基于五因子模型的中國資本市場定價異象

謝永建

內容摘要：經過2008年的全球金融危機以及2015年6月的股災事件，投資者們深刻地領略到股市的風險，而這個風險問題也側面反映了市場的效率問題。股票投資組合的收益率決定問題始終是股票市場關注的重點，也是資本市場資產定價方面的重要研究內容。其中，歸根結底疑惑的問題就是市場是否真的有效，所做的投資策略是否真的在起作用?；诖?，本文基于三因子模型對CAPM難以解釋的價值和市值效應進行解釋，在此基礎上引入現金流指標以及毛利率指標重新構建五因子模型，基于流通企業的經驗證據研究中國資本市場的有效性，以期實現對上市流通企業的收益預測指標構造。

關鍵詞：五因子模型 ? 中國資本市場 ? 流通企業

隨著資產定價領域研究的不斷深入，股票市場定價規律和定價效率逐漸為人們所熟知。傳統上的資產定價基于理性模型，也就是風險定價模型，這一類模型假設競爭性的資本市場不存在信息不對稱并且理性人只在乎風險和收益權衡。既然如此，那么收益必然要通過承擔（系統性）風險獲得，沒有人能夠長期獲取超額收益。這一類模型曾經取得了巨大的成功，Fama（2015）提出的五因子模型解釋了很多非理性定價因素。

本文感興趣的是，中國的股票市場是如何定價的。這包括了以下幾個問題：中國市場的定價因子是什么？中國市場是否存在無法被理性模型解釋的定價因子？中國市場定價效率隨著時間如何變化？為了研究以上問題，本文選擇以流通企業為例，一方面是由于流通業在我國國民經濟中的地位愈發重要，根據2017年國家統計局數據顯示，流通業占GDP比重達到12.9%;另一方面，流通產業是連接市場上下游的橋梁，以流通企業為例研究資本市場的有效性不僅具有代表性，同時還可窺探資本上下游市場的有效性。

五因子模型重構

（一）數據來源與預處理方法

本文研究標的是上海證券交易所和深圳證券交易所2010到2017年底共11年的所有上市主板流通企業。其中，剔除了創業板股票、ST股票以及上市不滿一年的股票。

Fama and French（2014）提出以下股利折現模型：

從上式中，有如下三個相關推論：其他條件不變的情況下，公司市凈率（M/B）越高，說明公司股息的貼現率越低，公司資本成本越低，則期望收益率（r）必然越低 ;公司期望盈利（EY）越高，說明公司未來股息越高，則期望收益率（r）必然越高;公司凈資產增長率（dB/B）越高，則說明公司股利分配占比越低，則期望收益率（r）必然越低。

本文重新定義了因子的基礎指標。為了使研究具有時效性，采用季度數據來構造指標。本文在4月初開始使用1季報或者年報數據，9月份開始使用中報，而11月份開始使用三季報數據，以減少前視偏差對研究結果帶來的影響。同時，為了減少季節性因素的影響，所有的季度數據都會采用過去四個季度的滾動平均值。此外，在計算市值時，采用的是構造期開始時的總市值。而本文的無風險利率采用一個月期限的上海銀行間拆放利率。

本文參考Asness（1994）的研究，在構造收益率預測指標時，會把指標對行業進行中性化，獲得與行業無關的變量。

（二）變量定義

綜上所述，五因子對應的指標分別構造如下：

市值方面，使用月末總市值作為評價指標，具體公式如下：

size=z（log（MKTCAP））

MKTCAP指的是公司流通市值。

估值指標主要是描述公司賬面的價值和市場交易價值之間的比例關系。其中，BP、EP是實務界和學術界比較熟悉的估值方法。DP衡量了公司的股利支付水平，CP衡量了公司創造現金流的能力，SP則可以用于衡量虧損公司或者成長性公司的估值水平。公式如下：

BP：賬面價值-市值比例;CP：經營活動現金流-市值比例;DP：股利支付-市值比例;SP：營業收入-市值比例;EP：剔除小股權權益后凈利潤-市值比例;AP：總資產-市值比例。

盈利能力衡量了公司利用資產創造價值的能力，公式如下：

ROA：資產收益率過去四個季度滾動平均值;ROE：凈資產收益率過去四個季度滾動平均值;GPOA：毛利潤-總資產比例過去四個季度滾動平均值;GPOE：毛利潤-凈資產比例過去四個季度滾動平均值;CFOA：經營活動現金流-總資產比例過去四個季度滾動平均值;CFOE：經營活動現金流-凈資產比例過去四個季度滾動平均值;GMAR：毛利率過去四個季度滾動平均值。

結合本文研究目的，綜合考慮了所有和投資水平有關的因素，具體公式如下：

AG：總資產過去四個季度增長率的滾動平均值;EG：凈資產過去四個季度增長率的滾動平均值;CAPEX：資本支出過去四個季度的滾動平均值;WCG：營運資本過去四個季度增長率的滾動平均值。

（三）因子構造

本文利用Fama and French（1993）文章中的方法擴展構造出投資行為和盈利能力的因子。采用市值的中位數區分出大小市值的公司，并采用賬面市值比的30%分位點和70%分位點區分出價值股、中性股和成長股。兩種分類方法交叉，則產生出2*3=6個投資組合。

經過分類，構造出三個SMB因子，即SMB_BM、SMB_OP和SMB_INV，對這三個SMB因子取簡單平均，則得到最終的SMB因子。

最后，在盡量保持投資組合風險分散的前提下，采用了四重二分法構造了第三套風險因子。

兩套因子可為雙重三分法的補充，可供檢驗以下回歸結論是否穩健。關于構造方法不贅述。如表1所示，四個風險因子在不同構造法下（2*2、2*3、2*2*2*2），分別具有極高的相關度。其中SMB、HML和CMA因子在不同構造法下的相關程度都超過了0.9。只有RMW因子的2*3和2*2*2*2因子之間相關性低于0.9，但也達到了0.89?？梢哉J為，四個風險因子的構造是穩健的，不同構造法都代表了同一種風險來源。

考察完因子自身定義的穩健性之后，本文對因子之間的共線性問題進行討論。如表1所示，無論因子構造方式是怎樣的，Rm-Rf、SMB、HML之間的相關度都不大于0.2。

新增的RMW因子和所有的其他變量都是負相關的。描述投資行為風險的CMA因子除了和RMW因子呈現比較強的負相關性以外，和其他變量都呈現出正相關性。

總的來說，因子內部的多重共線性是存在的。從三因子模型固有的SMB和HML因子來說，他們之間的相關性比較低。這表明SMB和HML所代表的風險來源是不同的。SMB代表的風險來源很有可能就是RMW和CMA兩者之一。而RMW和CMA之間也可能存在著信息互相被吸收的問題。目前，究竟哪一個因子才是決定性的，仍然有待于更加嚴謹的回歸檢驗。

收益預測指標構造

（一）數據來源與處理方法

數據來源同五因子構造方法。用到的數據包括市場成交數據、財務報表數據、業績快報數據、分析師報告數據、高管薪酬數據、內部人士增持數據和大宗交易數據。

（二）變量簡述

首先選取50個指標作為研究對象，指標及其內涵如下：absacc應計利潤絕對值;accrual應急異象、agr總資產增長率、amihud非流動性指標、beta系統性風險、betasq系統性風險平方、cash現金、cashdebt現金除以債務、cashpr現金增長率、chtx所得稅增長、coverage分析師覆蓋率、currat流動比率、depr折舊率、egr凈資產增長率、exp_mom期望價格變動、extreme極端價格變動、inst_hold_diff基金持股數量、invchg存貨增長率、invol_3一季度特異波動率、invol_1一個月度特異波動率、invol_12一整年特異波動率、invol_6半年特異波動率、max_ret一個月最大日收益率、mom_1過去一個月收益率、mom_12過去一整年收益率、mom_3過去一季度收益率、mom_6過去半年收益率、net_increase高管持股變化、nincr利潤連增季度數量、notice_up業績預增、orgcap組織資本投入、pchcurrat流動比率增長、pchdepr折舊增長、price名義價格、rating評級、ratechg評級變動、resid_price殘差名義價格、rev_yoy收入增長率、slary高管平均薪酬、shr_tov_3過去一季度換手率、shr_tov_1過去一個月換手率、shr_tov_12過去一整年換手率、shr_tov_6過去半年度換手率、skewness一個月收益率偏度、upgrade評級上調、vol_1過去一個月波動率、vol_12過去一整年波動率、vol_3過去一個季度波動率、vol_6過去半年波動率、vov成交量波動率。

流動性異象。流動性是一類風險指標，顯然，流動性越差的股票需求越低。筆者希望考察中國市場上流動性風險是否能夠被五因子模型所解釋。

關于流動性的衡量方法有許多種，其中最著名的是Amihud指標：

這一指標衡量個股過去一段時間，當天收益率的波動率受到當天成交金額的影響。如果單位金額造成的個股收益變動越大，則說明股票流動性不好。另外，還有比較簡單的流動性衡量方法，那就是換手率。顯然，如果股票歷史上一段時間并沒有比較活躍的交易，人們總會傾向于認為這類股票的流動性較差。當然，換手率可能并不衡量流動性。但無論如何，換手率是歷史信息，不應該具有預測力，所以也要檢驗這一異象。

此外，除了換手率衡量了流動性，換手率的波動率也衡量了流動性（Chordia，Subrahmanyam & Anshuman，2001）。

無形資產投資。隨著中國企業技術的進步，企業資產組成中無形資產也越來越重要。研發費用是無形資產投資的一部分，但根據中國2015財政部令第76號中的第三章第二條規定，能夠被確認為資產的資源需要至少滿足以下兩個要件：與該資源有關的經濟利益很可能流入企業;該資源的成本或者價值能夠可靠地計量。然而，根據這一要求，許多企業所擁有的資源是不可以被確認為資產的。例如：企業的消費者口碑等。根據財務會計準則，這些溢價除了在公司被兼并收購時間接被確認為商譽以外，并不能增加公司賬面價值。這導致一系列具有投資意義的行為卻在會計處理時被當成費用，導致了公司賬面價值被低估。為此，本文研究了企業研發支出、管理費用和銷售費用占收入的比例對其股票未來收益率的影響。

（三）描述性統計

所有收益預測變量經過了針對行業的中性化之后，分布比較合理。首先，所有預測變量均值均為零，然后標準差都在1附近，因為標準化是通過橫截面做的，所以全樣本標準差并不是1。另外，看到所有變量偏度和峰度也都比較合理，這說明樣本內部并不存在極端值使回歸受到影響（由于篇幅所限，具體數據未列出）。

（四）組合分析與回歸檢驗

如表2所示，分別對50個變量計算了其多空組合收益率，多空組合收益率時間序列超額收益，單變量Fama-MacBeth回歸和多變量Fama-MacBeth回歸，并報告了其t值。

從表2可以看到，五因子模型并不能夠解釋中國資本市場上所有的定價異象。具體來說，50個收益預測變量中，共有16個變量在控制了五因子之后，仍然在多元回歸中具有顯著的斜率。

這16個顯著的變量分布在各個市場異象類別里：第一，流動性：Vov、amihud、shr_tov_l。可以看到，在中國市場上，流動性是獨立于五因子的收益預測變量。從alpha的值上來看，換手率越低，單位金額價格沖擊越高，所獲得的超額收益越多，而且平均每個月都超過了1%，t值都超過了4，屬于非常顯著的變量。第二，經營能力增長：chtx。表2顯示，chtx不僅僅在多元回歸中是顯著的，方向也是正確的，能夠帶來0.55%的月度超額收益率。而且，加入所得稅增長之后，收入增長和利潤增長均在多元回歸中不顯著了。說明中國市場的投資者不僅僅對于利潤增長反應不足，而且沒有能力分辨利潤增長背后的質量。第三，分析師情緒：notice_up、exp_mom、upgrade、rating、coverage?？梢钥吹街袊馁u方分析師報告是有信息含量的，當分析師給出較高的評級、較高的目標價格以及業績預增預告時，股票未來一個月收益的確是正的。從另一方面來說，中國的投資者對于分析師的報告消化仍然存在滯后，使得這些股票被低估了。第四，處置效應：mom_l。mom_l描述的是股票過去一個月收益率。研究發現，在中國市場上，股票歷史收益率和未來收益率負相關。這有兩種解釋，第一種就是這是一種流動性因素。另外一個解釋就是中國市場投資者傾向于追漲殺跌。第五，低波動效應：vol_3、ivol_3、beta、ivol_6。可以看到，中國市場上，總體風險在剔除了行業和5因子后，和股票未來收益率呈現負相關關系，但是在控制了其他收益預測變量后，和股票未來收益率呈現正相關關系。同樣的，系統性風險和非系統性風險也和未來收益率呈現負相關關系。第六，盈利質量：invchg。當公司庫存增加后，公司的經營效率下降，預示著公司未來收益可能會受到影響，中國的投資者也并沒有意識到這一點。第七，無形資產投資：salary。為了描述公司的無形資產投資，本文選擇了公司管理費用、銷售費用和應付職工薪酬占公司收入的比例。這都對公司未來盈利沒有影響，不過本文構造的一個獨特變量卻能夠顯著預測未來收益率，那就是公司高管最大薪酬。公司通過高薪，吸引投資者的注意，能夠加強資本市場對本公司經營業務的興趣，同時也讓投資者意識到公司經營穩健。研究發現，公司高管薪酬高的公司平均每年有3.6%的超額收益。

本文構造投資組合，等權投入16因子的多空組合，按月調倉，獲得收益率如表3所示。按年統計來看，大約每年獲得多空收益率13.14%左右，因為有16個組合做分散，波動率明顯較小，基本上在2.75%左右。盡管最近兩年多空組合alpha收益率降低了，但是信息比率高于歷史平均值，年化信息比率為近6.56和5.1，這主要是由于alpha組合收益率降低，這說明套利風險在降低。筆者注意到盡管中國市場做空比較困難，在alpha中，多頭部份占比要高于空頭部份，這進一步告訴我們中國市場的定價無效主要不是來源于做空限制，而是的的確確的信息效率較低。

從圖1中可以看到市場分成三個階段：2015年之前，多空組合可以獲得穩定的對沖后超額收益;2015年由于情緒驅動，多空組合收益率提高;2015年底之后，超額收益逐漸收縮，近年則漸漸走平。

（五）對沖限制

最后研究對沖限制對中國流通企業市場定價有效性的影響。自從2015年春夏之交中國資本市場出現大幅波動之后，有評論將批評的矛頭指向了股指期貨和融資活動。監管機構和交易所也對股指期貨場內交易做出了嚴格限制：一是調整股指期貨日內開倉限制標準;二是提高股指期貨各合約持倉交易保證金標準;三是大幅提高股指期貨平今倉手續費標準;這些限制措施影響了流通企業市場套利交易者的套利能力，使得有能力的投資者離開了市場，根據有效市場理論，這必然會導致中國資本市場定價能力下降。

為了衡量中國流通企業市場定價能力的變化，將樣本分割為2015年9月之前和2015年9月之后?？疾靸刹糠?，首先是模型解釋力是否在限制股指期貨之后提高了;然后是模型里顯著的變量是否提高了。本文將變量顯著定義為t值絕對值大于2。

如圖2所示，無論是模型解釋力還是變量顯著個數都在股指期貨被限制后提高了。這或者說明流通企業市場套利活動下降，或者說明錯誤定價的幾率增加。顯然，隨著散戶在股災后逐漸退出市場，以及救市資金在2016年以來占據主導地位，沒有太多理由認為流通企業在股指期貨限制之后反而定價能力下降了。排除其他情況后，只能夠解讀為股指期貨的限制影響了中國流通企業市場套利交易者的活動水平，使得盡管市場在股災后逐漸恢復理性，機構交易者逐漸占據主導力量，定價偏差卻依然有增無減。

結論

本文對五因子模型進行了重構，五因子指標分別為：市值指標、估值指標、盈利能力指標、現金流指標、毛利率指標。在進行因子構造過程中考慮了引資構造的穩健性，以及因子間的相關性，通過分析因子構造方法可以認為四個風險因子的構造是穩健的，而通過因子相關性分析也發現因子內部的多重共線性是存在的，但目前，究竟哪一個因子才是決定性的，仍然有待于更加嚴謹的回歸檢驗。

本文選用2010-2017年底所有滬深主板上市滿1年的流通企業作為研究樣本，收集相關數據，并選取了50個指標作為研究對象，經過實證分析，本文認為所有收益預測變量經過了針對行業的中性化之后，分布比較合理;通過組合分析和回歸檢驗，五因子模型并不能夠完全解釋中國資本市場上流通企業所有的定價異象;對沖限制也會影響我國流通企業市場定價有效性，尤其是在股災之后我國流通企業錯誤定價的幾率增加，也可以理解為股指期貨的限制影響了中國流通企業市場套利交易者的活動水平。

參考文獻：

1.趙勝民，閆紅蕾，張凱.Fama-French五因子模型比三因子模型更勝一籌嗎？—來自中國A股市場的經驗證據[J].南開經濟研究，2016（2）

2.李成，張琦，李文樂.匯改后中國外匯市場與資本市場聯動效應—基于集合經驗模態分解法[J].北京理工大學學報（社會科學版），2016，18（2）

3.韓猛，繆言，白仲林.動態因子模型的結構識別研究[J].系統工程理論與實踐，2016，36（7）

4.宋光輝，董永琦，陳楊煬等.中國股票市場流動性與動量效應—基于Fama-French五因子模型的進一步研究[J].金融經濟學研究，2017（1）

5.李志冰，楊光藝，馮永昌等.Fama-French五因子模型在中國股票市場的實證檢驗[J].金融研究，2017（6）

6.劉元園.淺析IPO綠色通道對經濟發展和資本市場的影響[J].商業經濟研究，2018（3）