股票期望收益率模型有樣本外預(yù)測能力嗎？
——基于中國A股市場的實證研究

何誠穎 陳銳 徐向陽 郭丹丹

(1．浙江財經(jīng)大學(xué)，浙江 杭州 310018;2．國信證券股份有限公司，廣東 深圳 518001; 3．西南財經(jīng)大學(xué)，四川 成都 611130)

股票期望收益率模型有樣本外預(yù)測能力嗎？
——基于中國A股市場的實證研究

何誠穎1,2陳銳2徐向陽2郭丹丹3

(1．浙江財經(jīng)大學(xué)，浙江 杭州 310018;2．國信證券股份有限公司，廣東 深圳 518001; 3．西南財經(jīng)大學(xué)，四川 成都 611130)

探討了基于Fama－Macbeth截面回歸方法的股票期望收益率的樣本外預(yù)測能力，發(fā)現(xiàn)該方法能夠利用公司或股票的許多特征來綜合得到股票期望收益率的一個預(yù)測?；谥袊鳤股市場的實證表明，該方法得到的股票期望收益率的樣本外預(yù)測值具有很明顯的截面差異和很強的預(yù)測能力。利用52周移動窗口的FM截面回歸方法對一個僅包含股票流通市值、歷史收益率和歷史成交量的股票期望收益率模型進行樣本外預(yù)測，預(yù)測收益率的截面標(biāo)準(zhǔn)差為每周0．55%，對實際收益率的預(yù)測斜率為0．84，對應(yīng)t值高達10．39。

FM截面回歸；市值；歷史收益率；歷史成交量

一、引言

股票的某些特征能有效地預(yù)測公司股票截面收益率，美國的數(shù)據(jù)已表明，市值、賬面市值比、歷史收益率等股票截面特征與股票未來的收益率是顯著相關(guān)的，利用市值、賬面市值比、歷史收益率這些能顯著預(yù)測股票截面收益率的特征來構(gòu)造的規(guī)模因子、價值因子和動量因子的收益率序列，對股票或股票組合的收益率的時間序列有非常顯著的解釋能力。近期，F(xiàn)ama和French(2008)［2］就研究了諸多特征對股票截面收益率的預(yù)測能力，同時Fama和French(2012)［3］還論證了規(guī)模、價值和動量這些收益率因子對股票組合收益率的解釋能力在全球股票市場上也顯著的;Novy－Marx(2012)［6］詳細討論了動量因子的特征;Asness等(2013)［1］則詳細分析了價值因子與動量因子的相關(guān)性。由此可見截面特征能預(yù)測股票收益率這一結(jié)論似乎不可能是某種偶然或者數(shù)據(jù)窺探的結(jié)果。

國內(nèi)學(xué)者陳信元等(2001)［9］、朱寶憲和何治國(2002)［20］、宿成建(2006)［16］、鄭承利和陳燈塔(2006)［19］、劉彬(2009)［11］研究了少數(shù)幾個股票截面特征對股票未來收益率的預(yù)測能力，王慶文(2005)［14］、張崢等(2005)［18］試圖尋找一些新的截面特征來解釋股票未來的橫截面收益率，劉霖和秦宛順(2004)［12］、吳世農(nóng)和許年行(2004)［15］、楊炘和陳展輝(2004)［17］、萬欣榮等(2006)［13］、陳學(xué)勝(2007)［10］則討論了常用的收益率因子對股票或股票組合收益率的解釋能力。

上述關(guān)于股票截面特征預(yù)測股票未來收益率的文獻中討論的都是股票截面特征在樣本內(nèi)對股票未來橫截面收益率的預(yù)測能力，討論樣本外預(yù)測的文獻非常少，Haugen和Baker(1996)［5］利用預(yù)測股票收益率波動的Barra模型(美國實務(wù)界最成功的風(fēng)險模型)的股票特征來預(yù)測股票未來的橫截面收益率，重點討論了這些截面特征在樣本外的預(yù)測能力，發(fā)現(xiàn)樣本外的預(yù)測不僅在美國股票市場，而且在全球主要的股票市場都具有很強的預(yù)測能力。Hanna和Ready(2005)［4］則在他們的基礎(chǔ)上進行深入分析。國內(nèi)關(guān)于股票截面特征的樣本外預(yù)測能力則從來沒有深入討論過。

股改前的數(shù)據(jù)表明，賬面市值比等估值指標(biāo)對股票橫截面收益率的樣本內(nèi)預(yù)測能力比較弱，因此本文僅考慮了市值、歷史收益率、歷史成交量和行業(yè)變量對股票橫截面收益率的預(yù)測能力，除了討論股票截面特征在樣本內(nèi)的預(yù)測能力外，更多的是討論這些截面特征在樣本外的預(yù)測能力，具體涉及如下幾個問題:第一，股票收益率預(yù)測值的截面差異性能有多大？第二，股票收益率預(yù)測值的可信度有多高?這兩個問題是無法通過排序股票某一、二個特征來構(gòu)造投資組合的方式解決的，我們利用FM回歸方法來解答這個問題。第三，股票收益率樣本外預(yù)測的效果如何?討論的問題是，在歷史的每個時點，我們利用該時點之前的信息對下一期股票的收益率進行預(yù)測，該預(yù)測值是否與實際收益率一致，如果一致的話，我們用股票實際收益率對股票預(yù)測收益率進行回歸時，得到的斜率系數(shù)會非常接近1;如果該預(yù)測值具有很好的預(yù)測能力，則該斜率系數(shù)將會非常顯著。

本文的貢獻主要有:

第一，文獻中已經(jīng)發(fā)現(xiàn)許多股票特征與股票未來的收益率相關(guān)，但對于這些股票特征是否能單獨或者聯(lián)合預(yù)測股票的實際期望收益率的問題，我們知之甚少。比如，我們可能得到市值和賬面市值比與未來的收益率顯著相關(guān)的結(jié)論，但我們不確定利用市值和賬面市值比來預(yù)測的股票期望收益率是否與實際的期望收益率一致。

第二，股票收益率預(yù)測模型的樣本內(nèi)表現(xiàn)得到很多關(guān)注，而樣本外表現(xiàn)并未受到重視。如果在每一時點用之前的歷史數(shù)據(jù)進行截面回歸得到的參數(shù)估計不是真實參數(shù)的一個好的估計，那么即使股票的某些特征在全樣本內(nèi)是股票收益率預(yù)測的一個顯著的預(yù)測變量，其樣本外預(yù)測能力也會很弱。

第三，我們知道一些根據(jù)股票某一個或兩個特征進行排序構(gòu)造投資組合的策略在歷史上都有很好的表現(xiàn)，但對將股票的許多特征聯(lián)合起來構(gòu)造投資組合策略的分析則很少，F(xiàn)M回歸的樣本外預(yù)測分析提供了一個簡單而又有效的方法來檢驗這種策略的表現(xiàn)，即利用當(dāng)前可用的信息對模型參數(shù)進行估計，根據(jù)估計參數(shù)得到模型中股票未來的期望收益率，構(gòu)造一個買入高期望收益率的股票而賣空低期望收益率的股票的策略，并對其進行分析。本文的檢驗涉及多個變量，許多變量實際上并不是股票收益率一個顯著的預(yù)測變量，這樣的處理主要是因為我們事前并不知道哪些變量是好的預(yù)測變量。

第四，近年來預(yù)測公司股票期望收益率主要是利用可觀測的價格數(shù)據(jù)和對公司的紅利和收入的預(yù)測，很少有學(xué)者嘗試利用股票的可觀測的歷史預(yù)測變量來估計期望收益率。本文的結(jié)論是通過截面回歸能夠得到股票期望收益率的一個非?？尚诺墓烙?。

本文使用CSMAR個股交易數(shù)據(jù)庫中的所有A股的日數(shù)據(jù)，從2005年6月6日至2012年5月11日，將其轉(zhuǎn)化為周數(shù)據(jù)進行分析。同時我們考慮另外兩個子樣本，這里參考了Fama和French (2008)［2］的作法。一個樣本是大中市值的股票，即上一期期末流通市值不大于上交所所有股票的流通市值的20%分位數(shù)水平的股票;另一個子樣本是大市值股票，即上一期期末流通市值大于上交所所有股票的流通市值的50%分位數(shù)水平的股票。

在進行股票收益率樣本外預(yù)測時，模型參數(shù)的估計主要是利用當(dāng)前時點最近52周(近1年)的數(shù)據(jù)，我們也會考慮其他數(shù)據(jù)長度的情況，做一個穩(wěn)健性的檢驗。

我們發(fā)現(xiàn)模型的收益率樣本外預(yù)測值與實際值比較一致，而且樣本外的預(yù)測能力非常高。不管是采用全部樣本還是部分樣本，也不管是采用半年、1年、2年的移動窗口還是遞歸窗口的FM截面回歸方法，實際收益率對預(yù)測收益率進行回歸的斜率系數(shù)都非常顯著。當(dāng)根據(jù)收益率樣本外預(yù)測值的大小進行排序來構(gòu)造投資組合時，我們也發(fā)現(xiàn)投資組合實際收益率的大小與預(yù)測值的大小呈現(xiàn)出明顯的單調(diào)遞增關(guān)系，進一步說明樣本外預(yù)測的穩(wěn)健性。

本文的結(jié)構(gòu)如下，第二部分是數(shù)據(jù)描述和方法，第三部分是實證分析結(jié)果，包括FM回歸結(jié)果，樣本外預(yù)測的截面分析與預(yù)測能力分析，基于不同大小移動窗口的樣本外預(yù)測和基于樣本外預(yù)測值構(gòu)造投資組合的分析。最后一部分給出結(jié)論。

二、數(shù)據(jù)與方法

本文的數(shù)據(jù)來源于CSMAR個股交易數(shù)據(jù)庫中的所有A股的日數(shù)據(jù)，時間區(qū)間為2005年6月6日(星期一)至2012年5月11日(星期五)，我們將其轉(zhuǎn)化為周數(shù)據(jù)進行分析。除了考慮全樣本的分析外，我們還考慮了大中市值股票的樣本和僅大市值股票的樣本，我們的劃分原則參照Fama和French (2008)［2］的標(biāo)準(zhǔn)，即將上一期期末流通市值不大于上交所所有股票的流通市值的20%分位數(shù)水平的股票定義為小市值股票，而將上一期期末流通市值大于上交所所有股票的流通市值的50%分位數(shù)水平的股票定義為大市值股票。這種考慮可以檢驗實證結(jié)果是否是由小市值股票所主導(dǎo)還是說更具經(jīng)濟意義的大市值股票也存在相同的特征。至2011年年底，上交所所有股票的流通市值的20%分位數(shù)的值為16.11億元，50%分位數(shù)的值為31.60億元。

收益率預(yù)測方法是利用周收益率對滯后的一些描述公司或股票特征的變量進行回歸。我們的預(yù)測模型的預(yù)測變量包括個股流通市值的對數(shù)、個股總市值的對數(shù)、股價、最近1周至1個月(4周)內(nèi)的日平均換手率和累積超額(超過滬深300的)收益率和行業(yè)虛擬變量，變量的數(shù)據(jù)來源為:個股和指數(shù)交易數(shù)據(jù)來自CSMAR，行業(yè)變量來自申銀萬國一級行業(yè)指數(shù)的進出記錄。

之所以僅選取1個月內(nèi)的歷史成交量和歷史收益率變量是因為，股改前的數(shù)據(jù)顯示，1個月內(nèi)的歷史成交量和歷史收益率指標(biāo)具有顯著的預(yù)測能力，而更長時期內(nèi)的這些指標(biāo)的預(yù)測能力很弱。股改前的數(shù)據(jù)也表明，規(guī)模指標(biāo)有顯著的預(yù)測能力，而估值類等其他指標(biāo)則不具有顯著的預(yù)測能力，因此本文將僅考慮具有規(guī)模指標(biāo)、歷史成交量和歷史收益率指標(biāo)的股票收益率預(yù)測模型，并考察它在股改后的表現(xiàn)。

預(yù)測的具體方法如下:在時期t末(換倉日)，利用時期t－j+1至?xí)r期t的數(shù)據(jù)對因子模型的參數(shù)進行FM估計，得到參數(shù)估計值，并利用該估計值對時期t+1的收益率進行預(yù)測，再分析預(yù)測收益率的特征，它與實際收益率的關(guān)系以及根據(jù)預(yù)測收益率的大小進行排序來構(gòu)造的投資組合的特性。我們刪除了最近4周單日對數(shù)收益率絕對值過大的股票，這種情況通常是由于公司發(fā)生了重大變化，我們應(yīng)該將其視為不同的公司處理。

表1列出了預(yù)測變量的描述性統(tǒng)計量(截面統(tǒng)計量的時間序列平均)。從表中我們可以看到小市值股票相對于大市值股票的收益率高波動大、換手率高的特點。另外，大中市值股票的平均樣本數(shù)占到所有股票平均樣本數(shù)的2/3，而大市值股票則僅占到所有股票平均樣本數(shù)的2/5。

表1 預(yù)測變量的描述性統(tǒng)計量

三、實證研究

這里我們考慮周收益率的情況，首先簡要地進行一下FM截面回歸分析，然后再詳細地分析股票收益率樣本外預(yù)測的截面特征。

(一)FM回歸

表2報告了FM回歸的系數(shù)估計值和R2的時間序列平均值，t值的計算基于系數(shù)估計值時間序列(滯后4階)的Newey－West標(biāo)準(zhǔn)差，樣本區(qū)間從2005年6月6日至2012年5月11日，共351周。

從表2中可以看出，對數(shù)流通市值變量的顯著性隨著市值較小的樣本剔除而下降，該變量的估計值在小市值股票從樣本中剔除后，其絕對值也從0.25%下降到0.15%，而進一步剔除中市值股票的樣本后，其絕對值只下降到0.12%，這說明規(guī)模因子對于小市值股票來說仍是一個顯著的預(yù)測指標(biāo)，而對于大中市值股票來說，其預(yù)測能力有所下降。

表2 FM回歸結(jié)果(2005年6月6日－2012年5月11日)

歷史累計超額收益率和歷史日均換手率變量的顯著性均非常高，且周期越短的變量的顯著性越高，同時最近1周的變量為負、最近2周的變量為正而最近4周的變量為負。這一新特征說明股票價格在非常短的時期內(nèi)反轉(zhuǎn)效應(yīng)特別強，而在稍長的短期內(nèi)出現(xiàn)動量特征，隨著時期進一步加長則又表現(xiàn)出反轉(zhuǎn)特征。比較不同樣本下歷史收益率變量的t值可以看出，小市值股票的反轉(zhuǎn)效應(yīng)更強，而大中市值的動量效應(yīng)更強。

隨著行業(yè)虛擬變量的加入，市值、歷史收益率和歷史成交量變量的顯著性得到增加。更為重要的是，衡量模型擬合能力的指標(biāo)可決系數(shù)得到極大的提升，對于所有股票樣本，可決系數(shù)從6.30%－8.35%上升到14.64%，對于大中市值股票樣本則是從6.53%－8.75%上升至17.06%，而大市值股票樣本則是從7.50%－10.17%上升至22.23%，這說明行業(yè)變量是一個非常具有解釋能力的預(yù)測變量。但無論是在哪個樣本中，行業(yè)虛擬變量的顯著性都不高，而且很多虛擬變量在10%的水平上都不顯著。

(二)期望收益率樣本外預(yù)測

表3列出了模型預(yù)測收益率的截面特征和預(yù)測能力。模型的預(yù)測時間段為2006年6月26日至2012年5月11日，每周收益率的預(yù)測是基于上一周周末所計算的各個預(yù)測變量的數(shù)據(jù)和模型最近52周(移動窗口)或至今為止所有時期(遞歸窗口)的參數(shù)平均估計值，具體而言，我們預(yù)測t+1周的周收益率，首先在第t周末我們可以計算出各個預(yù)測變量的值，那么我們只需要各個預(yù)測變量對應(yīng)的參數(shù)值就能進行預(yù)測，對于參數(shù)值的估計，我們利用最近52周的數(shù)據(jù)進行FM回歸得到。如果將2005年6月6日開始的那周設(shè)為第1周的話，那么我們能進行預(yù)測收益率的第1周為第53周，即2006年6月26日開始的那周。

表3的上半部分列出了預(yù)測收益率的一些截面特征，分別為截面平均值、標(biāo)準(zhǔn)差、10%分位數(shù)、90%分位數(shù)的時間序列平均，后三個統(tǒng)計量則體現(xiàn)出股票期望收益率的截面差異性。

表3 期望收益率(2006年6月26日－2012年5月11日)

表3中的數(shù)據(jù)表明，模型的預(yù)測收益率反映出股票期望收益率具有相當(dāng)大的截面差異性，對于所有股票的樣本，移動窗口為52周的預(yù)測收益率的截面標(biāo)準(zhǔn)差的范圍從模型1的0.39%到模型3的0.60%，第1十分位從－0.24%至－0.03%，第9十分位從0.90%至－1.14%，兩者差距約為1.2%，反映出期望收益率高和低的股票的收益率差距。

刪除市值較小的股票后，股票期望收益率的差異性有逐漸降低的，但對于大中市值樣本，仍有0.36%至0.56%，而大市值樣本也有0.36%至0.55%。

隨著模型預(yù)測變量的增加，模型的預(yù)測收益率的截面差異性加大。比如，采用移動窗口和所有股票進行樣本外預(yù)測，模型1的預(yù)測收益率截面標(biāo)準(zhǔn)差為0.39%，模型2的為0.55%，模型3的為0.60%。歷史成交量這一非常顯著的預(yù)測變量加入模型后，預(yù)測收益率截面標(biāo)準(zhǔn)差相對于模型1本身有了較大的提升，而行業(yè)虛擬變量的進一步加入則沒帶來預(yù)測收益率截面標(biāo)準(zhǔn)差太大的增加。

表3的下半部分列出了股票期望收益率樣本外的預(yù)測能力，即這種預(yù)測是否能較好地反映真實的期望收益率。如果模型預(yù)測收益率是真實期望收益率的有效預(yù)測的話，那么利用真實收益率對預(yù)測收益率進行回歸，我們將得到一個非常顯著的斜率系數(shù)。表3中列出了真實收益率對預(yù)測收益率進行FM回歸的斜率系數(shù)及其Newey－West的標(biāo)準(zhǔn)誤、t值和R2。

表3中的t值表明預(yù)測收益率成功地捕捉到了期望收益率的變動，在所有股票的樣本下，其預(yù)測斜率的范圍從0.72至0.86，t值從6.36至10.96。模型1的預(yù)測斜率最大(0.86)，但采用遞歸方法預(yù)測的模型3的預(yù)測斜率的顯著性最高(t=10.96)，但預(yù)測斜率較小。模型2的預(yù)測斜率略低于模型1，其斜率的顯著性水平也僅略低于采用遞歸窗口預(yù)測的模型3。檢驗這些系數(shù)是否等于1的t值的最小值為采用遞歸窗口預(yù)測的模型1(t=1)。這些結(jié)論都表明期望收益率的截面差異是能真實反映股票實際收益率之間的差異。

大中市值股票和大市值股票也有類似的結(jié)論，只是預(yù)測斜率的顯著性有所下降，大中市值股票樣本的預(yù)測斜率從0.6至0.87，t值從5.60至9.00;大市值股票樣本的預(yù)測斜率從0.47至0.89，t值從4.80至7.70。在這兩個樣本中，模型1和模型2的預(yù)測收益率表現(xiàn)非常好，其斜率系數(shù)多在0.85左右，且在10%的顯著性水平下無法拒絕該系數(shù)等于1的原假設(shè)。

表3的結(jié)果給了我們?nèi)缦聨讉€啟示:第一，基于Fama－Macbeth截面回歸方法的股票期望收益率的樣本外預(yù)測能力，具有高樣本外預(yù)測收益率的股票實現(xiàn)的收益率也高。第二，模型期望收益率的預(yù)測值具有比實際收益率更高的截面差異性。因此再利用模型進行收益率預(yù)測時，需要對預(yù)測值的截面差異調(diào)整，從而使預(yù)測值與實際股票期望收益率保持一致。第三，F(xiàn)ama－Macbeth截面回歸方法估計準(zhǔn)確而又穩(wěn)健，使得模型具有很強的樣本外預(yù)測能力。不像一般時間序列的預(yù)測回歸方法，該方法的樣本外預(yù)測更為可信。更重要的是，它能夠利用公司或股票的許多特征來綜合得到股票期望收益率的一個預(yù)測。

(三)不同窗口

表4列出了基于不同大小移動窗口的Fama－Macbeth截面回歸方法的模型收益率預(yù)測情況，從檢驗預(yù)測斜率等于0的t統(tǒng)計量可以看出，基于不同大小移動窗口預(yù)測的期望收益率仍是真實期望收益率的一個很好的估計。表中大部分結(jié)果與表3相同，只是檢驗的時間區(qū)間從2007年7月9日起，因為最大窗口為104周。

表4 基于不同移動窗口的收益率預(yù)測(2007年7月9日－2011年5月11日)

從表4中我們可以發(fā)現(xiàn)，預(yù)測收益率的截面標(biāo)準(zhǔn)差隨著移動窗口的增大而減小，表明隨著數(shù)據(jù)的增加，F(xiàn)ama－Macbeth截面回歸的估計誤差減小，從而使得預(yù)測收益率的估計更為精確。對于模型1和模型2來說，移動窗口為52周的預(yù)測收益率的斜率最大，而模型3則是移動窗口為104周的預(yù)測收益率的斜率最大，所有模型中，移動窗口為26周的預(yù)測收益率的斜率都是最小的，說明利用非常短的數(shù)據(jù)進行估計的噪聲最大。

盡管移動窗口為26周的預(yù)測收益率的估計精確度最低，但其預(yù)測能力仍然很強。所有樣本下的所有窗口的估計，其預(yù)測斜率從0.33至0.84，3/4的斜率系數(shù)大于0.6，4/9的斜率系數(shù)大于0.7;預(yù)測斜率的t統(tǒng)計量都大于4。但大多數(shù)(31/36)預(yù)測效率都顯著地小于1，這說明期望收益率的估計比真實期望收益率的截面差異更大，盡管如此，它還是非常好地捕捉到了真實期望收益率的截面差異的特點。

(四)基于期望收益率的投資組合

為了進一步檢驗預(yù)測收益率的預(yù)測能力，表5列出了按模型1的期望收益率排序的投資組合，表中僅展示了按52周移動窗口估計的期望收益率排序的結(jié)果。表的左邊列出的是按普通平均計算的投資組合收益率，右邊是按流通市值加權(quán)的收益率。Pred是投資組合預(yù)測收益率的平均值減去滬深300指數(shù)收益率，Avg是投資組合的實際超額收益率的平均值，Std、t－stat和Shp都是投資組合超額收益率的時間序列的標(biāo)準(zhǔn)差、按Newey－West 4個滯后計算的檢驗其等于0的t統(tǒng)計量和年化的夏普比率。Low是期望收益率最低的投資組合，High是期望收益率最高的投資組合，其他組合的期望收益率按序號的大小依此遞增，H－L組合時對沖組合，即買入High組合而賣空Low組合。

表5傳遞了與之前結(jié)論一致的一個信息——基于Fama－Macbeth截面回歸方法估計的期望收益率對實際收益率有很強的預(yù)測能力，但期望收益率的變動范圍比實際平均收益率的變動范圍大得多。實際收益率與預(yù)測收益率單調(diào)遞增的關(guān)系非常明顯，除大市值股票樣本下，實際收益率與預(yù)測收益率在第9組和High組之間出現(xiàn)反向關(guān)系外，各投資組合之間期望收益率的差距與實際收益率的差距保持同一個方向。投資組合的平均超額期望收益率從－0.64%至0.75%，實際超額收益率只從－0.43%至0.70%，Low組合和High組合的期望收益率相差1.39%，而實際收益率僅相差1.13%，其比率為0.81(=1.13/1.39)，與表3中實際收益率對預(yù)測收益率回歸的斜率系數(shù)(0.86)是非常接近的。對沖組合的平均收益率非常高，統(tǒng)計上也非常顯著，t值高達6.86，其平均收益率為1.38%，年化的夏普比率為3.13，說明是一個非常好的投資策略，但是由于國內(nèi)大多數(shù)股票無法賣空，該策略實際上是不可行的，但High組合仍然是一個較好的策略，通過買入High組合和賣空股指期貨就可以得到年化夏普比率為1.64的收益，其t值也高達3.41，表明該策略能獲得顯著地獲得正收益。

在大中市值股票和大市值股票樣本中的預(yù)測收益率和實際收益率的標(biāo)準(zhǔn)差有所降低，但是Low組合和High組合的收益率差距(預(yù)測的和實際的)仍很大，對于大中市值股票樣本來說，預(yù)測收益率從－0.63%至0.65%，實際收益率從－0.51%至0.56%;而對于大市值股票樣本來說，預(yù)測收益率從－0.64%至0.61%，實際收益率從－0.46%至0.50%。對沖組合的收益率分別為1.08%和0.96%，其t值為6.86和6.07，非常顯著;年化夏普比率也分別高達2.87和2.32。

按流通市值加權(quán)的收益率的結(jié)論與普通平均收益率的結(jié)論非常相似。模型2和模型3的結(jié)果與模型1的結(jié)果非常相似，除了各投資組合的預(yù)測收益率的范圍更大外，其實際收益率的范圍與模型1的非常相同，在此不再贅述。

四、結(jié)論

本文探討了基于Fama－Macbeth截面回歸方法的股票期望收益率的樣本外預(yù)測能力，該方法能夠利用公司或股票的許多特征來綜合得到股票期望收益率的一個預(yù)測?；谥袊鳤股市場的實證表明，該方法得到的股票期望收益率的樣本外預(yù)測值具有很明顯的截面差異和很強的預(yù)測能力，具體結(jié)論如下:

1．在樣本內(nèi)預(yù)測的FM截面回歸分析中，市值特征和反轉(zhuǎn)特征在小市值股票中更為明顯，而動量特征在大市值股票中更為明顯，行業(yè)虛擬變量的加入大大提高了股票期望收益率模型的擬合能力。

表5 按模型1期望收益率排序的投資組合(2006年6月26日－2012年5月11日)

2．在樣本外預(yù)測中，更多預(yù)測變量的加入并沒有提高股票期望收益率模型的擬合能力，而只是增加了預(yù)測收益率的截面差異。不論是哪種模型，也不論是選擇哪種時間窗口來估計模型參數(shù)進行樣本外預(yù)測，模型的預(yù)測收益率都具有顯著的解釋能力。

3．利用模型樣本外預(yù)測收益率構(gòu)造的投資組合，各組合的平均收益率和夏普指數(shù)隨著組合預(yù)測收益率的增加而增加，但預(yù)測收益率最高的組合的風(fēng)險并不一定高于預(yù)測收益率最低的組合的風(fēng)險，這表明中國股票市場可能不一定有效。

［1］Asness，Clifford S，Moskowitz，Tobias J．，and Heje Pedersen，Lasse 2013，“Value and momentum everywhere”，The Journal of Finance，68，929－985．

［2］Fama，E．F．，and K．R．French．Dissecting anomalies[J]．The Journal of Finance，2008，(63)，1653－1678．

［3］Fama，Eugene F，and Kenneth R French．Size，value，and momentum in international stock returns[J]．Journal of Financial Economics．2012，(105)，157－172．

［4］Hanna，J．D．，and M．J．Ready．Profitable predictability in the cross section of stock returns[J]．Journal of Financial Economics，2005，(78)，463－505．

［5］Haugen，R．A．，and N．L．Baker．Commonality in the determinants of expected stock returns[J]．Journal of FinancialEconomics，1996，(41)，401－439．

［6］Novy－Marx，Robert，2012，“Ismomentum reallymomentum?”[J]．Journal of Financial Economics，103，429－453．

［7］何誠穎，盧宗輝．流動性過剩對證券市場的沖擊效應(yīng)分析——基于海外經(jīng)驗與中國實踐的實證研究[J]．?dāng)?shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009，(07)．

［8］何誠穎，劉英，徐清振．基于二階段模型的中國股市資金流向研究[J]．管理世界，2011，(02)．

［9］陳信元，張?zhí)镉?，陳冬華．預(yù)期股票收益的橫截面多因素分析:來自中國證券市場的經(jīng)驗證據(jù)[J]．金融研究，2001，(06)．

［10］陳學(xué)勝．中國股票市場的三因子時變風(fēng)險溢價模型研究[J]．南方經(jīng)濟，2007，(04)．

［11］劉彬．S/P、D/E、BV/MV、MVE誰更具有解釋力[J]．證券市場導(dǎo)報，2009，(09)．

［12］劉霖，秦宛順．中國股票市場套利定價模型研究[J]．金融研究，2004，(06)．

［13］萬欣榮，蔣少戈，朱紅磊．我國股票收益影響因素的定價模型實證研究[J]．金融研究，2005，(12)．

［14］王慶文．會計盈余質(zhì)量對未來會計盈余及股票收益的影響——基于中國股票市場的實證研究[J]．金融研究，2005，(10)．

［15］吳世農(nóng)，許年行．資產(chǎn)的理性定價模型和非理性定價模型的比較研究——基于中國股市的實證分析[J]．經(jīng)濟研究，2004，(06)．

［16］宿成建．中國證券多因素及三因素定價模型實證研究[J]．系統(tǒng)工程理論與實踐，2006，(08)．

［17］楊炘，陳展輝．中國股市三因子資產(chǎn)定價模型實證研究[J]．?dāng)?shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2003，(12)．

［18］張崢，歐陽紅兵，劉力．股價前期高點，投資者行為與股票收益——中國股票市場的經(jīng)驗研究[J]．金融研究，2005，(12)．

［19］鄭承利，陳燈塔．中國股市截面收益率再研究:分位數(shù)回歸方法[J]．南方經(jīng)濟，2006，(01)．

［20］朱寶憲，何治國．Beta值和賬面/市值比與股票收益關(guān)系的實證研究[J]．金融研究，2002，(04)．

（責(zé)任編輯：郝濤）

F830.9

A

2095－3410(2014)04－0074－09

本文是國家自然科學(xué)基金“資金流，交易者異質(zhì)性與中國股市波動”(項目編號:71373225)的階段性成果。

何誠穎(1963－)，男，浙江衢州人，浙江財經(jīng)大學(xué)教授，國信證券監(jiān)事會主席，博士。主要研究方向:證券投資、量化投資研究。