股市波动的两面性：好与坏的波动性对股票定价能力的深度剖析

股市波动的两面性：好与坏的波动性对股票定价能力的深度剖析一、引言1.1研究背景与意义我国A股市场自1990年上海证券交易所成立以来，历经三十余载的发展，已成为全球资本市场中不可或缺的一部分。从最初的试点探索，到如今拥有数千家上市公司，A股市场见证了中国经济的高速增长与结构转型。在这一过程中，市场规模不断扩大，上市公司数量持续增加，涵盖了众多行业和领域，为投资者提供了丰富的投资选择，也为企业融资和经济发展提供了有力支持。然而，A股市场的波动性一直较高。从历史走势来看，A股市场多次经历大幅涨跌，如2007-2008年的牛市与熊市转换，上证指数在2007年10月达到6124点的高位后，在2008年10月迅速跌至1664点，跌幅巨大；又如2015年的股灾，市场在短时间内急剧下跌，给投资者带来了巨大损失。这种高波动性不仅反映在指数层面，个股价格的波动也较为频繁和剧烈。A股市场的高波动性与多种因素相关。从投资者结构角度来看，A股市场个人投资者占比较高，这些投资者往往缺乏专业的投资知识和经验，投资行为容易受到情绪和市场传闻的影响，追涨杀跌现象较为普遍，从而加剧了市场的波动。以2020年初新冠疫情爆发初期为例，市场恐慌情绪弥漫，个人投资者大量抛售股票，导致市场大幅下跌。从资本市场制度方面分析，虽然近年来我国不断完善市场制度，但仍存在一些有待改进之处，如新股发行制度、退市制度等，这些制度的不完善可能引发市场的非理性波动。传统理论认为，股票市场的预期收益率与波动性之间存在正相关关系，即资产价格波动越剧烈，风险溢价越高，投资者才愿意持有高波动性资产。然而，随着研究的深入，学者们发现波动性并非完全是负面因素，可进一步细分为好的波动性和坏的波动性。好的波动性通常由积极的市场信息驱动，如企业业绩超预期增长、行业前景向好等，这类波动性可能预示着股价的进一步上涨，投资者可能并不需要过高的风险溢价来补偿。例如，当一家科技公司成功研发出具有突破性的产品，市场对其未来盈利预期大幅提升，股价上涨的同时伴随着波动性增加，这种波动性就是好的波动性。相反，坏的波动性则源于负面消息，如企业财务造假、行业竞争加剧等，会导致股价下跌，投资者会要求更高的风险溢价。准确区分好的波动性和坏的波动性，对于深入理解股票定价机制和投资者决策具有重要意义。在股票定价方面，不同类型的波动性对股价的影响机制不同。好的波动性反映了公司未来盈利的增长潜力，能够提升股票的内在价值；而坏的波动性则体现了公司面临的风险，会降低股票价值。因此，在对股票进行定价时，需要充分考虑这两种波动性的影响，以更准确地评估股票的合理价格。从投资决策角度来看，投资者的风险偏好和投资目标各不相同。了解股票的好、坏波动性，有助于投资者根据自身情况选择合适的投资标的。风险承受能力较强且追求高收益的投资者，可能更倾向于投资具有较高好的波动性的股票，以获取更大的盈利空间；而风险偏好较低、注重资产保值的投资者，则会尽量避免持有坏的波动性较高的股票。同时，对于投资组合的构建，考虑股票的好、坏波动性能够更好地实现风险分散和优化配置，提高投资组合的稳定性和收益水平。1.2研究目标与创新点本研究旨在深入剖析我国A股市场中好的波动性和坏的波动性对股票定价能力的影响。具体目标如下：一是精准识别和度量A股市场中好的波动性和坏的波动性，通过对高频数据的深度挖掘和分析，运用科学合理的指标构建方法，实现对两种波动性的有效区分和量化，为后续研究奠定坚实基础。二是全面探究好的波动性和坏的波动性对股票定价能力的影响机制，从理论和实证两个层面入手，分析不同类型波动性如何作用于股票定价过程，以及这种影响在不同市场环境和股票特征下的差异。三是构建基于好的波动性和坏的波动性的股票定价模型，结合市场数据进行模型验证和优化，提高股票定价的准确性和可靠性，为投资者和市场参与者提供具有实际应用价值的定价工具。本研究在多个方面具有创新之处。在研究方法上，首次将已实现正半方差和已实现负半方差分别作为好的波动性和坏的波动性的代理指标，这一创新的指标选取方式能够更精准地刻画不同性质的波动性，相较于传统的波动性度量方法，能更细致地反映市场信息对股价的影响。在样本选取方面，采用A股市场个股层面的5分钟高频数据，高频数据包含了更丰富的市场微观结构信息，能够捕捉到股价瞬间变化，避免了低频数据在分析波动性时可能出现的信息遗漏，从而更全面、准确地揭示好的波动性和坏的波动性的特征及其对股票定价的影响。在研究视角上，综合考虑市场贝塔、公司规模、已实现方差、已实现偏度和市净率等多个控制变量，全面分析相对符号跳跃变差对股票定价能力的影响，这种多维度的研究视角有助于更深入地理解股票定价的复杂机制，发现以往研究中可能被忽视的影响因素。二、理论基础与文献综述2.1波动性相关理论2.1.1波动性的定义与度量在金融领域，波动性是描述资产价格变化不确定性的关键概念。它反映了资产价格在一段时间内围绕其均值的波动程度，是衡量金融市场风险的重要指标。股票市场作为金融市场的重要组成部分，其波动性直接影响着投资者的决策和收益。标准差是度量股票波动性最常用的指标之一。它通过计算股票收益率与其均值的偏离程度，来反映股价的波动幅度。标准差越大，表明股票价格的波动越剧烈，风险也就越高。例如，对于股票A和股票B，如果股票A的收益率标准差为15%，股票B的收益率标准差为8%，那么股票A的波动性明显高于股票B，投资者在投资股票A时面临的风险更大。方差则是标准差的平方，同样用于衡量股票收益率的离散程度，其原理与标准差类似，只是在数值上有所不同。除了标准差和方差，历史波动率也是衡量股票波动性的重要指标。历史波动率通过计算过去一段时间内股票价格的标准差，来反映股票价格在历史时期内的实际波动情况。它基于实际的市场交易数据，能够直观地展示股票价格的波动特征。例如，通过计算某只股票过去一年的日收益率标准差，得到其历史波动率为20%，这表明该股票在过去一年中的价格波动较为剧烈。在实际应用中，标准差和方差常被用于构建投资组合模型。马科维茨的现代投资组合理论（MPT）就以标准差作为衡量资产风险的指标，通过分散投资不同资产，实现投资组合风险与收益的优化。在该理论中，投资者可以根据不同股票的标准差和它们之间的相关性，选择合适的股票进行组合，以降低整个投资组合的风险。例如，假设有股票C和股票D，它们的标准差分别为12%和10%，且二者之间的相关性较低。当投资者将这两只股票纳入投资组合时，由于它们的波动不完全同步，组合的整体风险会低于单独持有股票C或股票D的风险。此外，在期权定价领域，隐含波动率也发挥着重要作用。隐含波动率是通过期权价格反推出来的波动率，它代表了市场对未来股价波动的预期。在著名的Black-Scholes期权定价模型中，隐含波动率是一个关键参数。如果某只股票的期权价格较高，根据Black-Scholes模型反推得到的隐含波动率也会较高，这意味着市场预期该股票未来的价格波动较大，投资者对其期权的价值评估也会相应提高。2.1.2好的波动性与坏的波动性的界定好的波动性和坏的波动性的概念基于市场信息对股价的影响。当市场中出现积极的信息，如企业发布业绩超预期的财报、行业迎来重大利好政策、公司成功研发出具有竞争力的新产品等，这些好消息会引发投资者对股票未来收益的乐观预期，从而推动股价上涨，此时产生的波动性即为好的波动性。这种波动性反映了公司基本面的改善或市场前景的向好，投资者往往对其持有较为积极的态度，因为它预示着潜在的投资收益增加。例如，一家科技公司成功研发出一种能够大幅提高生产效率的新技术，市场对其未来盈利预期大幅提升，股价在短期内上涨，同时伴随着成交量的增加和股价的波动，这种波动就是好的波动性。相反，当市场出现负面信息，如企业财务造假、行业竞争加剧、宏观经济形势恶化等，这些坏消息会导致投资者对股票未来收益的悲观预期，进而引发股价下跌，此时产生的波动性就是坏的波动性。坏的波动性体现了公司面临的风险增加，投资者通常会对其保持警惕，因为它可能导致投资损失。以一家汽车制造企业为例，如果该企业被曝光存在严重的质量问题，消费者对其产品的信任度下降，市场预期其未来销量和利润将大幅下滑，股价随之下跌，同时股价波动加剧，这种波动就是坏的波动性。在实际市场中，区分好的波动性和坏的波动性并非总是一目了然。一些信息可能具有多面性，其对股价的影响也较为复杂。例如，企业进行大规模的资产重组，这一信息可能在短期内引发股价的剧烈波动。一方面，资产重组可能被市场解读为企业优化业务结构、提升竞争力的积极举措，从而带来好的波动性；另一方面，如果市场对资产重组的具体方案和实施效果存在疑虑，也可能导致股价下跌，产生坏的波动性。因此，投资者需要综合分析各种因素，结合市场背景和公司基本面，准确判断波动性的性质。2.2股票定价理论2.2.1传统定价模型股息贴现模型（DDM）是一种经典的股票定价模型，其核心原理基于股票的价值来源于未来股息收益的理念。该模型认为，股票的价值等于未来所有股息的现值之和。其计算公式为：V=\sum_{t=1}^{\infty}\frac{D_t}{(1+r)^t}，其中V代表股票的内在价值，D_t表示第t期的股息，r为折现率，反映了投资者对风险的要求以及资金的时间价值。例如，若某公司预计未来每年支付的股息分别为D_1=2元、D_2=2.2元、D_3=2.5元，折现率r=8\%，则该股票的价值V=\frac{2}{(1+0.08)^1}+\frac{2.2}{(1+0.08)^2}+\frac{2.5}{(1+0.08)^3}\approx6.14元。然而，DDM存在明显的局限性，未来股息的预测面临诸多不确定性，公司的经营状况、市场竞争环境、宏观经济形势等因素都会影响股息的发放，准确预测股息难度较大。而且对于那些不发放股息或股息不稳定的公司，DDM的适用性大打折扣。自由现金流贴现模型（DCF）将公司未来的自由现金流通过一定的折现率折现为现值，以此来评估股票价值。自由现金流是企业在满足了再投资需求之后剩余的现金流量，它综合考虑了公司的经营、投资和融资活动产生的现金流。DCF模型的公式为：V=\sum_{t=1}^{n}\frac{FCF_t}{(1+WACC)^t}+\frac{TV}{(1+WACC)^n}，其中V为公司价值，FCF_t是第t期的自由现金流，WACC是加权平均资本成本，TV是终值。DCF模型的优点在于充分考虑了公司的长期盈利能力和风险，能够较为全面地评估公司的价值。但该模型计算过程复杂，对自由现金流和折现率的预测准确性要求极高。在实际应用中，对未来自由现金流的预测需要对公司的业务模式、市场前景、成本结构等进行深入分析，而这些因素往往充满不确定性。2.2.2现代定价理论与发展资本资产定价模型（CAPM）是现代定价理论的重要代表，由威廉・夏普（WilliamSharpe）、约翰・林特耐（JohnLintner）和简・摩辛（JanMossin）分别独立提出，最早由威廉・夏普在20世纪60年代系统化阐述。CAPM旨在描述资产的预期收益与市场风险之间的关系，其核心原理是资产的预期收益率与其系统性风险（β系数）成正比。系统性风险是无法通过分散投资来消除的风险，它受到整个市场或特定市场指数的影响。CAPM的基本公式为：E(R_i)=R_f+\beta_i(E(R_m)-R_f)，其中E(R_i)表示资产i的预期收益率，R_f是无风险利率，通常以国债收益率为代表；\beta_i是资产i的贝塔系数，衡量个股对市场波动的敏感度；E(R_m)是市场组合的预期收益率，市场组合是所有可投资资产按照其市值加权平均之后形成的组合。例如，假设无风险利率为3\%，市场组合的预期收益率为10\%，某股票的贝塔系数为1.2，则该股票的预期收益率E(R_i)=3\%+1.2\times(10\%-3\%)=11.4\%。在解释波动性与定价关系方面，CAPM通过贝塔系数来衡量资产相对于市场整体的波动性。当贝塔系数大于1时，表明该资产的波动性高于市场平均水平，其预期收益率也相对较高；当贝塔系数小于1时，资产的波动性低于市场平均水平，预期收益率也较低。这意味着在CAPM框架下，投资者要求的回报率与资产的波动性密切相关，波动性越高，投资者期望获得的回报越高。然而，CAPM也存在一定的局限性。它假设市场是完全有效的，所有投资者都具有相同的信息且理性行事，这与现实市场存在差距。在实际市场中，信息不对称、投资者情绪等因素会影响市场的有效性，导致投资者的决策并非完全理性。CAPM仅考虑了系统性风险，忽略了非系统性风险的影响，而实际上非系统性风险也会对股票定价产生作用。2.3文献综述2.3.1波动性对股票定价影响的研究现状国内外学者对波动性与股票定价的关系展开了广泛研究。在早期，大部分研究将波动性视为一个整体，着重探讨其与股票预期收益率之间的关系。西方学者Fama和French（1992）通过对美国股票市场数据的分析，发现市场波动性与股票预期收益率之间存在正相关关系，即波动性越高，股票的预期收益率也越高，这一结论在传统金融理论中得到了广泛认可。他们认为，较高的波动性意味着更高的风险，投资者为了补偿承担的风险，会要求更高的预期收益率。在国内，陈灯塔和洪永淼（2003）对中国股市进行研究，也得出了类似结论，他们通过实证分析发现，中国股市的波动性与预期收益率之间呈现正相关，且这种关系在不同的市场时期具有一定的稳定性。随着研究的深入，学者们开始关注波动性的异质性，将其细分为好的波动性和坏的波动性，并研究它们对股票定价的不同影响。国外学者Campbell等（2001）指出，市场中的信息有好坏之分，好消息和坏消息对股价波动的影响存在差异，从而导致好的波动性和坏的波动性的产生。他们通过构建模型，发现坏的波动性对股票预期收益率的影响更为显著，投资者对坏的波动性更为敏感，要求更高的风险溢价。国内学者周爱民和张龙斌（2010）基于中国股市数据，利用EGARCH模型将波动性分解为正向冲击和负向冲击引起的波动性，发现负向冲击引起的坏的波动性对股票定价的影响更大，股票价格对坏消息的反应更为强烈。在研究方法上，早期研究多采用传统的时间序列分析方法，如自回归条件异方差（ARCH）模型及其扩展模型，来度量波动性并分析其与股票定价的关系。Engle（1982）提出的ARCH模型，能够有效地捕捉金融时间序列的异方差性，为波动性的研究提供了重要工具。随着计量经济学的发展，分位数回归、面板数据模型等方法逐渐被应用于波动性与股票定价关系的研究中。分位数回归方法可以更全面地描述因变量在不同分位点上与自变量的关系，能够揭示波动性对股票定价在不同收益水平下的非对称影响。2.3.2对已有研究的评价与启示已有研究在波动性与股票定价关系的研究方面取得了丰硕成果，但仍存在一些不足之处。在波动性的度量上，虽然已有多种方法，但不同方法对波动性的刻画存在差异，且部分方法未能充分考虑市场微观结构和高频数据中的信息，导致对波动性的度量不够精确。在研究样本的选择上，一些研究局限于特定的市场或时间段，样本的代表性不足，可能影响研究结论的普遍性和可靠性。部分研究在分析波动性对股票定价的影响时，未能充分考虑其他影响因素的交互作用，如宏观经济环境、公司治理结构等，使得研究结果的解释力受到一定限制。已有研究为本文提供了重要的研究思路和方法启示。在研究思路上，本文借鉴已有研究对波动性进行细分的思路，进一步深入探讨好的波动性和坏的波动性对股票定价能力的影响，以弥补现有研究在波动性异质性研究方面的不足。在方法选择上，采用已实现正半方差和已实现负半方差分别度量好的波动性和坏的波动性，结合高频数据进行分析，能够更准确地刻画波动性的特征及其对股票定价的影响。同时，在研究过程中充分考虑多种影响因素，通过引入市场贝塔、公司规模等控制变量，全面分析相对符号跳跃变差对股票定价能力的影响，提高研究结果的可靠性和解释力。三、好的波动性与坏的波动性的识别与度量3.1数据选取与处理本文选取我国A股市场个股层面的5分钟高频数据进行研究，数据来源于知名金融数据提供商万得（Wind）数据库。选择万得数据库是因为其数据覆盖范围广泛，涵盖了A股市场几乎所有上市公司的高频交易数据，且数据质量高，经过了严格的审核和校验，能够为研究提供可靠的数据支持。数据的时间跨度设定为2015年1月1日至2020年12月31日，这一时间段包含了A股市场的多种市场状态，如牛市、熊市和震荡市，能够全面反映市场的不同特征，使研究结果更具普遍性和代表性。在数据清洗环节，首先对原始数据进行完整性检查，剔除存在大量缺失值的个股数据。对于存在少量缺失值的情况，采用线性插值法进行填补。例如，若某只股票在某一5分钟时间段的收盘价缺失，但前后时间段的收盘价已知，则通过线性插值计算出缺失的收盘价，以保证数据的连续性。接着，对数据进行异常值检测和处理。通过计算收益率的3倍标准差来识别异常值，若某一收益率超过3倍标准差，则将其视为异常值并进行修正。如对于一只股票，若其某一5分钟收益率高达30%，远超正常波动范围，经检查发现是由于数据录入错误导致，此时将该收益率修正为合理范围内的值。在数据筛选方面，设定了一系列筛选标准。只保留在研究时间段内正常交易的个股，剔除ST（SpecialTreatment）、*ST（退市风险警示）股票，因为这些股票通常面临财务困境或其他风险，其价格波动特征与正常股票存在较大差异，可能会对研究结果产生干扰。同时，剔除上市时间不足1年的新股，新股在上市初期往往会出现价格的大幅波动，这种波动可能并非由公司基本面或市场正常因素引起，而是由于市场炒作等原因，为了保证数据的稳定性和研究结果的准确性，将其排除在外。经过清洗和筛选后，对数据进行整理。将数据按照股票代码和时间顺序进行排序，确保数据的有序性。同时，计算每个5分钟时间段的收益率、成交量等相关指标，为后续的波动性度量和分析做准备。收益率的计算公式为：R_{t}=\frac{P_{t}-P_{t-1}}{P_{t-1}}，其中R_{t}表示第t个5分钟时间段的收益率，P_{t}和P_{t-1}分别表示第t和t-1个5分钟时间段的收盘价。通过对数据的精心选取、清洗、筛选和整理，得到了高质量的A股市场个股高频数据集，为准确识别和度量好的波动性与坏的波动性奠定了坚实的数据基础。3.2代理指标选取3.2.1已实现正半方差与好的波动性在衡量好的波动性时，已实现正半方差是一个关键的代理指标。已实现正半方差主要关注股票收益率为正时的波动情况，其计算公式为：RV^{+}=\sum_{i=1}^{n}r_{i}^{2}\mathbb{I}(r_{i}\gt0)，其中r_{i}表示第i个5分钟时间段的股票收益率，\mathbb{I}(r_{i}\gt0)是指示函数，当r_{i}\gt0时，\mathbb{I}(r_{i}\gt0)=1；当r_{i}\leq0时，\mathbb{I}(r_{i}\gt0)=0。该公式表明，已实现正半方差仅对正收益率的平方进行累加，从而精准捕捉股票价格因积极信息而上涨时的波动特征。以贵州茅台为例，在2017年，贵州茅台发布了一系列业绩超预期的财报，净利润同比大幅增长，市场对其未来盈利预期持续上调。在这一时期，通过计算其5分钟高频数据的已实现正半方差，发现该指标数值显著增加。这表明在积极信息的驱动下，股价上涨过程中的波动性增强，这种波动性即为好的波动性。已实现正半方差能够很好地反映这种由积极信息引发的股价波动，因为它聚焦于正收益率的波动情况，与好的波动性的内涵高度契合。当企业发布利好消息时，市场投资者对其股票的需求增加，交易活跃度提高，股价上涨的同时，收益率的正向波动也随之增大，已实现正半方差能够准确地度量这种波动的程度。与其他可能的代理指标相比，已实现正半方差具有独特的优势。传统的标准差指标虽然能衡量股票收益率的总体波动，但无法区分波动的正负方向，不能准确反映好的波动性。而一些基于历史数据的波动性指标，如历史波动率，没有充分利用高频数据的信息，对股价瞬间变化的捕捉能力较弱。已实现正半方差基于高频数据计算，能够更及时、准确地反映股价在积极信息影响下的波动情况，为研究好的波动性提供了更为有效的度量方式。3.2.2已实现负半方差与坏的波动性已实现负半方差是度量坏的波动性的重要代理指标，它聚焦于股票收益率为负时的波动状况。其计算公式为：RV^{-}=\sum_{i=1}^{n}r_{i}^{2}\mathbb{I}(r_{i}\lt0)，其中r_{i}同样是第i个5分钟时间段的股票收益率，\mathbb{I}(r_{i}\lt0)为指示函数，当r_{i}\lt0时，\mathbb{I}(r_{i}\lt0)=1；当r_{i}\geq0时，\mathbb{I}(r_{i}\lt0)=0。这一公式表明，已实现负半方差只对负收益率的平方进行求和，从而有效刻画股票价格因负面信息而下跌时的波动特征。以康美药业为例，2018年康美药业被曝光存在严重的财务造假问题，公司股价大幅下跌。在这一事件发生后，通过计算其5分钟高频数据的已实现负半方差，发现该指标数值急剧上升。这反映出在负面消息的冲击下，股价下跌过程中的波动性显著增强，这种波动性就是坏的波动性。已实现负半方差能够准确地捕捉到这种由负面信息导致的股价波动，因为它专门针对负收益率的波动进行度量。当企业出现负面事件时，投资者对其股票的信心下降，纷纷抛售股票，导致股价下跌，收益率的负向波动增大，已实现负半方差能够精确地衡量这种波动的大小。与其他用于衡量坏的波动性的指标相比，已实现负半方差具有明显的优势。一些传统的风险度量指标，如VaR（风险价值），虽然能在一定程度上反映投资组合的潜在损失，但无法直观地体现股价下跌过程中的波动特征。而一些基于模型的波动性指标，如GARCH模型计算出的条件方差，在实际应用中可能受到模型假设的限制，对坏的波动性的刻画不够直接。已实现负半方差直接基于高频数据计算，能够更直观、准确地反映股价因负面信息而产生的波动，为研究坏的波动性提供了有力的工具。3.3相对符号跳跃变差（RSJ）的构建在准确度量好的波动性和坏的波动性后，为了进一步衡量个股在好的波动性和坏的波动性上的风险暴露，本文构建了相对符号跳跃变差（RelativeSignedJumpVariation，RSJ）指标。RSJ的构建基于已实现正半方差（RV^{+}）和已实现负半方差（RV^{-}）。首先计算符号跳跃变差（SignedJumpVariation，SJ），其公式为：SJ=RV^{+}-RV^{-}，SJ反映了已实现正半方差与已实现负半方差的差值，体现了股价波动在正负方向上的差异程度。然后，通过将符号跳跃变差（SJ）除以已实现方差（RV）来得到相对符号跳跃变差（RSJ），已实现方差（RV）的计算公式为：RV=\sum_{i=1}^{n}r_{i}^{2}，其中r_{i}为第i个5分钟时间段的股票收益率。RSJ的计算公式为：RSJ=\frac{SJ}{RV}=\frac{RV^{+}-RV^{-}}{\sum_{i=1}^{n}r_{i}^{2}}。RSJ的取值范围在-1到1之间。当RSJ大于0时，表明已实现正半方差大于已实现负半方差，即好的波动性占主导，个股在好的波动性上的风险暴露较高，意味着市场中积极信息引发的股价波动更为显著，股价上涨的动能较强。例如，某只股票在一段时间内，由于公司成功拓展了新的市场，获得了大量订单，业绩预期大幅提升，此时其已实现正半方差明显增加，RSJ值为0.3，这说明该股票在这段时间内好的波动性较强，投资者对其未来收益预期较为乐观。当RSJ小于0时，则表示已实现负半方差大于已实现正半方差，坏的波动性占据主导，个股在坏的波动性上的风险暴露较高，意味着市场中负面信息导致的股价波动更为突出，股价下跌的压力较大。以某只受行业政策调整影响的股票为例，政策对该行业的限制使得市场对其未来发展前景担忧，股票价格持续下跌，已实现负半方差增大，RSJ值为-0.4，表明该股票在这段时间内坏的波动性较强，投资者对其信心下降。RSJ作为一个综合指标，能够有效地捕捉个股在好的波动性和坏的波动性上的风险暴露情况，为后续研究其对股票定价能力的影响提供了关键的度量工具。它从波动性的正负方向差异出发，全面反映了市场信息对个股股价波动的综合影响，弥补了单一波动性指标无法区分波动性质的不足，有助于更深入地理解股票价格波动的本质和内在机制。四、好的波动性对股票定价能力的影响4.1理论分析从投资者行为理论角度来看，好的波动性对投资者心理和决策有着重要影响。当市场中出现积极信息，如企业发布超预期的业绩报告、获得重大项目订单、推出具有创新性的产品或技术等，这些利好消息会引发投资者对股票未来收益的乐观预期。这种乐观预期会使投资者认为股票价格有进一步上涨的空间，从而增强他们的投资信心，激发购买欲望。以苹果公司为例，当它发布新款iPhone并取得巨大市场成功，销量和利润远超预期时，投资者对苹果股票的未来收益充满信心，纷纷买入股票，推动股价上涨，同时也增加了股价的波动性，这种波动性就是好的波动性。在市场供需方面，好的波动性会导致股票需求增加。由于投资者对具有好的波动性的股票未来收益预期较高，他们愿意以更高的价格购买这些股票，从而增加了股票的需求。而股票供给在短期内相对稳定，需求的增加会打破原有的供需平衡，推动股票价格上升。在供不应求的情况下，股票价格会进一步上涨，直到达到新的供需平衡。例如，当一家新能源汽车公司宣布在电池技术上取得重大突破，市场预期其未来市场份额和盈利将大幅增长，投资者对该公司股票的需求急剧增加，而公司股票的供给在短期内不会大幅变动，这就导致股价在需求推动下不断上涨。在股票定价方面，好的波动性与股票定价密切相关。根据股息贴现模型（DDM），股票的价值等于未来所有股息的现值之和。当出现好的波动性时，企业的未来盈利预期增加，股息也有望相应提高。假设某公司原本预计未来每年支付股息D，由于出现积极信息，市场预期该公司未来股息将以g的增长率增长，那么根据DDM公式，股票的内在价值V=\sum_{t=1}^{\infty}\frac{D(1+g)^t}{(1+r)^t}，其中r为折现率。显然，在其他条件不变的情况下，股息增长率g的增加会使股票内在价值V上升。从资本资产定价模型（CAPM）来看，虽然CAPM主要考虑系统性风险，但好的波动性也会对股票定价产生间接影响。好的波动性通常与企业的良好发展前景相关，这可能会降低投资者对该股票的风险感知。根据CAPM公式E(R_i)=R_f+\beta_i(E(R_m)-R_f)，当投资者认为股票风险降低时，其要求的风险溢价(E(R_m)-R_f)可能会降低，在无风险利率R_f和贝塔系数\beta_i不变的情况下，股票的预期收益率E(R_i)也会相应降低。而预期收益率的降低意味着股票的价格相对上升，因为在股票定价中，价格与预期收益率呈反向关系。在有效市场假说下，好的波动性反映了市场中积极信息的快速传播和投资者对这些信息的有效反应。在有效市场中，股票价格能够迅速反映所有可用信息，当积极信息出现时，股价会迅速调整，好的波动性正是这种价格调整过程中的表现。这种快速调整使得股票价格更接近其内在价值，提高了市场的定价效率。好的波动性通过影响投资者行为和市场供需，进而对股票定价产生重要影响。它反映了企业的良好发展态势和市场的积极预期，有助于提升股票的内在价值和市场定价效率。四、好的波动性对股票定价能力的影响4.2实证分析4.2.1单变量投资组合分组为了深入探究股票预期收益率与好的波动性指标（如已实现正半方差）之间的关系，本文采用单变量投资组合分组方法进行实证分析。首先，在每个月末，依据已实现正半方差的大小对所有股票进行排序。已实现正半方差的计算基于前文所述的公式RV^{+}=\sum_{i=1}^{n}r_{i}^{2}\mathbb{I}(r_{i}\gt0)，其中r_{i}为第i个5分钟时间段的股票收益率，\mathbb{I}(r_{i}\gt0)是指示函数。排序完成后，将股票均匀地分为5个投资组合，组合1包含已实现正半方差最小的20%的股票，组合2包含次小的20%的股票，以此类推，组合5包含已实现正半方差最大的20%的股票。然后，计算每个投资组合在下个月的平均收益率。表1展示了单变量投资组合分组的结果：投资组合已实现正半方差排序区间平均收益率（%）组合10-20%1.5组合220%-40%1.3组合340%-60%1.1组合460%-80%0.9组合580%-100%0.7从表1中可以清晰地看出，随着已实现正半方差的增加，即好的波动性增强，股票的平均收益率呈现出明显的下降趋势。这表明在单变量投资组合分组情况下，股票预期收益率与好的波动性之间存在负相关关系。这一结果与理论预期相符，当股票具有较高的好的波动性时，意味着市场中的积极信息已经充分反映在股价中，投资者对其未来收益的增长预期相对较低，因此愿意接受较低的预期收益率。例如，某只股票由于获得了重大项目订单，股价在短期内大幅上涨，已实现正半方差增大，此时市场对其未来进一步上涨的空间预期有限，投资者对该股票的预期收益率也会相应降低。4.2.2控制变量后的双变量投资组合分组在单变量投资组合分组的基础上，为了更准确地分析好的波动性对股票定价能力的影响，本文引入多个控制变量进行双变量投资组合分组。选择市场贝塔、公司规模、已实现方差、已实现偏度和市净率作为控制变量。市场贝塔反映了股票相对于市场整体的波动性，公司规模体现了公司的资产规模和市场影响力，已实现方差衡量了股票收益率的总体波动程度，已实现偏度反映了收益率分布的不对称性，市净率则是衡量公司估值的重要指标。具体分组过程如下：首先，按照已实现正半方差的大小将股票分为5组；然后，在每组内，再依据控制变量（如市场贝塔）的大小将股票进一步细分为5个子组。这样，总共得到25个双变量投资组合。以市场贝塔为例，在已实现正半方差最高的组合中，按照市场贝塔从小到大排序，将该组合内的股票再分为5个子组，分别计算每个子组在下个月的平均收益率。表2展示了控制市场贝塔后的双变量投资组合分组结果（部分）：已实现正半方差分组市场贝塔分组平均收益率（%）高低0.8高中低0.75高中0.7高中高0.65高高0.6从表2可以看出，在控制市场贝塔后，对于已实现正半方差较高的股票组合，随着市场贝塔的增加，平均收益率仍然呈现下降趋势。这进一步说明，在考虑了市场贝塔等控制变量后，好的波动性（已实现正半方差）对股票定价能力的影响依然显著，且股票预期收益率与好的波动性之间的负相关关系保持稳定。即使在控制了其他可能影响股票定价的因素后，好的波动性较高的股票，其预期收益率仍然较低，这表明好的波动性是影响股票定价的重要因素之一，能够独立对股票预期收益率产生影响。4.2.3稳健性检验为了验证前文实证结果的可靠性，本文采用多种方法进行稳健性检验。在样本选择方面，将研究样本分为牛市和熊市两个子样本进行分析。牛市期间，市场整体呈现上涨趋势，投资者情绪较为乐观；熊市期间，市场下跌，投资者情绪悲观。分别对两个子样本进行单变量和双变量投资组合分组分析，检验股票预期收益率与好的波动性之间的关系是否稳定。结果显示，在牛市和熊市子样本中，股票预期收益率与已实现正半方差之间均呈现负相关关系，与全样本的结果一致，说明该关系在不同市场行情下具有稳定性。在度量指标选择上，采用不同的好的波动性度量指标进行替代检验。例如，使用基于高频数据的已实现正跳变差（RealizedPositiveJumpVariation）作为已实现正半方差的替代指标。已实现正跳变差通过识别股价收益率中的正向跳跃部分来度量好的波动性，其计算方法与已实现正半方差有所不同，但都旨在捕捉股价因积极信息而产生的波动。利用已实现正跳变差重新进行单变量和双变量投资组合分组分析，实证结果表明，股票预期收益率与已实现正跳变差之间同样存在负相关关系，这进一步验证了研究结论的稳健性，说明好的波动性对股票定价能力的影响并不依赖于特定的度量指标。在分析方法上，采用Fama-MacBeth回归方法进行稳健性检验。Fama-MacBeth回归是一种常用于金融实证研究的方法，它可以有效地处理面板数据中的异质性和自相关问题。在回归模型中，将股票预期收益率作为被解释变量，已实现正半方差作为解释变量，并控制市场贝塔、公司规模等其他变量。回归结果显示，已实现正半方差的系数显著为负，这与前文投资组合分组分析的结果一致，再次证明了股票预期收益率与好的波动性之间的负相关关系，增强了研究结论的可靠性。通过以上多种稳健性检验方法，从不同角度验证了股票预期收益率与好的波动性之间的负相关关系，表明前文的实证结果具有较高的可靠性和稳定性，好的波动性对股票定价能力的影响是真实且显著的。4.3案例分析以宁德时代为例，深入剖析高好的波动性股票的股价走势、公司利好消息与定价之间的关系。宁德时代作为全球领先的动力电池系统提供商，在新能源汽车行业中占据重要地位，其股价表现备受市场关注。在2020-2021年期间，宁德时代发布了一系列利好消息。在技术研发方面，公司宣布在电池能量密度提升技术上取得重大突破，新研发的电池产品能够显著提高新能源汽车的续航里程，这一消息极大地提升了市场对其未来技术优势和市场竞争力的预期。在市场拓展方面，宁德时代与多家知名汽车制造商签订了长期供货协议，如特斯拉、宝马等，进一步巩固了其在全球动力电池市场的领先地位，市场预期其未来的市场份额和营收将持续增长。这些利好消息引发了宁德时代股价的显著波动与上涨。从股价走势来看，2020年初，宁德时代股价约为130元左右，随着利好消息的不断释放，股价持续攀升。到2021年底，股价最高涨至692元左右，期间涨幅超过4倍。在股价上涨过程中，成交量也大幅增加，显示市场交易活跃，投资者对其股票的需求旺盛。在这一过程中，好的波动性对股票定价产生了重要影响。随着利好消息的出现，宁德时代的已实现正半方差显著增加，表明好的波动性增强。根据前文的理论分析和实证研究，好的波动性会提高投资者对股票未来收益的预期，进而影响股票定价。由于市场预期宁德时代未来盈利将大幅增长，投资者愿意以更高的价格购买其股票，推动股价上升。从股息贴现模型角度分析，公司未来盈利预期的增加意味着未来股息有望提高，根据公式V=\sum_{t=1}^{\infty}\frac{D_t}{(1+r)^t}，在折现率r不变的情况下，股息D_t的增加使得股票的内在价值V上升，从而反映在股价的上涨上。宁德时代的案例充分说明，对于具有高好的波动性的股票，公司的利好消息能够引发股价的上涨和波动性的增强，好的波动性通过影响投资者对股票未来收益的预期，进而对股票定价产生积极影响，使股票价格更能反映公司的良好发展前景和内在价值。五、坏的波动性对股票定价能力的影响5.1理论分析从市场风险角度来看，坏的波动性的本质是市场风险的增加。当企业出现负面信息，如财务造假、巨额亏损、管理层丑闻等，这些信息会使投资者对企业未来的盈利能力和发展前景产生担忧，从而导致股票价格下跌。在2018年，长生生物因疫苗造假事件被曝光，这一负面消息引发了市场的强烈反应。投资者对该公司的信任度急剧下降，纷纷抛售其股票，导致股价大幅下跌。在股价下跌过程中，成交量急剧放大，股价波动加剧，已实现负半方差显著增加，即坏的波动性增强。这种因负面信息导致的股价下跌和坏的波动性增强，使得投资者面临更高的投资风险。投资者在进行投资决策时，通常会要求更高的风险溢价来补偿增加的风险。根据资本资产定价模型（CAPM），股票的预期收益率由无风险利率、市场风险溢价和股票的贝塔系数决定，即E(R_i)=R_f+\beta_i(E(R_m)-R_f)。当坏的波动性增加时，投资者对股票的风险感知提高，要求的市场风险溢价(E(R_m)-R_f)也会相应增加，在无风险利率R_f和贝塔系数\beta_i不变的情况下，股票的预期收益率E(R_i)会上升。从投资者信心角度分析，坏的波动性会严重打击投资者信心。负面消息的出现会使投资者对企业的未来发展失去信心，进而减少对该股票的需求。在2020年疫情爆发初期，许多旅游、航空等行业的企业受到严重冲击，业绩大幅下滑。市场对这些企业的未来盈利预期变得悲观，投资者纷纷卖出相关股票，导致股价下跌，坏的波动性增强。投资者信心的下降还会引发市场恐慌情绪的蔓延。当部分投资者因负面消息开始抛售股票时，其他投资者可能会受到影响，也选择抛售股票以避免损失，这种羊群效应会进一步加剧股价的下跌和波动性的增加。在股票定价方面，坏的波动性会降低股票的内在价值。根据股息贴现模型（DDM），股票的价值等于未来所有股息的现值之和，即V=\sum_{t=1}^{\infty}\frac{D_t}{(1+r)^t}。当坏的波动性增加时，企业未来盈利预期下降，股息D_t也会相应减少，在折现率r不变的情况下，股票的内在价值V会降低。从有效市场假说角度来看，坏的波动性反映了市场中负面信息的传播和投资者对这些信息的反应。在有效市场中，股票价格会迅速反映所有可用信息，当负面信息出现时，股价会迅速下跌，坏的波动性正是这种价格调整过程中的表现。这种调整使得股票价格更接近其在负面信息影响下的真实价值，但同时也降低了股票的市场价格。坏的波动性通过增加市场风险、打击投资者信心和降低股票内在价值等机制，对股票定价产生负面影响，使股票价格下降，投资者要求的预期收益率上升。五、坏的波动性对股票定价能力的影响5.2实证分析5.2.1单变量投资组合分组为了深入探究股票预期收益率与坏的波动性指标之间的关系，本文采用单变量投资组合分组的方法进行实证分析。在每个月末，依据坏的波动性指标，如已实现负半方差，对所有股票进行排序。已实现负半方差的计算公式为：RV^{-}=\sum_{i=1}^{n}r_{i}^{2}\mathbb{I}(r_{i}\lt0)，其中r_{i}表示第i个5分钟时间段的股票收益率，\mathbb{I}(r_{i}\lt0)是指示函数。排序完成后，将股票均匀地分为5个投资组合，组合1包含已实现负半方差最小的20%的股票，组合2包含次小的20%的股票，以此类推，组合5包含已实现负半方差最大的20%的股票。然后，计算每个投资组合在下个月的平均收益率。表3展示了单变量投资组合分组的结果：投资组合已实现负半方差排序区间平均收益率（%）组合10-20%1.2组合220%-40%0.8组合340%-60%0.4组合460%-80%-0.1组合580%-100%-0.5从表3可以清晰地看出，随着已实现负半方差的增加，即坏的波动性增强，股票的平均收益率呈现出明显的下降趋势。这表明在单变量投资组合分组情况下，股票预期收益率与坏的波动性之间存在负相关关系。这一结果与理论预期相符，当股票具有较高的坏的波动性时，意味着市场中的负面信息较多，投资者对其未来收益的预期较低，同时由于风险增加，投资者要求更高的风险溢价，从而导致股票的预期收益率下降。例如，当一家公司被曝光存在严重的产品质量问题，市场对其未来业绩预期大幅下调，已实现负半方差增大，投资者纷纷抛售股票，使得该股票的预期收益率降低。5.2.2控制变量后的双变量投资组合分组在单变量投资组合分组的基础上，为了更准确地分析坏的波动性对股票定价能力的影响，本文引入多个控制变量进行双变量投资组合分组。选择市场贝塔、公司规模、已实现方差、已实现偏度和市净率作为控制变量。市场贝塔反映了股票相对于市场整体的波动性，公司规模体现了公司的资产规模和市场影响力，已实现方差衡量了股票收益率的总体波动程度，已实现偏度反映了收益率分布的不对称性，市净率则是衡量公司估值的重要指标。具体分组过程如下：首先，按照已实现负半方差的大小将股票分为5组；然后，在每组内，再依据控制变量（如市场贝塔）的大小将股票进一步细分为5个子组。这样，总共得到25个双变量投资组合。以市场贝塔为例，在已实现负半方差最高的组合中，按照市场贝塔从小到大排序，将该组合内的股票再分为5个子组，分别计算每个子组在下个月的平均收益率。表4展示了控制市场贝塔后的双变量投资组合分组结果（部分）：已实现负半方差分组市场贝塔分组平均收益率（%）高低-0.4高中低-0.45高中-0.5高中高-0.55高高-0.6从表4可以看出，在控制市场贝塔后，对于已实现负半方差较高的股票组合，随着市场贝塔的增加，平均收益率仍然呈现下降趋势。这进一步说明，在考虑了市场贝塔等控制变量后，坏的波动性（已实现负半方差）对股票定价能力的影响依然显著，且股票预期收益率与坏的波动性之间的负相关关系保持稳定。即使在控制了其他可能影响股票定价的因素后，坏的波动性较高的股票，其预期收益率仍然较低，这表明坏的波动性是影响股票定价的重要因素之一，能够独立对股票预期收益率产生影响。5.2.3稳健性检验为了验证前文实证结果的可靠性，本文采用多种方法进行稳健性检验。在样本选择方面，将研究样本分为牛市和熊市两个子样本进行分析。牛市期间，市场整体呈现上涨趋势，投资者情绪较为乐观；熊市期间，市场下跌，投资者情绪悲观。分别对两个子样本进行单变量和双变量投资组合分组分析，检验股票预期收益率与坏的波动性之间的关系是否稳定。结果显示，在牛市和熊市子样本中，股票预期收益率与已实现负半方差之间均呈现负相关关系，与全样本的结果一致，说明该关系在不同市场行情下具有稳定性。在度量指标选择上，采用不同的坏的波动性度量指标进行替代检验。例如，使用基于高频数据的已实现负跳变差（RealizedNegativeJumpVariation）作为已实现负半方差的替代指标。已实现负跳变差通过识别股价收益率中的负向跳跃部分来度量坏的波动性，其计算方法与已实现负半方差有所不同，但都旨在捕捉股价因负面信息而产生的波动。利用已实现负跳变差重新进行单变量和双变量投资组合分组分析，实证结果表明，股票预期收益率与已实现负跳变差之间同样存在负相关关系，这进一步验证了研究结论的稳健性，说明坏的波动性对股票定价能力的影响并不依赖于特定的度量指标。在分析方法上，采用Fama-MacBeth回归方法进行稳健性检验。Fama-MacBeth回归是一种常用于金融实证研究的方法，它可以有效地处理面板数据中的异质性和自相关问题。在回归模型中，将股票预期收益率作为被解释变量，已实现负半方差作为解释变量，并控制市场贝塔、公司规模等其他变量。回归结果显示，已实现负半方差的系数显著为负，这与前文投资组合分组分析的结果一致，再次证明了股票预期收益率与坏的波动性之间的负相关关系，增强了研究结论的可靠性。通过以上多种稳健性检验方法，从不同角度验证了股票预期收益率与坏的波动性之间的负相关关系，表明前文的实证结果具有较高的可靠性和稳定性，坏的波动性对股票定价能力的影响是真实且显著的。5.3案例分析以康美药业为例，深入分析坏的波动性对股票定价的影响。康美药业曾是A股市场上的知名药企，在中药生产、销售等领域具有一定的市场份额。2018年，康美药业财务造假事件震惊市场。公司被曝光通过伪造、变造增值税发票等手段，虚增营业收入和利润，同时还存在资金虚假往来、存货不实等问题。这一负面消息引发了市场的强烈反应。在财务造假消息曝光前，康美药业股价相对稳定，维持在一定区间内波动。然而，消息曝光后，股价出现了大幅下跌。2018年5月，康美药业股价约为15元左右，随着财务造假问题逐渐被揭露，股价一路狂跌。到2019年8月，股价最低跌至2.52元左右，跌幅超过80%。在股价下跌过程中，坏的波动性显著增强。通过计算其5分钟高频数据的已实现负半方差，发现该指标在财务造假消息曝光后急剧上升。这表明负面消息导致股价下跌的同时，股价波动加剧，坏的波动性增加。从市场风险角度来看，财务造假事件使投资者对康美药业的未来盈利能力和发展前景产生严重担忧，市场风险大幅增加。投资者为了补偿增加的风险，要求更高的风险溢价。根据资本资产定价模型（CAPM），在无风险利率和贝塔系数不变的情况下，市场风险溢价的增加导致股票的预期收益率上升。从投资者信心角度分析，负面消息严重打击了投资者信心。投资者纷纷抛售康美药业股票，导致股票需求大幅下降。同时，市场恐慌情绪蔓延，更多投资者选择卖出股票以避免损失，进一步加剧了股价的下跌和波动性的增加。在股票定价方面，根据股息贴现模型（DDM），由于投资者对康美药业未来盈利预期下降，未来股息减少，股票的内在价值降低。在折现率不变的情况下，股票价格随内在价值的下降而下跌。康美药业的案例充分说明，坏的波动性会通过增加市场风险、打击投资者信心和降低股票内在价值等机制，对股票定价产生负面影响，使股票价格大幅下跌，投资者要求的预期收益率上升。六、对比分析与综合影响探讨6.1好的与坏的波动性对股票定价能力影响的对比在影响程度方面，坏的波动性对股票定价的影响通常更为显著。从实证分析结果来看，当坏的波动性增加时，股票预期收益率的下降幅度相对较大。在康美药业财务造假案例中，坏的波动性急剧上升，导致股价大幅下跌，跌幅超过80%。而好的波动性对股票定价的影响相对较为温和。以宁德时代为例，尽管好的波动性增加推动股价上涨，但股价上涨是一个相对渐进的过程，涨幅虽大但并非瞬间实现。这是因为投资者对负面消息更为敏感，负面消息引发的风险感知和信心冲击更为强烈，使得股票价格对坏的波动性的反应更为剧烈。在影响方向上，好的波动性与股票价格呈正向关系，它反映了企业的良好发展前景和积极的市场预期，能够提升股票的内在价值，推动股价上涨。宁德时代因技术突破和市场拓展等利好消息，好的波动性增强，股价持续攀升。坏的波动性与股票价格呈反向关系，它体现了企业面临的风险增加和负面的市场预期，会降低股票的内在价值，导致股价下跌。康美药业因财务造假，坏的波动性增加，股价一路狂跌。在市场环境适应性方面，好的波动性在牛市中对股票定价的影响更为明显。在牛市期间，市场整体情绪乐观，投资者更倾向于追逐具有高好的波动性的股票，对企业的利好消息反应积极，进一步推动股价上涨。而坏的波动性在熊市中对股票定价的影响更为突出。在熊市期间，市场情绪悲观，投资者对负面消息更加敏感，股票价格对坏的波动性的反应更为强烈，加剧了股价的下跌。从投资者决策角度来看，好的波动性为风险偏好较高的投资者提供了获取高收益的机会，他们更愿意投资具有高好的波动性的股票。而坏的波动性会使风险厌恶型投资者选择避开相关股票，以避免潜在的投资损失。好的波动性和坏的波动性在影响程度、方向、市场环境适应性等方面存在明显差异，对投资者决策也具有不同的意义，在股票定价过程中需要充分考虑两者的不同作用。6.2好坏波动性综合作用下的股票定价模型构建基于前文对好的波动性和坏的波动性对股票定价能力影响的分析，构建综合考虑两者的股票定价模型。假设股票的预期收益率E(R)受到无风险利率R_f、市场风险溢价(E(R_m)-R_f)、好的波动性RV^{+}和坏的波动性RV^{-}以及其他控制变量的影响，构建如下模型：E(R)=R_f+\beta_1(E(R_m)-R_f)+\beta_2RV^{+}+\beta_3RV^{-}+\sum_{i=4}^{n}\beta_iX_i+\epsilon其中，\beta_1、\beta_2、\beta_3和\beta_i为待估计系数，分别反映了市场风险溢价、好的波动性、坏的波动性和其他控制变量X_i对股票预期收益率的影响程度；X_i代表其他控制变量，如市场贝塔、公司规模、已实现方差、已实现偏度和市净率等；\epsilon为随机误差项，用于捕捉模型中未考虑到的其他因素对股票预期收益率的影响。在该模型中，\beta_1体现了股票相对于市场整体的系统性风险对预期收益率的影响，与资本资产定价模型（CAPM）中的贝塔系数作用相似。\beta_2表示好的波动性对股票预期收益率的影响，根据前文的实证分析，好的波动性与股票预期收益率呈负相关关系，因此预计\beta_2为负数。\beta_3反映了坏的波动性对股票预期收益率的影响，由于坏的波动性与股票预期收益率也呈负相关关系，所以\beta_3同样预计为负数。在应用该模型时，首先需要确定无风险利率R_f，通常可以选择国债收益率等无风险资产的收益率作为替代。市场风险溢价(E(R_m)-R_f)可以通过历史数据计算市场组合的平均收益率与无风险利率的差值得到。对于好的波动性RV^{+}和坏的波动性RV^{-}，则根据前文所述的方法，利用高频数据计算得到。对于其他控制变量X_i，市场贝塔可以通过对股票收益率与市场指数收益率进行回归分析得到；公司规模可以用公司的总市值来衡量；已实现方差通过对股票高频收益率的平方和计算得出；已实现偏度反映收益率分布的不对称性，可通过特定公式计算；市净率则是股票价格与每股净资产的比值。将这些数据代入模型中，通过回归分析等方法估计出各个系数\beta的值，即可得到具体的股票定价模型。利用该模型可以预测股票的预期收益率，进而评估股票的合理价格。若已知某股票的相关数据，代入模型计算出预期收益率，再结合当前股票价格和未来股息预期，就可以判断该股票价格是否被高估或低估，为投资者的投资决策提供重要参考。该模型综合考虑了好的波动性和坏的波动性以及其他多种因素对股票定价的影响，相较于传统定价模型，能够更全面、准确地反映股票价格的形成机制，为股票定价和投资决策提供更有效的工具。6.3对投资者决策的启示从投资策略角度来看，本研究结果对投资者具有重要的指导意义。对于风险偏好较高的投资者，在构建投资组合时，可以适当增加具有高好的波动性股票的比例。这类股票通常伴随着企业的良好发展前景和积极的市场预期，虽然价格波动较大，但有较大的上涨潜力。投资者可以通过深入研究企业的基本面，如分析企业的财务报表、行业竞争力、创新能力等，筛选出具有高好的波动性的股票。以科技行业为例，一些处于快速发展阶段的科技公司，如人工智能领域的企业，可能会频繁发布新技术、新产品，这些积极信息会导致股价出现较大波动，即好的波动性较高。风险偏好较高的投资者可以关注这些公司，在股价回调时买入，以获取潜在的高收益。对于风险厌恶型投资者，应尽量避免投资坏的波动性较高的股票。这类股票往往面临着较大的风险，如企业经营困境、财务风险等，股价下跌的可能性较大。投资者在选择股票时，要密切关注企业的负面消息，如是否存在法律纠纷、管理层变动、业绩下滑等情况。对于已经持有的坏的波动性较高的股票，应及时止损，以避免进一步的损失。以一些传统制造业企业为例，如果面临行业产能过剩、市场份额下降等问题，其股票的坏的波动性可能较高，风险厌恶型投资者应谨慎投资。在风险控制方面，投资者需要充分认识到好的波动性和坏的波动性对投资组合风险的不同影响。对于好的波动性较高的股票，虽然具有较高的投资回报潜力，但也伴随着较大的价格波动风险。投资者可以通过分散投资的方式来降低这种风险，将资金分散投资于不同行业、不同规模的具有高好的波动性的股票，避免过度集中投资于某一只股票。同时，合理运用止损策略，设定止损点，当股价下跌到一定程度时及时卖出，以限制损失。对于坏的波动性较高的股票，投资者应加强风险监控。可以通过建立风险预警机制，利用市场数据和分析工具，及时发现股票坏的波动性增加的迹象。一旦发现股票坏的波动性急剧上升，应果断采取措施，如减少持仓、进行套期保值等，以降低投资组合的风险。在市场波动较大时，投资者还可以适当增加债券、货币基金等低风险资产的配置比例，以平衡投资组合的风险。投资者在进行投资决策时，应充分考虑股票的好的波动性和坏的波动性，根据自身的风险偏好和投资目标，制定合理的投资策略，加强风险控制，以实现投资收益的最大化和风险的最小化。七、结论与展望7.1研究结论总结本研究通过对我国A股市场个股层面5分钟高频数据的深入分析，系统探究了好的波动性和坏的波动性对股票定价能力的影响，取得了一系列重要研究成果。在好的波动性方面，理论分析表明，好的波动性源