搜索
FF三因子模型风险因子的有效性检验一、引言众所周知，在资本市场中风险和收益是一对相互依存的变量，即一般而言，高风险会带来较高的收益。风险收益对等的原则是资本市场运作的规则，也是每个投资者必须遵守的定律。从而如何权衡风险和收益之间的关系则是投资者必须面临的问题，也是理论界研究的重点。因此，作为金融理论研究重点之一的风险定价问题一直受到学者们的关注。回顾研究历程可发现，对于股票风险和收益之间的关系的研究可以追溯到最早的CAPM模型，该模型基于有效市场假说，将β系数视作衡量风险的唯一因子。但是，在随后的研究中发现β系数和回报率之间有不契合的地方，即出现了种种异象。仅仅通过β系数来解释股票回报率略显单薄。Banz（1981）小公司效应的提出以及Fama、French（1992）的研究拓展了最初的CAPM模型，使得度量风险的因子由最初的β系数扩展到β系数、规模、账面市值比三因子。但是，随着资本市场的发展与完善，该模型的适用性是否还成立，对于这一问题国外学者莫衷一是。我国学者延续了国外的研究范式，将CAPM在我国特有的制度环境下利用我国资本市场的数据进行了CAPM模型有效性检验，随后国外学者通过对种种异象的捕捉，拓展了CAPM模型，形成三因子模型。我国学者也随之对拓展后的三因子模型在我国的有效性进行了实证检验。但是由于样本数据以及相关研究方法的差异，至今尚未得出一致的结论。本文立足于我国特有的股票市场，通过对沪深两市2001-2011年数据进行大样本实证检验，试图通过大样本数据的验证来探究我国衡量资本市场风险定价的因子以及其相互之间的关系。二、文献综述（一）国外文献资本资产定价的研究最早可以追溯到1952年美国经济学家马克维茨发表的《资产组合选择》。该文详细论述了如何进行金融资产的组合以分散投资风险，并实现收益最大化，资本资产投资理论自此兴起。60年代初，证券估值方法成为金融学家们研究的热点，这一阶段最为典型的研究成果是资本资产定价模型。1967年由美国学者夏普（Sharp）、林特尔（Lintner）、特里诺（Treynor）、莫辛（Mossin）等人提出的资本资产定价模型――CAPM模型，自建立以来在实务界就得到了广泛的关注与应用，在现代金融市场价格理论的研究中，也一直占据着重要的地位。回顾众多验证性文章，其中对于CAPM模型的经典实证检验是Fama和Macbeth（1973）进行的，他们研究的独特之处在于试图在前一期估计的风险变量基础上预测投资组合未来的收益率，平均收益率和β系数成正相关关系。虽然CAPM模型在现代金融领域占据着重要地位，也得到了大量的实证数据验证，但是至今该模型也一直接受着来自理论界和实务界的研究挑战与检验。挑战的主流是种种异象的产生，实务中发现β系数和回报率之间有不契合的地方，即出现了种种定价异象。定价异象说明了，导致股票高收益率的原因不仅仅只有β系数所对应的高风险。也就是说β系数不足以囊括所有的系统风险，这显然与传统的CAPM模型相悖，因而仅仅通过β系数来解释股票回报率略显单薄。实务界随即对于CAPM模型中只有β系数这一个因子提出了质疑，从而使理论界展开了深入研究。对于CAPM模型的质疑最显著的是Banz（1981）提出的公司股本规模效应。随后，学者们除了验证上述因子的有效性外还试图寻找其他风险因子，Chan和Lakonishok（1991）研究发现股票的平均收益率和其账面市值比相关。Basu（1983）研究认为股票收益率除了与公司股本规模以及β系数有关以外，E/P也是重要影响因素之一。因此，衡量风险的因子除了β系数，公司的规模、杠杆率外，账面市值比及市盈率也成为衡量风险的另一个因子。面对上述众多的风险因子，Fama和French（1992）在对1963-1990年样本的股票收益率横截面数据分析中得出经典的三因子模型该模型选择的三个因子是在理论和实证研究的基础之上总结归纳出来的，对于美国和其他国家的数据都表现出较好的解释能力，这三个因素分别是：市场风险因子（依据传统的CAPM模型的理论分析，也就是市场组合收益率与无风险收益率之差，即传统的β系数）、规模因子以及账面市值比因子。在三因子模型提出后，各国学者相继对其进行了有效性检验，Chanetal.（1991）和Daniel，Titman，Wei（2001）研究发现日本资本市场账面市值比可以解释股票回报率。Antoniou，Garrett，Priestley（1998）研究发现英国资本市场三因子被合理定价。WaiCheongShuma，GordonY.N.Tang（2005）研究发现规模、账面市值比效应在亚洲新兴市场中是存在的。可见，Fama-French三个因子模型是在理论和实证研究的基础之上总结归纳出来的，对于美国和其他国家的数据都表现出较好的解释能力。此外，国外学者在发现收益率异象后，基于有效市场假说，从多角度拓展了原本的CAPM模型及三因子模型，试图采取多因子捕捉风险来衡量收益，对于风险和收益这两个相互共生的变量之间关系的度量又进了一步。因此，对于风险定价的衡量一直是国外学术研究关注的重点，对于上述风险因子的检验随着时间的推移一直在进行。（二）国内文献我国学术界对于此问题也进行了相关研究。在国内众多文献中，β系数、规模、账面市值比、财务杠杆这四个解释变量屡次被检验，但实证结果却不尽相同。此方面的研究最早应该追溯到施东辉（1996），依据1993年至1996年的样本区间内，探讨上海股票市场中股票的定价模式。经过其深入研究发现，在我国资本市场中股票的风险可以由β系数衡量，但是其余收益之间的关系确是负相关关系。此后，我国理论界开始了对于β系数是否能解释我国股票市场收益率以及其与收益率间的关系问题。早期的检验只停留在对于CAPM模型的有效性检验，但是近年来运用股票横截面分析法对单一β系数度量风险的定价模式产生质疑，先后形成了多种因子综合衡量风险的结论。杨朝军、邢靖（1998）研究发现我国资本市场中β系数可以解释股票收益率，但同时三因子模型在我国也是适用的，说明在我国资本市场中单一的β系数衡量系统风险也是不够的。陈信元、张田余和陈冬华（2001）对预期股票收益的决定因素进行了横截面分析得出，规模和B/P有显著的解释力，β系数、账面财务杠杆和市盈率始终没有通过显著性检验，缺乏解释力。苏宝通、陈炜、陈浪南（2004）认为公司规模、账面市值比有解释作用，而市盈率对股票收益率的解释作用不显著。吴世农和许年行（2004）认为我国资本市场存在账面市值比效应、公司规模效应。石予友、仲伟周、马骏、陈燕（2008）认为公司规模、账面市值比对于股票收益率有解释作用。林立子和陈希敏（2010）认为在后危机时代β系数与收益率之间呈负相关关系，而股票收益率与公司规模无关。刘昱熙和宋旺（2011）则发现公司规模因子及市净率指标对股票回报解释作用显著。因此，在衡量股票收益率的风险时除了传统CAPM模型中的β系数之外，规模、账面市值比、市盈率倒数、财务杠杆这四个解释变量在中国资本市场中到底是否起作用，是否起到补充解释收益率的作用，以及其相互关系一直是理论界研究及讨论的重点，由于研究方法等原因的限制，至今没有得到一致的结论。因而运用我国实际数据，结合我国具体的制度背景，通过大样本实证充分验证讨论我国股票市场衡量风险定价的因子，检验三因子模型在我国的有效性是本文研究的重点。三、研究设计（一）研究方法本文采取的实证研究方法参照的是Fama和French在1992年发表的《股票收益率的横截面数据分析》。首先，将2000年至2011年各组数据按年分组，总计11组。其后将t-1年数据按照规模（SIZE）、账面市值比（BE/ME）、市盈率倒数（E/P）、财务杠杆系数（EQA）四个变量排序后依次分组。分组依据按照Fama-French（1992）构造风险因子的方法，将各变量按照大小分成十组（Q1，Q2……Q10），计算最大组和最小组的t年5月至t+1年4月内的股票回报率进行市值加权平均，将该变量最高组的月市值加权平均股票收益率与最低组的月市值加权平均股票收益率相减，得到构造的相应的风险因子与收益率进行回归，从而得到每个风险因子对于收益率的解释作用是否显著以及其相互关系，进而检验三因子模型在我国资本市场中的有效性。本文依据经典的三因子模型，Ri=Rf+β1（Rm-Rf）+β2Sizefactor+β3BE/MEfactor进行实证分析。（二）变量界定本文旨在对于三因子模型的有效性检验外，市盈率倒数、财务杠杆因子也是研究的重点。根据三因子模型，Ri=Rf+β1（Rm-Rf）+β2Sizefactor+β3BE/MEfactor所述，需要取得如下变量股票的月回报率Ri，规模、账面市值比、市盈率倒数、财务杠杆因子。被解释变量即股票的月回报率Ri可从国泰安数据库中取得，解释变量需要定义规模、账面市值比、市盈率倒数、财务杠杆等，具体如下：（1）β系数。传统CAPM模型中，β系数是一种风险指数，用来衡量个别股票或股票基金相对于整个股市的价格波动情况。β系数是一种评估证券系统性风险的工具，用以度量一种证券或一个投资证券组合相对总体市场的波动性。（2）规模（SIZE）。规模因子的测算是依据国泰安数据库中市值取对数计算而来的，由于市值数据较大，一般将其取对数便于比较和处理，即SIZE记做LN（ME）。测算过程中剔除了数据缺失。（3）账面市值比（BE/ME）。账面市值比的计算是将公司的年末的所有者权益的账面价值与其市值相除，记做BE/ME。其中，BE指的是账面价值，ME指的是市值。（4）市盈率倒数（E/P）。根据数据库中得到的各公司市盈率的相关数据，剔除掉缺失以及为零的数值后取倒数，即可得到E/P。（5）财务杠杆（EQA）。财务杠杆系数的获得是将公司的所有者权益与总资产相比，获得所需年度的财务杠杆系数，记做EQA。本文将T年5月至T+1年的股票收益率与T-1年的各指标相对应。据此进行大样本检验，从而得到相关结论。为了将构造的各因子与收益率进行回归检验，回归方程如下：Ri=Rf+β1（Rm-Rf）+β2Sizefactor+β3BE/MEfactor+β4E/Pfactor+β5EQAfactor其中，Rf是无风险收益率，Rm是市场组合收益率，Ri是个股收益率，β1传统的β系数，Sizefactor是规模因子，BE/MEfactor是账面市值比因子，E/Pfactor是市盈率倒数因子，EQAfactor是杠杆率因子。其中，Ri=Rf+β1（Rm-Rf）+β2Sizefactor+β3BE/MEfactor是经典的三因子模型。本文旨在检验三因子模型在我国的有效性，同时由于E/Pfactor因子（市盈率倒数因子）和EQAfactor（杠杆系数因子）在我国资本市场中也表现出能够解释收益率的作用，但是结论莫衷一是，故本文也试图检验上述两因子的作用。（三）样本选取与数据来源本文选取2001年至2011年间在上海和深圳证券交易所A股上市的股票作为研究对象，剔除了特别处理（ST）、长时间停牌以及数据缺失的股票。由于金融类上市公司一般具有较高的财务杠杆，因此予以剔除。数据来源于沪深两市证券交易所以及国泰安数据库，运用stata以及excel等软件进行相关数据处理。四、实证检验分析（一）描述性统计规模因子的构造参照Fama&French（1992）方法，将2000年至2011年各组数据按年分组，总计11组。其后将每年数据按照规模（SIZE）变量排序后依次分组。将规模变量按照大小分成十组（Q1，Q2……Q10），计算最大组和最小组的月市值加权平均股票收益率，将该变量最高组的月市值加权平均股票收益率与最低组的月市值加权平均股票收益率相减，得到构造的相应的风险因子。同理构造出账面市值比因子、市盈率倒数因子以及杠杆率因子。对2001年至2011年样本区间内的各因子进行简单的描述性统计，得到结果见表（1）。β系数的平均值在0.0080627，最大值为0.296069，最小值为-0.268261。规模因子的平均值在-0.0096891，最大值为0.2