FB体育·(中国)官方网站

　　一般，金融市场在一些特定事件上会形成一些交易窗口，舆情会关注事件发生前后的交易机会，比如降准和降息这类事件，过往的研究仅是历史回溯和涨跌次数统计。我们借鉴地球系统科学领域Jonatan F. Siegmund等人的量化模型，实证分析特定事件与金融资产涨跌的同时性，即探究特定事件发生前后的金融资产是否有交易机会。在实证部分，安排了元旦、国庆、春节、“两会”、中央经济工作会议、中国央行降准、中国央行降息和美联储降息（联邦基金利率）这些特定事件，对应的金融资产包括股指、国债、商品和外汇等标的，实证结果表明：

　　第一，综合春节、元旦、国庆这三个节假日的测试结果，金融市场的节假日效应可靠性不高；

　　第二，模型测试结果显示“两会”效应不强，不过商品指数在经济工作会议期间上涨的可靠性较高，具备交易的可行性；

　　第三，中国央行降准的事件驱动策略，并没有可靠性较高的交易模式，降准事件发生前后的金融市场表现可能需要其他模型辅助判断；

　　第四，中国央行降息的事件驱动策略是具有操作意义的，但操作标的除了直接影响的国债之外，房地产指数在降息前后的窗口具备交易的可行性；

　　第五，美联储降息的事件驱动策略具备可行性，美债、CRB现货指数（食品）、布伦特原油现货价（FOB欧洲）、伦敦现货黄金、标准普尔500波动率指数(VIX)、标普500指数纳斯达克综合指数都是可交易的标的。

　　依据Jonatan F. Siegmund等人的量化模型，得到的实证结果中，有一部分与直觉不一致，如降准事件。降息事件与资产价格逻辑紧密，取得显著的结果，符合预期。“历史会重演，但不会简单地重复”，通过量化模型来检验特定事件与金融市场波动的同时性，可以为事件驱动策略的执行提供一个客观的依据。展望未来，我们将继续探究系统科学领域的方法论在金融市场上的应用。

　　相对于基本面研究，量化研究多数为数据驱动的形式，针对文本的研究并不多，特别是特定事件的量化研究偏少。需要注意的是，基本面研究中针对特定事件的分析多数为历史叙事，很难得到一个客观的结果。以中央经济工作会议为例，列出各年的会议时点作对比，统计一下历史上资产涨跌的比例，这是常见的分析套路。除了中央经济工作会议，央行降准降息等都是金融市场的特定事件，这些事件对于整个市场的影响较大，如何定量分析这些事件的影响是一个值得探讨的问题。

　　一般而言，特定事件会带来一致预期，当然这种预期有可能会落空。比如中央经济工作会议之前，股票市场存在上涨的预期，这种预期靠谱吗？或者这种预期是否具有投资的参考价值。

　　我们引入一种量化方法，来验证特定事件与资产波动是否具有同时性，这种事件同时性分析的工具出自地球系统科学领域的学者。在地球科学的许多领域，以及神经科学等其他科学学科，人们越来越关注推断不同观测序列之间的动态相互依赖关系的信息，这些观测序列不是以连续或离散值时间序列的形式给出的，而是作为事件序列（例如，未标记或标记的点过程）。经典相关分析等传统统计工具通常不能直接适用于此类序列或解释价值有限，Jonatan F. Siegmund等人提出了一种量化分析事件同时性的方法。Jonatan F. Siegmund等人提出的问题在金融市场同样存在，也就是金融市场的特定事件与资产波动的同时性问题，我们在接下来的章节中将借助Jonatan F. Siegmund等人提出的方法进行实证分析。

　　Jonatan F. Siegmund等人提出的事件同时性分析方法是在2016年公开发表的，在金融领域的应用鲜见，考虑金融市场的复杂性，我们依据该方法来分析特定事件与市场波动是否关联。

　　事件同时性分析是一种用于研究两个事件系列之间的统计相互依赖性的方法，最初是在地球科学背景下引入和应用的。与相关性分析不同，该方法专门考虑了两个系列中某些明确定义的事件的时间，事件的有无通过二进制来表达，比如事件发生记为1，反之记为0。另外，事件也可以是序列中的极值，极值包括较大值和较小值，比如资产价格的涨跌幅在极值区域可以定义“大涨”和“大跌”两类事件。按照上述处理方式，事件与市场波动同时性分析实际上衡量两个事件同时发生的可能性以及显著程度。

　　一方面，我们可能只有一个事件时间列表，而这些事件之间没有连续观察到的数据。我们将在下面将这种类型的数据称为事件序列。

　　另一方面，我们可能会遇到时间序列的情况，通过二进制的方式将时间序列转换为事件序列，其中条目1（0）表示当前时间有（没有）事件发生。

　　事件同时性分析主要计算两个系列中事件同时发生的频率。关于同时性的问题，可以通过考虑两个参数来进一步指定同时性的概念，用户定义的时间滞后τ和某个容差窗口ΔT。

　　为了研究A类事件对B类事件（反之亦然）的滞后响应，例如水圈和大气之间的能量交换，或各种生态系统。反过来，ΔT允许解决诸如气候重建、考古、古生物学或古人类学记录等事件的时间不确定，或具有较长持续时间的事件，如气候制度转变和对自然灾害的生态或社会反应。

　　根据定义，事件同时性的概念是不对称的，即总是将两个事件序列中的一个作为与第二个进行比较的参考。通常，在这种情况下，B类事件被认为可能影响A类事件的发生时间，反之则不然（当然，两个变量的角色可能互换）。然而，在某些应用中，这种假定的方向影响可能无法预先假设，在这种情况下，事件同时性分析可以用作解释性而非验证性统计工具来测试这种关系的存在、方向和重要性。

　　根据这一概念，事件同时性分析区分了前兆符合率和触发符合率。前兆符合率的计算公式如下：

　　除了仅计算符合率之外，可以通过显着性检验观察两个事件系列同时性的显著程度。

　　在这里，所有时间值都以绝对时间单位（对于事件序列）或离散时间步数（对于事件时间序列）给出。因此，对于事件序列，我们有 T OL = ΔT，对于事件时间系列，我们有 T OL = ΔT + 1。以类似的方式，T表示观察的总时间跨度（对于事件序列）或观察的数量（对于事件时间序列）。请注意，虽然 T OL 是一个非负参数，可以根据所研究的具体问题进行选择，但 T 本身是所研究事件序列的必要信息的一部分，需要知道这些信息才能执行事件同时性分析。

　　在检验结果中，给定显著性检验的p值，如果给定的 p 值小于用户定义的置信水平 α，则可以拒绝该原假设。

　　模型从数据输入，到结果输出，整个过程中各个环节的参数设置多样。输出结果主要包括事件同时性的程度和显著性。

　　使用给定阈值对数值向量（即任意分布变量的时间序列）进行二值化。该阈值可以是变量经验分布的百分比，也可以是特定的规定值。输出对象是与原始数据具有相同长度 T 的二进制向量。

　　• 指定事件定义方法的字符串：定义方法分为百分比和绝对阈值两种方法，百分比的设置必须是[0,1]内的实数，绝对阈值可以取数据范围内的任意实数，两类定义方法的指定值“高于”（默认）还是“低于”设定值被视为事件。

　　使用两个事件时间序列执行同时性分析，允许缺失值。如果在输入时间序列之一中找到 NA，则在执行的分析中将忽略相应的时间步长（以及第二序列中它们各自的对应部分）。需要以下参数和选项：

　　2）容差窗口：非负整数（默认值：0），用于定义容差窗口 ΔT（作为时间差接受的时间窗口）；

　　4）容差窗口是否应对称：布尔变量（默认值：FALSE），指定时间容差窗口是否应对称采用；

　　5）显著性检验类型：指定显着性检验类型，分“poisson”（默认）、“shuffle”和“surrogate”三种类型；

　　6）置信水平alpha：指定的显着性检验所需的置信水平（默认值：α=0.05）。

　　在实证部分，事件分析的对象为中美的特定事件，具体时间如下表所示。美联储降息事件是由联邦基金利率来定义的，原始样本数据可以回溯到上个世纪，联邦基金利率测试时段起点选在2007年1月，主要考虑到2008年次贷危机这个特殊的时期，另外样本数据太大可能会影响测试结果，因此下面的实证结果仅代表测试样本的情况。

　　在具体分析特定事件时，对应的金融时间序列主要为金融资产的价格或者收益率序列，具体名目如下表所示。

　　在国内市场，舆情对于特定事件比较敏感，典型的有“降准”、“降息”、“两会”等事件，舆情一般看好“降准”、“降息”的“放水”效应以及“两会”的政策预期，利好的解读较多，投资者很容易将股票市场上涨与这些事件联系在一起，这些事件发生之前或者之后的股票指数上涨的概率较大，一般都是参考统计历史行情的统计，比如历史上降准之后一个月内上证指数上涨的次数统计，这类分析方法是比较普遍的，但是并不能给出领人信服的结论。我们选择进行实证分析的国内特定事件，主要是节假日、两会、中央经济工作会议、降准、降息这些事件。

　　节假日效应的检验主要涉及到的节日时间为元旦节、春节和国庆节。按照模型的设定，我们按照二进制化的方法定义事件是否发生，如果事件发生即定义事件序列当期值为1，反之定义为0。在上述三个事件中，国庆节和春节假期时间较长，在样本序列中1值出现的频次最高，但这三个事件每年发生一次，总体的频次还是偏少的，模型一定程度上可以规避这些问题。在分析阶段，具体的安排如下表所示。

　　在上证指数的春节效应测试中，样本区间选定为1991年1月至2022年6月，按照时间滞后τ和某个容差窗口ΔT等参数的数值，测试结果发现上证指数在样本内的春节效应不显著，上证指数在春节前后并没有出现统计上显著的上涨行情。

　　前兆符合率表示“在至少一个B类事件之前发生的A类事件的比例”，而触发符合率衡量“B类事件之后至少有一个A型事件的比例”。在实证部分，我们把特定事件定义为A类事件，金融资产涨跌定义为B类事件，因此前兆符合率反映的是金融资产涨跌在特定事件之后发生的情形，而触发符合率则对应的是金融资产涨跌在特定事件之前发生的情形。

　　如果不关注显著程度，仅观察符合率，那么上证指数、商品指数和10年期国债在春节之后上涨的比例比节前高，这个结论与我们的直觉一致，节前“落袋为安”防风险也是投资者有共识的一种行为。

　　在元旦效应的测试结果中，10年期国债出现了统计上显著的结果，10年期国债利率在元旦前下行在统计上显著的，不过对应的触发符合率明显低于前兆符合率，而且容差窗口参数为10、15和20。

　　上证指数和商品指数在元旦效应的测试中均未获得显著的统计结果，前兆符合率在多数情况下高于触发符合率，上证指数和商品指数在元旦假期之后上涨的比例相对高一些，这个情形与春节效应一致。

　　国庆效应的测试结果显示，上证指数、商品指数和10年期国债在统计上没有显著的结果，在多数情形下前兆符合率高于触发符合率。综合国庆、元旦和春节效应的测试结果，我们发现上证指数和商品指数在假日前后上涨的情形不显著，仅有10年期国债在元旦假日触发符合在统计上显著，但是容差窗口较大，缺乏实际意义。

　　“两会”行情测试结果显示，上证指数在“两会”前后上涨的情形并不显著，多数情形下前兆符合率高于触发符合率，意味着上证指数在“两会”之后上涨的比例高于会前。

　　商品指数在容差窗口为15的情形下，前兆符合率达到0.62，且统计上是显著的，意味着商品指数在“两会”之后上涨的比例更高一些，但是考虑到容差窗口较高，测试结果的可靠性仍不高。

　　中央经济工作会议一般安排在年底，是判断当下经济形势和定调第二年宏观经济政策最权威的风向标。回溯历史舆情，在中央经济工作会议之前，市场上会出现对比历次中央经济工作会议以及展望的研究报告，投资者对会前的行情存在预期，这种预期一般更多地反映在股票市场。

　　中央经济工作会议的时间窗口比“两会”短，但其在金融市场中的影响力并不小。事件同时性分析的结果显示，商品指数在容差窗口和滞后窗口均为0的情况下，前兆和触发均出现了显著的结果，意味着商品指数在经济工作会议期间上涨的可靠性较高。然而，上证指数在经济工作会议前后的测试表现一般，而且在容差窗口和滞后窗口均为0的情况下，上涨的符合率并不高。

　　相对于节假日和重要会议，降准、降息更加重磅，对金融市场的影响是全方位的，因此测试的标的选取了股指、国债、商品和汇率，具体测试安排如下表所示。

　　降准和降息一直是市场极为关注的事件，历年舆情多解读为“利好”和“水牛”等，这类解读不仅仅针对股指，债券和大宗商品的解读也类似。一般，在降准或者降息之后，市场上就会出现很多总结历年降准或者降息之后金融资产涨跌次数的研究报告，在这些报告里面并不是每次降准或者降息之后，金融资产就会上涨，多数报告都会按照上涨的次数占比给出结论，但这种结果的可靠性并不高。

　　我们在实证部分，按照事件同时性分析的测试结果，上证指数在降准事件中并没有获得显著的统计结果，而且在容差窗口比较大的情况下才有较高的前兆符合率，多数情况下前兆符合率高于触发符合率，意味着上证指数在降准之后上涨的比例相对高一些。

　　沪深300指数在计算触发符合率的容差窗口处于较高位置的情况下获得了显著的统计结果，意味着测试结果的可靠性并不高。

　　10年期国债在降准前后利率下行的情形下，测试结果显示容差窗口为10的触发原假设被拒绝了，在置信水平alpha为0.05的情况下是显著的，意味着10年期国债在降准之前利率下行的比例相对节后高些。

　　和上证指数类似，商品指数对应降准的测试结果也不显著，但是前兆符合率的水平相对上证指数高些，商品指数在降准之后上涨的比例相对降准前高些。

　　具体到行业指数，基建和房地产也是对降准事件敏感的行业。基建和房地产两个行业指数对应降准事件的测试结果优于宽基指数，拒绝了部分触发的原假设，在较大的容差窗口下获得了显著的结果，意味着基建和房地产指数在降准之前上涨的比例高于降准之后，我们猜测降准之前市场存在预期或者降准宣布的日期早于具体降准日期。

　　降准是在“量”上操作，降息则是在“价”上操作，降息带来的影响更直接，因此我们在降息事件中没有测试国债，主要测试股票指数和商品指数。

　　上证指数对应降息事件的测试结果，统计上显著的程度明显高于降准事件，多个情形下的触发原假设被拒绝，不过容差窗口的参数为15和20。沪深300指数在降息事件上的测试结果类似。

　　房地产行业对于降息事件极为敏感，降息意味着住房抵押贷款利率下调，对于地产需求的引导作用明显，我们测试的结果也与直觉一致，房地产指数在降息事件前后上涨在统计上是显著的，而且容差窗口和滞后窗口均为0。

　　近几年，美联储议息会议一直牵动着市场神经，特别是宣布加息或者降息的时刻，全球市场都受到了不同程度的影响。回溯近二十年的美国基准利率的变化，降息的周期更长，我们在这里主要测试美联储降息事件与金融资产波动的同时性，具体看降息之后或者之前的金融资产涨跌是否具有显著的特征。

　　同为汇率的标的，人民币离岸价和美元指数在美联储降息事件上的测试结果存在差异。美元指数在美联储降息前后下跌在统计上是显著的，而且容差窗口和滞后窗口均为0。

　　无论是中债，还是美债，在降息的情况下，对债券利率下行的引导作用是直接的，我们在美债的测试结果与直觉一致，美债在美联储降息事件上的测试结果是显著的，而且容差窗口和滞后窗口均为0。

　　大宗商品这个部分，测试中安排了CRB现货指数（食品）、布伦特原油现货价（FOB欧洲）和伦敦现货黄金，在事件同时性测试中获得了显著的统计结果，而且容差窗口均为0，在容差窗口为0或者5时的前兆和触发符合率并不低，触发符合率较高意味着CRB现货指数（食品）、布伦特原油现货价（FOB欧洲）和伦敦现货黄金在美联储降息之前上涨的比例高于降息之后。

　　标普500指数和纳斯达克综合指数同样在测试中获得了显著的统计结果，而且前兆和触发的容差窗口均为0，触发符合率在容差窗口为5的情形下能够取得大于0.5的结果。

　　我们在实证部分测试的事件都是金融市场的敏感事件，这些敏感事件自然就形成了一个交易窗口，市场舆情也会随着事件产生较大的波动，事件发生之前和事件落地之后的金融市场也存在很大的差异。

　　这些敏感事件一直是事件驱动策略关注的焦点，但是市场上历年的相关研究注重定性分析，定量分析仅仅是统计事件发生后资产涨跌的次数。由于这些事件发生的次数并不多，如果应用到事件驱动策略，那么可靠性是非常重要的，要测试这些事件是否具有交易的可行性。

　　综合春节、元旦、国庆这三个节假日的测试结果，金融市场的节假日效应可靠性不高。首先，事件同时性分析的多数结果不显著，在元旦效应的测试结果中仅有10年期国债出现了统计上显著的结果。具体看，10年期国债利率在元旦前下行在统计上显著的，不过对应的触发符合率明显低于前兆符合率，而且容差窗口参数为10、15和20，这个结果可靠性不高。其次，再看其他的资产表现，仅有前兆符合率在容差窗口在5以上的情形下获得了相对较高的结果。最后，落实到实际交易，节假日效应的交易窗口不可靠。

　　“两会”和中央经济工作会议都是每年事关经济政策的重要会议，不过模型测试结果显示“两会”效应不强，因此主要针对中央经济工作会议的交易窗口进行可行性分析，

　　中央经济工作会议的时间窗口比“两会”短，但其在金融市场中的影响力并不小。事件同时性分析的结果显示，商品指数在容差窗口和滞后窗口均为0的情况下，前兆和触发均出现了显著的结果，意味着商品指数在经济工作会议期间上涨的可靠性较高。然而，上证指数在经济工作会议前后的测试表现一般，而且在容差窗口和滞后窗口均为0的情况下，上涨的符合率并不高。

　　测试结果显示，中国央行降准的事件驱动策略并不存在一种显著的模式。一般，降准事件对于股市的影响较大，舆情反映强烈，多数解读为利好，上证指数在降准事件测试中并没有获得显著的统计结果，沪深300指数在计算触发符合率的容差窗口处于较高位置的情况下才获得了显著的统计结果，事件同时性分析的实证结果不支持股指对应降准事件的驱动策略。上证指数和沪深300都属于宽基指数，如果具体到行业指数，基建和房地产是对降准事件敏感的行业。基建和房地产两个行业指数对应降准事件的测试结果优于宽基指数，拒绝了部分触发的原假设，在较大的容差窗口下获得了显著的结果，意味着基建和房地产指数在降准之前上涨的比例高于降准之后，我们猜测降准之前市场存在预期或者降准宣布的日期早于具体降准日期。

　　除了股票市场，利率市场对降准事件也是较为敏感。不过，10年期国债测试结果显示容差窗口为10的情形下触发原假设被拒绝了，容差窗口较大，测试结果可靠性偏低。

　　商品指数对应降准的测试结果也不显著，但是前兆符合率的水平相对上证指数高些，商品指数在降准之后上涨的比例相对降准前高些。

　　中国央行降准的事件驱动策略，并没有可靠性较高的交易模式，降准事件发生前后的金融市场表现可能需要结合实际情况进行分析研判。

　　上证指数对应降息事件的测试结果，统计上显著的程度明显高于降准事件，多个情形下的触发原假设被拒绝，不过容差窗口的参数为15和20，容差的窗口偏高。沪深300指数在降息事件上的测试结果类似。

　　众所周知，对于房地产行业而言，降息意味着住房抵押贷款利率下调，对于地产需求的引导作用明显，我们测试的结果也与直觉一致，房地产指数在降息事件前后上涨在统计上是显著的，而且容差窗口和滞后窗口均为0。

　　中国央行降息的事件驱动策略是具有操作意义的，但操作标的除了直接影响的国债之外，房地产指数在降息前后的窗口具备交易的可行性。

　　在全球支付货币排行榜中，美元排第一，美联储降息造成的影响不言而喻，我们在实证部分测试的结果显示美联储降息的事件驱动策略具备可行性。

　　美元指数在美联储降息前后下跌在统计上是显著的，美债、CRB现货指数（食品）、布伦特原油现货价（FOB欧洲）、伦敦现货黄金、标普500指数和纳斯达克综合指数在美联储降息事件上的测试结果都是显著的，以上测试结果中容差窗口和滞后窗口均为0。需要注意的是，标准普尔500波动率指数(VIX)在定义的涨幅为10%的情形下取得了显著的统计结果，说明美联储降息事件对于波动率大涨的影响是显著的。

　　在测试的结果上看，美联储降息之前对于资产价格的影响可能更大，比如CRB现货指数（食品）、布伦特原油现货价（FOB欧洲）和伦敦现货黄金的触发符合率较高，意味着在降息之前上涨的比例更高，那么降息预期的发酵可能是主要的推动因素。

　　一般，金融市场在一些特定事件上会形成一些交易窗口，舆情会关注事件发生前后的交易机会，比如降准和降息这类事件，过往的研究仅是历史回溯和涨跌次数统计。我们借鉴地球系统科学领域Jonatan F. Siegmund等人的量化模型，实证分析特定事件与金融资产涨跌的同时性，即探究特定事件发生前后的金融资产是否有交易机会。在实证部分，安排了元旦、国庆、春节、“两会”、中央经济工作会议、中国央行降准、中国央行降息和美联储降息（联邦基金利率）这些特定事件，对应的金融资产包括股指、国债、商品和外汇等标的，实证结果表明：

　　第一，综合春节、元旦、国庆这三个节假日的测试结果，金融市场的节假日效应可靠性不高；

　　第二，模型测试结果显示“两会”效应不强，不过商品指数在经济工作会议期间上涨的可靠性较高，具备交易的可行性；

　　第三，中国央行降准的事件驱动策略，并没有可靠性较高的交易模式，降准事件发生前后的金融市场表现可能需要其他模型辅助判断；

　　第四，中国央行降息的事件驱动策略是具有操作意义的，但操作标的除了直接影响的国债之外，房地产指数在降息前后的窗口具备交易的可行性；

　　第五，美联储降息的事件驱动策略具备可行性，美债、CRB现货指数（食品）、布伦特原油现货价（FOB欧洲）、伦敦现货黄金、标准普尔500波动率指数(VIX)、标普500指数和纳斯达克综合指数都是可交易的标的。

　　我们依据Jonatan F. Siegmund等人的量化模型，得到的实证结果中，有一部分与直觉不一致，比如降准事件。降息事件与资产价格逻辑紧密，取得显著的结果，符合预期。“历史会重演，但不会简单地重复”，通过量化模型来检验特定事件与金融市场波动的同时性，可以为事件驱动策略的执行提供一个客观的依据。展望未来，我们将继续探究系统科学领域的方法论在金融市场上的应用。FB体育 FB体育平台FB体育 FB体育平台FB体育 FB体育平台