量化模型与构建方式 1. 模型名称：行业相对股票贝塔（Industry-relative Stock Beta，IRSB） - 模型构建思路：衡量个别公司与其同行业公司市场贝塔值的偏差[8] - 模型具体构建过程： - 计算每个公司的市场贝塔值 - 计算同行业公司市场贝塔值的平均值 - 计算个别公司市场贝塔值与同行业公司市场贝塔值平均值的偏差 - 公式：$IRSB_i = \beta_i - \frac{1}{N} \sum_{j \in \text{Industry}} \beta_j$ - 其中，$\beta_i$ 表示个别公司的市场贝塔值，$\frac{1}{N} \sum_{j \in \text{Industry}} \beta_j$ 表示同行业公司市场贝塔值的平均值[8] - 模型评价：IRSB 的预测能力显著，能够在控制其他定价因子后，依然表现出较强的预测能力[8] 2. 模型名称：新闻共同提及动量溢出效应 - 模型构建思路：通过新闻共同提及构建上市公司之间的联系网络，研究公司间的动量溢出效应[9] - 模型具体构建过程： - 收集2006年至2020年间的中国财经新闻 - 构建上市公司之间的新闻共同提及联系网络 - 使用Fama-MacBeth回归分析新闻共同提及效应 - 公式：$R_{i,t+1} = \alpha + \beta \cdot \text{NewsCoMention}_{i,t} + \gamma \cdot \text{Controls}_{i,t} + \epsilon_{i,t+1}$ - 其中，$R_{i,t+1}$ 表示公司i在t+1期的收益率，$\text{NewsCoMention}_{i,t}$ 表示公司i在t期的新闻共同提及效应，$\text{Controls}_{i,t}$ 表示控制变量[9] - 模型评价：新闻共同提及效应在中国股市中发挥着重要的跨行业信息传播作用，预测能力显著[9] 3. 模型名称：人力资本质量（Human Capital, HC） - 模型构建思路：衡量嵌入于公司组织资本中的人力资本质量，研究其对股票收益率的影响[10] - 模型具体构建过程： - 提出衡量人力资本质量的指标 - 计算组织资本与资产的比率 - 使用回归分析人力资本质量对股票收益率的影响 - 公式：$R_{i,t+1} = \alpha + \beta \cdot \text{HCQuality}_{i,t} + \gamma \cdot \text{Controls}_{i,t} + \epsilon_{i,t+1}$ - 其中，$R_{i,t+1}$ 表示公司i在t+1期的收益率，$\text{HCQuality}_{i,t}$ 表示公司i在t期的人力资本质量，$\text{Controls}_{i,t}$ 表示控制变量[10] - 模型评价：高质量人力资本的公司未来股票收益率高于低质量人力资本的公司，预测能力显著[10] 模型的回测效果 - 行业相对股票贝塔（IRSB）模型 - 平均超额收益：1.01%[8] - 新闻共同提及动量溢出效应模型 - 预测能力显著，通过Fama-MacBeth回归分析验证[9] - 人力资本质量（HC）模型 - 高质量HC公司未来股票收益率显著高于低质量HC公司[10]