股市截面收益的異常變量：一個文獻綜述

吳辰星，趙永亮

（鹽城工學院，江蘇鹽城 224007）

引言

在Markowitz（1952）[1]現(xiàn)代資產(chǎn)組合理論（Modern Portfolio Theory）的基礎之上，Sharpe（1964）[2]、Litner（1965）[3]和Mossin（1966）[4]相繼推導出了資本資產(chǎn)定價模型（Capital Asset Pricing Model），該理論作為傳統(tǒng)金融體系的核心為學術界所悉知。CAPM 理論的核心思想在于其認為“理性人”都會持有市場組合，因而公司個別風險在市場組合中都將被對沖掉。因此，市場僅僅應當給予股票中那部分無法被分散的系統(tǒng)性風險（即貝塔系數(shù)）以價格補償，而不應當給予公司層面的風險以報酬。然而，隨著股票市場實證研究的不斷擴展和深入，研究者發(fā)現(xiàn)大量可觀測到的公司特點能夠作為股票橫截面收益的預測因子（Fama，1998[5]；Mclean and Pontiff，2016[6],等），這就是所謂的股票定價“異象”（Anomalies），這些股市截面收益的預測因子也可以稱為異常變量（Anomaly Variables）。關于股票定價異象的研究可以回溯到Ball 和Brown（1968）[7]以及Blume 和Husic（1973）[8]的早期研究。然而，幾十年過去了，學術界仍然無法對究竟哪些異常變量可以預測股票收益，以及引起這些股票收益異常的可預測性原因這兩個問題達成共識。

本文對國內外與股市截面收益異常變量相關的文獻進行了系統(tǒng)梳理，并歸納了截面收益異常變量的檢驗方法，對異常收益產(chǎn)生的原因進行了分析和闡述，最后指明現(xiàn)有研究的不足之處，并提出今后的研究方向。

一、國內外股市截面收益異象變量的類型

國內外關于異象變量的研究主要從橫截面和時間序列兩個角度出發(fā)。本文的研究內容為截面收益異常變量，因此對于從時間序列角度出發(fā)的異象變量研究不做贅述。本文總結了20 篇學術文獻中指出的20個對股市橫截面收益具有預測性的變量。這些文獻的發(fā)表時間跨度近40年，最早的為1973年，最新的為2011年。表1 中為這些異常的股票收益預測因子。所涉及的預測因子大致可以概括為四種類型。第一種預測因子有很強的理論基礎且已經(jīng)被列入定價模型，如Fama和MacBeth（1973）[9]提出的市場風險因子貝塔系數(shù)和Fama和French（1992）提出的賬面市值比因子。第二種預測因子是根據(jù)股票的交易數(shù)據(jù)計算得出的，如Amihud（2002）[10]提出的流動性因子。第三種預測因子是根據(jù)公司基本財務指標計算得出的，如Cooper、Guylen 和Schill（2008）[11]提出的資產(chǎn)增長指標。第四種預測因子為行為金融學中的股票價格異象因子，如Jegadeesh 和Titman（2001）[12]提出的動量效應指標。

國內學者所研究的股市橫截面收益預測因子基本上可以囊括在上述的四種類型因子之中。早期的研究集中于第一種類型和第三種類型的因子，如直接采用Fama-French 三因素模型框架，或者Carhart 四因子模型（在三因素模型的基礎上加入第四類因子中的動量效應因子）對中國股市數(shù)據(jù)進行實證檢驗（如施東暉，1996[13]；靳云匯和劉霖，2001[14]；朱寶憲和何治國，2002[15]；吳世農和許年行，2004[16]；朱波和宋振平，2009[17]等）。潘莉和徐建國（2011）[18]用市盈率替換了賬面市值比，構建適用我國股市的新三因素模型。近期的研究則集中于Fama-French 五因子模型在中國股市的檢驗（如余立威，陳濤，2017[19]；杜威望，肖曙光，2018[20]等）。關于第二種預測因子的研究在國內也比較常見，如蘇冬蔚和麥元勛（2004）[21]、張崢和劉力（2006）[22]用換手率來衡量流動性，并得出了換手率與期望收益的負相關關系。田利輝、王冠英（2014）在Fama-French 三因素模型的基礎上構建了包含成交額和換手率的五因素定價模型。至于第四種類型的預測因子，由于行為金融學中大多數(shù)的股票價格異象是在時間序列的基礎之上展開的，因此對于行為金融方面的異象預測因子研究集中在動量效應因子、反轉效應因子和投資者情緒因子（如胡汝佳，2013；王浩，李曉帆，陳偉忠，2018，等）。

表1 異常的股票收益預測因子

二、截面收益異常變量的檢驗方法概述

國內外對截面收益異常變量的檢驗方法主要是沿用Fama-French 三因素模型所采用的分組檢驗法。首先構建多空組合（Long-short portfolios）。對于一些異象變量，如動量效應因子，異象變量值越高，異象收益值越大；而對于另外一些異象變量，如企業(yè)規(guī)模，異象變量值越大，異象收益越小。構建多空組合指的是針對每一項異常因子構建等權重加權投資策略組合。研究的基本思路是在確定的時間區(qū)間內，把股票根據(jù)某一異象變量值（如非流動性指標）的大小逐月進行排序，并將排序后的上市公司分為五等分，分別構建成投資組合（投資組合內的股票是按月更新進行調整的）。將在異常變量或預測因子作用下具有更高收益的投資組合稱為異象多方，反之則稱為異象空方。對于異象變量中的指標型變量（如信用評級下降），則要根據(jù)指標型變量的值（如0 或1）構建異象多方或者異象空方組合。比如，如果該指標型變量值為1 時異象收益更高，則該指標型變量值為1 的股票將構成異象多方投資組合，其余的股票將構成異象空方投資組合。反之，如果該指標型變量值為1時異象收益更低，則該指標型變量值為1 的股票將構成異象空方，其余的股票將構成異象多方。做空異象空方，做多異象多方、將構成多空組合。然后，計算多空組合收益率并進行T 檢驗。采用月度數(shù)據(jù)進行分析，分別計算每一個異象變量空方組合和多方組合在某一時間區(qū)間內的等權重加權平均月度收益率（組合中的股票加權平均）。多空組合的收益率，又叫做異象收益，為多方組合收益率減去空方組合收益率。對異象收益進行T 檢驗，以判斷該異象變量是否顯著。

三、國內外異象收益可預測性的產(chǎn)生原因

國內外有三種關于股市橫截面收益可預測性的解釋比較普遍。

第一種觀點認為，收益可預測性來源于風險的差異（如Fama，1991，1998；杜威望，肖曙光，2018，等）。換句話說，這些異象收益實際上是風險溢價。在這種解釋框架下，橫截面收益可預測性的產(chǎn)生實際上是并不屬于真正的“異象”，因為這些預測因子實際上反映了用來給股票定價的折現(xiàn)率。

第二種觀點認為，回報的可預測性是一種錯誤定 價（Mispricing）（Barberis 和Thaler，2003；Bradshaw，Richardson 和Sloan，2006；胡汝佳，2013；Engelberg，Mcleanh 和Pontiff，2018；Fahad，2018，等）。根據(jù)錯誤定價假說，投資者會對一部分股票未來的現(xiàn)金流期望過分樂觀，而對另一部分股票的期望則過分悲觀，異常變量正和這些期望偏差相關。當新信息以公司盈利公告或者其他的形式出現(xiàn)時，投資者會更新他們的期望，從而引起股票價格的更正，因而產(chǎn)生了收益的可預測性。

第三種觀點認為，收益可預測性可能是因為“數(shù)據(jù)挖掘”。Fama（1998）指出，學者們檢驗了成千上萬的變量，因此，即使找到一些變量在其樣本中可以預測收益也不足為奇。況且在現(xiàn)實中，這些變量根本無法預測股市的收益。

四、總結性評論及對中國的研究展望

近幾十年，股市的異常變量引起了國內外學術界以及投資者的廣泛關注。現(xiàn)有的與股市截面收益的異常變量相關的文獻，為我們進一步研究股價的波動提供了豐富的材料和深刻的見解。誠然，國際上關于股市異象變量的實證研究已經(jīng)相對完善，但其研究發(fā)現(xiàn)卻未必能夠適用于中國股市。一方面，我國股市從微觀上來說具有散戶投資者眾多、機構投資者同質化的結構特點，因此非理性交易與投機行為相對于美國股市而言要普遍得多（田利輝，王冠英，2014）。正是這些非理性交易者的大量存在，使得部分在他國市場上通行的收益預測因子，如Fama 和French（1992）提出的三因素模型中的價值因子，在中國股市就無法適用（Chen，Hu，Shao 和Wang，2015）。此外，Mcleanh 和Pontiff（2016）通過對美國股市的研究發(fā)現(xiàn)，投資者會從學術文獻對異象收益的報告中學習和調整投資策略，從而降低美國股市的錯誤定價水平。若借鑒其研究思路，將其運用到中國股市，則可以通過數(shù)據(jù)的對比反映出中美股市投資者理性水平是否存在差異。另一方面，中國股市的賣空限制程度要高于美國。胡汝佳（2013）認為，中國股市的異象收益并非來源于投資者非理性，而是由于賣空限制過高，使得市場上長期存在部分價值被高估的股票。也就是說，股票市場政策及其他特點的差異，可能會導致異象收益產(chǎn)生原因的差異。綜上所述，未來進行更多針對中國股市數(shù)據(jù)進行相對完善的異常變量的實證檢驗研究，并在此基礎上結合中國股市政策分析異象收益可預測性產(chǎn)生的原因是十分必要。