基于因子模型的流動性對資產定價的影響研究

歐陽紅兵 喻靜瓊

摘? ?要：流動性是資產定價研究領域的重要議題。本文通過滬深A股2000年7月至2018年6月的個股數據，用換手率與Amihud指標測度流動性，運用Fama-MacBeth截面回歸與構造投資組合進行時間序列回歸的方法，比較兩個指標作為流動性測度的實證表現，構造流動性因子建立我國股市流動性擴展的六因子模型。研究結果表明，我國股市存在流動性溢價;換手率比Amihud指標更適合作為我國股市的流動性定價指標;換手率測度流動性水平構建流動性擴展的六因子模型對我國股票市場收益特征的解釋是有益的。

關鍵詞：因子模型;流動性;換手率;Amihud指標

中圖分類號：F830? 文獻標識碼：A 文章編號：1674-2265（2020）07-0013-10

DOI：10.19647/j.cnki.37-1462/f.2020.07.002

一、引言

自1990年末上海和深圳證券交易所先后建立以來，我國證券市場經過近30年的發展，不斷壯大日漸完善，已形成包括主板、中小企業板、創業板和科創板等多層次的證券市場體系。根據上海和深圳證券交易所統計，截至2019年12月31日，上海證券交易所掛牌股票1629只（其中主板A股1499只，主板B股50只，科創板80只），市值總價346734.79億元;深圳證券交易所股票2242只（其中主板A股461只，主板B股47只，中小板943只，創業板791只），上市公司總市值達237414.86億元。我國股票市場整體上獲得了長足發展，投資者數量也相當龐大，但與發達國家股票市場相比依然不夠成熟，特別是在投資者結構方面。我國股市投資者中機構投資者比重小，散戶占比很高，而散戶投資者遠沒有機構投資者成熟理性，對沖風險的手段也相對較少，過度投機情況嚴重。散戶投資者容易跟風引發羊群效應，而大量機構投資者也熱衷于追漲殺跌，市場極易出現暴漲暴跌的現象。與此同時，我國股市也存在著高換手率特征。

圖1為我國滬深A股市場2000年7月至2018年6月的換手率水平，可以看到換手率水平整體在30%左右，在股市行情較好的情況下甚至達到100%， 高換手率水平一方面意味著流動性水平高，市場交易活躍，投資者熱情高漲;另一方面也代表市場上短期投資行為較普遍，價值投資意識不強，投機性強。因此，關注流動性水平，理解流動性與資產定價的關系，有助于提醒投資者理性投資，維護自身利益。

關注市場系統流動性需要著眼于交易資產的流動性與資產定價的關系。Amihud等（2013）[1]在系統闡釋流動性與金融危機之間的關系時就曾指出，理解流動性（流動性水平）以及流動性風險同資產定價的關系是理解金融危機的核心。本文研究流動性對股票收益率的影響，通過換手率與Amihud指標測度我國個股與投資組合的流動性水平，構造流動性定價因子，在Fama-French五因子模型的基礎上建立包含流動性因子的資產定價模型。

二、文獻回顧

（一）流動性定義與測度

流動性是證券市場活力的體現，其確切含義在學術界尚未達成一致定論。目前學術界較廣為接受的是從寬度、深度、彈性和及時性這四方面來定義流動性（Kyle，1985;Massimb和Phelps，1994;靳云匯和楊文，2002;Sarr和Lybek，2019）[2，3，4，5]，寬度主要指交易在短期內得到執行所需要的成本，深度指不會影響當前交易價格的交易量，彈性指交易價格從波動狀態恢復到均衡的速度，及時性指以合理價格執行交易的時間。流動性的含義是多維的，對流動性的度量也需從多方面考慮，不能僅刻畫流動性某一方面的特征。

使用交易價格來衡量流動性的主要有Roll指標（Roll，1984）[6] 、實現價差（Harris，1990）[7]以及市場效率系數（MEC）（Hasbrouck，1991）[8]。使用交易量測度流動性最常用的指標是換手率，特別是在研究我國股市流動性問題時（蘇冬蔚和麥元勛，2004;梁麗珍和孔東民，2008;陶希晉和勾東寧，2010;熊家財和蘇冬蔚，2013）[9，10，11，12]，也有直接使用交易量（陳輝和顧乃康，2017）[13]來衡量流動性。將價格與交易量相結合來測度流動性的指標比較多，而且運用也相當廣泛。Martin（1975）[14]通過每日價格變化幅度的平方與每日交易量的比值來衡量流動性，即Martin 流 動 性 比 率。Dubofsy和Groth（1984）[15]提出Amivest流動性比率，用資產價格變化每1個百分點時需要多少交易量的變動來測算，該流動性指標最先由 Amivest 公司使用，后來成為納斯達克市場衡量流動性的指標之一。Marsh和Rock（1986）[16]提出Marsh-Rock 流動性比率，采用特定時間內的交易數量來度量流動性水平。Amihud（2002）[17]提出Amihud非流動性指標，該指標是流動性水平的負向指標，即Amihud非流動性指標值越大，代表流動性水平越低。Pástor和Stambaugh（2003）[18]提出Gamma系數來測度流動性，簡稱P-S流動性指標。

（二）流動性與資產定價

在資產定價模型不斷發展完善的大背景下，流動性在資產定價理論與實證研究中也逐漸得到重視。

較早開始研究流動性與資產定價關系的是Amihud和Mendelson（1986）[19]，他們用買賣價差測度非流動性水平，實證發現美國股票市場個股預期收益率與非流動性存在正相關關系，且預期收益率是非流動性指標的凹函數。Datar等（1998）[20]用換手率測度流動性水平，研究發現在控制相關變量后流動性對期望收益的影響依然顯著，而且影響作用并不是只存在于一月份。Acharya和Pedersen（2005）[21]將流動性（流動性風險）視作一個定價因素，將其加入資本資產定價模型（CAPM）中，通過均衡分析推導出流動性調整的資本資產定價模型（LCAPM）。Chan和Faff（2005）[22]通過澳大利亞股票市場1990—1998年的月度數據，在Fama-French三因子模型的基礎上用換手率測度流動性，研究流動性的資產定價作用，研究證明加入流動性的因子模型是穩健的。Liu（2006）[23]通過實證研究發現，美國股票市場存在CAPM模型與Fama-French三因子模型無法解釋的流動性溢價，于是在傳統CAPM模型的基礎上用投資組合模擬法構造流動性因子并將其加入CAPM模型中得到流動性擴展的資本資產定價模型（LACAPM）。Amihud等（2015）[24]用其提出的Amihud非流動性指標構造了流動性因子IML，并通過全球45個股票市場數據進行實證研究，發現流動性溢價在全球股票市場普遍存在。Moshirian等（2017）[25]通過全球39個證券市場數據進行實證研究，結果表明個股流動性與市場流動性的協動性在全球大多數股票市場中是已被定價的，且在發達國家證券市場中的定價效應更強。

國外學者在這方面的研究起步較早，理論與實證研究都比較豐富，國內學者更多的是運用國外學者的理論對中國股市進行實證研究。陳青和李子白（2008）[26]在CAPM模型的基礎上，借鑒并改進了Liu（2006）[23]的方法，構造出新的流動性因子，構建我國股市流動性調整的CAPM模型（CCAPM）。劉峰和霍德明（2012）[27]研究發現在Fama-French三因子的基礎上引入流動性因子可以明顯降低GRS檢驗統計值，提高模型對投資組合收益率的擬合效果。韓金曉和吳衛星（2017）[28]使用股票交易最高價和最低價來度量流動性，并以Amihud非流動性指標為參照，發現股票收益的流動性溢價現象普遍存在于各股票市場，并且換手率比價差類指標在度量中國股票市場流動性時更有效。李艷茹（2018）[29]基于滬深兩市全部A股數據在Fama-French五因子模型基礎上考慮流動性因素， 研究結果表明我國股票市場定價模型基本符合包括市場風險、規模效應、流動性效應和價值效應所確定的四因子模型，流動性因素對于定價模型具有顯著的改善作用。石廣平等（2019）[30]運用MS-AR模型研究市場流動性與資產價格的非線性關系時發現市場非流動性對股票、債券等資產的當期價格均存在正向影響。

綜上所述，流動性測度指標非常之多，各種不同的流動性度量指標在實證中優劣表現并不一致，綜合考慮價格與交易量的指標對流動性測度比較全面，既體現流動性寬度與深度特征又考慮到交易量對價格的影響。在流動性與資產定價理論與實證研究中，大部分研究都證明流動性對資產橫截面收益（價格）與時序收益（價格）都存在顯著影響，無論是國外市場還是我國股市都存在流動性溢價。本文基于理性定價的原則，結合各指標對我國股市流動性情況的適用性，選擇換手率和Amihud非流動性指標（后文將該指標取負數改為正向的流動性測度指標）作為我國A股市場股票流動性水平的衡量指標。在實證研究方法上，Fama-MacBeth截面回歸是研究影響資產價格橫截面差異因素的經典方法，對股票進行分組，通過投資組合構建因子并進行時間序列回歸則是Fama-French類因子模型的精髓。本文通過Fama-MacBeth截面回歸和構造投資組合進行時間序列回歸作為主要實證方法，在Fama-French五因子模型的基礎上構建我國股市流動性擴展的六因子模型。

三、實證設計

本文借鑒Liu（2006）[23]在傳統資產定價模型中加入新因子的思想，以Fama-French五因子模型為基礎，通過換手率和Amihud指標測度流動性構造流動性因子加入五因子模型中，建立流動性擴展的因子定價模型。

按照Fama和French（2015）[31]采用2×3投資組合劃分方法以流通市值加權平均構造流動性因子。為方便表述，將換手率衡量的流動性對應的因子稱為換手率流動性因子，記為[TLiq]，將Amihud指標衡量的流動性對應的因子稱為Amihud流動性因子，記為[ALiq]。按公司規模大小將股票分成規模小組（[S]）和規模大組（[B]），然后分別對每組按照換手率從低到高分成3組，低（[TL]）、中（[TN]）、高（[TH]）組分別占比30%、40%和30%，由此得到6組投資組合（[STL]，[STN]，[STH]，[BTL]，[BTN]，[BTH]）。采用同樣的方法對規模和Amihud指標排序分組得到6組投資組合（[SAL]，[SAN]，[SAH]，[BAL]，[BAN]，[BAH]）。再根據如下計算方法即可得到換手率流動性因子（[TLiq]）和Amihud流動性因子（[ALiq]）。

[STH]表示規模小組（[S]）且換手率高（[TH]）的投資組合，其他符號意義類推[TLiq]表示在考慮規模因素后換手率高的投資組合月度平均收益率與換手率低的投資組合月度平均收益率之差。[ALiq]表示在考慮規模因素后Amihud指標值高的投資組合月度平均收益率與Amihud指標低的投資組合月度平均收益率之差。

得到各因子變量后將兩組流動性因子分別加入原來的Fama-French五因子中，得到本文主要研究的兩組六因子模型：

模型（1）和（2）中的[Rit]表示資產在t時期的收益率，[Rft]表示無風險利率，[Rmt-Rft]表示市場風險溢價因子（即市場超額收益率，是考慮現金紅利再投資的月市場收益率與月度化無風險利率之差所得），系數為b;[SMBt]表示規模因子，系數為s;[HMLt]表示賬面市值比因子，系數為h;[RMWt]表示盈利因子，系數為r;[CMAt]表示投資因子，系數為c;模型（1）中的[TLiqt]表示通過換手率測度的流動性因子，其系數記為[i1];模型（2）中的[ALiqt]表示通過Amihud指標衡量的流動性因子，其系數記為[i2];[αt]和[et]分別表示截距與殘差項。

分別構建5×5規?！獡Q手率組合（Size-Turnover）與規模—Amihud組合（Size-Amihud），用投資組合收益序列對五因子模型與兩組六因子模型進行時間序列回歸，檢驗各因子模型能否對流動性溢價做出較好解釋。采用同樣的5×5投資組合構造法構建規?！~面市值比組合（Size-BM）、規?！M合（Size-OP）和規模—投資組合（Size-Inv），用這3種特征的投資組合對五因子模型和兩組六因子模型進行回歸，并將兩組流動性擴展的因子模型與五因子模型的回歸結果進行比較，檢驗流動性擴展的六因子模型在解釋我國股市規模效應、賬面市值比效應、盈利效應與投資效應上的實證表現。最后通過Gibbons等（1989）[32]提出的GRS檢驗對兩組六因子模型對組合收益率的擬合效果進行檢驗，并與五因子模型進行比較，對模型做出總體評價。

四、實證分析

（一）數據選取與變量定義

本文選擇滬深A股（包括主板、創業板和科創板）作為實證研究對象，樣本期為2000年7月1日至2018年6月30日，原始數據均來自國泰安（CSMAR）金融數據庫。個股月度與日度數據包括考慮現金紅利再投資的收益率、交易金額、交易股數和流通市值，剔除交易狀態為ST和PT以及收益率空缺的數據。市場收益率數據為滬深A股市場考慮現金紅利再投資的綜合月（日）度市場收益率。月（日）度無風險利率為定期整存整取年利率根據復利計算方法將年度利率月（日）度化所得。個股對應的公司財務數據為1998—2017年的半年與年度數據。Fama-French五因子數據為2000年7月至2018年6月的月度數據。

個股超額收益率用考慮現金紅利與再投資的個股收益率減去無風險利率所得。換手率（Turnover）通過交易股數與流通股數的比值來計算所得。原本的Amihud指標是非流動性測度指標，本文為了直接反映流動性，對該指標取負對數值，因此在本文實證研究中Amihud指標值越大代表流動性越好，是正向的流動性指標，通過個股日度數據計算出月度Amihud指標，具體計算公式如下：

其中，[Ni，t]表示第t月股票i的交易天數，[|Ri，d，t|]表示股票i在第t月第d日的收益率絕對值，[Voli，t，d]表示股票i在第t月第d日的交易額。市場風險（β）用CAPM模型中的β系數衡量，在每個月將個股的日度超額收益率數據對市場超額收益率（考慮現金紅利再投資的日度市場收益率減去日度無風險利率）數據回歸所得。公司規模（Size）采用第t年6月底的流通市值來衡量第t年7月到第t+1年6月的公司規模。賬面市值比（BM）用第t-1年年末的每股凈資產除以流通股股價計算所得。盈利能力（OP）用t-1年年末的每股營業利潤除以每股凈資產計算所得。投資水平（Inv）用t-1年年末的資產增長率來衡量，即用第t-1年的資產與第t-2年的資產之差再除以第t-2年的資產計算所得。

（二）換手率與Amihud組合的當期收益特征

將每個月的個股數據按照換手率或Amihud指標從低到高排序分成樣本大小相等的10組，依次為L，2，3，…，H，L表示最低，H表示最高。根據流通市值加權計算各組合的當期超額收益率，組合的規模為組合內個股流通市值的加總再除以組內股票個數，然后對月數（2000年7月至2018年6月一共216個月）取平均值。

先看換手率組合的收益特征。隨著股票組合的換手率越來越高，超額收益率呈現單調增大趨勢，且換手率水平最高的組合與最低的組合超額收益率之差超過6%。換手率越高，代表流動性水平越高，對組合當期收益率有正向影響，可以初步判斷我國股市存在流動性溢價。另外，組合的規模隨著換手率水平的變大而單調減小。

再看Amihud組合的收益特征。除去Amihud指標最低的股票組合外，組合的當期收益率隨著Amihud指標增大而增大。Amihud指標值越大，組合的流動性越好，因此對股票組合當期收益率整體上的正向影響也可判斷出我國股市存在流動性溢價。同時，Amihud指標越大的股票組合，規模也越大，這一點與換手率組合的表現是相反的。

（三）橫截面預期收益率影響因素分析

Fama-Macbeth回歸模型中的因變量均為預期超額收益率，將Fama-French五因子模型中的變量作為控制變量，檢驗換手率與Amihud指標對股票截面預期收益率的影響顯著性水平。

將換手率組的回歸（1）（3）（5）分別和Amihud指標組的回歸（2）（4）（6）比較起來看，換手率的系數值也比Amihud指標系數值大，說明換手率對預期收益率的影響更大。各控制變量在兩組模型中的表現也存在明顯差異。與Amihud指標組的變量系數相比，市場風險系數（β）在換手率組中顯著性與符號不變，系數值略大;公司規模（Size）在兩組中的表現差異最大，在換手率組中為負但不顯著，在Amihud指標組的回歸中在1%的水平上顯著為負，且系數值也很大（相對于其他變量系數值）。賬面市值比的系數在換手率組中比Amihud指標組中略大（0.018，0.009）。盈利能力在換手率組的回歸（5）中沒有在Amihud指標組的回歸（6）中顯著，符號由正變負。投資水平在兩組模型中均不顯著。比較兩組模型截面回歸的平均R2，可以發現回歸（1）比（2）大，回歸（3）比（4）大，回歸（5）比（6）大，換手率組的整體擬合效果比Amihud指標組好。

Fama-Macbeth截面回歸結果說明，換手率與Amihud指標對我國股票橫截面預期收益率都存在顯著影響。將市場風險系數、公司規模、賬面市值比、盈利能力與投資水平作為控制變量后，換手率稀釋了其他變量對預期收益率的影響，而Amihud指標對收益率的影響作用在加入控制變量前后的差異并不明顯，說明換手率比Amihud指標對股票截面預期收益率的解釋能力更強。

（四）新模型對流動性溢價的解釋能力分析

在對因子模型進行時間序列回歸前檢驗各因子變量間的相關性水平。

從各因子之間的相關系數可以看出，規模因子與賬面市值比因子、盈利因子、兩個流動性因子均存在較高的相關度，盈利因子與投資因子、兩個流動性因子也存在較高的相關度，相關系數超過了0.5。然而兩個流動性因子之間的相關系數絕對值卻不足0.1，說明兩個指標所包含的信息是存在明顯差異的。整體上換手率流動性因子TLiq與五因子的相關系數值小于Amihud流動性因子ALiq與五因子的相關系數值，說明六因子模型（1）的變量相關性水平比模型（2）低。

為排除各因子變量間的相關性導致時間序列回歸存在多重共線性問題，在用各因子模型對投資組合回歸時使用VIF方差膨脹因子來判斷。經檢驗，各因子變量的VIF值都小于5，五因子變量VIF的平均值為2.83，六因子模型（1）中因子變量VIF平均值為2.76，略小于六因子模型（2）VIF的平均值（3.07）。由此說明各因子模型都不存在嚴重的多重共線性。

為了檢驗兩組六因子模型對流動性溢價的實證表現，本文用規?！獡Q手率組合的超額收益率序列分別對五因子模型與六因子模型（1）回歸，用規模—Amihud投資組合的收益率序列對五因子模型與六因子模型（2）回歸，通過與五因子模型的回歸結果比較，判斷兩組六因子模型對資產收益率的解釋能力是否更進一步。

比較回歸截距項可以發現，五因子模型25組回歸中只有8個不顯著，六因子模型（1）中不顯著的有11個，說明整體上六因子模型對規?！獡Q手率組合的回歸表現更好。再看六因子模型（1）回歸中各因子變量的表現，市場風險因子25個系數全是顯著的，規模因子只有1個不顯著，且隨著規模增大，規模因子系數在逐漸變小，至規模最大時各換手率水平上的規模因子都變成負的;賬面市值比因子與盈利因子都只有少數幾個系數在10%和5%的水平上顯著，投資因子的系數不顯著的有9個，換手率流動性因子（TLiq）在換手率處于第二低的水平下有3個不顯著，其余的都比較顯著，在換手率水平最低時（L），流動性因子系數為負值，隨著換手率水平變高各規模組的流動性因子系數在變大，到換手率水平最高且規模最大時流動性因子系數接近于1。各變量系數說明，在對規?！獡Q手率組合的解釋上，六因子模型（1）中除賬面市值比因子與盈利因子外，其他因子的表現都很好，且六因子模型（1）比五因子模型對規?！獡Q手率組合的擬合效果更好。

25組回歸中五因子模型截距項不顯著的有10個，六因子模型（2）中不顯著的有19個，只有2個是在1%的水平下顯著，說明六因子模型（2）對規?！狝mihud組合的解釋力非常強，表現明顯優于五因子模型。市場風險因子全都顯著，規模因子有22個顯著，且隨著規模越來越大規模因子的系數在變小至規模最大組系數變成負值;賬面市值比因子、盈利因子與投資因子都只有3個左右的系數在1%水平上顯著;Amihud流動性因子（ALiq）主要是Amihud指標處于第三水平時不顯著，有19個都在1%的水平下顯著，隨著Amihud指標越來越大，流動性因子系數也越來越大。在對規?！狝mihud組合收益率的擬合上，六因子模型（2）主要通過市場風險因子、規模因子和流動性因子（ALiq）起到解釋作用，賬面市值比因子、盈利因子與投資因子并不顯著。

六因子模型（1）對規?！獡Q手率投資組合的擬合效果比五因子模型好，六因子模型（2）對規模—Amihud投資組合的擬合效果也比五因子模型好，說明流動性擴展的六因子模型對我國A股市場流動性溢價效應的解釋能力優于五因子模型。

（五）兩組流動性因子比較分析

為了比較兩組流動性擴展的六因子模型對相同投資組合擬合表現，本文通過規模—賬面市值比組合（Size-BM）、規?！M合（Size-OP）與規模—投資組合（Size-Inv）收益序列分別對兩組六因子模型回歸，比較兩組流動性因子在模型中的表現。各投資組合的216個月的平均收益率見表6。

在規模—賬面市值比（Size-BM）投資組合中，組合的超額收益率整體上表現出隨著賬面市值比的增高而增大，5組不同規模大小的最高賬面市值比組合的收益率都比最低賬面市值比組合的收益率高，證明我國股市存在賬面市值比效應，即賬面市值比越高收益率越高;5組高低不同的賬面市值比組合中，收益率都是隨著組合的規模變大超額收益率變小，在規?！M合（Size-OP）和規?！顿Y組合（Size-Inv）中這一特征也表現得非常明顯，因此可以判定我國股市存在顯著的規模效應，即規模越小收益率越高。在規?！⊿ize-OP）組合中，盈利能力與收益率的關系不是單調的遞增或遞減，整體上盈利能力水平越高，組合的超額收益率越高，盈利能力最高的組合比盈利能力最低的組合收益率高，這與Fama和French的研究中美國股市表現的特征一致，而與部分國內學者對我國股市實證研究的結果相反。在規模—投資（Size-Inv）組合中，投資水平與收益率的正負關系并不明顯。

兩組流動性因子在模型回歸中的表現如表8，i1為六因子模型（1）中換手率流動性因子的系數，i2為六因子模型（2）中Amihud流動性因子的系數。

兩組六因子模型的流動性因子表現存在明顯的差別，六因子模型（1）對應的換手率流動性因子（TLiq）在三種特征的投資組合回歸中，幾乎都是顯著的，只有少數幾個系數不顯著，在規模—賬面市值比組合只有4個不顯著，在規模—盈利組合中5個不顯著，在規模—投資組合中6個不顯著;而六因子模型（2）對應的Amihud流動性因子（ALiq）在三種特征的投資組合回歸中均只有3個左右的系數顯著，絕大多數系數都不顯著。兩組流動性因子的表現說明以換手率衡量的流動性因子的引入有助于解釋我國A股市場的規模效應、賬面市值比效應、盈利效應與投資效應，而Amihud指標測度的流動性因子對這三種特征投資組合收益率的解釋沒有明顯的邊際作用。

為了將六因子模型（1）與模型（2）同時和五因子模型進行對比，本文用規模—賬面市值比組合（Size-BM）、規?！M合（Size-OP）與規?！顿Y組合（Size-Inv）的時間收益序列分別對五因子模型和兩組六因子模型回歸（受篇幅所限回歸結果細節未列出）。三組模型對各投資組合回歸的截距項表現不一致，但六因子模型（1）調整后的R2在三種投資特征組合回歸中都是最高的。

（六）GRS檢驗與總體評價

為了對兩組六因子模型對投資組合的擬合效果進行總體評價，本文參照Fama和French（2015a）[31]的做法，使用Gibbons等（1989）[32]提出的GRS檢驗將兩組流動性因子模型與五因子模型回歸擬合效果進行對比分析。GRS檢驗以模型所有回歸的截距項是否同時為零作為原假設，GRS值越小，其p值越大（一般以p值等于0.05作為判斷界線），接受截距項聯合為零原假設的可能性越高，模型的擬合效果也就越好;A|α|表示所有回歸截距項絕對值的平均值，代表回歸中收益率不能被因子變量解釋的部分，值越小表明模型被解釋的效果越好，A（R2）為所有回歸調整的擬合優度系數的平均值，值越大代表模型的擬合優度越高。

六因子模型（1）的GRS值小于五因子模型，A|α|小于五因子模型，A（R2）大于五因子模型，說明六因子模型（1）對規?！獡Q手率投資組合的擬合效果明顯比五因子模型好。六因子模型（2）的GRS指標小于五因子模型，A（R2）大于五因子模型，二者的A|α|值幾乎沒有差別，同樣證明六因子模型（2）對規?！狝mihud投資組合的擬合效果優于五因子模型。GRS檢驗結果說明兩組流動性擴展的六因子模型對流動性溢價特征的擬合表現比五因子模型更好。

在規模—賬面市值比（Size-BM）組合的擬合中，六因子模型（1）的GRS值比六因子模型（2）和五因子模型的都要小，說明對賬面市值效應的解釋上六因子模型（1）比六因子模型（2）和五因子模型更具說服力;五因子模型對規?！⊿ize-OP）組合和規?！顿Y（Size-Inv）組合的GRS值比兩組六因子模型小，說明在解釋我國A股股市收益率的盈利效應和投資效應上，五因子模型比六因子模型更有優勢;在面板A、B、C中，六因子模型（1）的GRS值都比六因子模型（2）的GRS值小，說明以換手率測度流動性的六因子模型比Amihud測度流動性的六因子模型對規模效應、賬面市值比效應、盈利效應與投資效應等特征解釋能力更強。

三組模型總體擬合效果說明，流動性擴展的六因子模型比五因子模型對我國股市流動性溢價特征的解釋能力強;六因子模型（1）比六因子模型（2）更具普適性，在我國A股市場的實證表現更穩健;六因子模型（1）與五因子相比，在解釋我國股市規模效應、賬面市值比效應以及流動性效應上具有優勢，但在解釋盈利效應與投資效應上不如五因子模型。因此用換手率作為流動性代理指標，通過規模與換手率排序構造流動性因子，建立流動性擴展的六因子模型可以在一定程度上提高因子模型對我國A股收益特征的擬合效果。

五、結論

流動性在我國股票市場發展中起著至關重要的作用，是資產定價研究領域不可忽視的主題之一。本文通過滬深A股2000年7月至2018年6月的個股收益與財務數據，將換手率與Amihud指標作為流動性的代理指標，主要運用Fama-MacBeth截面回歸與投資組合時間序列回歸的方法，實證研究兩個指標作為流動性測度在因子定價模型中的表現，嘗試構建流動性擴展的六因子模型。

研究結果表明：（1）換手率和Amihud指標都與當期收益率存在正相關，與預期收益率負相關，但換手率比Amihud指標對個股收益率的解釋能力更強。（2）無論是用換手率還是Amihud指標測度流動性水平，都證明我國股市存在流動性溢價，即流動性水平越高（流動性風險越低），當期資產收益率越高（流動性風險補償小），預期收益率越低。（3）用換手率和Amihud指標測度流動性水平構建流動性擴展的六因子模型比Fama-French五因子模型對我國股市流動性溢價的解釋效果更好;換手率流動性因子比Amihud流動性因子對投資組合收益率擬合的邊際貢獻更大，包含換手率流動性因子的六因子模型比包含Amihud流動性因子的六因子模型對我國股市規模效應、賬面市值比效應、盈利效應等特征的擬合效果更好。（4）包含換手率流動性因子的六因子模型在解釋我國股市規模效應與賬面市值比效應特征上比Fama-French五因子模型表現更優秀，但解釋盈利效應與投資效應上不如五因子模型。

研究結論說明，用換手率測度流動性水平構造流動性因子并將其加入Fama-French五因子模型中建立流動性擴展的六因子模型經得起實證檢驗，對我國股票市場收益特征的解釋是有益的，給資產定價模型進一步發展提供了可靠證據。

參考文獻：

[1]Amihud Y.，Mendelson H.，Pedersen L.H. 2013. Market Liquidity：Asset Pricing，Risk，and Crises [M].New York：Cambridge University Press.

[2]Kyle A.S. 1985. Continuous Auctions and Insider.Trading [J].Econometrica，（53）.

[3]Massimb M.N.，Phelps B.D. 1994. Electronic Trading，Market and Liquidity [J].Finance，（36）.

[4]靳云匯，楊文.上海股市流動性影響因素實證分析 [J].金融研究，2002，（6）.

[5]Sarr A.，Lybek T. Measuring Liquidity in Financial Markets [EB/OL].https： //ssrn.com/abstract=880932，2019-12-8.

[6]Roll R. 1984. A Simple Implicit Measure of the Effect Bid-ask Spread in An Efficient Market [J].Journal of Finance，39（4）.

[7]Harris L.E. 1990. Statistical properties of the roll serial covariance bid/ask spread estimator [J].Journal of Finance，65（2）.

[8]Hasbrouck J.，Seppi D.J. 2001. Common Factors in Prices，Order Flows，and Liquidity [J].Journal of Financial Economics，59（3）.

[9]蘇冬蔚，麥元勛.流動性與資產定價：基于我國股市資產換手率與預期收益的實證研究 [J].經濟研究，2004，（2）.

[10]梁麗珍，孔東民.中國股市的流動性指標定價研究 [J].管理科學，2008，（3）.

[11]陶希晉，勾東寧.我國流動性的層次與傳導機制研究——基于2005—2009年數據的實證分析 [J].安徽大學學報（哲學社會科學版），2010，34（3）.

[12]熊家財，蘇冬蔚.股票流動性與企業資本配置效率 [J].會計研究，2014，（11）.

[13]陳輝，顧乃康.新三板做市商制度、股票流動性與證券價值 [J].金融研究，2017，（4）.

[14]Martin P. 1975. Analysis of the Impact of Competitive Rates on the Liquidity of NYSE Stocks [R].Economic Staff Papers75-3，Securiites and Exchange Commission.

[15]Dubofsky A.D.，Groth J.C. 1984. Exchange Listing And Stock Liquidity [J].The Journal of Financial Research.