NBER资产定价精华

对三篇资产定价论文的分析揭示了市场的多个侧面：证券借贷市场因高昂的借贷费而存在巨大的负收益机会，表明投资者应避开此类股票；大规模的需求冲击反而比小规模冲击引起更小的价格弹性，暗示套利者对微小价差不敏感；而利用两百年的新闻大数据通过历史相似性来预测回报，则展示了处理高维数据进行预测的挑战与新方法。

证券借贷市场的巨大无效性

一项研究揭示了一个惊人的发现：持有那些借贷做空成本极高的股票，会产生每年高达 -75% 的 alpha。这远超之前发现的类似效应。

• 这个投资组合主要由小型、高价且难以做空的股票构成。
• 大多数股票的做空年费率仅为 0.25%，但某些特定股票的费用会飙升至极高水平。
• 数据显示，从 2010 年到 2005 年中期，持有借贷费率超过 50% 的股票组合，其价值几乎归零。

根据有效市场理论，投资者不应能系统性地赚钱，但也不应系统性地亏钱（除非支付过多费用）。这里的关键在于：

如果你持有这些股票，同时将它们借出并获得全额费用，那么你的最终收益将是零。借贷费用完全抵消了股票价值的损失。

然而，现实中近一半的费用被借贷代理和主经纪商等中间环节吞噬。对于普通投资者来说，最实际的策略就是避免持有这类股票。即使是追踪指数的基金，如果规则不够灵活，也可能被迫持有这些表现糟糕的资产。

需求冲击的价格弹性

“向下倾斜的需求曲线”是当前金融学的一个热门话题。一项研究通过分析需求冲击的规模，得出了关于价格弹性的有趣结论。

• 小型冲击效应更大：大多数需求冲击规模很小（小于流通股的 1%），但它们对价格的边际影响很大，价格变动约为数量变动量的两倍。
• 大型冲击效应更小：当需求冲击规模超过流通股的 0.78% 时，其价格弹性反而降至仅为 1。

这个发现揭示了市场背后的机制：

套利者可能认为，为 1% 的价格上涨进行交易并不值得，但当价格上涨幅度更大时，套利才变得有吸引力。

这也解释了为何市场上会存在一些持续的价格偏差。一个微小的、永久性的价格上涨（例如 1%）只会对预期回报产生极小的影响（例如 1.5 个基点），因此许多市场参与者会选择忽略它。考虑到做空成本，价格可能需要偏离公允价值 17% 才值得进行套利。

用两百年新闻预测未来

一句名言“历史不会重演，但会押韵”引出了一项利用大数据预测经济的研究。这项研究试图解决经济预测中的一个核心难题。

核心挑战是所谓的 N»T 问题：我们拥有的信号（N）数量远远超过可用于评估这些信号的独立时间段（T）。在这种情况下，传统的回归分析方法不再适用。

研究提出的新方法是：

• 寻找历史相似期：利用报纸文本数据，找到与当前月份“最相似”的 5 个历史月份。
• 基于历史进行预测：通过计算这些相似月份之后一个月的平均结果，来预测未来的股票回报和宏观经济变量。

这种方法本质上是一种非参数估计，但也面临一些技术挑战。

在高维数据中，一个关键问题是“距离”的定义。随着维度增加，几乎所有数据点之间的距离都变得非常遥远。

研究中使用了向量之间的余弦相似度而非欧几里得范数来定义“距离”，这是一种更适合高维空间的方法。但这种方法忽略了变量的规模，并且对所有预测目标都使用相同的“相似”历史时期，这限制了模型发现特定变量对特定预测目标的独特作用。尽管如此，这项研究为如何处理海量数据提供了宝贵的思路。