搜索
中国股票市场可预测性的实证研究姜富伟新加坡管理大学DavidE.Rapach圣路易斯大学JackK.Strauss圣路易斯大学凃俊新加坡管理大学周国富*华盛顿大学和CAFRHowPredictableIstheChineseStockMarket?JiangFuweia,DavidE.Rapachb,JackK.Straussb,TuJuna,andZhouGuofuc(a:LeeKongChianSchoolofBusiness,SingaporeManagementUniversity;b:DepartmentofEconomics,SaintLouisUniversity;c:OlinSchoolofBusiness,WashingtonUniversity,St.Louis;andCAFR)*姜富伟、凃俊，新加坡管理大学李光前商学院；DavidE.Rapach、JackK.Strauss，圣路易斯大学经济系；周国富（通信作者），华盛顿大学奥林商学院，邮政编码：63130，电子信箱：zhou@wustl.edu，电话：314-935-6384。本文曾获TheChineseFinanceAssociation（TCFA）中国资本市场研究最佳论文奖。作者感谢JerryCao,JeremyGoh,JunWang、Chenyang（Jason）Wei、JoeZhangZhe,徐冶晓、吴有昌、邱劲、邹恒甫、范龙振、龚关、孔爱国、梁丹、胡晓娟、路磊及参加2010年中国国际金融年会（CICF）、2010年第16界TCFAAnnualConference和新加坡管理大学（SMU）学术报告会的与会学者的宝贵意见和建议，但文责自负。1中国股票市场可预测性的实证研究内容摘要：我们研究了中国股票收益的可预测性，包括市场投资组合和根据公司行业、规模、面值市值比和股权集中度等划分的成分投资组合。选取各种经济变量作为预测变量，中国市场投资组合和各种成分投资组合都存在显著的样本内和样本外可预测性。并且，不同成分投资组合间的样本内和样本外可预测性存在显著差异，其中金融与保险业、房地产业和服务业等行业投资组合的可预测性特别强，小市值、低面值市值比和低股权集中度的投资组合也非常容易预测。对于成分投资组合间的可预测性差异，我们给出了两个经济解释：（1）基于样本外可预测性分解，我们发现条件CAPM模型捕捉的时变系统性风险溢价可预测性可以解释成分投资组合的大部分样本外可预测性；（2）基于Hong,Torous,andValkanov（2007）的信息流动摩擦理论，我们发现行业集中度可以显著解释行业投资组合间的可预测性差异。关键词：成分投资组合样本内预测样本外预测条件CAPM模型信息流动摩擦HowPredictableIstheChineseStockMarket?Abstract:WeanalyzereturnpredictabilityfortheChinesestockmarket,includingtheaggregatemarketportfolioandthecomponentsoftheaggregatemarket,suchasportfoliossortedonindustry,size,book-to-marketandownershipconcentration.Consideringavarietyofeconomicvariablesaspredictors,bothin-sampleandout-of-sampletestshighlightsignificantpredictabilityintheaggregatemarketportfoliooftheChinesestockmarketandsubstantialdifferencesinreturnpredictabilityacrosscomponents.Amongindustryportfolios,Financeandinsurance,Realestate,andServiceexhibitthemostpredictability,whileportfoliosofsmall-cap,lowbook-to-marketratioandlowownershipconcentrationfirmsalsodisplayconsiderablepredictability.Twokeyfindingsprovideeconomicexplanationsforcomponentpredictability:(i)basedonanovelout-of-sampledecomposition,time-varyingsystematicriskpremiumscapturedbytheconditionalCAPMmodellargelyaccountforcomponentpredictability;(ii)industryconcentrationsignificantlyexplaindifferencesinreturnpredictabilityacrossindustries,consistentwiththeinformation-flowfrictionsemphasizedbyHong,Torous,andValkanov(2007).Keywords:ComponentPortfolios;In-SampleReturnPredictability;Out-of-SampleReturnPredictability;ConditionalCAPM;Information-FlowFrictionsJELclassifications:C22,C53,G11,G12,G172中国股票市场可预测性的实证研究一、引言股票收益预测是金融研究的核心问题之一（例如，它是2011年美国金融学会会长Cochrane演讲论文的主题,Cochrane,2011）。它和很多重要的金融学问题密切相关，比如投资组合管理、资金成本和市场有效性等。大量文献围绕股票收益可预测性展开了研究，众多经济变量被发现可以作为股票收益的预测变量。①尽管计量方法上还有一些棘手的问题有待解决，学术界对股票收益样本内显著可预测已基本达成共识（Campbell,2000）。然而，股票收益的样本外可预测性至今没有定论，比如，WelchandGoyal（2008）发现，许多流行的预测变量并没有在样本外预测中持续的优于历史平均收益这一简单预测，BossaertsandHillion（1999）也得出了类似的结论。CampbellandThompson（2008）发现基于金融理论的参数约束可以增强股票收益的样本外可预测性。Spiegel（2008）对最近几年关于股票收益样本外预测的几项重要研究进行了综述。虽然已经有大量文献对股票收益的可预测性进行了研究，但几乎所有的文献都是针对美国市场。与现有文献不同，本文研究了中国股票市场的可预测性。②研究中国股票市场收益的可预测性有如下重要意义：首先，研究中国股票市场收益的可预测性对中国横截面股票收益资产定价模型检验有潜在重要意义，可参看FersonandHarvey（1999）对美国市场的研究；其次，研究中国股票市场收益的可预测性对中国资本成本测度也有重要意义，可参看FamaandFrench（1997）；第三，研究中国股票市场收益的可预测性有助于为投资中国股票市场的证券投资基金设定合理的业绩评价基准；第四，研究中国股票市场收益的可预测性加深了对除美国外的全球股票市场可预测性的理解。本文对中国股票市场的可预测性进行了如下分析：首先，我们既研究了市场投资组合的可预测性，又研究了各种成分投资组合的可预测性，包括13个行业投资组合、10个公司规模投资组合、10个面值市值比投资组合以及10个股权集中度投资组合。我们选取12个经济变量作为预测变量，这些变量的选取借鉴了WelchandGoyal（2008）。其次，我们分别从样本内可预测性和样本外可预测性两个角度研究了中国市场投资组合和各种成分投资组合的可预测性。就样本外可预测性检验而言，我们重点研究了主成分预测方法的样本外预测能力。LudvigsonandNg（2007,2009）发现主成分预测方法可以显著预测样本外股票收益和债券收益。Rapach,Strauss,TuandZhou（2011）进一步证明主成分预测方法可以显著预测样本外行业投资组合收益。第三，基于样本外可预测性分解和Hong,Torous,andValkanov（2007）的信息流动摩擦理论，我们探讨了不同成分投资组合间可预测性差异的经济原因。关于中国股票收益的可预测性，我们得到了很多有趣而独特的发现。样本内检验发现，股息率、通货膨胀、换手率、货币供给增长率等经济变量可以显著预测下一个月的市场投资组合收益以及绝大多数行业、规模、面值市值比和股权集中度等成分投资组合收益。但是，不同成分投资组合的可预测性存在显著差异，比如制造业、金融与保险业、房地产业等行业投资组合有相当强①文献发现的预测变量包括股息价格比、盈余价格比、面值市值比、通货膨胀率、股票发行量、波动率和货币政策等。关于股票收益预测的文献综述可参看Campbell（2000）和WelchandGoyal（2008）。②只有很少几项研究检验了中国股票市场收益的可预测性，而且本文与这些研究有显著区别。王承炜、吴冲锋（2002）发现存在从交易量到股票收益的非线性格兰杰因果关系。WangandCheng（2004）和张峥、刘力（2006）发现换手率对中国横截面股票收益有预测能力。Chen,Kim,Yang,andYu（2010）检验了中国企业层面股票收益可预测性。3的样本内可预测性，而同样的预测变量对采掘业、信息技术业和传播与文化产业等行业投资组合的样本内预测能力则小很多。基于主成分预测方法的样本外检验发现，市场投资组合和各种成分投资组合都有显著的样本外实时可预测性。选取2002年1月—2009年6月作为样本外检验期，我们发现，所有的13个行业投资组合都有显著的样本外可预测性，房地产业、制造业和批发与零售贸易业等行业的样本外可预测性特别强。根据规模、面值市值比和股权集中度等划分的成分投资组合也有显著的样本外可预测性，其中小市值、低面值市值比和低股权集中度的投资组合的样本外可预测性尤其强。比较发现，中国股票市场在泡沫较大的2007年—2009年比在相对比较平稳的2002年—2006年呈现出相对更强的样本外可预测性。总之，样本内检验和样本外检验都证明，中国股票市场有非常强的可预测性，并且不同成分投资组合的可预测性存在显著差异。我们对成分投资组合间的可预测性差异给出了两个解释。首先，我们使用条件CAPM模型约束的主成分预测对各成分投资组合进行样本外预测，这种方法可以把成分投资组合的样本外可预测性分解成时变系统性风险溢价可预测性和alpha可预测性两部分。本文发现，时变系统性风险溢价可预测性可以解释成分投资组合的大部分样本外可预测性。高系统性风险暴露的投资组合有比较高的样本外可预测性。接着，我们检验了Hong,Torous,andValkanov（2007）的信息流动摩擦理论对不同行业投资组合间可预测性差异的解释能力。Hong,Torous,andValkanov（2007）提出，信息在股票市场中逐步扩散，部分行业的股票没有对宏观经济信息及时充分反应。本文的实证研究发现行业集中度与行业投资组合的样本外可预测性显著负相关，支持了信息流动摩擦理论。总之，时变系统性风险溢价可预测性和信息流动摩擦都有助于解释中国股票收益的可预测性。本文的其余部分组织如下：第二部分对中国股票收益的样本内可预测性做实证检验；第三部分对中国股票收益的样本外可预测性做实证检验；第四部分讨论成分投资组合间的可预测性差异的经济原因；第五部分是本文的结论。二、样本内可预测性检验这一部分首先介绍了预测性回归模型，然后说明了使用的数据，最后报告了样本内