（金融学专业论文）价值溢价效应在A股市场的实证研究.pdf

论文题目：价值溢价效应在a 股市场的实证研究 专业：金融学 硕士生：林煜佳 指导教师：周开国副教授 摘要 自从五十年代资产组合理论诞生以来，资产定价理论就得到了极大的发展， 资本资产定价模型的提出更是受到了广泛的关注。c a p m 理论认为，资产收益 率的差异是由于不同资产的风险存在差异，较高的收益率意味着必须承担较高 的风险。随着全球金融市场的快速发展以及对资产定价理论的进一步研究， c a p m 理论日益受到来自各种实证研究结果的挑战。其中价值效应和规模效应 是两种最明显的证券市场“异象”，而f a m a f r e n c h 的三因子模型则首次将资产 投资风险归结为市场因素，价值因素和规模因素，并在实证领域获得了成功。 随后，由三因子模型剔除掉规模因素后简化而来的两因子模型在世界主要证券 市场也表明加入价值溢价因素可以很好地解释股票收益率的变动。 本文在前人研究成果的基础上，就a 股市场的价值溢价效应进行实证检验， 讨论中国证券市场是否存在价值溢价效应。然而，本文并不仅把重点放在对价 值溢价效应的检验上，更关注的是如果存在价值溢价效应，那么是否也存在由 该效应反转或者轮动而可能带来的投资机会。 本文对包含价值因素的两因子模型进行了改进，采用账面市值比和盈利股 价比对样本股票进行分组。选用中信标普3 0 0 指数内的股票2 0 0 0 年1 月到2 0 0 7 年1 2 月的日交易数据及月交易数据，通过多元线性回归、统计描述以及聚类分 析的方法，得出以下结论：改进两因子模型能对国内a 股市场的收益率横截面 数据做出良好的解释；a 股市场存在明显的价值溢价效应，且在样本观察期内 存在反转或轮动的现象；当股票市场表现较好时，价值溢价效应比较明显，而 当股票市场表现较差时，价值溢价效应不明显且会出现反转和轮动的现象；不 过价值溢价效应总体的变动尚未能提供与股票市场和宏观经济紧密关联的证 据。 本文的研究结论对投资组合的决策和预测具有一定的指导意义，具有较好 的理论价值和应用价值。 关键词：改进两因子模型，价值溢价效应，反转，轮动 i i t i t l e ： e m p i r i c a la n a i y s i so fv a l u ep r e m i u me f f b c t i nd o m e s t i cs t o c km a r k e t m a j o r ：f i n a n c e n a m e ：l i ny u j i a s u p e r v i s o r ：z h o uk a i g u o ，a s s o c i a t ep r o f e s s o r a b s t r a c t a s s e tp r i c i n gt h e o r yd e v e l o p e dg r e a t l ya c c o r n p a l l i e dw i t ht h ei l a i s s a n c eo f m 破o w i t zp o r t f o l i os e l e c t i o nt l l e o 巧i i ll9 5 0 s ，a n dt h e n 晰l l i 锄s k 叩觚dj o l l i l l 缸e rr a i s e dt h ec a p i t a la s s e t 两c 吨m o d e l ( c a p m ) ，w h i c hi so mo ft h em o s t i m p o r t 趾t 脚d e li i lf m a n c i a l t h e o a c c o r d 吨t 0c a p m ，d i 虢r e n c e so fr e t l l n l a m o n gp o n f o l i o sa r ea t t r i b u t e dt op o t e n t i a lr i s kf a c t o r su n d e r l y i l l gd i 舒日e mc 印i t a l a s s e t s h o w e v e r ，w i t ht h er a p i dd e v e l o p m e mo fg l o b a lf i n a n c i a lm a r k e t ，m a n y r e s e a r c h e sf o u n dt h ee v i d e n c et l l a tm u c ho ft h ev a r i a t i o no f e x p e c t e dr e t u mw a sn o t p e 疏c t l yr e l a t e dt on l a r k e tb e t aw 1 1 i c hw ec a l l e di ta n o m a l y v a l u ep f e l m u ma n ds 切 e 疏c ti si n o s tp r 0 i 血e n t 锄o n gv a r i o u sa n o m a l i e s f a m aa n df r e j l c h1 1 1 r e e f a c t o r m o d e lf i r s t l ys u m m a r i z e dt h a tt h er i s k so fi 1 1 v e s t m e n t 硫l u d em a r i 衙f a c t o r ，v a l u e f 缸t o r 锄ds i z ef a c t o ra 1 1 dw a sp r o v e dw i t hh i 曲e x p l a 豫_ t i o nc 印a b i l i t y a r e r t l a t f a 】m - aa n df r e n c hu s et h r e ef a c t o ri n o d e lw h i c he l i m i i l a t es i z ef k t o ri ns o n 犯m a i l l s e c l l r i t i e s1 1 1 2 咄e t sa n d 南u n do b v i o l l sv a h l ep r e i i l i u me 虢c te x i s t e d o nt h eb a s i so fp r e v i o l l sr e s e a r c kt l l i st h e s i s 肿to m yi n v e s t i g a t e st h ev a l u e p r e i i l i u me f i e c t i i lc 1 1 i i l e s es t o c km a r k e tb u ta l s 0c o n c e n t r a t eo nw h e t h e rv a l u e p r e i i l i u me 艉c t 晰l lr e v e r s ea n dt 啪o v e r 1 1 1 i st h e s i s i i n p r o v et r a d i t i o i l a it w o - 矗l c t o ri n o d e l ， g r o u p i i l g s t o c k si i l c i t i c s - s t 锄d a r da n dp o o r 、s3 0 0i n d e xw i t hb m 锄de pr a t i o b yt h e 聪t h o do f m u h i v a r i a t el i i l e a rr e g r e s s i o i l ，s t a t i s t i c sd e s c r i p t i o na n dc l u s t e r i i 坞锄a l y s i sw ec a l l d r a wt h ef b u o w i l l gc o n c l u s i o nt h a t ，i i n p r o v e dt w o 蠡c t o rm o d e il l a sa d e q u a t ep o w e r i t 0e x p l a i l lt h ec r o s s s e c t i o m lv a r i a t i o no f e x p e c t e dr e t u m s 访c h i n e s es t o c km a r k e t p r o m i i l e n tv a l u ep r e i l l i u me 艉c te x i s t sb u tt h ep h e n o m e n o no fr e v e r s a la n dt l n l n o v e r s t i l lh a p p e n e ds o m e t i i i l e s t h eg r e a tr & w o u l ds t r e n g t h e nt h ev a l u ep r e 耐u me 位c t 加dt h es l u m pw o u l dw e a k e nt h ep r e m i u me v e nm a l ( ei tr e v e r s e ，b u ti i lg e n e r a l ，t h e r e i sn oa n ye v i d e n c et os h o wt h en u c t u a t i o no fv a l u ep r e 耐u me 虢c ti sc l o s e l yr e l a t e d t os t o c km a r k e tp e r 南m ：1 a n c eo r m a c r o - e c o i l o m ys i t u a t i o n t h ec o n c l u s i o l l so f t h i st h e s i sc a nb eu s e da sg u i d et ot h e p o n 南l i oe s t a b l i s e m a n di i l v e s t m e n tf b r e c a s t k e y 、o r d s ：i r l l p r o v e dt w o - f a c t o rm o d e l ， v a l u e p r e 觚u me f f e c t ，r e v e r s a l ， t u m 0 v e r 第二章资产定价相关理论的研究综述 第一节m a r k o w i t z 的资产组合理论 m a r k o 谢t z 提出的资产组合理论指出了如何通过选择风险资产建立资产组 合，从而降低风险，开拓了证券投资的定量分析方法，为衡量证券的收益和风险 提供了基本思路。其分析框架成了建立现代金融的各理论分析的基础。 资产组合理论的提出解决了长期困扰证券投资的两个根本性问题。第一，资 产组合理论运用严谨的数学推导证明了证券的组合投资可以实现奉贤一定情况 下的收益最大化或收益一定情况下的风险最小化，从而证明了进行证券组合投资 的必要性。第二，m a r k o 砒z 的资产组合理论运用数理统计方法全面细致地分析 了何谓最优的资产组合以及如何选择最优的资产组合，从而为投资者进行证券组 合投资提供了指导。 同时，m 破o w i t z 的资产组合理论也存在着局限性。第一，m a r k o w i t z 对风 险的定义与描述存在着局限。资产组合理论将风险定义为证券未来预期收益率变 动的标准差。这一定义虽然使得风险的含义明确并且可以从量上进行测度，但却 导致将预期收益率有利于投资者的变动也同时划入了风险的范畴。而实际上这种 对于风险的定义更多地是为了满足数学模型建立和推导的需要，而非市场中的投 资者真正面对的风险。第二，m 2 u r k o 嘶t z 的资产组合模型需要计算组合内每一种 资产的预期收益率、方差以及不同资产间的相关系数。随着组合中资产数量的增 加，组合模型的计算量也呈几何倍数的增加，极大影响了资产组合理论在实践中 的检验和应用。 第二节资本资产定价模型 资本资产定价模型( c 印i t a la s s e tp r i c i i l gm o d e l ，c a p m ) 是由s l l a 印e 、l 硫n e r 和b l a c k 等人在资产组合理论的基础上于上世纪六十年代提出的，在投资学中占 有举足轻重的地位，可用于风险分析、资本预算、投资业绩评估和利用率控制等， 成为众多学者和投资者进行市场分析时经常使用的理论方法和工具。 4 c a p m 模型的表达式为：e ( 彤) = 母+ 觑e ( 如) 一哆】，其中= 谢， 表示某单个证券或某一组合的系统风险系数，e ( r 。) 表示该证券或投资组合的期 望收益率，r ，为无风险利率，e ( 如) 表示市场组合的期望收益率。而该模型也通 常称为s h a 印e l 缸n e rc a p m 。 而b l a c k ( 1 9 7 2 ) 在此基础之上对s 1 1 a 职l 缸n e rc a p m 进行了改进，取消 了原假定中允许无风险资产进行借贷的假设，而以允许对风险资产进行无限制的 卖空来替代，并将无风险收益率足，换成了市场组合中的零p 资产组合的收益率 ( 肘) ，从而得到： e ( r ) = e ( 如( m ) ) + 鼬【e ( 如) 一e ( 如 m ) ) 】，称为b l a c k c a p m 模型。 c a p m 在资产组合理论的基础上，引入了市场组合的概念，认为股票的预期 收益率与其相对于市场的风险系数p 呈正向相关关系，而且p 是导致股票横截面 预期回报率产生波动的唯一因素。c a p m 从理论上说明在有效率资产组合中，p 描述了任一项资产的系统风险，而非系统风险已经在分化中相互抵消掉了，任何 其他因素所描述的风险尽为b 所包容。 第三节c a p m 异象及f a m e f r e n c h 三因子模型的国际性研究 c a p m 理论因其逻辑和应用的简洁性受到了研究人员的极大关注，早期的实 证检验也显示了该理论的成功之处，但过多脱离实际的假设限制了它的应用范 围。然而后来的一些实证研究却显示在解释股票横截面收益率时，与 s h a r p e l 缸n e r - b l a c k ( s l b ) 模型存在矛盾的地方，关于该理论的异象( a n o 撇l y ) 开始被一些金融学者所发现。在众多的市场异象中，规模效应( s i z ee 腩c t ) 和 价值溢价( v a l u ep r e i i l i u m ) 即对于价值型股票和小规模股票来说，相对于b 值预测的理论收益率，在现实中往往会产生更高的实际回报得到了广泛的研 究。 其中最著名的是由b a n z ( 1 9 8 1 ) 提出的规模效应，他发现在s l b 模型中加 入股票市值这一解释变量能增加对横截面收益率的解释力度，而且小市值的股票 5 的平均收益率比大市值的要高。 另一个异象是由b l l a n d a r i ( 1 9 8 8 ) 提出的债务权益比与平均收益率存在正相 关关系，这似乎可以解释为财务杠杆是与风险和预期收益率相关的。但在s l b 模型中，杠杆风险应该已经被d 所涵盖，而b l l a n d a r i 却发现，实证检验中在解 释变量已经包括市值规模和p 的情况下，财务杠杆比率仍然有助解释股票的横截 面收益率。 此外，s t a l t m a n ( 1 9 8 0 ) 以及i b s e n b e r g 、r e i d 和l a n s t e i n ( 1 9 8 5 ) 则提出了 账面市值比效应，他们发现美国股票市场的平均收益率与公司普通股的账面价值 和股票市值之比( b m ) 存在正相关关系，而c h a n 、h a m a o 和l a l ( o n i s h o k ( 1 9 9 1 ) 也发现账面市值比对日本股票市场的横截面收益率有很强的解释力度。b a s u ( 1 9 8 3 ) 在此基础上发现每股盈利与股价的比率( e p ) 、市场规模以及b 值能较 好地解释美国股票市场的横截面平均收益率，b a l l ( 1 9 7 8 ) 认为由于e p 是一个 涵盖各种未知因素的综合指标参数，所以对于高风险的股票e p 也相对较高，因 此其预期收益率也应更高。b a l l 的理论也同样适用于市场规模、财务杠杆以及账 面市值比。所有这些变量可以被认为是对股票风险的不同描述。 在总结前人的基础上，f a m a 和f r e n c h ( 1 9 9 2 ) 利用1 9 6 3 1 9 9 0 年间的n y s e 、 a m e x 和n a s d a q 股票样本，运用横截面回归法研究p 系数与收益率的关系， 发现无论是单变量检验还是结合其他变量的联合检验，二者的关系均不显著。而 股票收益对m ，e 伊，d e 和b m 的单变量检验则表明这些指标都有很强的解释 力度。特别是多变量联合检验发现，m 和b m 联合起来可以很好的吸收包括d 系数、e p 、d 厄、m 和b m 等对变量对股票收益的影响。随后( 1 9 9 3 ) 他们提 出可以用一个包括市场资产组合( r 一r ，) 、公司规模( s m b ) 、账面市值比 ( h m l ) 在内的三因素模型对来解释股票收益率，这就是著名的f a m a f r e n c h 三因子模型。 然而，k o t h a r i ，s h a n k e n 和s 1 0 a n ( 1 9 9 5 ) 则认为b m 和收益的关系显著是由 于使用c o m p o s t a t 数据库会受到生存偏差( s u r v i v o r s h i pb i a s ) 的影响，高 b m 的公司股票由于经营失败将不被收录到数据库，数据库中可能只包括生存下 来的b m 的公司，因此f a m a 和f r e n c h 所发现的b m 与股票收益的正相关关系 可能受到样本选择偏差的影响，从而提供了b m 效应存在的间接证据，而有效 6 的资产定价模型必须在一个广泛的条件下才能得到验证。 但d a v i s ( 1 9 9 4 ) 构造了美国大公司在1 9 4 0 1 9 6 3 年问的新数据库，包括了 f a m a 和f r e n c h 构造三因子模型时所采用的c o 砌o s t a t 数据库中没有的公司， 他对新样本股票和样本区间内的检验也肯定了存在价值溢价。 此外，f 锄a 和f r e n c h ( 1 9 9 8 ) 在世界主要证券市场上采用了1 9 7 卜1 9 9 5 年 的横截面数据对三因子模型进行了实证研究，检验了其从三因子模型简化而来的 两因子模型r f = 口+ 6 【m 一用+ c 【日一份m 】+ p ，发现包括美国在内的1 2 个世 界主要证券市场上价值型股票( 高b m 的股票) 的收益率要高于成长行股票( 低 b m 的股票) 的收益率，而在1 6 个主要证券市场上有1 1 个市场的小公司股票的 回报率高于大公司，就1 9 7 5 1 9 9 5 年的样本数据而言，二者的年均差额达到了 7 6 ( 1 9 9 6 ) ，从而证明公司规模和账面市值比这两个因素不仅对股票横截面收 益率的显著性很高，而且这一现象也不仅仅局限于美国股市，基本上否定了对 b m 效应是否存在的质疑。 与此同时，d a i l i e l 也提出了与f 锄a 等人相类似的观点，他认为公司特征比 公司股票收益率的协方差矩阵更能解释股票平均收益率的横截面数据变动，并在 对日本市场的研究中( 1 9 9 7 ) 同样发现账面市值比因素在解释股票收益率的横截 面数据波动具有更显著的作用。 而c h u i 和w r e i ( 1 9 9 8 ) 对香港、台湾、韩国、泰国和马来西亚5 个新兴市 场在1 9 7 7 1 9 9 3 年的数据进行了实证检验，结果表明b 系数与股票收益率的关系 微弱且不显著，更支持三因子模型对股票横截面收益率的解释，同时他们还发现， 一国股票平均收益率与账面市值比之间的相关程度与该国的平均账面市值比的 大小基本一致。 总的说来，多因子模型比单因子模型更能解释股票收益率横截面数据的变 动。当然，多因素模型的显著性问题还有待于足够多的新数据来检验模型对股票 收益率解释的准确程度，而目前来讲结论基本上是一致的，就是仅仅靠单因子模 型( s l bc a p m 模型) 还不能完全结实股票平均收益率的变动。 第四节c a p m 及f a m e f r e n c h 三因子模型的国内研究 1 9 9 0 年1 2 月1 9 日上海证券交易所成立开业，1 9 9 1 年4 月3 日深圳证券交 7 易所也宣告开业，标志着中国股票市场终于拉开了序幕。此后的十多年里，国内 股票市场不断发展壮大，无论是在上市公司的数量、股票的总市值还是市场的交 易量规模等方面，都不断地发展壮大。股票市场逐渐成为我国市场经济的重要组 成部分，在一系列的改革之后也逐渐开始发挥国民经济晴雨表的作用。现在国内 证券市场已经初具规模，截止2 0 0 7 年1 2 月，沪深两市共有上市公司1 6 1 6 家， 其中a 股上市公司有1 5 0 7 家，b 股1 0 9 家，总市值达3 2 7 万亿元，流通市值达 9 3 万亿，同时，市场体制不断健全，逐步建立起由沪深主板市场、中小企业板 市场以及代办转让系统组成的证券市场，创业板市场和股指期货也在有条不紊地 准备当中，不少学者认为市场的交易行为随着证券市场的不断完善已经日趋合理 化。然而中国的证券市场作为一个新兴的资本市场能否用现代金融理论来解释； 基于一定假定的金融模型能否直接应用于我国的股票市场；在国外成熟的股票市 场上表现出广泛使用性的三因子模型是否也能同样使用于中国的股票市场。如果 三因子模型成立的话，那么规模效应和价值溢价也将在中国的证券市场中成立， 这将对投资实践具有明显的指导意义。特别是其中的价值溢价效应，即价值型( 高 账面市值比) 股票的长期平均回报率高于成长型( 低账面市值比) 股票的平均回 报率，对倡导价值投资的机构投资者和日渐成熟的个人投资者而言，也将具有重 大的实践指导意义。 不过由于中国证券市场起步较晚，对国内市场在c a p m 和三因子模型上进 行研究检验的时间也相对较短。基本上1 9 9 6 - 2 0 0 0 年主要进行的是对中国股市 c a p m 的分析与检验，2 0 0 0 年后陆续出现了对c a p m 异象和三因子模型的分析 和检验。与国外成熟市场相比，中国股市在过去还存在着许多不完善的地方，股 票由于历史沿革的问题被人为分割，市场中的机构投资者仍不成熟，市场机制受 政府影响较大等。因此，中国的实证检验结果与国外相比仍存在一些不同。 国内关于c a p m 的实证研究最早开始于施东晖( 1 9 9 6 ) ，他对个股的收益 进行了检验，置= + 乃层+ 托s 2 ( q ) + 儿屈2 + q 结果发现系统风险与预期收益率之 间存在非线性的负相关关系，非系统性风险对股票收益产生了重要影响，从而拒 绝了c a p m 模型。陈浪南和屈文洲( 2 0 0 0 ) 对组合收益进行双程检验，发现b 值对市场风险的度量有比较显著的作用，同时b 与股票收益率的相关性较不稳 定；尺，大多小于0 ，b l a c kc a p m 比s h a r p l 硫n e rc a p m 能更好的描述资产收益。 8 2 0 0 0 年后，国内陆续出现了对c a p m 异象的分析与检验。陈信元等( 2 0 0 0 ) 通过对1 9 9 6 1 9 9 9 年间7 5 0 个观测样本的实证研究发现，在对单因子模型和多因 子模型的检验中，p 始终没有对股票收益表现出很好的解释能力。这与f 锄和 f r e n c h 的发现是一致的。 仪垂林、黄兴等( 2 0 0 1 ) 采用深市1 9 9 6 年7 月至1 9 9 9 年6 月的月数据进行 研究得出的结论是三因子模型在我国证券市场不成立，并提出了两因子模型。即 在三因子模型中剔除了账面市值比的两因子模型。 而朱宝宪和何治国( 2 0 0 2 ) 选用1 9 9 5 年之前上市的2 8 6 家公司在1 9 9 5 1 9 9 7 年的市场数据作为实证检验的样本，结果表明股票的收益率与b 系数有较强的正 相关关系，而中国股市也存在着显著的账面市值比效应，并排除了其正相关关系 是由特殊期间效应”所带来的猜想。且发现账面市值比的相关性较p 系数更高。 范龙振和王海涛( 2 0 0 3 ) 对1 9 9 5 年7 月至2 0 0 0 年6 月的上海证券交易所a 股股票的交易数据进行考察后，发现上海股票市场有显著的市值规模效应、账面 市值比效应、市盈率效应和价格效应，而且指出三因子模型可以明显改善单因子 b 的解释能力，但不能全部揭示回报率的差异，在三因子基础上再加上一个市盈 率因子，则可以很好的解释4 1 个资产组合的回报率。 邓长荣和马永开( 2 0 0 5 ) 选取1 9 9 6 年1 月到2 0 0 3 年1 2 月深交所月交易数 据作为实证研究样本，结果表明f a m a - f r e n c h 三因子模型在我国证券市场上是成 立的，三因子模型比传统的c a p m 模型更能描述股票收益率的横截面数据变动。 第五节风格轮动与异象效应变动的研究概况 风格投资现在已经是耳熟能详的一个名词，在机构投资者中间越来越普遍， 一些机构投资者经常给自己的投资产品定位于某种投资风格。所谓股票风格投 资，就是指一些具有相同的特质股票被归为一组，而不同组的股票具有异质性， 同种风格的股票在一段时间具有相同的收益与风险特征，在不同风格分类里的股 票隐含不同的收益与风险特征。最常用的股票风格定义用以进行市场划分的有： 价值、成长以及市值规模等。从众多学者的研究结果来看，证券市场在长期内存 在着价值溢价和规模效应，不过不同风格的股票在不同时期的收益率上则存在着 反转与轮动。 9 d e b o n d t 和t 1 1 a l e r ( 1 9 8 5 ) 提出了长期收益反转效应( l o n g t e 肌r e t u m r e v e r s a l se 虢c t ) ，他们发现在过去3 5 年低收益率的股票在随后3 5 年的平均收 益比过去同期高收益率要高。而j e g a d e e s h 和t i t 眦n ( 1 9 9 3 ) 发现股票收益率具有 短期收益惯性效应( s h o r t t e mr e t 啪e 腩c t ) ，或称动量效应( m o m e n t u m e 虢c t ) ，即在前1 2 个月表现良好的股票在随后的短期内继续具有高收益率，反 之则继续具有低收益率。他们认为，股票收益率在短期内主要体现为惯性效应， 而长期则主要体现反转效应。a s n e s s ，f r i e d m a i l 等( 2 0 0 0 ) 则通过选取1 9 8 2 1 9 9 9 年美国证券市场的数据进行实证研究，采用g o r d o n 模型对美国市场的价值股和成 长股进行收益率预测，并发现价值股和成长股的市场表现的确随着时间的变化而 存在反转效应，发生轮动。 在此基础上，a m e n c ，、m a l a i s e 、m a n e u m i 和s f e i r ( 2 0 0 3 ) 研究了成长价值， 小盘大盘收益差的可预测性，并展示了通过构建市场风险中性的风格选时策略 是一种高收益策略。因此，如果对投资组合适时地进行风格轮动，能够起到增加 收益并降低风险。 总上所述，国内外的学者通过实证研究表明，从世界范围来看，价值类股票 在长期内战胜成长类股票似乎可以认为是一个普遍规律，但在短期收益率上则并 不明显，证券市场存在着较为明显的“价值成长”风格轮动的现象，如果能掌握 其中的规律并调整投资组合则可以获得超出市场平均收益率的超额收益。而从国 际经验来看，把自己定位于某种风格投资并非是最优的策略，进行风格轮动对战 略资产配置和股票组合管理都具有明显的优势。 l o 第三章样本数据及改进两因子模型 第一节样本数据的选取 本文样本数据来自万得资讯( w i i l d 资讯) 数据库中的w m d 中国金融数据库， 选取从2 0 0 0 年1 月_ 0 0 7 年1 2 月沪深两市上市的a 股市场月交易数据作为实 证研究的样本。选择该时间段主要有以下几个原因，第一，从1 9 9 6 年1 2 月1 6 日起，深沪证券交易所推出了涨跌停板制度并沿用至今，所以选取不包括1 9 9 6 年或之前的数据有助于数据回归的稳定性和一致性；第二，沪深证券交易所从 1 9 9 8 年4 月2 2 日开始，实行对连续出现2 年亏损的上市公司股票交易进行特别 处理( s p e c i a l t r e a t i m n t ) 制度，并从1 9 9 9 年开始对连续三年亏损的上市公司给 予暂停上市处理，提供特别转让服务，且规定s t 股票涨跌停板的幅度为5 ， 因此处于同样考虑选择从2 0 0 0 年开始的市场数据作为样本数据；第三，包括最 新到2 0 0 7 年1 2 月份的数据，时间跨度较长，更有利于增强模型检验的稳定性和 解释力度；第四，这一时问段覆盖了从2 0 0 0 2 0 0 1 年的牛市、2 0 0 2 2 0 0 5 年的熊 市以及2 0 0 6 年以来的大牛市，数据比全面，更有利于寻找解释价值溢价效应变 动现象的主要因素。 在股票筛选的过程中剔除了账面价值小于零的公司。账面价值的计算是采用 上市公司1 9 9 9 2 0 0 6 年每一会计年度末资产负债表上的所有者权益值，是相对总 股本而言的。市场价值采用的是l9 9 9 2 0 0 6 年每一年末包括流通股与非流通股在 内的股票的总市值，即最后一个月股票的月收盘价格与会计年度年末资产负债表 上的总股本的乘积。每股利润采用的是1 9 9 9 2 0 0 6 年报公布的上市公司每股收益， 股价上则采用1 9 9 9 2 0 0 6 年最后一个月股票的月收盘价格。账面价值、市场价值、 每股利润和股价是对股票样本数据进行分组时用的。股票价格信息比账面价值和 市场价值滞后一年，即分析组合的收益率特征时用到的组合是依据上一年度的账 面价值和市场价值信息构造的。 与国外不同的是，中国的股票分为流通股与非流通股，流通股又分为a 股、 b 股和h 股。由于b 股主要针对境外投资者，且因为其公司少，盘子小等致命 伤而长期低迷，无法正确反映上市公司的基本业绩，加上在2 0 0 3 年q f i i 引入以 后b 股的吸引力也日渐下降，所以在计算同时发行a 股和b 股的公司市值时， 卜股票每年最后一个月的月收盘价格3 投资组合的3 幸3 二维排序分组 在传统三因子和i c a p m 两因子模型中，关于按照账面市值比进行分类的标 准一般有两种，从fama等人开始多采用高中低分别为30、40和30的分配 比例，而chui等则采用平均分组，每组为333的做法。本文采用多数学者的 做法，按照每年年末账面市值比( b m ) 和盈利股价比( e p ) 分别从高到低进 行排序，将样本中所有股票分为高( h ) 、中( m ) 、低( l ) 三组i 蓁犁蠢坦理 蓁霹嘲i 主霎剽稀主薹戈= 殛薹i 食堪垂茹轻嚣岛军痞莉青，萋桩薹鲋瓣鏊计值羹。葫基霹； 雾j 奏篓l 誊i 薹黧，薰；雾溺霎蓁 易l 羹季，沁2 霎葡i 朝l 嚣毖l ；羹 目霪| 鬻 渗娑一 篓i 拜雾l 萋蘑! 萋蓁涕l j 蓁l 蓁器l | 枣i 萋羹s 霎；主薹挎l 冀鬟；嗨l 囊霞l 蓥；羹季斟1 551 9 8 0 11 8 7 3 02 0 5 9 8 m ( e 仰 o 8 1 8 9o 9 3 3 80 7 0 8 22 1 0 1 9 5 76 5 5 4 6 0 31 1 2 8 7 2 61 9 7 2 71 9 8 9 61 8 6 6 2 l ( e 研 o 7 1 5 6o 8 1 7 4o 9 0 0 811 7 0 1 6 7l3 5 7 6 2 04 2 2 0 9 9 31 8 7 4 l1 9 8 5 41 9 5 4 9 注：刀= 9 6 ，后= 2 ，口= o o l 时，= 4 8 6 ，吃= 1 7 1 从上表可以看出，当组合的收益率用改进两因子模型进行回归时，模型拟合 程度较好，9 个组合的解释程度都在0 6 l 以上，其中有8 个在0 7 0 以上，5 个在 0 8 1 以上，而价值风格和成长风格最明显的h ( e p ) h ( b m ) 和l ( e 唧l ( b 邶组合 拟合优度都在0 9 0 以上，其中组合h ( e p ) l ( b m ) 的拟合优度较低，为0 6 1 5 9 ， 可能是由于符合该组合的指标特征的股票样本相比其他组合而言明显较少所导 致，而样本量最大的m ( e p ) m ( b m ) 组合的拟合优度最好，也从另一个方面表明 第四章改进两因子模型回归分析第一节时间序列的平稳性检验用e v i e w s 5 0 计量软件分别对采用月数据的九个组合的解释变量和被解释 变量进行adf检验，以检验其时间序列的平稳性。由于各股票组合与市场组合 的均值均不为o，vmg因子的均值为12157，且从各组合收益率数据的曲线图 上看，并不存在明显的趋势1 。因此采用有截距项，没有趋势项的a d f 检验。结 果如表4 1 ： 表4 1 收益率数据a d f 统计量 组合吒，一蔷；墅幕一籀烘 一哲鬣一鬟羹一结 羹雾耋霎囊碍。鍪。耋霎蚕：謇重墓。冀。圣零主霎目墓葵。委，耋薹囊霪= 兰； 一萋，!莲冀i-；，善霎蠢琴当矍霍。尹 兰善襄鲳孽錾薷蓁；一明 翼；一酊霉一蔷y m g 薰i 一簪 蓁薹莛气主巾；誉；参薹姜零耋耋j；耄；耋霎箩妻嚣 。羹一螽霉主霉藿辱孽。要一噶 主霪塞指 标。 2 改进两因子模型 本文采用的改进两因子模型为： 置，一r 斥= q + 屈( 尽一r 一) + z y a 佑+ q 公式( 3 - 2 ) ( 3 2 )式中，民为组合i 第t 月的收益率，r 疗为第t 月的无风险利率，v m g 代表价值溢价因素，为第t 月市场组合收益率，嘭为第t 月截距项，屈和z 分 别为一只疗和v m g 的敏感系数，t 为残差项。 其中由于在现实中是一个不可观测的变量，本文采用中信标普3 0 0 指数 作为深沪两市综合月市场回报率。而月疗在国外的大多数研究中是采用一月期的 国库券利率，考虑到我国的国债市场较国外相比仍不成熟，缺乏短期的国库券市 场，因此本文采用金融机构3 个月期定期存款利率折算的月收益率来替代r 。， 当利率变化时，则按每月调整前后的天数进行加权调整。 模型的核心部分v m g 因子，表示价值股组合与成长股组合的收益率之 差，收益率采用以总市值为权数的加权平均收益率。而在分组方法上本文将采用 注：未标记+ 的表不未通过l o 的显著性水平检验； 标记+ 的表示在1 0 的水平上显著； 标记的表示在5 的水平上显著； 标记的表示在l 的水平上显著。 可知9 个组合的常数项系数均为正值，但均无法通过l o 的显著性水平检验 且t 统计量都很小，无法确定是否存在除了市场风险因子和价值溢价因子以外的 其他因素来解释股票的组合收益率。 价值溢价因子v m g 的系数f ，对价值股组合和中间股组合的符号均为正值， 除了中间股组合中的h ( e p ) l ( b m ) 组合系数不显著以外，其他的系数都通过了 显著性水平为5 的t 检验，其中有4 个组合的系数通过了显著性水平为1 的t 检验。在成长股的3 个组合中，有2 个组合系数为负，均通过了1 的显著性水 平检验，而其中系数为正的组合并没有通过1 0 的显著性水平检验。除此之外， 可以看到剔除掉市场超额回报率因素以后系数h 的大小随着从价值股组合到成 长股组合呈递减趋势。由此可见，价值溢价因素对股票收益率有着显著的解释作 用，并且有着较高b m 和e p 的价值股其对于v m g 因子有正的斜率，有着较低 b m 和e p 的成长股其对于v m g 因子则一般有负的斜率。因此可以得出与f 啪a 以及邓长荣、朱宝宪等学者一致的结论，即无论是在世界范围内还是在国内的a 股市场，都在价值溢价效应。而综合两项指标居中的中间股对于v m g 因子的斜 率很小或者不显著，表明v m g 因子并不能很好的对中间股组合股票收益率的横 截面数据进行解释，对于中间股组合而言，价值溢价的效应并不明显。 9 个组合的超额市场回报的系数b 均为正，取值范围其中在o 7 8 4 2 _ 1 1 1 2 1 之间，且所有组合的系数都通过了1 的显著性水平检验。系数b 的数值在包括 常数项的三个系数中是最高的，表明超额市场回报对股票收益率的相关程度最 高。这说明虽然单用超额市场回报一个变量不足以充分结实股票收益率横截面数 据的变动，但不同股票与市场收益率之间的不同风险系数的确是造成股票收益率 横截面数据变动的重要原因之一。换句话说，改进两因子模型只是对c a p m 模 型的完善，而不是推翻。 通过以上对模型总体和各解释变量系数的分析和检验可以得出结论，改进两 因子模型能很好地解释大部分股票收益率波动的情况，虽然如f a 眦和f r e n c h 所 研究的，影响股票收益率的因素除了超额市场回报因子和价值溢价因子外还有市 值规模效应因子也会对股票收益率的横截面数据变动产生影响，但考虑到本文主 要是研究价值溢价效应是否存在及其变动的情况，而不是讨论f a m a f r e n c h 三 因子模型在国内的适用性问题，加入市值规模因子的话有可能会影响价值溢价因 子的解释力度，因此本文并未加入市值规模因子进行回归分析。总的来说，改进 两因子模型在中国的a 股市场上是成立的，而且由于v m g 从长期的均值上看是 大于o 的，表明中国a 股市场存在着明显的价值溢价现象，即从长期来看，价 值股的收益率要高于成长股的收益率。 2 l 第五章关于价值溢价效应变动的实证分析 第一节价值股与成长股的收益率数据分析 表5 1 价值股、成长股与v m g 因子收益率的统计数据 收益率均值标准差偏度峰度夏普比率 价值股组合 2 7 4 8 68 0 1 6 80 2 7 4 4 2 7 7 1 30 3 2 3 5 成长股组合 1 5 3 2 97 1 7 7 0o 6 1 3 32 9 7 2 l0 1 9 2 0 g 因子 1 2 1 5 74 6 7 7 61 0 4 6 25 5 6 9 6 从表5 1 中可以看出，价值股组合、成长股组合的收益率均为正值，且近似 服从右偏的正态分布，其中价值股组合的月度平均收益率要高于成长股组合的平 均收益率，表明从长期收益率角度来看，价值股要优于成长股。而这种收益率的 差异也从v m g 因子的收益率均值中体现出来。从夏普比率上看，价值股组合为 0 3 2 3 5 ，明显高于成长股组合的0 1 9 2 0 ，表明价值股组合单位风险所获得的回报 比成长股组合更高，更值得投资。 表5 2 价值股与成长股各组合收益率统计数据 h ( e p )m ( e p )h ( e p )l ( e p ) m ( e p ) l ( e p ) ，h ( b l v i )，h ( b ， )m ( b m )，l v i ( b ，l v i )l ( b m )，u b m ) 收益率均值 2 7 9 1 12 5 9 3 42 6 2 4 92 1 2 0 31 2 9 5 2 2 1 2 2 4 标准差 8 9 0 5 89 1 5 6 78 1 6 5 38 6 1 3 57 1 2 9 88 6 4 8 1 夏普比率 0 2 9 6 0o 2 6 6 3o 3 0 2 5o 2 2 8 2o 1 5 9 9o 2 2 7 5 而从单个价值股与成长股组合的数据中也可以看出，越是高e p 和b m 的 组合，组合的平均收益率越高，反之则越低，标准差总体而言价值股的3 个组合 较成长股组合更大，而从夏普比率来看，也表明虽然价值股组合较之成长股组合 波动性更大，但在单位风险回报上，价值股组合依然更有优势。 图5 1 价值溢价因子月度收益率 而从v m g 因子的月度收益率情况来看，在9 6 个月的观测数据中，有5 5 个 月价值股收益率高于成长股，且均值为1 2 1 5 7 ，体现出较为明显的价值溢价效应， 但从单月的收益率情况来看价值股并不总是占有优势，而是随着时间的推移而产 生波动。其中在2 0 0 0 年3 月到2 0 0 1 年3 月，2 0 0 3 年5 月到2 0 0 4 年3 月，2 0 0 6 年l o 月到2 0 0 7 年1 2 月，价值股组合的收益率明显高于成长股组合，在2 0 0 6 年 1 月到2 0 0 6 年9 月，成长股组合的收益率则比价值股组合为高，而在其他的时 间段两者的收益率差异则并不是十分明显。这与a s n e s s 和f r i e d m a n ( 2 0 0 0 ) 在 美国市场的实证研究结论基本一致。 从以上市场数据可以发现，虽然没有按e p 和b m 指标从高到低呈现严格的 递减规律，但高e p 与高b m 的价值型股票的市场收益率的确要大于低e p 与 低b m 的成长型股票，这同样证实了价值溢价因子是影响股票收益率的重要因 素。l a l ( o n i s h o k 与s h l e i 诧“2 0 0 4 ) 等人认为，之所以会产生价值型