《资产定价研究的国内外文献综述》8200字

资产定价研究的国内外文献综述1.1国外关于资产定价的研究国外关于资产定价模型的研究主要涵盖了投资组合理论、CAPM模型及多因子模型等。20世纪50年代，Markowitz（1952）首次提出投资组合理论。该理论主要包括均值－方差分析法和投资组合有效边界模型。前者树立了衡量资产收益和风险的标杆；后者的主要观点是存在一条最优组合曲线，该最优组合上的点均满足给定风险下收益最高或给定收益下风险最小的特征。Sharpe（1963）设计了一种单因素模型，进一步促进了投资组合理论的运用，使其具备了更高的实用性。Merton等（1972）明确推导了有效边界及其特征。Long等（1977）研究了税收对有效投资组合的影响。Gibbons等（1989）通过研究发现，多元变量方法在投资组合事前无条件有效性检验方面表现更好。Zhou（1991）提出的用于检验无风险资产投资组合有效性的特征值方法，易于计算，简单易行，能够精确计算P值。在投资组合理论的基础上，又有学者提出了多种不同的模型和理论，其中Treynor（1962）、Mossin（1966）等人设计的CAPM模型已经在企业投资决策等领域中得到了较多的应用。该模型中通过β度量资产面临的风险大小，且β与预期收益率呈现出一定的正相关性，可以通过线性函数来进行定量描述。Black等（1972）在前人研究的基础上分析了资产定价模型存在的不足问题，提出了改进的方法。Fama等（1973）在研究中证实，资产的平均收益率和β存在一定正相关性。Roll等（1977）研究发现投资组合必须满足Markowitz的“均值-方差”理论才能进行CAPM检验。Litzenberger等（1979）针对预期收益率、股利收益率之间的关系进行了大量的研究，探讨了税收等因素对于CAPM模型产生的影响，并验证了二者在纽交所股票中存在显著的正相关性。Mayshar（1981）在CAPM的基础上考虑了交易成本的影响，研究结果显示资产的风险溢价受资产收益与市场收益的协方差、资产收益方差的加权平均值影响。Stambaugh（1982）深入研究了资产定价模型对多种资产收益率的敏感度，结果显示债券、房地产等资产的市场组合回报率与仅投资于股票的投资组合的推论一致。Kothari等（1995）用年度频率数据对β进行检验，发现横截面预期回报能解释贝塔风险的补偿。Clare等（1998）以英国股票市场实际数据为样本进行了分析，指出股市平均收益与β存在明显的正相关性。Pastor（2000）重点研究了投资组合选择问题，其研究发现美国投资者普遍认为CAPM会影响本国的资本市场。在CAPM模型的启发下，各类经典金融理论不断发展。其中，Black等（1972）认为资产的预期收益可以分为市场资产组合与唯一最小方差且β为零的资产组合两部分。Shanken（1985）提出了零β的CAPM截面回归检验（CSRT），并探讨了它与多元统计HotellingT检验的关系。Merton（1973）通过将CAPM模型扩展到动态环境中，在连续时间内构建投资组合和资产定价的理论框架，从而提出跨期资本资产定价模型（ICAPM）。Black等（1973）推导得出Black-Scholes模型。Merton（1973）对B-S模型进行深入和系统的研究，将其更加广泛地应用于金融衍生品的交易与定价中。Ross（1976）提出的套利定价理论（APT）引发了较多关注，基于该理论可以对证券市场线的变化进行预测分析，但在原理上相对于资本资产定价模型存在明显的差异性。Breeden（1979）在Merton的ICAPM的基础上加入消费变量，提出基于消费的资本资产定价模型（CCAPM）。该模型认为消费与投资本质上都是消费者对资产的跨期分配，投资者需要把资产分配到当前消费和投资组合上。随着对CAPM模型研究的深入，该模型的应用范围也得到了较大扩展。Blume等（1973）、Fama等（1973）指出CAPM估计的截距项显著高于0，由此证明资产收益率会受到诸多因素的共同影响而非仅仅与市场风险有关。Reinganum（1981）研究发现股票贝塔与收益率之间不存在明显的相关关系，贝塔的高低无法区分股票的收益情况。Fama（1992）结合实际数据进行了研究，发现虽然β是仅有的解释变量，基于CAPM模型得到的关系依然不存在。Stattman（1980）对美国股票市场进行研究，得出企业普通股权的账面价值越高，股票平均收益越高。Rolf等（1981）发现了传统CAPM模型无法解释的“规模效应”，即小市值企业比大市值企业有更大的风险回报。Banz（1981）对纽约证券交易市场的普通股进行研究，在股票市场发现规模效应，风险发生调整后，小规模公司的平均回报率高于大规模公司。Basu(1983)认为E/P对于美股平均收益有一定解释能力。Rosenberg等（1985）研究了美国股票平均收益的影响因素，结果显示B/M与股票收益之间存在正相关性。Lakonishok等（1986）基于1962-1981的数据发现无论是用贝塔还是方差或剩余标准偏差都无法准确解释横截面的资产收益变化，但企业规模指标能够部分解释这一变化。Bhandar等（1988）研究发现，在贝塔系数和公司规模变量被控制的条件下，财务杠杆与股票平均收益正相关。Chan等（1991）在研究中指出，B/M、市值和截面平均收益呈现出明显的正相关关系，并以日本股票市场为例进行了分析。为解决CAPM模型存在的各种不足，后续学者提出了多因子模型。多因子模型是套利定价理论的扩充与延伸，核心在于使用对资产收益有影响的各类因子对资产定价。Fama等（1993，1996）基于美股数据提出了著名的Fama-French三因素定价模型，Fama等（1993）认为影响股票、债券收益的风险因素主要包括到期日、违约风险、SMB、HML和总体市场因素等，其中前两个因素主要与债券收益有关，后三个因素主要与股票收益有关。在Fama三因子模型基础上，Fama等（1994）结合CAPM模型对行业进行检验时发现其对行业估计不精确，每年的标准误差均超过3.0%。Fama等（1996）发现Fama-French三因子模型能够对E/P、C/P等大部分定价因子作出合理解释。Griffin(2002)分别对针对美国市场和全球市场的Fama-French三因子模型进行了实证检验，结果表明该模型能够有效地对股票组合回报差异进行解释，且针对美国的三因子模型解释效力更强。Daniel等（1997）认为企业规模和BM等因子可以解释股票收益的横截面波动。Davis等（2000）研究发现，由于Fama-French三因子模型考虑了风险负荷，因此其相较于不考虑风险负荷、直接对对账面市值特征进行补偿的情况具备更高的解释效力。Lewellen（1999）重点研究了股票收益的时间变化特征，指出相对于特征模型，Fama-French三因子模型的解释性更好，同时提出B/M与风险之间存在明显的关联性。Fama等（1998）针对三因子模型进行了大量的研究，并拓展了该模型的应用范围，指出该模型在解释性上明显优于CAPM模型。Chui等（1998）以五个亚太新兴市场国家数据为例进行实证检验，实证结果显示股票平均收益率和贝塔系数的关系很弱，账面市值比可以对部分国家的预期股票收益变化作出解释，而规模效应在样本中的大多数国家中均显著。Daniel等（1998）深入研究了特征模型和三因素模型在股票收益分析中的应用，针对二者的原理以及实际效果等进行了对比分析，结果显示特征模型具有更佳的应用效果。Daniel等（2001）结合日本样本数据进行了研究，研究结果符合特征模型但未符合三因素模型。Bailey等（2003）研究发现CAPM模型和Fama-French三因素模型在中国市场的应用型不强，特征模型的应用型强于上述两理论。Cao等（2005）研究发现，神经网络模型拥有比传统三因子模型更优的解释效力，为预测新兴市场股票收益及价格提供了新思路。此后，随着动量效应的发现，四因子模型逐步形成。Conrad等（1994）发现了股票收益率与其交易量有一定关系，交易量较高的证券未来收益会发生反转，交易量较少的证券的回报则大概率会维持以前的方向。Jegadeesh等（1993）明确提出股票市场中存在的动量效应，通过买入历史收益好的公司、卖出历史收益差的公司的方式所构建的投资组合能够带来显著的超额回报。Hendricks等（1993）研究发现市场上的基金存在在“HotHands”的特点，即表现较好的共同基金能够维持其优异表现。Carhart（1997）研究得出共同基金市场表现的持续性和稳定性更好，其原因很大程度上在于动量效应，并在Fama-French三因子模型的基础上增加动量因子，提出“四因子模型”。Rouwenhorst（1998）在研究中指出所有欧洲股票市场均存在动量收益。Jegadeesh等（2001）确定股票的动量效应能够为投资者带来显著的超额收益，证明动量因子并非是数据挖掘产物。Griffin等（2003）发现动量效应在全球市场均有存在且与宏观经济形势无关，但股票的动量效应产生的收益会在未来数年内发生逆转。L'Her等（2004）以加拿大市场的数据为研究对象，发现市场、规模、账面市值比和动量因子均存在显著的超额收益，且动量因子长期显著。Lam等（2010）证实了四因子模型能够用于解释港股数据的收益变化。Hon等（2003）、Gregory等（2013）研究发现英国股票市场存在明显的动量效应。Schiereck等（1999）发现动量效应在法兰克福交易所上市的股票中同样存在。Chui等（2000）以日本等八个亚洲国家市场为例，重点研究了所有权结构、法律制度和估值不确定性，借此考察动量效应在亚洲国家市场的存在情况，结果发现动量效应存在于除日本外的其他样本国家市场。Hameed等（2002）通过在六个亚洲国家构建动量效应组合的方式，发现在美国市场显著存在的动量效应在亚洲市场并不显著。Novy-Marx（2012）对比了基于过去7-12个月的数据构造的投资组合与基于近期数据构造的投资组合，发现前者的收益更高。Barroso等（2015）研究发现动量效应具有时变特征，无法提供持续、稳定的盈利，并且通过管理动量风险能够有效降低股价崩盘风险和提高因动量策略的夏普比率。Cohen等（2002）研究发现机构并非简单地遵循价格动量策略。Kang等（2002）指出国内股票市场的中线动量策略存在超额利润。随着研究的不断深入，逐步形成了更为完善的Fama-French五因子模型，该模型主要由Fama等（2015）提出，在三因子模型的基础上了添加投资因子（CMA）、盈利因子（RMW）。作者结合美股数据对五因子模型的效果进行了实证检验，实证结果显示新的因子模型在拟合性上比既往模型有了很大的提升。Fama等（2016a）发现RMW和CMA敞口能够对低贝塔系数、股票回购和股票回报波动性相关的股票平均回报作出解释。Nichol等（2014）通过对英国市场研究，得出Fama-French五因素模型中的盈利因素解释力最强。Switzer等（2015）的研究表明，特质风险对股票回报在许多新兴市场国家有正向影响，该现象在发达国家则不显著。Fama等（2016b）根据五因子模型研究发现，股票平均回报率在北美、欧洲以及亚太地区与投资负相关，与股票的账面价值市场价值比(B/M)和盈利水平负相关。Chiah等（2016）发现五因素模型更能解释澳大利亚市场中存在的资产定价异像。Gregoriou等（2016）研究发现对冲基金更喜欢投资资产比率高的公司的股票和弱公司的股票。Bin等（2017）将Fama-French五因子模型应用于中国市场，发现除投资因子外，其余因子均对资产收益率有较强的解释力。Lin等（2017）结合实际样本数据分析了五因素模型的应用效果，认为在国内股市中相对于三因素模型具有明显的应用优势。Kubota等（2018）发现对于日本市场而言，Fama和French五因素模型并非解释效力最强的最佳定价模型。Foye等（2018）研究发现Fama-French三因素和五因素模型在英国市场的应用性均不强。Skočir等（2018）在Fama-French五因子基础上增加了动量、流动性和违约风险三个因子构造了八因子模型，新模型的解释力得到提高。Leite等（2018）比较了三因子、四因子和五因子模型在新兴市场的表现，结果后两者的表现好于三因子模型。1.2国内关于资产定价的研究国内对资产定价领域的研究主要为检验CAPM模型、三因子模型、四因子模型、五因子模型在我国的适用性。第一，CAPM模型的应用研究。多数的研究表明基于CAPM模型得到的结果与国内市场并不相符。杨朝军等（1998）在研究中指出难以通过CAPM模型研究上海股票市场收益与风险之间的关联性，认为收益会受到股本规模等诸多因素的影响。阮涛等（2000）在分析中得到了类似的结论，认为上海股票市场难以有效的通过CAPM模型进行解释。陈小悦等（2000）等通过CAPM在中国股票市场是否有效的截面检验，发现β无法解释中国股市的平均收益，说明CAPM模型在我国股票市场的有效性假设不成立。朱宝宪等（2002）通过研究中国股市1995-1997年的数据，实证检验B/M因子和β对收益率的影响，发现β对股票收益率的解释能力不如B/M因子。范龙振等（2003）研究发现上海股票市场有着显著的市值效应、账面市值比效应、市盈率效应和价格效应。β不是上海股票市场以上效应的合理解释。邹舟等（2013）深入研究了在国内股票市场中引入CAPM模型进行股票收益率分析的可行性，结果显示该模型的应用效果不佳，同时指出股票预期收益率与系统风险存在复杂的关系。张虎等（2016）研究发现CAPM模型对上海股票市场的股票超额收益的解释效力不强。勾东宁等（2016）以我国上市银行股2011-2014年的数据对CAPM模型进行了实证检验，发现CAPM模型对4组银行股收益情况解释能力均显著。阳佳余等（2018）的研究表明，由于贝塔与利率、汇率等宏观经济因素存在密切关系，因此不应假设贝塔恒定，而引入时变贝塔可以明显提升模型的解释效力。

第二，三因子模型的应用研究。Fama-French三因子模型在国内股票市场收益率分析中表现出更强的解释能力。范龙振等（2003）发现基于Fama-French三因子模型，加入市盈率因子，就能够对股票回报率进行合理解释。吴世农等（2004）的研究结果表明中国股市的“账面市值比效应”和“规模效应”十分显著。邓长荣等（2005）研究了在国内证券市场引入Fama-French三因子模型的可行性，并以1996-2003年的深市数据进行了实证分析，证明该模型具有一定的应用效果。刘维奇等（2010）指出股权分置改革提高了市场风险因子对于组合收益率的解释能力。潘莉等(2011a)深入研究了三因子模型在国内股票市场的有效性，指出相对于市净率，采用市盈率的解释效果更好，而鼓掌特征是影响市盈率作用的主要因素。勾东宁等（2016a）以我国A股市场上16家上市银行为研究对象进行分组研究，结果显示β值均显著小于1，说明我国上市银行的系统性风险控制较好。张兵等（2017）针对股票市场的低价股效应进行了分析，并通过三因子模型进行了验证，认为这种效应与股价存在负相关的关系。此外，相对于高价股组合，低价股组合在收益率上往往能够达到更高的水平。Liu等（2019）构造的三因素模比传统的Fama-French三因子模型在中国市场的解释效力更强，且新构造的因子模型能够解释了大多数中国市场上存在的超额收益因子。第三，四因子模型的应用研究。王永宏等（2001）认为国内股市体现出明显的收益反转效应。朱战宇等（2003）的研究证明，动量利润只存在于形成期与持有期且保持在四个星期以内的周度周期策略内。黄静等（2005）指出我国接近九成的基金采用动量投资策略，且该动量效应在基金新建仓股票时最强。沈可挺等（2006）指出六个月内执行惯性策略效果更好。鲁臻等（2007）认为我国股票市场同时存在惯性与反转两大效应，且后者更为突出。郑方镳等（2007）对于国内股票市场的收益率变化特征进行了跟踪研究，发现在成交量较高之后的交易日股票收益率往往出现“反转”现象，这与投资者的过度投机行为密切相关。刘博等（2007）结合实际样本数据研究证明，国内A股中比较常见的是反转效应，而惯性效应则比较少见。潘莉等（2011）基于我国A股数据研究发现，个股回报率在大多数时间频率上反转明显，仅在超短期的日回报率和特定时段的周回报率上存在惯性。高秋明等（2014）的研究证实了月度频率的动量效应在中国股票市场上不明显，但对于两周到四周内形成、且在一周到三周内持有的个股，动量收益持续且稳定，市值规模、B/M和行业分类等因素能够解释二分之一左右的动量收益。舒建平等（2012）针对深A股市场的反转现象进行了较多的研究，证实了反转效应和动量效应的存在且二者呈现周期变化特征。欧阳志刚等（2016）将滞后6个月动量因子加入三因子模型构造的四因子资产定价模型在国内市场的应用性更强，并且该模型在股权分置改革后的解释效力更强。第四，五因子模型的应用研究。赵胜民等（2016）在研究中发现国内股票市场存在显著的价值效应和市值效应，相对于五因子模型，三因子模型在国内应用效果更佳。高春亭（2016）的研究得到了相反的结论，即五因子模型效果更佳。研究还发现，国内股票市场的平均收益与投资、规模以及B/M等因素有关，各个因素的影响存在一定的差异性。对于投资因素，如果企业投资的保守度较高，则往往对应着更高的股票收益；对于盈利因素产生的影响，如果企业规模较大，则股票平均收益与此因素体现出一定的正相关性。李志冰等（2017）发现五因子模型相较于CAPM、三因子及Carhart四因子模型，更能合理解释中国资本市场。关于经济政策不确定性与资产定价文献，研究结论不一致。Turan等（2016）在以美国市场为例确认经济政策不确定是新的定价因子；陈国进等（2017）也指出政策不确定性是股票市场的重要定价因子。但林建浩等（2014）发现仍未有足够实证结果表明经济政策不确定性是中国股票市场定价风险因子。为进一步验证经济政策不确定性的定价作用，本文采用Liu等（2019）三因子模型进行检验。Liu等（2019）构造的三因素模型解释了大多数已报道的中国超额收益因子，包括含MarketCap、EP、BM、CP、ROE、1-MonVol、MAX、1-Monthreturn、12-Monthturn等，较Fama-French（1993）三因子模型在中国效果更好，被认为中国的三因子模型。本文采用最适合中国国情的Liu等（2019）三因子模型，一方面能更准确地检验经济政策不确定性定价作用，另一方面也扩展了资产定价模型的内容，在原微观因子的基础上考虑了宏观因子的影响作用。[参考文献][1]白仲光，张维.中国证券市场新股长期回报的实证研究[J].中国会计与财务研究，2003，5（3）：145-176.[2]毕朝辉，张涛.CEO薪酬会影响股价崩盘风险吗？——来自中国A股上市公司的经验证据[J].金融与经济，2018（4）：21-29.[3]才国伟，吴华强，徐信忠.政策不确定性对公司投融资行为的影响研究[J].金融研究，2018（3）：89-104.[4]曹丰，鲁冰，李争光，徐凯.机构投资者降低了股价崩盘风险吗？[J].会计研究，2015（11）：55-61.[5]曹凤岐，董秀良.我国IPO定价合理性的实证分析[J].财经研究，2006（6）：4-14.[6]陈德球，陈运森，董志勇.政策不确定性、市场竞争与资本配置[J].金融研究，2017（11）：65-80.[7]陈工孟，高宁.中国股票一级市场发行抑价的程度与原因[J].金融研究，2000（8）：1-12.[8]陈国进，王少谦.经济政策不确定性如何影响企业投资行为[J].财贸经济，2016（5）：5-21.[9]陈国进，张润泽，赵向琴.经济政策不确定性与股票风险特征[J].管理科学学报，2018，21（4）：1-27.[10]陈国进，张润泽，赵向琴.政策不确定性、消费行为与股票资产定价[J].世界经济，2017（1）：116-141.[11]陈国进，张贻军.异质信念、卖空限制与我国股市的暴跌现象研究[J].金融研究，2009（4）：80-91.[12]陈鹏程，周孝华.机构投资者私人信息、散户投资者情绪与IPO首日回报率[J].中国管理科学，2016，24（4）：37-44.[13]陈胜蓝，李占婷.经济政策不确定性与分析师盈余预测修正[J].世界经济，2017b（7）：169-192.[14]陈胜蓝，王可心.经济政策不确定性和公司业绩预告[J].投资研究，2017a（5）：103-119.[15]陈小悦，孙爱军.CAPM在中国股市的有效性检验[J].北京大学学报(哲学社会科学版)，2000（4）：28-37.[16]初可佳，张昊宇.中国IPO发行制度演变对新股定价效率的影响——基于定价管制视角[J].金融经济学研究，2019，34（1）：83-93.[17]储灿春.内在价值、市场信息、投资者先验乐观情绪与创业板IPO抑价[J].区域金融研究，2011（10）：39-44.[18]褚剑，方军雄.政府审计的外部治理效应：基于股价崩盘风险的研究[J].财经研究，2017（4）：133-145.[19]褚剑，方军雄.中国式融资融券制度安排与股价崩盘风险的恶化[J].经济研究，2016（5）：143-158.[20]崔欣，林煜恩，姚守宇.经济政策的不确定性暴露与股价暴跌风险[J].金融经济学研究，2018，33（4）：98-108.[21]邓长荣，马永开.三因素模型在中国证券市场的实证研究[J].管理学报，2005，2（5）：591.[22]杜莘，梁洪昀，宋逢明.中国A股市场初始回报率研究[J].管理科学学报，2001（4）：55-61.[23]段梅.经济政策不确定性会影响货币政策