第9章 围绕事件的方向性交易
许多传统的、低频的数量模型都假设了几个理想化的市场条件，而以下这个假设使用得颇为频繁: 市场会立刻吸收相关的可得的公共信息。并且有理论认为，好的长期数量化估值，只有当价格总是能够反应所有基本信息时才有可能实现(欲知更多细节，请参见Muth 在1961 年的理性预期，以及Fama 在1970 年的有效市场假说) 。
任何人只要见过在有新消息发布情况下的实际价格演变，都会注意到价格对新消息的调整很难说是立即反映出来的。事实上， 信息对价格的"约束"可以做以下描述: 价格首先会不稳定地摆动，然后确定在某一个范围内。价格从来不会在某个值上确定下来，无论多小，价格都会伴随所有市场情况的变动而波动。市场找到它最终的价格区间的过程被称为"摸索"( tâtonnement ) ，这个词源于法语的"不断试错" 。
价格在向最优价格摸索的过程，通常发生在买家和卖家通过订单的流向进行隐含试协商的时候。
新闻报道能被立刻收到，而且能实现交易分笔挂单，所以高频交易商完全具有从消息对市场的影响中获利的优势。通过套利价格围绕着每一条信息的波动，高频交易商的高频策略进一步体现了一个常见的好处: 它们使得现实市场越来越接近他们的理想状态，所有的价格瞬间根据最新的新闻更新。本章讲述的高频交易策略，是在市场行动围绕整个市场范围事件的基础上交易，比如新闻公告和其他事件。
开发基于事件的方向性策略
基于事件的方向性策略( directional event-based strategies) 指的是， 一类利用市场对事件的反应进行交易的策略。这些事件可以是经济事件，也可以是行业相关事件，这些事件会重复地对所感兴趣的证券产生影响。例如，美国联邦基金利率的意外上涨会使美元持续升值，与此同时提高美元/加元的汇率，并降低澳元/美元的汇率。因此，美国联邦基金决议的宣布是一类可以持续的并且有利可图的套利事件。
事件套利策略的目标，就是在每个事件发生的时间窗口内建立能够产生盈利的投资组合。一个时间窗口通常是一段在事件发生前的一瞬，在事件发生后的很短时间内结束。对于事前就有预期的事件，比如按确定时间分布的经济数据等，在这种情况下，或者刚刚公布之后就建立投资组合头寸，这个组合在消息公告后迅速就会被清算。
交易头寸的持有可以是任何时长，从几分之一秒到几个小时，并且能够以低波动率产生稳定的利润。对事件的响应速度经常会决定交易收益，响应得越快，策略抓住事件公布后价格向均衡价格调整所产生的一波价格变动的可能性就越大。因此，事件套利策略非常适合高频交易，并且在完全自动的交易环境中执行能够获得最大盈利。
开发事件套利交易策略需要利用到关于价格均衡方面的研究，还需要利用杠杆统计工具来评估分笔交易数据和立即发布的事件。本章接下来的部分，我们将简要介绍学术界对事件价格影响的研究。现在，我们来开始讨论开发一个事件套利交易策略的机制。
大部分事件套利策略都遵循以下三阶段的步骤。
1. 对每一类事件，确定历史上这类事件发生的日期和时间。
2. 以合适的频率计算所感兴趣的证券在步骤1 中事件前后的历史价格变动。
3. 在历史价格围绕过去事件的表现的基础上估计预期的价格反应。
过去某类事件发生日期和时间可以在各种网站上找到。大部分消息公告都在一天的同一时间发生，这使得收集数据的工作变得简单了很多。例如，美国失业率数据总是在东部时间上午8:30 公布。还有一些信息，比如美国联邦开放市场委员会的利率变动，是在白天发布时没有什么时间规律，收集这些数据就需要花更多功夫。一些公司，比如路透社、Reuters 、Dow Jones 、RavenPack 、SemLab 、HFTIndex.com 和AbleMarkets.com ，会以机器可读的格式发放新闻和其他可交易数据。这使得事件驱动策略的自动化进一步简化。
什么构成了一个事件
事件套利策略中的时间可以是任何的经济活动新闻公布、市场干扰，或者其他影响市场价格的时间。事件的重复发生使得研究者能够估计事件的历史影响，并且将这种影响投射到未来。
不同事件的量级( magnitude) 不同。有些事件可能会对价格有正向或负向的影响，还有一些事件可能会产生相比其他事件更为严重的后果。一个事件的量级可以用实际发生事件的数据对预期值的偏离大小来衡量。在经济上，这个偏离经常被称为"意外" 。例如，在一个比预期高或低的业绩报告之后，一只股票的价格应该调整到未来现金流的净现值。然而，如果利润和投资者预期相同的话，价格就不会变动了。类似地，在一个外汇市场上，一对外汇的水平应该对未被预期的变化做出改变，比如居民消费价格指数(CPI) 水平的变动。然而，如果CPI 刚好和市场预期的一致，那么几乎不会有变化发生。
在统计数据正式被公布之前，市场参与者就会对事件的数据形成预期。许多金融经济学家会基于连续市场观察，政治变量和纯粹的新闻舆情来预测通货膨胀率、收入以及其他经济数据。当相关事件变得可以预测时，市场参与者就会在预期的基础上进行证券交易，在正式宣布发生之前将他们的预期加在价格之上。
衡量新闻影响的关键步骤之一，是将意想不到的变化或新闻与预期的变化和价格定价方法分离。早期的宏观经济事件研究(如Frenkel，1981 ; Edwards , 1982) 假设大多数经济新闻会随时间推移而缓慢变化，因此在过去几个月或几个季度中观察到的趋势，将是在下一个预定的新闻发布日所公布数据的最佳预测值。新闻或是新闻中的未预期部分，就是公告中公布的数值与自回归分析所得的预期值之间的差异。
之后的研究者，比如Eichenbaum 和Evans ( 1993 )以及Grilli 和Roubini( 1993 )曾经用自回归预测过中央银行的决策，包括美联储的决策。同样，中央银行行为的自回归预测性的原理在于，考虑到剧烈的变化会引发大规模的市场混乱，中央银行并没有对他们控制的经济变量做出巨大改变的自由。取而代之的是，为了将经济引到预期的方向，中央银行会采取并实施一系列长期行动，逐步调整它们所控制的变量，如利率和货币供应量。
经验数据表明，用自回归的方式定义的新闻影响，这个框架确实可以用来预测未来证券的变化。然而，事件的影响只在相对较短期限内表现才明显一一比如日内数据。Almeida 、Goodhart 和Payne ( 1998 )记录了宏观新闻的发布后， 5 分钟的间隔下，取样的美元/德国马克汇率的受到显著影响。不过，关于美国非农就业数据和消费者信心指数对价格变动的影响，能够持续到消息公布之后的12 小时甚至更久。
后来，人们根据相对此前公布的经济学家预测平均值来衡量宏观经济数据中未预测的部分。例如，《巴伦周刊》 (Barrons) 和《华尔街日报》 (Wall Street Journal) 都会刊登接下来一周即将公布数据的一致预期，正如彭博和路透社所做的一样。这些预测是对领域内的专家进行调查后产生的。
预测方法
预测的开发涉及非常详细的围绕关键性事件公告的交易数据的研究。对事件的研究考量了围绕公告对新闻事件相关的收益的定量化影响，一般有如下执行步骤。
1. 确认并记录公告的日期、时间和事件的"超预期"的变动。为了创建出有效的模拟测试，事件和事件前后交易的证券价格的数据库必须非常详细，必须仔细将事件分类，报价和成交的数据必须在高频基础上进行抓取。
未预期的部分成可以用以下两种方式来测量:
● 实际值与基于自回归分析的预测值之间的差值。
● 实际值与分析师一致预测值之间的差值。
2. 计算出所研究的证券在信息公布前后所关注时间段的收益率。例如，如果研究者对评估CPI 发布事件对美元/加元汇率在1 秒内变化的影响感兴趣，他们就可以用过去CPI 公布日的历史数据去计算上午8:30:00~8:30:01美元/加元汇率1 秒内的变化(美国CPI 公告总是在东部时间上午8:30 发布)。
3. 用简单线性回归方程估计公告的影响:
Rt = α+β△Xt+ εt
式中， Rt是按公告顺序排列的利益相关证券的收益向量; △Xt 是按公告顺序排列的"超预期"的变化向量; εt是关于消息公告的特异性误差; α 是回归方程的截距，用来表示除了公告超预期的其他因素导致的收益变化; β 衡量了公告对所分析证券收益的平均影响。
在计算股票价格变化时，需要使用宏观形势变化对其进行调整，以消除其对股票价格的影响。这些调整往往用夏普( 1964 )的市场模型来表示:
式中，"∧"符号表示平均估计，
是在历史数据基础上利用市场模型估计的股票预期收益:
Ball 和Brown ( 1968 )第一次使用了这种方法，这种估计方法到今天为止已经产生了统计显著性的交易机会。
在任何一个平常的交易日，世界上都有大量的经济公告产生。这些公告可能关系到某一公司、某一行业或某一国家，甚至像宏观新闻那样，具有全球影响力。公司的新闻公告通常包括季度或年度业绩报告、收购和兼并公告、新产品发布等。行业新闻包括某国行业监管法规、关税，以及行业经济环境的改变等。宏观经济新闻包括主要中央银行的利率公告、政府发布的宏观经济指标，以及区域经济表现评估数据等。
随着科技的发展，如RSS 资讯、提醒、专线报道，还有谷歌之类公司的新闻聚合引擎等，现在公告公布后投资者就可以立刻获取。一个良好的自动化事件套利系统能够抓取新闻，将事件分类，并且根据历史数据将事件与证券对应起来。不同的公司提供不同的机器可读的数据流，这些数据流可以被计算机轻易解析并用作事件驱动策略的输入量。提供机器可读产品的公司包括托马斯路透社、道琼斯和大量其他的小公司。
一个实际例子
最新的美国通货膨胀率数据每月在预定日期的上午8:30 公布。当消息公布时，美元/加元即期汇率和其他货币对美元汇率都会即刻有一次性调整，至少从理论上说是这样。如果识别出这些调整实际发生的时间和速度，我们就可以构建有利可图的交易组合，这些组合能够抓取紧随最新通货膨胀数据公告之后的价格水平变化。
确定一个可盈利的交易机会，第一步是定义从公告开始到交易机会结束的时间段，这个时间段被称为"事件窗口" (event window) 。我们挑选了最近美国通货膨胀数据公告的， 2002 年1 月~2008 年8 月的分笔数据样本。由于所有的美国通货膨胀率数据公告均在东部时间上午8:30 公布，我们将上午8:30~9:00 定义为交易窗口， 并且下载了这个时段内所有的报价和交易数据记录。我们将数据进一步分为5 分钟、1 分钟、10 秒和15 秒的区间，接下来测量了5 分钟、1 分钟、10 秒和15 秒的美元/加元即期汇率的收益变动。
购买力平价( purchasing power parity , PPP) 理论指出，本币和外币的即期汇率就是国内和国外购买力之比，当美国通货膨胀率变化时，原本的购买力平价平衡就会被打破，从而促使以美元为基础的汇率调整到新的水平。当美国的通货膨胀率上升时，美元/加元的汇率会同时上升，反之亦然。为了让问题更简单一些，在本例中我们只考虑通货膨胀数据公布所带来的影响，忽略市场在公告之前对通货膨胀数据的预期值做出的调整。
符号检验法能够告诉我们，在上午8:00~9:00 的"交易窗口"之内，如果市场对数据公布时间有恰当和一致的反应的话，这样的反应存在于怎样的时间间隔下。我们的数据样本仅包括公布通货膨胀数据的那些交易日，表9-1 展示了主要的统计结果。
就美国通货膨胀数据公布后的5 分钟间隔的数据来看，发现似乎美元/加元只对美国通货膨胀率的下降做出持续反应，并且这个反应是瞬时完成的。当通货膨胀率下降时，美元/ 加元汇率在上午8:25~8:30 的5 分钟区间内，以95% 的统计置信水平做出下降反应。这个反应可能潜在地支持了瞬时调整假说，毕竟美国通货膨胀新闻是在上午8:30 公布的，这个时间对通货膨胀率下降的调整看起来已经完成了。如果通货膨胀率有所上升，则不存在任何有统计显著性的反应。
更高频率的抽样间隔则向我们展示了另外一幅景象一一调整在短期内爆发式地发生。例如，在1分钟的时间间隔，我们可以看到，对通货膨胀率上升的反应在上午8:34~8:35 持续发生。因此，这个消息公布后的价格调整，能够带来一个持续稳定的盈利机会。
如果将数据以30 秒的间隔细分，我们观察到交易机会进一步增加了。对通货膨胀率上升的公告来说，价格调整在公告后四个30 秒的时间间隔都可以发生。对显示通货膨胀率下降的公告来说，价格调整在公告后一个30秒的时间间隔内可以发生。
再进一步检查15 秒的时间间隔，我们注意到甚至更多时间内有持续的交易机会。对通货膨胀率上升的公告来说，有五个15 秒的时间间隔美元/加元都对上午8:30~9:00 的通货膨胀公告做出了持续上升的反应，因此出现了唾手可得的交易机会。在同样的上午8:30~9 : 00 区间内，持续伴随通货膨胀率下降的公告的是六个15 秒的时间间隔。
总的来看，我们观察的时间间隔越短，能发现的货币对信息有统计显著性的反应次数就越多。这些机会短期的本质使得它们更适用于系统交易(比如黑箱交易)的方法，如果系统交易实施得好，可以减少执行延迟的风险，减少持有成本，并避免人类判断可能发生的昂贵错误。
可用于交易的新闻
这一节总结了不同的事件类型和它们对特定金融工具的影响。这些事件的影响可以从各种学术资源中得出。因为这些研究第一次是由于机器可读新闻的大量产生和对这一系列交易策略的广泛兴趣才发表的，这些新闻影响的时间框架可能已经大大缩短。然而，描述的影响是基于很强的基本面因素，并且这种影响很容易持续，即使对更短的时间段来说也是如此。一些纳入研究的低频数据估计了这种影响，而研究中使用的高频响应变量则倾向于更有可比性，甚至更加明显。
公司新闻
公司活动，比如利润季度或年度的公告，显著地影响了公告发布公司的股票价值。未预期的正向利润通常提升股票价值，未预期的负向利润经常降低企业股票估值。
分析师会在业绩公布之前对业绩做出预测。如果实际公布的数据与分析师预测的数据不一致，会导致证券价格快速调整到新的均衡水平。实际公布的数据与分析师预测数据的中值或均值的差异，就是公布数据的未预期部分，在估计事件对价格的影响时，未预期部分是影响价格的关键变量。
理论上讲，股票的价格应该等于公司未来现金流量的现值，而贴现时既可以取决于资本资产定价模型所确定的利率，也可以使用Ross ( 1977 ) 提出的套利定价理论，或者是特定投资者的机会成本:
式中， E〔Earnings〕 是公司在未来t 时刻的预期现金流量; Rt是t 时刻的股息贴现到当下的贴现率。未预期的业绩变化会使价格产生快速的反应，股票价格会迅速对新的业绩信息做出调整。
如果实际业绩大幅偏离预测值，会导致市场大幅波动甚至市场的崩溃。为了避免业绩报告对总体市场产生过大的影响，大部分业绩报告都选择在股市收盘后才发布。
其他公司层面的新闻也会影响股票的价格。例如，股票分割效应就被Fama 、Fisher 和Roll ( 1969 )证明，他们发现相对于股票的均衡价格水平，股价往往会在分割之后有所上升。
事件套利模型包括了业绩报告对不同公司会有不同影响的现象。公司市值大小是研究最为广泛的公司层面的影响因素之一(欲知更多细节，详见Atiase , 1985; Freernan , 1987; Fan-fah, Mohd and Nasir , 2008) 。
行业新闻
行业新闻，主要由法律法规和监管的制定和新产品的发布等组成。这些公告会影响整个行业，并且倾向于使市场内的所有证券都朝同一个方向波动。不像宏观新闻那样是用系统的方式收集和发布的，行业新闻通常是无规律出现的。
对监管法规决策的实证研究表明，那些放宽某一特定行业的政策通常会导致股票价格的上升，而收紧政策会压低股票价格。Navissi、Bowrnan 和Ernanuel ( 1999 )的研究结果就是证据之一，他们发现，放松或取消价格管制的公告会导致股票价格的上升，而价格管制则会压低股票价格。Boscaljon(2005 )也发现，当美国食品药品监督管理局( FDA ) 放宽广告法规时，往往也伴随着股票价格的上涨。
宏观经济新闻
一些政府机构会在预先确定的时间内，公布各项宏观经济决策和一些经济指标。例如，利率就是由中央银行的一些经济学家确定的，比如美联储或英格兰银行。另一方面，像CPI 之类的指标通常不是人为确定的，而是由一些国家中央银行的附属机构调查研究后得出的。
其他宏观经济指标一般是由研究部门发布的，包括营利性和非营利性的私人机构。例如， ICSC 高盛连锁店销售指数，这些指数是由国际购物中心协会(ICSC ) 编制，并由高盛集团进行支持和推广。这个指数跟踪了样本零售点的每周销售情况. 并且以此作为消费者信心的指标:消费者对经济和他们未来收入潜力越自信，他们的零售消费就越高，这个指数也越高。其他的指标也用来衡量经济活动的不同方面，包括从不同国家的麦当劳汉堡相对价格水平，到石油供应，以及特定行业的就业水平等。
表9-2 展示了2009 年3 月3 日周二这个普通交易日的宏观经济数据的发布计划表。欧洲的经济数据经常在欧洲的上午交易时段发布，而这时北美市场已经收盘了。美国和加拿大政府的大部分宏观经济数据通常是在北美的上午交易时段公布，也刚好是欧洲的下午交易时段。大部分来自亚太地区的经济数据，包括加澳大利亚和新西兰，都是在亚洲的上午交易时段发布的。
大多数公布的经济数据都有"一致预期值"，它是对不同金融机构分析师的预测值的整合值。一致预期值常常由彭博等大型媒体数据公司发布，它们每周对分析师的预测进行调研，并且计算出行业的平均预期值。
宏观经济新闻来自世界的每个角落。人们常常通过事件研究来估计它们对货币、商品、股票、固定收益和衍生工具的影响，以此衡量新闻对利益相关证券价格的持续影响力。
事件套利的应用
事件交易可以应用于许多资产类别，然而每一事件对每种金融、工具的影响却有可能是不同的。这一小节研究了事件对不同金融工具的持续影响。
外汇市场
Almeida 、Goodhart 和Payne ( 1997 ) ; Edison ( 1996 ) ; Anderson 、Bollerslev 、Diebold 和Vega ( 2003 ); Love 和Payne ( 2008 )，还有许多其他学者，都研究过外汇市场对宏观新闻的反应。
Edison ( 1996 )发现，外汇市场对实体经济活动的新闻做出的反应更为显著，比如非农就业数据。Edìson ( 1996 )特别指出，非农就业数据非预期每增加100000 人， 美元汇率就会平均上涨0.2 个百分点。与此同时，他还发现，通货膨胀数据对外汇汇率基本没有影响。
Andersen 等人( 2003 )基于时间戳的插值，以精确的5 分钟为间隔，对外汇报价进行了分析，他们的研究表明，根据信息发布的内容，平均汇率会快速有效地调整到新的水平。然而，在大多数新闻公告之后，波动性需要更长的时间才能逐渐消失。他们还发现， 利空消息通常比利好消息具有更显著的效果。
Andersen (2003 )等人将由国际货币市场服务( lnternational Money Market Services , MMS) 整理的一致预期，用作估计发布新闻中欧未预期部分的基准。他们对外汇汇率5 分钟变化Rt 建立模型如下:
式中， Rt-1是5 分钟即期汇率的i 周期的滞后值; Sk, t-j是第K 个基本面变量的j 周期滞后值的超预期部分;εt随着时间以及日内季节性差价变化而变化的波动率。Andersen ( 2003 )等人估计了以下变量的影响:
● GDP (初始值、修正值、终值);
● 非农就业数据;
● 零售数据;
● 工业生产值;
● 产能利用率;
● 个人收入;
● 消费者信贷;
● 个人消费支出;
● 新屋销售额;
● 耐用品订单;
● 建设支出;
● 工厂订单;
● 商业库存;
● 政府预算赤字;
● 贸易收支平衡;
● 生产者物价指数(OPI);
● 消费者物价指数(CPT);
● 消费者信心指数;
● 供应管理协会(ISM) 指数[正式称为全国采购经理协会(NAPM) 指数] ;
● 房屋开工率;
● 领先指标指数;
● 联邦基金利率目标;
● 首次申请失业救济人数;
● 货币供应量(M1 、M2、M3);
● 就业率;
● 制造业订单;
● 制造业产量;
● 贸易差额;
● 经常账户;
● 生产者价格;
● 批发价格指数;
● 进口价格指数;
● 货币存量M3 。
Anderson 、Bollerslev 、Diebold 和I Vega (2003 ) 研究了以下几个货币对: 1992 年1 月3 日-1998 年12 月30 日的英镑/美元、美元/日元、德国马克/美元、瑞士法郎/美元和欧元/美元。他们发现，在99% 的统计显著性下，所有的货币对都对下列指标的超预期改变有积极的反应: 非农就业数据、工业生产指数、耐用品订单定数、贸易差额、消费者信心指数、全国采购经理协会指数。所有的货币对都被认为对首次申请失业救济人数和货币存量M3的超预期增加做出消极反应。
Love 和Payne (2008 )的研究，显示了不同国家的宏观经济数据会对不同的货币配对产生影响。Love 和Payne ( 2008 )研究了源于美国、欧元区和英国的宏观经济新闻对欧元/ 美元、英镑/美元和欧元/英镑的影响，发现英镑/ 美元受英国经济数据影响最大。Love 和Payne (2008 )还在文章中研究了公布的指标，对三个地区各自货币的具体影响，其发现展示在表9-3 中。
股票市场
一个典型的交易日总是充满了各种宏观经济数据的公告，包括国内的和国外的。宏观经济新闻是如何影响股票市场的呢?
根据古典金融学理论，股票价格的变动主要由两个原因造成: 上市公司预期股息的变化，以及这些公司相关的贴现率的改变。例如，消费者信心和消费者消费支出的提高很有可能会刺激零售额的增长，进而提高零售机构的潜在利润。然而，劳动力成本的上升，可能会预示艰难的商业困境，从而降低股息的预期值。
现实中，宏观经济数据是如何影响股票价格的?大量的实证研究表明，股票价格对利率的公告有着较强烈的反应，但是对其他宏观经济数据的反应不那么明显。长期利率和短期利率的下降事实上都会对股票的月度收益产生积极的影响，并且长期利率有90% 的统计置信水平，短期利率有99% 的统计置信水平( 欲知具体案例，请看Cutler 、Poterba ， and Summers , 1999)经验之感，价格最大的调整发生在公告发布时间的几秒钟或几分钟之内。
股票对非货币宏观经济数据的反应通常不一样。在其他市场条件不变的情况下，通货膨胀的上升倾向于降低股票的投资收益(欲知更多细节，参见Pearce and Roley , 1983 , 1985) 。几个其他宏观经济变量的影响视经济周期的具体状况而定。在经济衰退时期，比预期要高的工业生产值对股市来说是好消息，但是根据McQueen 和Roley ( 1993 )的研究发现，在经济高速活动的时期这却是坏新闻。
类似地，失业统计数据的未预期改变，对股市的影响也视经济情况而定。例如， Orphanides ( 1992 )的研究发现，只有在经济扩张时失业率的上升才会使股票的收益也会上升; 在经济萎缩时，股票收益会随着失业率的升高而下降。Orphanides ( 1992 )将这种股票的不对称反应归因于"过热假说"(overbeating bypothesis) :当经济过热时，失业率的上升实际上是好消息。这些研究发现已经被Boyd 、Hu 和Jagannathan ( 2005 )证实。对宏观经济数据的不对称反应并不仅仅限于美国市场。例如， Loflund 和Nummelin ( 1997 )就在芬兰股票市场上观察到，对预期外的工业生产数据的不对称反应;他们发现，在经济萧条状态下，比预期高的生产增长率会使得股票更强势。
不管宏观经济数据的公告是否会改变股票价格，这些公告的公布总是伴随着市场波动性的增加。尽管Schwert ( 1989 )指出，股票市场的波动性并不一定和其他宏观经济因素的波动性相关，不过预期之外的宏观经济数据已经被证明对市场波动性有显著的影响。例如，Bernanke 和Kuttner (2005 )的研究显示，美国开放市场委员会( FOMC) 公布利率的未预期变动，会导致股票收益率波动幅度的增加。Connolly 和Stivers (2005 )记录了组成道琼斯工业平均指数成分股的波动情况，作为对美国宏观经济数据的反应。更高的波动性预示了更高的风险，并且金融学理论告诉我们更高的风险应该伴随着更高的收益。事实上，Savor 和Wilson (2008) 的研究证明，股票收益在有美国主要宏观经济数据新闻公告的日子里，要比没有主要公告的日子要高。如果新闻是有关CPI 、PPI 、就业数据或FOMC 的利率等， Savor 和Wilson (2008 )就认为它们是"主要新闻"。Veronesi ( 1999 )证明，经济环境不稳定时，也就是资产价格不确定性更高的时期，投资者会对宏观经济数据更加敏感。在欧洲市场方面， Errunza 和Hogan ( 1998 )发现，货币和实际宏观经济数据对欧洲最大的股票市场的波动性有非常强烈的影响。
不同来源的信息会以不同的频率影响股票。随着股票贯彻数据频率的增加，宏观经济对股票数据的影响会越来越明显。例如， Chan , Karceki 和Lakonishok ( 1998 )分析了在套利定价理论框架下的美国和日本市场的月度收益，并且发现，股票自身的一些独特性质对未来收益最有预测能力。通过利用因子模拟组合， Chane 等人( 1998 )证明了，规模大小、过去收益、账面市值比，以及股票本身的股息收益率，是与相应股票的收益联动(共变)最多的因素。然而， Chan 等人( 1998 , p.182) 记录到，在月度收益频率之下，"宏观经济因素不能很好地解释股票收益的共变"。Wasserfallen ( 1989 )发现，宏观经济数据对季度股票数据没有任何影响。
Flannery 和Protopapadakis (2002) 发现，几种类型的宏观经济数据对美国股票日收益的影响非常显著。作者估计了独立变量的广义自回归条件异方差(GARCH) 收益模型，发现以下宏观经济公告对股票的收益和波动性均有显著影响: CPI、PPI 、货币供应量、国际贸易差额、就业报告、房屋开工率等数据。
Ajayi 和Mehdian ( 1995 )记录到，发达国家的外国股票市场，通常会对美国的宏观经济数据的公告有过度反应。因此，外国股票市场倾向于对基于美元的汇率和国内经常项目平衡表现比较敏感。例如， Sadeghi ( 1992 )注意到，在澳大利亚市场上，股票的收益率会随着现金账户赤字、澳元/美元汇率、实际净国内生产总值( GDP) 的增加而增加，而股票收益会随着国内通货膨胀或利率的上涨而下降。
来自不同行业的上市公司的股票已经被证实对宏观经济公告各有不同的反应。例如， Hardoucelis ( 1987 )指数金融机构的股票，对货币调整的公告呈现更高的敏感性。股票的市值看起来也会有影响。Li 和Hu ( 1998 )的研究表明，市值高的股票对宏观经济的未预期改变的反应，比小盘股更为敏感。
宏观经济数据中"超预期"程度的大小，对股票价格的影响略有不同。例如， Aggarwal 和Schirm ( 1992 )的文章显示，当超预期的部分较小，偏离均值在一个标准差之内时，会相比较大超预期对股票和外汇市场会造成更大的变动。
固定收益市场
Jones 、Lamont 和Lumsdaine ( 1998 )研究了就业和PPI 数据对美国国债的影响。研究者发现，尽管债券价格的波动性会在公告当天显著加大，但波动性并没有持续到公告日之后，这也说明了公告的信息会迅速被整合到了价格之中。
Hardouvelis ( 1987 )和Edison ( 1996 )的研究，注意到了就业数据、PPI 和CPI 都会影响债券价格。Krueger ( 1996 )记录了一次美国失业率的下降，导致美国财政部发行的票据和债券更高的收益率。
关于债券市场对宏观经济公告的高频研究包括: Ederington 和Lee( 1993 ); Fleming 和Remolona ( 1997 , 1998 , 1999); Balduzzi , Elton 和Green (2001 ) 0 Ederington 和Lee ( 1993 )和Fleming 和Remolona ( 1998)证明，在数据公告后的两分钟之内，新的信息就会被充分包含到债券价格之中。Fleming 和Remolona ( 1999 )估计了高频环境下宏观经济公告对整个美国国债收益曲线的影响。Fleming 和Remolona ( 1999 )测量了10 种不同的公告分类的影响: CPI、耐用品订单、GDP 、房屋开工率、失业率、领先指标指数、非农就业数据、PPI 、零售销售和贸易差额。Fleming 和Remolona( 1999 )将宏观经济数据的超预期部分，定义为实际宣布数字减去汤森路透对该数据的一致预期值。
Fleming 和Remolona ( 1999 )所研究的10 种宏观经济数据都是在上午8:30 公布的。研究者接下来测量了上午8:30 ~ 8:35 新数据公布对整个收益曲线的影响大小，并且记录了对宏观变量1个百分点的正向超预期变化导致的统计显著的平均变化。结果在表9-4 中。正如表9-4 展示的一样，失业率1个百分点的"超预期"上升会引起3 月期国债收益95% 置信水平下0.9 个百分点的下降，引起2 年期国债收益99% 置信水平下1.3 个百分点的下降。
相应的30 年期国债收益的平均下降值统计上没有显著性。
期货市场
Becker , Finnerty 和Kopecky ( 1996 ), Ederington 和Lee ( 1993 ) ,Simpson 和Ramchander ( 2004 )研究了宏观经济新闻对期货市场的影响。Becker、Finnerty 和Kopecky ( 1996 ), Simpson 和Ramchander ( 2004 )的研究显示， PPI 、商品贸易、非农就业数据和CPI 的新闻公告会对债券期货的价格产生影响。Ederington 和Lee ( 1993 )发现，由新闻导致的利率期货和外汇期货的价格调整，往往在数据发布之后的1 分钟内就会发生。然而，新闻引起的价格波动可能经常会在接下来的15 分钟内持续。
新兴经济体
很多人都研究了宏观经济新闻对新兴经济体的影响。例如， Andritzky 、Bannister 和Tamirisa (2007 )研究了宏观经济数据公告是如何影响债券患差的。他们发现美国新闻具有主要影响，而国内公告却并没有产生很大的影响。然而， Nikkinen 、Omran 、SahLström 和Äijö (2006 )对股票市场做了类似的分析，发现尽管成熟的股票市场会立刻对美国宏观经济公告做出反应，新兴权益市场却不会被影响。Kandir ( 2008 )估计了宏观经济数据对伊斯坦布尔交易所的影响，发现土耳其里拉/ 美元汇率、土耳其的利率和全球市场收益率显著地影响了土耳其的股市，反而一些国内的经济数据变量(如工业生产和货币供应) 几乎没有影响。Meradoglu 、Taskin 和Bigan (2000 ) 发现，新兴经济受全球宏观经济变量的影响，而受影响程度取决于新兴市场的规模及其世界经济联系的紧密程度。
然而，东盟(ASEAN) 国家主要受其国内经济数据变量的影响。Wongbangpo 和Sharma (2002) 发现，当地国民生产总值(GNP) 、CPI 、货币供应量、利率，会让以美元为基础的ASEAN 国家(印度尼西亚、马来西亚、菲律宾、新加坡和泰国)的利率显著地影响当地的股票市场。同时， Bailey ( 1990 )发现，美国货币供应量与亚太地区股票市场的收益率之间没有因果关系。
商品市场
商品市场的经验证据包括Gorton 和Rouwenhorst ( 2006 ) 的发现.他们记录了实体的经济活动和通货膨胀率对商品价格的影响。然而，新闻公告的影响并不完全相同，比预期要好的实体经济活动和通货膨胀率通常对商品的价格有一个正向影响，除非利率也上升因为利率的上升对商品价格有一个冷却作用。欲知更多关于商品价格和利率的关系，参见Bond ( 1984 ),Chambers ( 1985 )和Fra nk:el (2006) 。
房地产投资信托基金
由美国国会1960 年建立的房地产投资信托基金( real estate investment trust， REITs) 是比较另类的公开交易证券。美国REITs 在1991 年的总市值大约是900 万美元，截至2006 年已经稳定增长到3000 亿美元。REITs 像普通股票那样交易，但是它要求有以下的特殊结构: 至少75% 的REITs 资产应当投资于房地产，并且必须将90% 的REITs 应税收入作为股息。由于较高的股息支付率， REITs 可能会对宏观经济新闻有与普通股票不一样的反应。
Simpson 、Ramchander 和Webb (2007) 记录了通货膨胀对REITs 的影响。他们发现，不管通货膨胀率是未预期地上升还是下降， REITs 的收益率都会上升。Bredin 、O'Reilly 和Stevenson (2007 ) 研究了REITs 对未预料的美国货币政策变动的反应。作者发现， REITs 的反应与股票差不多一一联邦基金利率的上升会提高REITs 的波动性，降低REITs 的价格。
|总结|
围绕事件的方向性交易可以紧随消息的公布，并且在其他市场参与者做出反应之前就在狭窄的时间窗口产生利润。我们能对历史性数据的影响有正确估计，就能在市场信息公布前后做出有利可图的交易决策。
|章末问题|
1.下列哪一个是/不是一个高频交易意义土的可交易事件?为什么?
a. 标准普尔500 指数的开盘价比前一次的收盘价有正盈利
b. QE3 (由美国联邦政府主导的量化宽松)的公布
c. 就业数据的正常性公布
2. 在高频交易的背景下，哪些金融工具可以用于交易?
3. 假设有一只股票会对美国非农就业数据的正向变动，在15 分钟内上涨。最新的公告数据已被公布，并且变动是负向的。你的系统如何利用这个消息做出交易?
4. 凭直觉， 为什么某些东西(比如CPI) 的变动，会对期权价格产生短期影响?
5. 基于事件的方向性高频交易会让市场变得更有效还是更无效?