對(duì)股票收益率產(chǎn)生影響,基于此將市場(chǎng)風(fēng)險(xiǎn)、規(guī)模效應(yīng)與賬面市值比作為風(fēng)險(xiǎn)定價(jià)因子建立三因子資產(chǎn)定價(jià)模型,通過實(shí)證檢驗(yàn)發(fā)現(xiàn)解釋力度要強(qiáng)于CAPM模型,F(xiàn)ama-French三因子模型在資產(chǎn)定價(jià)理論發(fā)展中運(yùn)用廣泛,國(guó)內(nèi)外學(xué)者利用該模型檢驗(yàn)了在不同地區(qū)不同行業(yè)的適用狀況。如張宏亮(2014)[21]通過實(shí)證證明Fama-French三因子模型能夠完全解釋我國(guó)資本市場(chǎng)的股票預(yù)期收益率,具有一定的適用性。Qingsong Ruan(2017)[22]選取1926年至2015年美國(guó)特定五個(gè)行業(yè),發(fā)現(xiàn)三因子模型在很大程度上可以解釋各行業(yè)的收益情況,其中市場(chǎng)風(fēng)險(xiǎn)溢價(jià)因子與投資組合收益的相關(guān)性最強(qiáng)。
后期隨著資本市場(chǎng)的不斷發(fā)展與金融市場(chǎng)環(huán)境的不斷變化,學(xué)者在三因子模型的基礎(chǔ)上進(jìn)行了不斷改進(jìn)。Carhart(1997)[23]在Fama-French三因子模型中增加動(dòng)量因素,使其成為四因子模型。Fama和French(2015)[24]加入盈利因子和投資因子構(gòu)建五因子模型,發(fā)現(xiàn)相比三因子模型,五因子的解釋能力增強(qiáng)。齊岳(2020)[25]認(rèn)為公司的治理水平會(huì)影響股票的收益率,并將其作為溢價(jià)因子納入三因子模型中,結(jié)果發(fā)現(xiàn),由于公司治理因子的加入,股票組合收益率的解釋力度增強(qiáng)。燕群(2021)[26]認(rèn)為互聯(lián)網(wǎng)技術(shù)的發(fā)展會(huì)影響企業(yè)的經(jīng)營(yíng)發(fā)展進(jìn)而影響企業(yè)的資本資產(chǎn)價(jià)值,通過測(cè)度互聯(lián)網(wǎng)技術(shù)滲透度因子,在Fama-French三因子模型上構(gòu)建四因子模型,發(fā)現(xiàn)在高賬面市值比的零售業(yè)企業(yè),四因子模型擬合程度更強(qiáng)。歐陽紅兵(2020)[27]認(rèn)為特質(zhì)下行風(fēng)險(xiǎn)會(huì)影響個(gè)股預(yù)期收益,創(chuàng)新地將特質(zhì)下行風(fēng)險(xiǎn)因子引入Fama-French五因子模型中,提高了五因子模型的定價(jià)效率。
第三章理論基礎(chǔ)..........................12
3.1專利文本分析法............................12
3.2 Q理論................................12
第四章基于企業(yè)專利文本信息的創(chuàng)新指標(biāo)構(gòu)建與分析........................14
4.1樣本選取及數(shù)據(jù)來源...................................14
4.2創(chuàng)新信息載荷指標(biāo)構(gòu)建..................................14
第五章創(chuàng)新信息載荷與公司股票收益關(guān)系.................25
5.1研究假設(shè)及模型設(shè)定............................................25
5.2樣本數(shù)據(jù)及描述性統(tǒng)計(jì)....................................26
六章基于創(chuàng)新信息因子的資產(chǎn)定價(jià)分析
6.1創(chuàng)新信息因子作為風(fēng)險(xiǎn)因子的檢驗(yàn)
6.1.1研究假設(shè)
具有高創(chuàng)新能力的企業(yè)往往追求獲得更高的資產(chǎn)利潤(rùn)率,進(jìn)而得到更高水平的盈利收入。[47](Hirshleifer,2013)這是因?yàn)檠邪l(fā)投入是否能夠帶來創(chuàng)新成果與創(chuàng)新成果是否能夠轉(zhuǎn)化為創(chuàng)新資產(chǎn)往往具有時(shí)滯性與不確定性,考慮到與創(chuàng)新資產(chǎn)的未來回報(bào)相關(guān)的風(fēng)險(xiǎn)與不確定性,導(dǎo)致企業(yè)對(duì)創(chuàng)新資產(chǎn)未來預(yù)期回報(bào)更高,進(jìn)而提高盈利水平。換句話說,公司從創(chuàng)新資產(chǎn)中獲得的高回報(bào)補(bǔ)償了當(dāng)時(shí)投資于創(chuàng)新的高風(fēng)險(xiǎn)。因此,企業(yè)創(chuàng)新能力可以作為風(fēng)險(xiǎn)的衡量,創(chuàng)新能力越高的企業(yè)會(huì)通過獲得高風(fēng)險(xiǎn)補(bǔ)償進(jìn)而獲得更高水平的盈利能力。
6.1.2模型構(gòu)建
自20世紀(jì)60年代Sharpe(1964)[82]等在投資組合理論的基礎(chǔ)上提出CAPM模型以來,有關(guān)資產(chǎn)定價(jià)的理論循序發(fā)展。Fama和French(1993)[20]在傳統(tǒng)資產(chǎn)定價(jià)模型的基礎(chǔ)上,考慮到市場(chǎng)風(fēng)險(xiǎn)、規(guī)模效應(yīng)和賬面市值比的影響構(gòu)建三因子資產(chǎn)定價(jià)模型,后又在此基礎(chǔ)上考慮盈利和投資因素的影響構(gòu)建五因子模型,發(fā)現(xiàn)模型的解釋能力得到有效提高[48]。因此,本文分別使用三因子模型和五因子模型檢驗(yàn)創(chuàng)新信息因子是否能夠作為風(fēng)險(xiǎn)因子對(duì)股票收益產(chǎn)生影響。首先,對(duì)于創(chuàng)新信息因子的構(gòu)建參考李方艷(2022)[83]的做法以四種方式分別構(gòu)建創(chuàng)新信息因子:
(1)按照TF-IDF算法加權(quán)計(jì)算出的創(chuàng)新信息載荷權(quán)重,將股票進(jìn)行五等分劃分,然后通過買入(做多)權(quán)重較高的20%的股票組合,賣出(做空)20%權(quán)重較低的股票組合構(gòu)建創(chuàng)新信息因子(TQ20-20)。
(2)按照TF-IDF算法加權(quán)計(jì)算出的創(chuàng)新信息載荷權(quán)重,將股票分為權(quán)重最高組占30%,中間組占40%,最低組占30%;然后通過買入(做多)權(quán)重最高組30%的股票組合,賣出(做空)30%權(quán)重最低組股票組合構(gòu)建創(chuàng)新信息因子(TQ30-30)。
(3)按照TF-IDF算法加權(quán)計(jì)算出的創(chuàng)新信息載荷權(quán)重,將股票分為權(quán)重最高組占40%,中間組占20%,最低組占40%;然后通過買入(做多)權(quán)重最高組40%的股票組合,賣出(做空)40%權(quán)重最低組股票組合構(gòu)建創(chuàng)新信息因子(TQ40-40)。
(4)按照TF-IDF算法加權(quán)計(jì)算出的創(chuàng)新信息載荷權(quán)重,將股票分為權(quán)重最高組占50%,最低組占50%;然后通過買入(做多)權(quán)重最高組50%的股票組合,賣出(做空)50%權(quán)重最低組股票組合構(gòu)建創(chuàng)新信息因子(TQ50-50)。
第七章結(jié)論
7.1結(jié)論
創(chuàng)新驅(qū)動(dòng)高質(zhì)量經(jīng)濟(jì)發(fā)展是我國(guó)實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型的重要戰(zhàn)略舉措,也是面對(duì)國(guó)際核心技術(shù)競(jìng)爭(zhēng)最強(qiáng)大的武器。通常來說,創(chuàng)新競(jìng)爭(zhēng)最激烈、產(chǎn)出成果最多大都集中在高科技領(lǐng)域,因此以信息行業(yè)作為推動(dòng)數(shù)字化轉(zhuǎn)型和智能化發(fā)展,進(jìn)而實(shí)現(xiàn)各行各業(yè)數(shù)字化升級(jí)和智能化改造的先行軍,從微觀角度洞悉我國(guó)信息行業(yè)企業(yè)的創(chuàng)新水平是推動(dòng)信息時(shí)代發(fā)展和進(jìn)步的必由之路。特別地,隨著我國(guó)資本市場(chǎng)不斷發(fā)展,知識(shí)產(chǎn)權(quán)保護(hù)得到重視,企業(yè)利用申請(qǐng)專利來獲得保護(hù)的意識(shí)增強(qiáng),在這樣的背景下,探討企業(yè)創(chuàng)新信息載荷水平能否反映在股票市場(chǎng)上具有現(xiàn)實(shí)意義。
首先,本文基于TF-IDF算法加權(quán)來測(cè)量創(chuàng)新信息載荷,再通過LSI算法進(jìn)行主題聚類,將專利關(guān)鍵詞劃分在18個(gè)主題聚類上并進(jìn)行演化圖展示。從專利關(guān)鍵詞詞頻演化角度來看,信息行業(yè)研究熱點(diǎn)的出現(xiàn)、發(fā)展和消亡遵循科學(xué)研究的循環(huán)形態(tài),且專利信息的研究熱點(diǎn)呈現(xiàn)比較明顯的集中趨勢(shì):如何提高系統(tǒng)及模塊的精度與效率一直是研究的前沿,而運(yùn)用深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等人工智能算法進(jìn)行創(chuàng)造是近期熱點(diǎn)所在。從突現(xiàn)圖來看,我國(guó)信息行業(yè)專利成果在不同時(shí)期存在差異,專利成果隨著時(shí)代的發(fā)展與市場(chǎng)需求變化而變化。同時(shí),通過對(duì)專利申請(qǐng)量最多的前100家的公司專利進(jìn)行文本聚類構(gòu)建旭日?qǐng)D,發(fā)現(xiàn)與本文基于TF-IDF算法聚類所得基本吻合,進(jìn)一步證實(shí)了本文專利關(guān)鍵詞挖掘的可靠性。
其次,本文探討了創(chuàng)新信息載荷對(duì)股票收益的影響。首先通過回歸分析檢驗(yàn)創(chuàng)新信息載荷對(duì)股票收益的影響,結(jié)果發(fā)現(xiàn)創(chuàng)新信息載荷對(duì)股票收益存在顯著正向影響,在加入控制變量后的回歸擬合程度也有所提高,通過投資組合分析也得出相同結(jié)論,這說明創(chuàng)新信息載荷越高的企業(yè),股票回報(bào)越高,通過創(chuàng)新信息載荷進(jìn)行買多做空的投資組合能夠賺取額外的超額收益。
最后,本文主要分為兩大方面:一方面,基于投資Q理論探討創(chuàng)新信息載荷-股票收益效應(yīng)是否來源于風(fēng)險(xiǎn)因子。實(shí)證通過創(chuàng)新信息載荷構(gòu)建四種創(chuàng)新信息因子并代入Fama-French三因子或五因子模型中,發(fā)現(xiàn)創(chuàng)新信息因子系數(shù)在5%的水平下顯著為正,是一個(gè)風(fēng)險(xiǎn)因子并有效作用于模型中;其次,將創(chuàng)新信息因子與其他因子進(jìn)行相關(guān)性因子與回歸分析發(fā)現(xiàn),創(chuàng)新信息因子不是一個(gè)冗雜因子,能夠解釋市場(chǎng)風(fēng)險(xiǎn)溢價(jià)因子以外的風(fēng)險(xiǎn)溢價(jià),再次證明創(chuàng)新信息因子是會(huì)對(duì)股票收益定價(jià)產(chǎn)生影響的風(fēng)險(xiǎn)因子。
參考文獻(xiàn)(略)
相關(guān)文章
UKthesis provides an online writing service for all types of academic writing. Check out some of them and don't hesitate to place your order.