中國股市異象的時變特征及影響因素研究

尹力博，韋 亞，韓復齡

(中央財經大學金融學院，北京100081)

1 引言

在資產定價領域的研究中，雖然CAPM一直被視為理論基石，但是其在實證研究中的表現卻差強人意。諸多研究表明，市場中存在各類CAPM所無法解釋的市場異象，如規模異象、賬面市值比異象、動量異象、特質波動率異象、市場風險異象等[1-3]。為追逐更高的超額收益，以各類股票市場異象為基礎的風格投資策略也逐步被廣大投資者關注與應用。作為全球最大的新興資本市場，中國股票市場的市場異象成為國內外學者爭相研究的焦點。Cheung等[4]、Hsu等[5]、朱寶憲和何治國[6]、范龍振和余世典[7]、吳世農和許年行[8]、潘莉和徐建國[9]、左浩苗等[10]、劉維奇等[11]、劉圣堯和李怡宗[12]在不同的樣本期內，基于無條件CAPM，先后發現中國股票市場也存在諸如規模異象、賬面市值比異象、市盈率異象、特質波動率異象、市場風險異象等各類市場異象。在“逐利動機”的驅使下，更多的市場異象還將不斷被發掘。

然而，研究者卻發現，在一些樣本期內，股市異象的顯著程度有所減弱，甚至消失。例如，潘莉和徐建國[9]發現，中國股票市場的賬面市值比異象在2006年以后的樣本期內有所減弱。國外的股市異象也表現出相似的特征，Ang和Chen[13]指出美國股票市場的賬面市值比異象只在1963年以后的樣本期內存在；Mclean和Pontiff[3]則發現當美國股市的各類市場異象被公之于眾后，其顯著程度會明顯降低。上述研究成果在一定程度上反映了股市異象潛在的時變性。而事實上，在遵循風格投資策略的實際投資中，市場異象的時變性是難以被忽略的。對于投資者而言，忽略時變性則會使其構建的投資策略缺乏擇時能力，甚至誘導投資者做出錯誤的投資決策，為投資者帶來不必要的投資風險。因此，對于中國股票市場而言，股市異象是時變的嗎？其變化由哪些因素所影響？這是投資者所亟需解決的關鍵問題。

條件CAPM為本文的研究提供了基礎模型。相較于傳統的無條件CAPM，條件CAPM 強調了條件信息在資產定價模型中的重要性(Hansen和Richard[14])，這使其能夠反映模型中α和β時變特征。與此同時，相關研究還發現，條件CAPM有利于解釋某些市場異象。Jagannathan和Wang[15]、Lettau和Ludvigson[16]、Boguth等[17]、Ang和Kristensen[18]、Choi[19]、Cederburg和O’Doherty[20]發現相對于無條件CAPM，條件CAPM有利于解釋美國股市的規模異象、賬面市值比異象、動量異象和市場風險異象等市場異象的顯著程度均有所降低。Lewellen和Nagel[21]的研究則表明，條件CAPM并不能更好地解釋美國股票市場的規模異象和賬面市值比異象。王宜峰等[22]、張翔等[23]的研究發現條件CAPM有助于解釋中國股票市場的規模異象和賬面市值比異象。因此，本文首先分析在條件CAPM下，各類市場異象是否仍然存在。以此為基礎，進一步利用條件CAPM 所包含的時變信息，深入研究各類市場異象的時變特征及影響因素。

目前，在中國股市異象的研究中，多數研究致力于結合國外股市異象的研究成果，尋找該類異象的中國證據，并給予適當的經濟學解釋。鮮有學者從動態的視角出發，圍繞中國股市異象的時變性展開針對性的研究。本文的研究將彌補上述不足，在同一分析框架下研究了不同類型的市場異象，豐富了中國股市異象方面的研究成果。此外，在研究方法上，此前的研究常借助狀態變量捕捉各參數的動態特征(王宜峰等[22]、張翔等[23])，為了避免狀態變量的選擇偏誤對研究結果的影響，本文將借鑒Ang和Kristensen[18]提出的非參數方法對條件CAPM進行估計。總體來看，一方面，本文的研究為投資者的投資選擇提供了參考，有助于提高風格投資策略的擇時水平；另一方面，理論上來看，本文的研究還有助于加深對中國股市定價機制的理解，促進資產定價模型在中國股票市場的發展，為構建包含時變特征的資產定價模型提供了經驗支持。

2 研究方法

2.1 條件CAPM的估計與檢驗

Jagannathan和Wang[15]指出，CAPM是單期的理論模型，多數經驗研究所使用的無條件CAPM實為靜態模型，而真實的經濟環境瞬息萬變，靜態的假設顯然與實際不符。對此，他們對CAPM進行拓展，得到如下形式的條件CAPM：

Et(Rit+1|It)-rft+1=βit+1γt+1

(1)

βit+1=Covt(Rit+1-rft+1,Rmt+1-rft+1)/

Vart(Rmt+1-rft+1)

(2)

γt+1=Et(Rmt+1|It)-rft+1

(3)

It代表條件信息，E(Rit+1|It)與E(Rmt+1|It)分別為第i個風險資產和市場組合在t+1期的條件期望收益率，rft+1是t+1期的無風險收益率，γt+1是在It條件信息下的條件市場風險溢價，βit+1則衡量了第i個風險資產在It條件信息下的條件市場風險。對于第i個風險資產來說，αit+1是在It條件信息下的風險調整后收益率，由如下(4)式所示：

αit+1=(Et(Rit+1|It)-rft+1)-βit+1γt

(4)

Ang和Kristensen[18]基于非參數方法，針對條件CAPM提出了系統的估計和檢驗方法，他們不僅給出了條件α和β、長期α和β的估計量，還對上述估計量的漸進統計性質、條件α和β的時變性檢驗、非參數方法中的窗寬選擇等問題進行了全面的討論。

假設在0到T的時間范圍內，總共有n個可觀測的時刻，記為ti(i=1,…,n)，并且Δ=ti+1-ti；同時，資本市場上存在M個風險資產，第t時刻的收益率記為R=(R1,t,R2,t,…RM,t)′。那么根據(1)式所示的條件CAPM，我們可以得到第k個風險資產在第t期的收益率為：

Rk,t-rf,t=αk,t+βk,t(Rm,t-rf,t)+εk,t

(5)

(1)參數的估計和漸進統計性質

在上述條件下，Ang和Kristensen[18]借鑒了局部最小二乘估計的思想，對第k個風險資產在時刻t∈[0,T]的αk,t和βk,t提出(6)式所示估計：

(6)

其中，KhkT(ti-t)=K[(ti-t)/(hkT)]/ (hkT)，K(·)是核密度函數，hk是窗寬，最終可得αk,t和βk,t的核密度函數加權最小二乘估計量如(7)式所示：

(7)

參考Ang和Kristensen[18]的研究，本文選用高斯核對相關參數進行估計，即

(8)

在一定的假設和約束下,Ang和Kristensen[18]進一步給出了αk,t和βk,t的漸進統計性質：

(9)

(10)

(11)

(12)

(13)

進一步，對于第k個風險資產來說，長期αk和βk的估計和漸進分布分別為：

(14)

(15)

(2)αk,t和βk,t的時變性檢驗

條件CAPM中，如果αk,t和βk,t是恒定不變的，那么條件CAPM將退化為無條件CAPM。αk,t和βk,t究竟是否具有時變性呢？針對這一問題，Ang和Kristensen[18]提出利用豪斯曼檢驗對其進行統計分析。首先，我們給出如下原假設：

Hk(α):αk,t=αk∈Rt∈[0,T]

Hk(β):βk,t=βk∈Rt∈[0,T]

(16)

Wk(β)

進一步，可以得到：

(17)

該檢驗為單側檢驗，當Hk(α)(Hk(β))大于標準正太分布的95%分位點時，我們拒絕原假設，即認為αk,t(βk,t)具有時變性。

(3)窗寬的選擇

而我們可以得到第一階段的窗寬如(18)式所示：

(18)

(19)

(20)

2.2 數據選取與分組方法

本文采用的數據均來自CSMAR數據庫，將滬深兩市所有的A股股票作為備選研究樣本，參照Fama和French[1]、趙勝民等[24]的研究方法，剔除其中的金融類股票及st、*st等被特別處理的股票。考慮到中國股票市場建立初期股票數量較少、部分數據有所缺失，因此，本文的樣本期為1995年1月到2017年4月。研究中涉及的數據主要有兩類，一類是股票交易數據：包括各支股票的收益率、流通市值、總市值、收盤價、交易量、總股數和無風險收益率。為了提高實證結果的準確性和可靠性，股票的收益率、流通市值和無風險收益率均為日度頻率數據，股票的收盤價、交易量和總股數則為月度頻率數據，用于各支股票月換手率的計算。另一類是上市公司財務數據：包括樣本中涉及的所有上市公司的股東權益、凈利潤，上述財務指標均為各家上市公司財務報表的半年報和年報數據。

本文研究的中國股市異象包括規模異象、賬面市值比異象、特質波動率異象、換手率異象、市場風險異象及市盈率異象，除了股票規模可以直接用流通市值衡量以外，還需要依次計算各支股票的賬面市值比、特質波動率、換手率、市場風險以及市盈率等特征指標。

賬面市值比和市盈率均基于上市公司半年報和年報的財務數據計算得出。其中，賬面市值比為股東權益除以相應會計日期所對應的股票市值，市盈率為相應會計日期所對應的股票市值除以凈利潤。

在特質波動率的計算上，參考Ang等[22]、左浩苗等[10]的方法，基于各股票t期前3個月、至少30個有效日度觀測數據，運用Fama-French三因子模型進行回歸，將所得殘差的標準差作為衡量各支股票第t期初特質波動率的指標。

各支股票在第t月末的月換手率等于各支股票在第t月末的成交量除以對應股票在t月末的總股數。

在市場風險的計算上，參考Cederburg和O’Doherty[20]的方法，基于各支股票t期前12個月、至少120個的有效日度觀測數據，運用CAPM進行回歸，得到各支股票在第t期初的形成期β值，以此衡量各支股票的市場風險。

基于上述特征指標，參照Fama和French[1]的研究方法，將對選取的樣本股依次進行分組，并對各組合采取買入持有策略，按照市值加權方法計算各組合的收益率。然而，由于不同特征指標之間存在差異，因此分組方式也存在些許不同。

對于規模、換手率、特質波動率和形成期β值，將逐月對所有樣本股重新進行分組。如在第m月初，將按照第m-1月末的流動市值、月換手率以及m月初的特質波動率、形成期β值從小到大依次將所有樣本股分為10組。

對于賬面市值比，將在每一年的7月初和1月初對所有樣本股重新進行分組。如在第y年的7月初，將按照第y-1年12月末的賬面市值比從小到大將所有樣本股分為10組。如在第y+1年的1月初，將按照第y年6月末的賬面市值比從小到大將所有樣本股分為10組。

與賬面市值比類似，對于市盈率，同樣在每一年的7月初和1月初對所有樣本股重新進行分組。但是不同之處在于，每一個時期A股市場上都存在一定數量市盈率為負的股票。借鑒范龍振和余世典[5]的處理方法，將樣本股中市盈率為負的股票單獨分為一組，記為“負”組，對于其余市盈率為正的所有股票，參照賬面市值比的分組方法，再按照市盈率從小到大分為10組，進而得到總共11個組合。

3 實證結果與分析

3.1 單變量組合分析

基于股票的不同特征指標，按照上述分組方法，計算出不同特征指標所對應的股票組合收益率。同時，基于無條件CAPM，還計算了各股票組合對應的α和β，計算結果如表1所示。

表1展示了1995年1月到2017年4月期間，各股票組合收益率的均值，以及無條件CAPM對應的α和β。其中 “多空組合”是指投資者為了賺取正的收益，根據各特征指標與收益率之間的關系所采取的同時做多和做空兩個股票組合的投資策略。在本文中，除了賬面市值比的多空策略是做多最“大”組合、做空最“小”組合外，其余特征指標的多空策略均是做多最“小”組合、做空最“大”組合。由于本文所用數據為日度數據，參考Cederburg和O’Doherty[20]的研究方法，表中所報告的各股票組合收益率的均值、α均作了月度化處理,即在日度數據計算結果的基礎上，均值和α均乘以22。

從表1所示結果可以看出，1995年1月到2017年4月期間，各特征指標與股票組合收益率間的關系明顯。規模、特質波動、換手率、形成期β、市盈率與收益率均值之間呈現出負向關系，各多空組合均取得了顯著為正的平均收益率。與范龍振和余世典[5]的研究結果相似，在市盈率組合中，“負”市盈率組的平均收益率更接近“大”市盈率組，基于“小_負”組合構建的多空策略達到了1.68%的平均收益率，甚至大于 “小_大”組合多空策略的平均收益率。從規模和市盈率的組合分析結果來看，這兩個特征指標所對應的收益率均值具備比較明顯的下降趨勢。相比之下，特質波動率、換手率和形成期β所對應的平均收益率在第9組以前并沒有表現出明顯的下降趨勢，其對應的多空策略所獲得的顯著為正的平均收益率主要源于最后兩組平均收益率的突然下降。這與Ang等[2]的研究結果相似，他們在研究美國股票市場的特質波動率與收益率的關系時發現高低特質波動率組合之間平均收益率的顯著差異主要來源于高特質波動率組合的低平均收益率。與上述特征不同，賬面市值比與組合的平均收益率之間呈現出了正向關系，平均收益率的單調上升趨勢比較明顯，多空組合的平均收益率也達到了1.01%。

相對于無條件CAPM，規模異象、賬面市值比異象、特質波動率異象、換手率異象、市場風險異象及市盈率異象均存在于中國股票市場。從基于無條件CAPM計算出的β可以看出，除去規模組合的市場風險與平均收益率呈現正向關系，賬面市值比和市盈率組合的市場風險與平均收益率無明顯關系外，其余特征指標對應組合的市場風險與平均收益率之間均表現出明顯的負向關系。很顯然，這樣的經驗結果與CAPM理論相悖。進一步來看，規模、賬面市值比和市盈率所對應的多空組合均能得到顯著為正的α。上述證據都表明，無條件CAPM并不能完全解釋上述特征指標所對應各組合的收益率差異。

表1 全樣本單變量組合分析結果

續表1 全樣本單變量組合分析結果

表中均值、α的單位均為%；樣本期為1995年1月到2017年4月。“( )”中數值為Newey-West t統計量，*表示在10%顯著性水平下顯著，**表示在5%顯著性水平下顯著，***表示在1%顯著性水平下顯著。

3.2 中國股票市場異象的長期存在性

市場異象時變性的研究要以其存在性為前提，因此，本文首先考察了條件CAPM下，各類股票市場異象是否長期存在。Jagannathan和Wang[15]、Lewellen和Nagel[21]指出，無條件CAPM對于時變性的忽略是造成股票市場異象的潛在原因之一。那么，考慮時變性的影響后，條件CAPM下中國股票市場異象是否仍然存在？為了回答該問題，本文分別運用非參數方法和普通最小二乘方法估計了條件CAPM的長期α與無條件CAPM的無條件α，圖1展示了估計結果。

圖1描繪了不同特征指標對應組合的長期α和無條件α的截面變化軌跡，實心點及其對應的上下延長實(虛)線為長期α的估計值及95%置信區間，空心點及其對應的上下延長線為無條件α的估計值及95%置信區間。

由圖1可以看到，1995年至今，考慮時變性后，各類市場異象依然存在于中國股票市場。與無條件α相比，長期α表現出相似的變化特征，賬面市值比與長期α之間呈現正向關系，其余特征指標與長期α之間均為負向關系。對于多空組合來說，圖1中α=0的虛線均長期α的95%置信區間以外，這表明條件CAPM也不能完全解釋多空組合的長期收益率。

條件CAPM有助于解釋市場風險、特質波動率、市盈率和換手率異象，但解釋能力有限。在各類多空組合中，與無條件α相比，市場風險多空組合的長期α下降最多，幅度為25.31%；特質波動率、市盈率和換手率多空組合的長期α也分別下降了12.53%，10.45%(10.63%)和4.67%。

3.3 市場異象與風險的時變特征

上述分析結果表明，即使在條件CAPM下，各類市場異象在中國股票市場依然存在。以此為基礎，本節將對各類市場異象及市場風險的時變性進行統計檢驗，并進一步對其長期變化特征進行描述與分析。運用豪斯曼檢驗方法，對各股票組合條件α和β的時變性檢驗結果如表2所示。

圖1 各股票組合長期α和無條件α的截面變化軌跡

從表2所示結果可以看到，中國股票市場異象具有顯著的時變性，同時，對于所有股票組合而言，其市場風險同樣表現出顯著的時變性。包括多空組合在內，多數股票組合的條件α都在較高的顯著性水平下拒絕了“恒定不變”的原假設，而少數沒有拒絕原假設的股票組合多集中在第4到第8組。結合圖1我們可以看到，對于第4到第8組的股票組合，其長期α傾向于0，相反，對于長期α顯著異于0的股票組合，其條件α的時變性更為顯著。另一方面，所有股票組合的條件β均在較高顯著性水平下拒絕了“恒定不變”的原假設，該結果也與Ang andKristensen[18]對于美國股票市場的研究結果相同。各多空組合條件期望收益率的變化，在很大程度上也源于上述市場風險的變化。

表2 條件α和條件β的時變性檢驗

續表2 條件α和條件β的時變性檢驗

*表示在10%顯著性水平下顯著，**表示在5%顯著性水平下顯著,***表示在1%顯著性水平下顯著。

圖2、圖3分別描繪了各多空組合的條件α和β的變化軌跡，其中，實線為條件α和β的估計值，虛線為各估計值所對應的95%置信區間。

圖2 多空組合的條件α

圖3 多空組合的條件β

由圖2結果可以看出，1995年至今，中國股票市場經歷了一次風格轉換，以賬面市值比異象、市盈率異象為代表的價值型異象正在逐漸減弱甚至消失，而規模、特質波動率、換手率以及市場風險異象正逐漸顯現并仍有增強的趨勢。其中，特質波動率、換手率以及市場風險多空組合的條件α呈現出緩慢的上升趨勢，2010年前后開始趨于顯著為正，0軸逐漸脫離其95%置信區間。與此相反，賬面市值比、高低市盈率以及負正市盈率多空組合的條件α則呈現出下降趨勢，2010年前后開始圍繞0軸上下波動，0軸已經落在其95%置信區間內。

由圖3可以看出，對于規模、賬面市值比、市盈率等“基本面類”異象對應的多空組合收益率，條件β雖然展現出一定的解釋能力，但十分有限。具體來看，該類異象所對應多空組合的條件β時正時負，規模和賬面市值比對應的條件β更是在多數時期大于0。這意味著多空組合收益率可以在一定程度上由市場風險溢價所解釋。然而，考慮到上述條件β在數值上與0相近，且在部分時期小于0，因此，解釋能力將十分有限。

而對于特質波動率、換手率以及市場風險等“市場類”異象對應的多空組合收益率，條件β不僅沒有表現出解釋能力，還得出與理論預期完全相反的結果。幾乎在所有時期，該類異象對應的條件β均為負，數值上也較大程度的偏離于0。

3.4 市場異象與市場風險變化的影響因素

為進一步分析影響市場異象和市場風險變化的經濟因素，本文選取了CPI同比增速、廣義貨幣供應量增長率(M2增速)、經濟景氣指數、銀行間同業拆借利率、股票市場換手率等經濟指標作為潛在的解釋變量，涵蓋了通貨膨脹、貨幣政策、經濟增長、資金流動性以及股票市場活躍度等多方面的信息。其中，CPI同比增速、M2增速、經濟景氣指數為刻畫宏觀經濟環境變化的宏觀經濟因素，銀行間同業拆借利率、股票市場換手率為刻畫市場環境變化的市場因素。

實際上，從中國經濟發展的實際情況來看，本文所選取的宏觀經濟因素和市場類因素具備不同的經濟含義。作為新興經濟體，中國的金融市場的發展仍不成熟，與實體經濟間的關聯度較低，“脫實向虛”也是當前中國經濟發展面臨的主要問題。在該背景下，就上述指標而言，市場因素更多反映了金融市場的活躍度和投機性，而非經濟環境的信息。蘇治等[25]、張錚和劉力[26]在研究中也對此給予了經驗支持。因此，宏觀經濟因素可視為包含更多經濟信息的理性因素，而市場類因素可視為包含更多市場投機性的非理性因素。

利用上述變量的滯后一期值，對多空組合的條件α和條件β進行回歸。解釋變量均為月度數據，條件α和條件β為各月的月末值。由于部分宏觀經濟數據缺失，回歸樣本期為1998年2月到2017年4月，估計結果如表3、表4所示。

表3 多空組合條件α的多元回歸分析

“()”中數值為Newey-West t統計量，*表示在10%顯著性水平下顯著，**表示在5%顯著性水平下顯著，***表示在1%顯著性水平下顯著。

由表3可以看出，規模、賬面市值比、市盈率等“基本面類”異象主要受宏觀經濟因素的影響，而特質波動率、換手率以及市場風險等“市場類”異象主要受市場因素的影響。具體體現在，在“基本面類”異象中，宏觀經濟因素多在統計上顯著，而在“市場類”異象中，市場因素則展現出更強的顯著性。

上述結果意味著，“基本面類”異象反映了更多經濟風險的信息，此類異象實際是未能被條件CAPM所解釋的風險溢價。“市場類”異象則是市場中諸多非理性行為的結果，此類異象實際來源于市場的無效。

由表4可以看出，市場因素對各多空組合市場風險的解釋能力更為突出。除賬面市值比外，其余特征指標對應的回歸結果中，市場因素均在統計上顯著。與之相比，宏觀經濟因素只對賬面市值比和市盈率的多空組合市場風險具備顯著的解釋能力。

表4 多空組合條件β的多元回歸分析

“()”中數值為Newey-West t統計量，*表示在10%顯著性水平下顯著，**表示在5%顯著性水平下顯著，***表示在1%顯著性水平下顯著。

該結果意味著，對于多數特征指標的多空組合，以條件β衡量的市場風險主要被市場因素所解釋，條件β未能捕捉到其蘊含的經濟風險，這也是條件CAPM無法解釋各市場異象的原因之一。作為對該觀點的進一步佐證，在賬面市值比的回歸結果中可以看到，宏觀經濟因素展現出顯著的解釋能力，并且圖1顯示，賬面市值比異象在各異象中相對較弱，這表明條件CAPM可以相對較好地解釋賬面市值比與收益率的正向關系。

4 結語

本文基于條件CAPM，對規模異象、賬面市值比異象、特質波動率異象、換手率異象、市場風險異象及市盈率異象的長期存在性、時變性及影響因素依次進行研究。其中，在影響因素的研究中，我們選取CPI同比增速、M2增速、經濟景氣指數和銀行間同業拆借利率、股票市場換手率等指標，研究了宏觀經濟因素和市場因素的變化對市場異象及時變風險的影響。主要研究結論如下：第一，條件CAPM雖然有助于解釋特質波動率異象、換手率異象、市場風險異象及市盈率異象，但是解釋能力有限，長期來看，條件CAPM下的各類市場異象仍然存在。第二，中國股票市場異象和各股票組合的市場風險均表現出顯著的時變性，并且在樣本期內，中國股票市場異象的風格發生了轉換，以賬面市值比異象、市盈率異象為代表的價值型異象正在逐漸減弱甚至消失，其他市場異象的顯著性則有增強的趨勢。第三，規模、賬面市值比、市盈率等“基本面類”異象主要受宏觀經濟因素的影響，反映了更多經濟風險的信息；而特質波動率、換手率以及市場風險等“市場類”異象主要受市場因素的影響，此類異象更可能來源于市場的無效。第四，條件β未能捕捉到文中各多空組合蘊含的經濟風險，這是條件CAPM無法解釋各市場異象的原因之一。

本文的研究豐富了動態視角下中國股市異象方面的研究成果。研究結果表明，中國股市的各類市場異象具有顯著的時變性。因此，對于投資者而言，市場異象的時變性是不可忽視的關鍵因素，時變信息對于風格投資策略擇時能力的提高發揮著重要作用。同時，對于以市場異象為基礎的因子定價模型而言，構建包含時變信息的定價因子將成為提升模型定價表現的關鍵所在。此外，本文的研究也從定價的角度反映出中國股市效率的變化趨勢。研究結果表明，特質波動率、換手率以及市場風險等“市場類”異象正逐漸增強，而上述異象在很大程度上體現了市場有效性的變化特征，因此，中國股市雖然歷經多年發展，其有效性似乎有減無增。對于投資者而言，市場有效性的缺乏則為其利用市場異象，賺取超額收益帶來了機會。