疫情前后三因素模型對醫療股回報解釋力研究

費曉暉，趙永亮

（鹽城工學院，江蘇鹽城 224007）

引言

新冠疫情的爆發對我國經濟產生巨大影響，這種影響也體現在我國的股市中。僅2020年一年，我國醫藥制造和衛生行業被批準上市的企業就達到了30家。截至2021年7月底，已有16家醫療企業在2021年成功上市。而在2018年和2019年獲批上市的醫療企業分別只有4家和8家。這樣的數據對比，一方面反映新冠疫情的發生和發展喚起了民眾和投資者對我國醫療衛生行業的關注，另一方面也讓人不禁擔心疫情后我國的醫療股市場是否存在過度繁榮和情緒性投資的問題。

為了檢驗股市是否存在由新冠疫情帶來的情緒性投資，本文采用Fama-French 三因素模型（Fama 和French，1993，1996）對我國疫情前后醫療股板塊的股市回報進行回歸分析。本文采用的分析方法主要是對比研究，通過比較疫情前后三因素模型對我國醫療股回報率的解釋力，來判斷目前中國的醫療股市場是否存在非理性投資。

一、三因素模型的理論基礎

三因素模型是由Fama 和French（1993，1996）提出的，其主要作用是預測股票回報。模型構建如下：

其中，E（Rit）為t 時期i 股票的期望回報；αi是回歸模型的截距項，αi顯著大于0 表示存在超額回報；Rft是無風險利率；E（RMt）則是t 時期市場風險因素的期望回報；SMBt是t 時期公司規模風險因素，即小市場價值股票組合的回報減去大市場價值股票組合的回報；HMLt則是t 時期賬面市值比（即Book value/Market value，以下簡稱“B/M”）風險因素，即高賬面市值比股票組合的回報減去低賬面市值比股票組合的回報；βiM、βis和βih分別是回歸出的三個風險因素的系數；最后一項是殘差項。

二、數據選擇和回歸分析

（一）數據選擇

為了獲取完整時間跨度的有效數據，本文選擇的研究對象是在2018年1月1 日之前上市的我國滬深兩市醫療行業（衛生和醫藥制造業）的股票，共235只。剔除11家ST 公司，剩224家。樣本全區間為2018年7月6 日到2021年6月25 日。根據新冠疫情爆發的時間點，將全區間分為2020年1月1 日之前和2020年1月1 日之后兩個子區間，分別定義為“疫情前”和“疫情后”。數據全部來源于CSMAR 數據庫，股票行業代碼為Q83 和C27。

樣本全區間的時間跨度是3年，即2018年27 周至2021年26 周，每只股票有154個有效周回報數據。其中，“疫情前”和“疫情后”子區間分別有77個有效數據。數據量充足，檢驗結果可靠。

計算三因素中的B/M 因素需要使用的賬面價值選用了樣本區間每只股票的期末所有者權益，而市場價值選用了對應時間的周個股總市值。

（二）因素組合構建

根據224家公司在2018年期末、2019年期末、2020年期末以及2021年第一季度期末的總市值進行排序，將224家公司對分成兩組，即大市值組合和小市值組合，每組112只股票。然后，分別按對應時間的B/M值對上述兩個組合進行再排序，將其進一步各分成兩組，每組56只股票，共得到4個股票組合。小市值、高B/M 值組合稱為SH 股票組合，小市值、低B/M 值組合稱為SL 股票組合，大市值、高B/M 值組合稱為BH 股票組合，大市值、低B/M 值組合稱為BL 股票組合。在上述分組的基礎上，分期計算每組股票周回報的加權平均值。表1為4個股票組合全區間周回報的描述性統計結果。表2和表3分別為疫情前、后四組合周回報的描述性統計結果。

表1 四組合全區間周回報的描述性統計結果

從表1 的統計結果來看，四個組合的醫療股近三年的周平均回報都大于0。其中，SH 組合的周平均回報最小，SL 組合、BH 組合和BL 組合的周平均回報依次遞增。四組的回報標準差比較接近，都在0.04 到0.054 之間，四組周回報的最大值和最小值差異也較小。從以上數據可以初步得出以下結論：在不考慮投資風險的情況下，近三年投資于大市值、低B/M 值的醫療股組合相較于投資小市值、高B/M 值的醫療股能夠獲得更高的收益。

表2 四組合疫情前周回報的描述性統計結果

表3 四組合疫情后周回報的描述性統計結果

比較表2 和表3 中疫情前、后四組合周回報的描述性統計結果可以發現，新冠疫情后，四個醫療股組合的周回報平均值較疫情前都有所上升，回報標準差也相應提高了。這組數據顯示出疫情后醫療股投資高風險、高回報的特點。高回報能夠反映出投資者的買入熱情高漲；高風險則說明股價的波動率較大，也側面反映出投資者的換手率較高。這說明疫情后的醫療股股市可能存在一定程度的過度繁榮和情緒性投資。

最后，構造HML 因素和SMB 因素。

（三）回歸分析

本文將采用最小二乘法，根據公式1 展示的三因素模型對SH、SL、BH 和BL 四個組合的周回報時間序列分別進行全區間和疫情前、后的分時段回歸分析，每組時間序列數據均通過了ADF 平穩性檢驗，在1%的顯著性水平上平穩。表4 為全區間回歸結果。

從表4 來看，四組全區間回歸的調整的R2均在0.56—0.72 區間，模型整體擬合優度尚可，且四組回歸均通過了1%顯著性水平上的F 檢驗，說明三因素模型對我國近三年醫療股回報率的解釋力尚佳。

從三個風險因素的角度來講，兩個低B/M 值組合三因素的回歸系數都通過了1%水平上的顯著性檢驗，意味著三因素與低B/M 值股票組合近三年的回報有顯著的線性相關關系。而高B/M 值股票組合的市場風險因素和規模風險因素的系數都通過了1%水平上的顯著性檢驗。四組回歸中，市場因素系數和規模因素系數都是顯著的。規模因素系數在小市值組合回歸中顯著為正，在大市值組合回歸中顯著為負。該結果和Fama-French 三因素（1993）的研究結果相穩合。

為了進一步分析新冠疫情前、后三因素模型對醫療股回報率的解釋力變化，下文以新冠疫情爆發的時間為截點將全樣本區間分為“疫情前”和“疫情后”兩個分區間分別進行三因素模型回歸。表5 和表6 分別為疫情前、后的分時段回歸結果。

對比表5 和表6 中展示的分段回歸結果可以發現，四組回歸的擬合優度（即調整的R2）在疫情發生之后均有明顯的下降。SH 組合的擬合優度從0.594 4 下降為0.353 8，SL 組合的擬合優度由0.737 3 下降為0.592 0，BH 組合的擬合優度由0.652 4 下降為0.549 4，BL 組合的擬合優度從0.719 8 下降為0.620 8。

從截距項系數來看，疫情前四組回歸的截距項系數均小于0，且未通過顯著性檢驗，意味著疫情前的醫療股股市是有效的，并不存在超額回報。疫情之后，四組回歸的截距項系數均大于0，且除了BH 組合外，其余三組的截距項系數都通過了10%的顯著性水平檢驗，說明SH 組合、SL 組合以及BL 組合的醫療股市場在疫情之后存在顯著的正超額回報，意味著該市場的有效性下降。這一現象可能來源于噪聲交易者風險。Lee、Shleifei 和Thaler（1988）指出，相互獨立的噪聲交易者的投資行為對市場的不良影響會被理性投資者的無風險套利行為消除和修正，并不會影響市場的有效性。然而，大量的由相同情緒驅動的噪聲交易可能會導致短期內錯誤定價錯得更離譜，從而限制了理性投資者的套利行為，最終使得市場有效性下降，這就是噪聲交易者風險。疫情之后，受復雜的心理因素、政策因素以及其他因素的驅動，投資者對醫療股股市高度關注且過度樂觀，一定程度上導致了醫療股定價的偏離，出現了顯著的超額回報。

表4 全區間回歸結果

回到三因素的探討，綜合表5 和表6 的數據可以發現，疫情前和疫情后的分段回歸分析中，市場因素和規模因素均通過了1%的顯著性水平檢驗，且市場因素系數接近1，說明市場因素始終是醫療股市場最重要的影響因素。另一方面，上文提及的規模因素回歸系數隨公司市值的增大而遞減這一現象在分段回歸中依然可以清晰地觀測到。BL 組合，疫情后的B/M 值系數在SH組合回歸中也通過了顯著性水平檢驗，盡管該系數在疫情后的BH組合回歸中依然不顯著。比較疫情后SH 組合和SL 組合的回歸結果可以發現，B/M 值系數隨著B/M值的降低而減小，說明B/M 值系數和公司超額回報是正相關的，這與Fama 和French（1993）的研究結果也是一致的。

表5 疫情前回歸結果

表6 疫情后回歸結果

三、結論

綜上所述，本文得到以下結論：（1）總體而言，Fama-Fench 三因素模型對我國醫藥制造和衛生行業的股票回報波動具有較高的解釋力，可以較好擬合出該行業的股票回報波動情況。（2）醫藥制造和衛生行業的股票回報波動和市場是高度相關的，市值風險因素的回歸系數接近于1。這說明，股市的總體狀況和經濟的整體發展態勢高度影響著醫療股市場的系統性風險；規模風險因素對醫療股的影響力僅次于市場因素，公司規模同股票超額回報率負相關；賬面市值比因素也影響著我國的醫療股股市，盡管這種影響并不十分穩定。在疫情后的分段回歸中，可以得到和Fama 和French（1993）一致的研究結果，即B/M 值系數和公司超額回報正相關。（3）三因素模型對疫情后的醫療股回報波動的解釋力較疫情前有所下降。這可能是由于新冠疫情的發生驅動了投資者對醫療股的高度關注，一定程度上引起了投資者的過度樂觀和情緒性投資，從而導致疫情后醫療股市場的有效性有所下降，出現了顯著的正超額回報，也使得疫情后的醫療股回報影響因素更為復雜和不確定。