Empirical Asset Pricing pdf epub mobi txt 电子书 下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Wiley

作者:Turan G. Bali

出品人:

页数:512

译者:

出版时间:2016-4-4

价格:USD 125.00

装帧:Hardcover

isbn号码:9781118095041

丛书系列:

图书标签:

• 金融
• 实证资产定价
• 金融实务
• 量化
• 资产定价
• 教材
• 因子
• 经济,政治和历史
• 资产定价
• 经验分析
• 金融经济学
• 投资组合
• 风险管理
• 计量经济学
• 市场效率
• 行为金融学
• 因子模型
• 金融市场

深度解析：现代投资组合理论的演进与前沿应用 本书旨在深入探讨现代金融市场中资产定价模型的理论基础、实证检验及其在实际投资决策中的应用，重点关注超越经典资本资产定价模型（CAPM）框架的最新研究成果和前沿动态。 第一部分：经典理论的审视与挑战 本书伊始，我们将系统回顾现代投资组合理论（MPT）的基石——马科维茨（Markowitz）的均值-方差优化框架。我们将详细阐述有效前沿的构建、风险与回报的权衡，以及在不同市场结构下，该模型在理论上的严谨性与实际操作中的局限性。 随后，我们将进入对资本资产定价模型（CAPM）的深入剖析。不仅会重述其核心假设（如理性预期、无套利环境），更会聚焦于实证检验的历史脉络。从夏普（Sharpe）的原始验证到法玛-弗伦奇（Fama-French）的三因子模型的出现，我们将细致梳理学术界如何通过回溯检验来挑战CAPM的单因子解释力。尤其，我们将着重分析“市场风险溢价之谜”以及模型在解释跨期波动性方面的不足。 本部分的高潮在于对有效市场假说（EMH）的辩证讨论。我们将区分弱式、半强式和强式有效性，并结合行为金融学的前沿发现，探讨市场是否存在系统性的非理性定价现象。我们不寻求全盘否定EMH，而是探讨在信息不对称和有限理性条件下，投资者行为如何影响资产价格的形成过程。 第二部分：多因子模型的构建与实证检验的深化 在经典模型面临挑战后，多因子模型应运而生。本书将花费大量篇幅来构建和分析Fama-French三因子模型（市场风险、规模因子SMB、价值因子HML）的理论基础。我们不仅会展示如何从理论上推导出这些因子风险溢价的来源（例如，规模与破产风险的关联、价值股的结构性增长特性），还会详细介绍如何利用高频和低频数据进行稳健的因子检验，包括对因子自身的时间序列特性的分析。 随着研究的深入，我们将扩展到更复杂的定价框架。这包括： 1. 动量效应（Momentum Factor）： 对短期价格延续性的实证发现，及其与流动性、信息传播速度的内在联系。我们将探讨动量策略在不同市场周期下的表现差异。 2. Fama-French五因子模型： 考察盈利能力（Profitability, RMW）和投资（Investment, CMA）因子如何提升模型对资产回报率的解释能力，并探讨这些因子与传统价值因子之间的相互作用和冗余性问题。 3. 宏观经济因子模型： 引入对利率、通货膨胀、工业生产等宏观经济变量的敏感性分析。我们将探讨如何利用结构化模型（如Ross的APT）来识别潜在的、与经济基本面挂钩的系统性风险因子。 本部分将强调数据处理和计量经济学方法论的重要性。我们将介绍面板数据分析、GMM（广义矩估计）方法在因子模型估计中的应用，以及如何使用Bootstrap技术来评估估计量和检验统计量的稳健性，以应对异方差和序列相关性带来的挑战。 第三部分：跨资产类别与前沿定价议题 资产定价理论的魅力在于其跨资产类别的普适性。本书的后半部分将重点探讨这些模型在特定资产类别上的应用与调整： 3.1 固定收益证券的定价挑战 固定收益市场对无风险利率的变动极为敏感。我们将分析久期和凸性在风险管理中的核心作用，并详细介绍利率期限结构模型（如Vasicek和CIR模型）如何描述短期利率的动态过程，以及它们如何被整合到更宏观的资产定价框架中，特别是针对信用风险和流动性溢价的建模。 3.2 衍生品定价的理论前沿 尽管本书核心聚焦于股票和宏观因子，但我们不会忽略衍生品市场作为有效套利指标的重要性。我们将简要回顾Black-Scholes-Merton模型的结构，并重点讨论随机波动率模型（如Heston模型）如何更好地捕捉波动率的集聚和微笑现象，这对于理解市场对未来不确定性的定价是至关重要的。 3.3 行为金融学与定价的融合 在实证研究日益精细的背景下，我们必须正视投资者的非理性偏差。本章将梳理主要的心理学偏差（如损失厌恶、羊群效应），并探讨如何构建行为因子来解释那些传统模型无法解释的异常现象。我们还会讨论“偏误校正”在投资策略构建中的实际意义。 3.4 机器学习在因子发现中的潜力 面对海量金融数据，传统的线性回归模型可能过于简化。我们将介绍如何运用机器学习技术，如正则化方法（Lasso/Ridge回归）来进行高维因子选择，以及使用非参数方法（如神经网络）来探索资产回报率的非线性定价规律。这部分内容将以批判性的眼光审视“因子狩猎”（Factor Zoo）现象，强调经济直觉对统计显著性的重要性。 第四部分：投资组合构建与风险管理实践 理论最终要回归实践。本书的最后部分将指导读者如何利用前述的定价模型成果来优化投资决策： 1. 最优权重配置： 在引入了多因子风险敞口后，如何进行风险平价（Risk Parity）配置，而非单纯的最小化方差。 2. 风险预算与归因： 利用因子模型对投资组合的整体回报进行分解，准确识别哪些风险因子是驱动超额收益的主要贡献者，哪些是无谓的噪音。 3. 策略构建与对冲： 如何设计基于特定因子暴露的对冲策略（如做多价值因子，同时对冲市场Beta），实现风险解耦（Risk Hedging）。 本书面向对象： 本书适合金融工程、量化金融、投资管理领域的专业人士、研究生以及希望系统掌握资产定价前沿理论的资深投资者。它要求读者具备扎实的微积分、线性代数和计量经济学基础，力求在理论的深度与实践的应用性之间搭建坚实的桥梁。

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

这本书对计量经济学方法的应用，可谓是教科书级的示范。我特别欣赏作者在讲解每一个实证方法时，都能够紧密联系具体的资产定价问题。例如，在介绍时间序列分析时，作者并非孤立地讲解ARIMA模型，而是将其用于股票收益率的预测和波动率的建模；在讲解横截面回归时，作者则将其用于检验因子对股票收益率的解释力。这种“问题导向”的学习方式，让我能够更深刻地理解计量方法在解决金融实际问题中的作用，也激发了我自己动手进行数据分析的兴趣。

评分☆☆☆☆☆

在阅读《Empirical Asset Pricing》的过程中，我逐渐意识到，理解资产定价并非仅仅是掌握几个模型那么简单，它更是一个不断检验、修正和迭代的过程。作者在书中反复强调了实证研究的重要性，以及在解释研究结果时需要注意的各种潜在偏差，例如幸存者偏差、数据挖掘偏差等。这些关于研究“陷阱”的讨论，对我来说是一次非常及时的提醒，让我能够以更加批判性的眼光去看待已有的研究成果，并指导我未来的研究方向，避免重蹈覆辙。

评分☆☆☆☆☆

这本书给我最大的启示在于，实证研究并非仅仅是数据的堆砌和模型的套用，而是一个严谨的科学探索过程，它需要扎实的理论功底、精湛的计量技巧，更需要敏锐的洞察力和批判性思维。在阅读《Empirical Asset Pricing》的过程中，我看到了作者是如何一步步地构建研究问题、设计研究方案、收集和处理数据，最终得出有意义的研究结论的。这种严谨的治学态度和科学的研究范式，对我今后的学术研究和职业发展都具有极其重要的指导意义。

评分☆☆☆☆☆

对于我这样一个对宏观经济变量与资产价格关系感兴趣的读者来说，《Empirical Asset Pricing》提供了一个非常宝贵的视角。书中对宏观经济因子，如通货膨胀、利率、GDP增长等，在资产定价中的作用进行了深入的实证分析。作者详细探讨了这些宏观因素如何通过影响公司的现金流、折现率以及投资者的风险偏好，进而影响股票、债券等资产的定价。对这些宏观因素的实证检验，不仅加深了我对市场运行机制的理解，也为我构建更稳健的投资组合提供了重要的参考依据。

评分☆☆☆☆☆

《Empirical Asset Pricing》对于不同类型资产定价的讨论，也展现了其内容的全面性。除了股票市场，书中还涉及了债券、衍生品等其他资产类别，以及它们的定价机制和实证检验。这种跨资产类别的视角，使得我能够更宏观地理解整个金融市场的定价逻辑，以及不同资产之间可能存在的联动关系。尤其是在探讨跨市场套利机会和风险定价时，书中提供的实证分析方法和结论，都具有很高的参考价值。

评分☆☆☆☆☆

《Empirical Asset Pricing》在讨论因子模型时，其深度和广度都令人惊叹。我一直对各种因子，如市值因子、账面市值比因子、动量因子等，在资产回报中所扮演的角色感到好奇，而这本书恰恰满足了我的求知欲。作者不仅详细介绍了这些因子的构建方法和理论解释，还深入探讨了它们在不同市场、不同时间段的表现差异。更重要的是，书中对于因子在构建投资组合时的应用，以及如何识别和利用那些具有经济意义的因子，进行了非常深入的探讨。这对于理解市场有效性、评估投资策略的alpha来源，都提供了坚实的理论基础和实证支持。

评分☆☆☆☆☆

这本书的封面设计就充满了学术的严谨与研究的深度，深蓝色的底色搭配着金色的立体字体，传递出一种沉稳而又不失力量的质感。拿到手中，纸张的触感也相当不错，厚实而略带些许粗糙，这正是高质量学术书籍应有的触感，让人忍不住想立即翻开，探索其中蕴含的知识宝藏。虽然书名《Empirical Asset Pricing》直接点明了其核心内容，但正如任何一本杰出的学术著作一样，其价值远不止于书名所能概括的。我尤其期待它在资产定价模型的可行性检验方面能带来哪些独到的见解和方法。

评分☆☆☆☆☆

本书在数据处理和统计分析方法的介绍上，可以说是下足了功夫。作者并没有回避实证研究中常见的难题，比如异方差、自相关、多重共线性等，反而将它们作为重点来讲解，并提供了多种有效的处理技术。从OLS的经典应用到GARCH模型在波动率建模中的威力，再到面板数据分析的最新进展，每一个章节都像是一堂生动严谨的统计学课程，并且都与资产定价的实际问题紧密结合。让我印象深刻的是，作者在解释某些统计概念时，会辅以直观的图表和简洁的数学推导，这大大降低了理解门槛，同时也保证了科学的严谨性。

评分☆☆☆☆☆

在我翻阅《Empirical Asset Pricing》的过程中，最让我印象深刻的是作者在梳理和介绍各类资产定价模型时所展现出的清晰逻辑和详尽分析。从经典的CAPM到APT，再到Fama-French三因子模型以及后来的五因子模型，作者并未简单地罗列公式，而是深入浅出地剖析了每个模型诞生的背景、理论基础，以及它们在实践中遇到的挑战和改进方向。尤其是在讨论这些模型在实际数据上的表现时，作者引用了大量的实证研究案例，并对这些研究的统计方法、样本选择、结果解读都进行了细致的点评。这使得我不仅能理解模型本身，更能体会到将其应用于真实世界时可能遇到的复杂性和细微之处，这对于我们这些希望将理论付诸实践的研究者和从业者来说，无疑是极其宝贵的。

评分☆☆☆☆☆

这本书在对近期资产定价研究前沿的介绍上，也做得非常出色。比如，作者在涉及行为金融学对资产定价影响的部分，阐述得非常清晰，将传统的理性代理人假设与现实中投资者可能存在的认知偏差和情绪影响相结合，提供了一个更全面、更贴近现实的资产定价视角。对于诸如羊群效应、过度自信等行为因素如何在市场上引发价格扭曲，以及如何通过实证方法来检验这些行为因素的影响，书中都进行了细致的介绍，这为我们理解市场中的“非理性”现象提供了重要的理论工具。

评分☆☆☆☆☆

本书是志在选择横截面实证资产定价作为PhD研究方向的博士生所必备的教科书。书中收录的变量为资产定价领域最为常见的控制变量，熟悉这些变量的构造方法统计特征与回归显著性有助于后续博士阶段文献的积累。本书的阅读方法不同于一般教科书，重在利用WRDS数据库复现本书的结果。Replicate papers是实证金融研究的起点，而replicate本书的结果则是起点的起点，熟悉代码和数据是不可避免的苦功夫。祝各位Phd在充分阅读本书之后早日开启自己的研究旅程～

评分☆☆☆☆☆

大爱。简洁清晰的实证研究指南和美股因子实证报告

评分☆☆☆☆☆

大爱。简洁清晰的实证研究指南和美股因子实证报告

评分☆☆☆☆☆

这本书写得深入浅出，主要分成两个部分。第一部分介绍了各种方法，主要是数学公式，但用非常友好的语言把这些公式都解释清楚了，所以看这本书不会觉得数学很让人头疼。第二部分解释了学术界常见的几大类因子，并展示了它们在美股上的效果。

评分☆☆☆☆☆

大爱。简洁清晰的实证研究指南和美股因子实证报告