定價(jià)因子選擇對股票市場異象檢驗(yàn)的影響

摘要：現(xiàn)有研究股市異象的文獻(xiàn)大多使用Fama-French三因子模型、Carhart四因子模型和Fama-French五因子模型，其中多數(shù)文獻(xiàn)并未就所選模型是否適用于對應(yīng)異象的檢驗(yàn)加以探討。我們收集了6種異象，分別使用CAPM、三因子模型和五因子模型進(jìn)行檢驗(yàn)，發(fā)現(xiàn)：（1）6種異象的真實(shí)溢價(jià)均不顯著，但使用最新的五因子模型檢驗(yàn)出了顯著的阿爾法；（2）當(dāng)使用應(yīng)用最廣的三因子模型時(shí)得到了更加膨脹的阿爾法；（3）使用經(jīng)典的CAPM模型得到了較為合理的結(jié)果；（4）市值因子是導(dǎo)致異象溢價(jià)的阿爾法被夸大的主要原因，價(jià)值因子則為次要原因。結(jié)果表明，研究股市異象時(shí)需要慎重考慮所選定價(jià)模型是否適用于檢驗(yàn)該異象，不恰當(dāng)?shù)厥褂枚▋r(jià)因子會導(dǎo)致矯枉過正的后果。

關(guān)鍵詞：股票市場；異象；資產(chǎn)定價(jià)模型；定價(jià)因子

中圖分類號：F830 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-854X（2017）09-0030-07

一、引言

自從Fama和MacBeth對金融經(jīng)濟(jì)學(xué)領(lǐng)域著名的資本資產(chǎn)定價(jià)模型（CAPM）進(jìn)行實(shí)證檢驗(yàn)以來①，數(shù)以百計(jì)的論文對股票市場的橫截面回報(bào)率進(jìn)行了解釋②。從學(xué)術(shù)研究的角度看，解釋股市橫截面回報(bào)率特征是實(shí)證資產(chǎn)定價(jià)研究的主要方向之一；從實(shí)際應(yīng)用的角度看，對股市橫截面回報(bào)率特征的掌握有助于專業(yè)的資產(chǎn)管理機(jī)構(gòu)建立相應(yīng)的盈利策略。因此，該方面的文獻(xiàn)常常受到學(xué)界和業(yè)界的關(guān)注，并大量發(fā)表在經(jīng)濟(jì)和金融領(lǐng)域的頂級刊物③。

有關(guān)股票市場橫截面回報(bào)率的研究大多以發(fā)現(xiàn)某種現(xiàn)有定價(jià)模型不能解釋的異象作為主要學(xué)術(shù)貢獻(xiàn)。大體來講，這類研究先試著找出與股票未來收益率相關(guān)的前定變量，然后進(jìn)一步驗(yàn)證這種相關(guān)性并不能由現(xiàn)有的資產(chǎn)定價(jià)模型所解釋，從而判定這個(gè)前定變量對股市橫截面回報(bào)率的解釋能力為“異象”。如果異象真的存在，意味著股票未來回報(bào)率可以由特定變量的當(dāng)前值來解釋。換句話說，每一種異象都對應(yīng)著一條預(yù)測股價(jià)的途徑。然而，變幻莫測的股票市場真的那么容易被預(yù)測嗎？一些文獻(xiàn)對于異象的存在性提出了懷疑。首先，早期的文獻(xiàn)指出，股市異象可能并不存在于經(jīng)濟(jì)意義層面，而僅僅是來自特定樣本的統(tǒng)計(jì)偏誤④；其次，近期有研究認(rèn)為，由于研究市場異象的文獻(xiàn)數(shù)量較多，傳統(tǒng)的顯著性門檻可能無法有效排除數(shù)據(jù)挖掘的嫌疑⑤。此外，慣例性地使用橫截面R平方和定價(jià)誤差來衡量截面定價(jià)因子的解釋能力很可能存在偽回歸的問題⑥。最后，現(xiàn)有文獻(xiàn)也證明了隨著學(xué)術(shù)成果的公布和市場有效性的恢復(fù)，股市異象對于股價(jià)的預(yù)測能力明顯減弱⑦。這些文獻(xiàn)共同表明，股票市場異象的實(shí)際數(shù)量并非像該領(lǐng)域發(fā)表的文獻(xiàn)數(shù)量那樣多。

基于上述背景，本文從一個(gè)全新的角度——資產(chǎn)定價(jià)因子的選擇——來檢驗(yàn)異象的數(shù)量和顯著性是否被人為地夸大。本文的構(gòu)思主要來自兩處啟發(fā)：第一，現(xiàn)有關(guān)于市場異象的文獻(xiàn)在資產(chǎn)定價(jià)模型的選擇上并沒有達(dá)到一致。使用最廣泛的是著名的三因子模型，如Fama和French、毛小元等、田利輝等的研究⑧；但也有許多文獻(xiàn)使用四因子模型，如Carhart、歐陽志剛、李飛、Fama和French、趙勝民等的研究⑨，此外作為資產(chǎn)定價(jià)領(lǐng)域最新進(jìn)展的五因子模型，也在近年來得到了越來越多的使用⑩。資產(chǎn)定價(jià)模型對于異象檢驗(yàn)起決定性的把關(guān)作用：如果異象對股票未來回報(bào)率的解釋能力不能被這些模型包含的標(biāo)準(zhǔn)定價(jià)因子吸收，那么就認(rèn)為該異象是真實(shí)存在的。因此，本文的第一個(gè)假設(shè)是：資產(chǎn)定價(jià)模型選擇的自主性，同時(shí)也是定價(jià)因子選擇的自主性，會對異象研究的結(jié)論產(chǎn)生影響。第二，資產(chǎn)定價(jià)模型有時(shí)不僅沒有吸收異象溢價(jià)的解釋力，反而還會夸大異象的規(guī)模。Chen等在對中國股票市場的多個(gè)異象進(jìn)行檢驗(yàn)時(shí)報(bào)告了三因子模型對應(yīng)的阿爾法溢價(jià)大于真實(shí)回報(bào)率溢價(jià)的結(jié)果，但并未對此加以說明{11}。Bali等在檢驗(yàn)美國市場的特質(zhì)波動(dòng)率異象時(shí)發(fā)現(xiàn)四因子模型的阿爾法溢價(jià)超過了真實(shí)回報(bào)率溢價(jià)，他們認(rèn)為是股票組間的市值差異導(dǎo)致了這種結(jié)果{12}。因此，本文的第二個(gè)假設(shè)是：以市值為代表的標(biāo)準(zhǔn)資產(chǎn)定價(jià)因子可能夸大異象的規(guī)模和顯著性。

為了驗(yàn)證上述兩個(gè)假設(shè)，本文使用CAPM、三因子模型、五因子模型對凈營運(yùn)資產(chǎn)、現(xiàn)金流價(jià)格比、盈利價(jià)格比、毛利率、毛利溢價(jià)和動(dòng)量對應(yīng)的6種異象進(jìn)行了檢驗(yàn)。分別使用作為資產(chǎn)定價(jià)領(lǐng)域最新進(jìn)展的五因子模型、應(yīng)用最廣的三因子模型和經(jīng)典的CAPM模型，考量資產(chǎn)定價(jià)模型的選擇和定價(jià)因子的改變是否會影響異象檢驗(yàn)的結(jié)論，以及是否會夸大異象的顯著程度。

本文主要有以下貢獻(xiàn)：第一，我們基于定價(jià)因子選擇這個(gè)新的角度，驗(yàn)證了最常用的資產(chǎn)定價(jià)模型可能會使得異象研究的結(jié)果存在偏誤。使用資產(chǎn)定價(jià)模型驗(yàn)證異象的本意是消除異象溢價(jià)中對應(yīng)標(biāo)準(zhǔn)資產(chǎn)定價(jià)因子所能解釋的部分，而本文結(jié)果表明一些最常用的定價(jià)因子反而會使得阿爾法不合理地膨脹，明顯影響了異象研究結(jié)論的可靠性。第二，我們發(fā)現(xiàn)不同的資產(chǎn)定價(jià)模型會導(dǎo)致異象檢驗(yàn)結(jié)果存在顯著的不同?，F(xiàn)有文獻(xiàn)大多使用三因子和五因子模型，而本文指出在一些情形下經(jīng)典的CAPM才能得到合理的結(jié)果。本文也具有一定的啟示：在進(jìn)行股市異象或橫截面回報(bào)率的研究時(shí)，需要結(jié)合研究對象的特征選擇合適的資產(chǎn)定價(jià)模型。特別是在異象真實(shí)溢價(jià)不顯著的情況下，某些常用的定價(jià)因子可能會導(dǎo)致矯枉過正的后果。

二、數(shù)據(jù)與樣本

1. 數(shù)據(jù)來源與樣本選擇

本研究以1997年1月到2015年6月的A股市場作為研究對象。所用數(shù)據(jù)（交易數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、計(jì)算指標(biāo)所需的原始數(shù)據(jù)等）均來自國泰安數(shù)據(jù)庫（CSMAR）。根據(jù)慣例，我們結(jié)合月度交易數(shù)據(jù)和年度財(cái)務(wù)數(shù)據(jù)，并在每年的6月底將財(cái)務(wù)指標(biāo)更新為上一財(cái)務(wù)年度的數(shù)據(jù)，以保證財(cái)務(wù)數(shù)據(jù)在檢驗(yàn)對應(yīng)時(shí)點(diǎn)的可得性{13}。樣本中排除了金融企業(yè)（財(cái)務(wù)指標(biāo)水平與其他行業(yè)差異較大）、權(quán)益賬面價(jià)值非正數(shù)的企業(yè)以及ST標(biāo)記的股票。此外，每個(gè)交易月份市值處于10%分位點(diǎn)以下的公司也被排除在樣本以外，以避免小公司驅(qū)動(dòng)主要結(jié)果的情形。endprint

2. 異象變量計(jì)算

（1）凈營運(yùn)資產(chǎn)（net operating assets，NOA）

Hirshleifer等發(fā)現(xiàn)了凈營運(yùn)資產(chǎn)異象：平均來講，公司凈營運(yùn)資產(chǎn)越高，股票期望收益率越低{14}。按照他們的計(jì)算方法，公司i在財(cái)務(wù)年度y的凈營運(yùn)資產(chǎn)為：

NOAi，y=（營運(yùn)資產(chǎn)i，y-營運(yùn)負(fù)債i，y）/資產(chǎn)總計(jì)i，y-1

（2）現(xiàn)金流價(jià)格比（cash flow to price，C/P）

Lakonishok等發(fā)現(xiàn)了現(xiàn)金流價(jià)格比異象：平均來講現(xiàn)金流價(jià)格比與股票期望收益率呈正相關(guān)關(guān)系{15}。參考他們的方法，公司i在財(cái)務(wù)年度y的現(xiàn)金流價(jià)格比為：

C/Pi，y=（凈利潤i，y+本年計(jì)提折舊與攤銷i，y）/（發(fā)行總股數(shù)i，y ×收盤價(jià)i，y）

其中

本年計(jì)提折舊與攤銷i，y=固定資產(chǎn)折舊i，y+無形資產(chǎn)攤銷i，y+長期待攤費(fèi)用攤銷i，y

（3）盈利價(jià)格比（Earnings to price，E/P）

盈利價(jià)格比與股票未來收益率的正向相關(guān)性是實(shí)證資產(chǎn)定價(jià)領(lǐng)域經(jīng)典的研究問題{16}。根據(jù)計(jì)算慣例，公司i在財(cái)務(wù)年度y的盈利價(jià)格比為：

E/Pi，y=凈利潤i，y /（發(fā)行總股數(shù)i，y×收盤價(jià)i，y）

（4）毛利率（Gross profit margin，GPM）

Abarbanell和Bushee發(fā)現(xiàn)毛利率越高，該股票平均來講有越高的期望收益率{17}。參考他們的計(jì)算，公司i在財(cái)務(wù)年度y的毛利率為：

GPMi，y=（營業(yè)總收入i，y-營業(yè)成本i，y）/營業(yè)總收入i，y

（5）毛利溢價(jià)（Gross profit premium，GPP）

Novy-Marx發(fā)現(xiàn)毛利溢價(jià)與股票橫截面期望收益率存在正相關(guān)關(guān)系{18}。參考他的計(jì)算方法，公司i在財(cái)務(wù)年度y的毛利溢價(jià)為：

GPPi，y=（營業(yè)總收入i，y-營業(yè)成本i，y）/資產(chǎn)總計(jì)i，y

（6）動(dòng)量（Momentum，MOM）

Jegadeesh和Titman揭示了著名的動(dòng)量異象：平均來講，過去一段時(shí)間內(nèi)表現(xiàn)好（不好）的股票在未來一段時(shí)間內(nèi)表現(xiàn)也會好（不好）{19}。參考他們的方法，我們計(jì)算了從t-11到t-1月的歷史累計(jì)回報(bào)率作為t月月末使用的MOM：

MOMi，t=∏（1+ri，tj）-1

其中ri，tj為公司i的股票在j月的回報(bào)率，j=t-11，…，t-1

三、研究方法

1. 投資組合法

投資組合法是股票市場異象研究的標(biāo)準(zhǔn)方法。通過異象變量建立投資組合并計(jì)算未來真實(shí)回報(bào)率，能夠直觀體現(xiàn)異象變量對股票期望收益率的預(yù)測能力。具體做法是，在每一個(gè)t月的月末將樣本中的所有股票按照異象變量排序，從低到高均等分為五組。每個(gè)投資組合都采用市值加權(quán)的方式確定股票權(quán)重。將這五個(gè)投資組合持有一個(gè)月，在t+1月的月末計(jì)算當(dāng)月回報(bào)率，同時(shí)繼續(xù)按照該規(guī)則重新構(gòu)建五個(gè)投資組合。每個(gè)月末都重復(fù)該過程，我們就能獲得按照該異象變量劃分的五個(gè)投資組合下月回報(bào)率的時(shí)間序列，并能檢驗(yàn)每個(gè)投資組合下月回報(bào)的均值是否顯著不為零。為了清楚體現(xiàn)異象變量與股票未來回報(bào)率之間的關(guān)系。我們還在t+1月的月末將第5組與第1組的回報(bào)率作差（稱為當(dāng)月的異象溢價(jià)），并檢驗(yàn)該異象的時(shí)間序列溢價(jià)是否顯著不為零。

2. 資產(chǎn)定價(jià)模型回歸

在使用投資組合法檢驗(yàn)出異象的真實(shí)溢價(jià)之后，已有文獻(xiàn)通常采用資產(chǎn)定價(jià)模型來驗(yàn)證異象真實(shí)溢價(jià)對應(yīng)的阿爾法是否顯著，從而確認(rèn)異象的有效性。本文同時(shí)使用以下3種模型：

模型1：資本資產(chǎn)定價(jià)模型（CAPM）

CAPM是經(jīng)典資產(chǎn)定價(jià)模型的代表{20}，相應(yīng)的回歸形式為：

Rp，t=αp+β（Rm，t-Rf，t）+εp，t

其中Rp，t是投資組合p在月份t的超額回報(bào)率（真實(shí)回報(bào)率減月度化的無風(fēng)險(xiǎn)利率），Rm，t是市值加權(quán)的A股綜合回報(bào)率。

模型2：三因子模型

Fama和French建立的三因子模型是異象檢驗(yàn)中最常用的資產(chǎn)定價(jià)模型{21}。三因子模型的回歸形式如下：

Rp，t=αp+β1RMRFt+β2SMBt+β3HMLt+εp，t

其中RMRF、SMB和HML為按照French網(wǎng)站的計(jì)算方法得到的三因子，分別代表市場超額收益率、小市值公司對大市值公司的溢價(jià)、價(jià)值股對成長股的溢價(jià)。

模型3：五因子模型

結(jié)合近年來資產(chǎn)定價(jià)領(lǐng)域的研究進(jìn)展，F(xiàn)ama和French發(fā)表了最新的五因子模型，回歸設(shè)定如下{22}：

Rp，t=αp+β1RMRFt+β2SMBt+β3HMLt+β4RMWt+ β5CMAt+εp，t

大體上可以認(rèn)為五因子模型是在三因子模型的基礎(chǔ)上加入了代表強(qiáng)盈利的公司對弱盈利的公司溢價(jià)的RMW因子，和代表投資保守的公司對投資激進(jìn)的公司溢價(jià)的CMA因子，但在計(jì)算時(shí)需要五個(gè)因子一起計(jì)算（同樣按照French網(wǎng)站的方法計(jì)算）。

以上3個(gè)模型中，αp即是投資組合p的阿爾法，代表了組合回報(bào)率中不能被標(biāo)準(zhǔn)資產(chǎn)定價(jià)因子所解釋的部分。如果異象溢價(jià)組合的真實(shí)回報(bào)率顯著，而對應(yīng)的阿爾法不顯著，說明異象能夠被標(biāo)準(zhǔn)的資產(chǎn)定價(jià)因子解釋。反過來，如果組合的真實(shí)回報(bào)率不顯著，而阿爾法顯著，說明使用資產(chǎn)定價(jià)模型進(jìn)行檢驗(yàn)反而會夸大原本不存在的異象。

四、實(shí)證檢驗(yàn)

1. 五因子模型

我們分別對每個(gè)異象建立5個(gè)投資組合，計(jì)算每個(gè)組合時(shí)間序列平均后的下月回報(bào)率，同時(shí)報(bào)告第5組與第1組下月回報(bào)之差（Q5—Q1）的時(shí)序平均值。這個(gè)回報(bào)之差的時(shí)序平均值也稱為異象溢價(jià)，反映了異象的明顯程度，是我們重點(diǎn)關(guān)注的部分。如前所述，我們需要使用資產(chǎn)定價(jià)模型來確認(rèn)異象的真實(shí)回報(bào)率溢價(jià)并非源自常見定價(jià)因子。我們先從最新的Fama-French五因子模型開始（模型3），在結(jié)果中報(bào)告市值加權(quán)的組合真實(shí)回報(bào)率和五因子阿爾法。為了使得結(jié)果簡明，我們將在原始文獻(xiàn)中發(fā)現(xiàn)與期望回報(bào)率呈負(fù)相關(guān)的異象變量取負(fù)號處理，使得所有變量的預(yù)期方向保持一致。endprint

根據(jù)表1的結(jié)果，這些異象在中國市場的真實(shí)溢價(jià)絕大部分與在海外市場得到的結(jié)果一致，但在統(tǒng)計(jì)上均不顯著。其中較為突出的是現(xiàn)金流價(jià)格比（C/P）和動(dòng)量（MOM）異象，但t值分別只有0.62和0.81。因此，可以認(rèn)為這些異象在中國市場并不明顯存在。此時(shí)如果使用資產(chǎn)定價(jià)模型進(jìn)行檢驗(yàn)，由于已經(jīng)幾乎沒有要被定價(jià)因子解釋的部分，預(yù)期也應(yīng)該得到不顯著的阿爾法。然而，在我們使用五因子模型后，得到了令人困惑的結(jié)果。在表2中，全部的異象溢價(jià)都變?yōu)轱@著，且與文獻(xiàn)預(yù)期方向一致，同時(shí)大幅超過表1中對應(yīng)的真實(shí)回報(bào)率溢價(jià)。其中凈營運(yùn)資產(chǎn)（0.44%，t=2.67），現(xiàn)金流價(jià)格比（0.68%，t=4.37），盈利價(jià)格比（0.77%，t=4.71），毛利溢價(jià)（0.61%，t=3.45）的阿爾法溢價(jià)在1%的統(tǒng)計(jì)水平顯著，動(dòng)量（0.72%，t=2.09）和毛利率（0.34%，t=1.84）分別在5%和1%的水平顯著。

從現(xiàn)實(shí)角度分析，持有相應(yīng)組合的投資者在一年中幾乎顆粒無收，但管理該組合的投資機(jī)構(gòu)卻聲稱，根據(jù)最先進(jìn)的資產(chǎn)定價(jià)模型，組合取得了4%—9%的阿爾法。在投資者沒有獲得真實(shí)回報(bào)率的時(shí)候，為何會有顯著的阿爾法出現(xiàn)？我們認(rèn)為，這種奇怪現(xiàn)象的根本原因在于定價(jià)因子的選擇有誤。

2. 三因子模型

為了解答異象真實(shí)溢價(jià)不顯著，但阿爾法溢價(jià)顯著的疑惑，我們采取直接思維：既然沒有加入因子計(jì)算的真實(shí)回報(bào)溢價(jià)和加入五因子計(jì)算阿爾法得出的溢價(jià)迥然不同，那么一定是某一個(gè)或幾個(gè)因子導(dǎo)致了阿爾法的膨脹。相應(yīng)的操作是逐漸減少因子的數(shù)量，本節(jié)將使用Fama-French三因子模型（模型2）進(jìn)行檢驗(yàn)。

在五因子模型發(fā)表之前，三因子模型是過去二十多年中使用最廣泛的資產(chǎn)定價(jià)模型，在絕大部分異象研究的文獻(xiàn)中被用來檢驗(yàn)異象溢價(jià)組合的超額收益。大體來講，我們可以認(rèn)為三因子模型加上盈利因子（RMW）和投資因子（CMA）組成了五因子模型。如果阿爾法膨脹現(xiàn)象來自盈利因子或者投資因子，或者來自它們的共同作用，那么使用三因子模型不會出現(xiàn)該現(xiàn)象。

表3中報(bào)告了使用三因子模型計(jì)算組合和溢價(jià)組合的阿爾法。我們發(fā)現(xiàn)三因子模型對應(yīng)的阿爾法出現(xiàn)了更加夸張的膨脹現(xiàn)象。全部六種異象溢價(jià)組合的阿爾法在1%的水平顯著。其中現(xiàn)金流價(jià)格比（1.34%）、盈利價(jià)格比（1.44%）、毛利溢價(jià)（1.19%）、動(dòng)量（1.11%）對應(yīng)溢價(jià)的月度平均阿爾法都超過了1%。凈營運(yùn)資產(chǎn)和毛利率異象溢價(jià)的阿爾法分別為0.63%和0.71%，同樣大幅超過了五因子模型的對應(yīng)值。這些結(jié)果表明，使用三因子模型進(jìn)行異象檢驗(yàn)時(shí)出現(xiàn)了比使用五因子模型時(shí)更加嚴(yán)重的阿爾法膨脹現(xiàn)象。因此，阿爾法膨脹的根源在傳統(tǒng)的三因子（RMRF，SMB，HML）中，而非盈利因子（RMW）和投資因子（CMA）。

3. CAPM模型

在前兩節(jié)中我們發(fā)現(xiàn)，當(dāng)使用作為研究慣例的三因子模型和五因子模型時(shí)，異象溢價(jià)的阿爾法出現(xiàn)了不合理的膨脹，并且確定這種現(xiàn)象并非來自盈利因子和投資因子。本節(jié)中我們使用最經(jīng)典的資產(chǎn)定價(jià)模型CAPM來進(jìn)行檢驗(yàn)（模型1）。通過比較使用CAPM計(jì)算出的阿爾法和三因子模型的阿爾法，我們可以進(jìn)一步判斷：如果阿爾法回歸正常（與表1中的真實(shí)回報(bào)率對應(yīng)的結(jié)論一致），那么膨脹的根源是市值因子（SMB）和/或價(jià)值因子（HML）；如果仍然存在膨脹，那么原因出自市場回報(bào)因子（RMRF）。

表4中的結(jié)果與表2和表3迥然不同，但和表1取得了一致的結(jié)論。全部6種異象的阿爾法都不顯著，考慮到這6種異象的真實(shí)溢價(jià)本來就不顯著，這是我們理應(yīng)得到的結(jié)果。由此結(jié)果，表2和表3中出現(xiàn)的阿爾法膨脹現(xiàn)象并非來自市場回報(bào)因子（RMRF），而是來自市值因子（SMB）或價(jià)值因子（HML），或者來自兩者的共同作用。

4. 市值因子與價(jià)值因子

為了檢驗(yàn)市值因子和價(jià)值因子在阿爾法膨脹中所起的作用，我們進(jìn)行如下形式的回歸：

模型4：Rp，t=αp+β1RMRFt+β2SMBt+εp，t

模型5：Rp，t=ap+b1RMRFt+b2HMLt+εp，t

對每種異象對應(yīng)的投資組合和溢價(jià)組合分別進(jìn)行上述回歸。如果αp顯著而ap不顯著，說明阿爾法膨脹的根源在于市值因子（SMB）而非價(jià)值因子（HML）；如果ap顯著而αp不顯著，那么正好相反，膨脹現(xiàn)象出自價(jià)值因子而非市值因子；而如果ap和αp都顯著，說明市值因子和價(jià)值因子共同導(dǎo)致了阿爾法的膨脹。為了節(jié)省篇幅，我們僅報(bào)告溢價(jià)組合的阿爾法。

根據(jù)表5的結(jié)果，可以認(rèn)為市值因子和價(jià)值因子共同導(dǎo)致了阿爾法膨脹的現(xiàn)象。當(dāng)在定價(jià)模型中考慮市值因子時(shí)，現(xiàn)金流價(jià)格比（1.28%，t= 6.50）、盈利價(jià)格比（1.30%，t=6.47）、毛利溢價(jià)（0.80%，t= 3.35）異象溢價(jià)對應(yīng)的阿爾法均在1%的水平顯著；凈營運(yùn)資產(chǎn)、毛利率、動(dòng)量異象對應(yīng)阿爾法的t值也離10%的顯著性水平相距不遠(yuǎn)。當(dāng)在定價(jià)模型中考慮價(jià)值因子時(shí)，凈營運(yùn)資產(chǎn)（0.34%，t=1.85）和動(dòng)量（0.59%，t=1.69）異象溢價(jià)的阿爾法在10%的水平顯著，另外毛利率和毛利溢價(jià)異象的相應(yīng)t值離10%顯著性水平也相距不遠(yuǎn)。因此，我們初步判斷市值因子和價(jià)值因子是表2和表3中使用標(biāo)準(zhǔn)資產(chǎn)定價(jià)模型進(jìn)行異象檢驗(yàn)時(shí)出現(xiàn)阿爾法膨脹的共同原因，其中市值因子負(fù)有更大責(zé)任。

5. 對阿爾法膨脹現(xiàn)象的進(jìn)一步理解

在上一節(jié)中，我們指出市值因子和價(jià)值因子導(dǎo)致了前述6種異象的檢驗(yàn)過程中出現(xiàn)本不該有的阿爾法膨脹現(xiàn)象。為了對此現(xiàn)象進(jìn)行進(jìn)一步的確認(rèn)和理解，我們參考了Bali等的論述{23}。Bali等在使用因子模型檢驗(yàn)最大日回報(bào)異象時(shí)發(fā)現(xiàn)阿爾法稍大于真實(shí)回報(bào)率，他們認(rèn)為這種現(xiàn)象來自投資組合的組間市值差異：隨著最大日回報(bào)的提高，股票的市值大體呈現(xiàn)降低態(tài)勢，而小盤股的正溢價(jià)大致抵消了最大日回報(bào)較大對應(yīng)的負(fù)溢價(jià)。一旦使用市值因子抽離了小盤股的正溢價(jià)，最大日回報(bào)對應(yīng)的負(fù)溢價(jià)就會在阿爾法中顯現(xiàn)。endprint

受到以上思路的啟發(fā)，我們在本節(jié)中計(jì)算前述6種異象對應(yīng)投資組合的市值與賬面市值比，以確認(rèn)組間市值或者賬面市值比的差異是否導(dǎo)致市值因子和價(jià)值因子引發(fā)阿爾法膨脹。具體來講，在每個(gè)月的月末，分別計(jì)算每個(gè)異象對應(yīng)的五個(gè)投資組合內(nèi)股票的市值、賬面市值比的平均值和中位數(shù)，再就該組合計(jì)算平均值和中位數(shù)的時(shí)間序列均值。對于每一個(gè)異象，如果溢價(jià)出現(xiàn)的阿爾法膨脹來自市值因子（賬面市值比因子），那么從第1組到第5組的股票市值（賬面市值比）應(yīng)該呈現(xiàn)上升（下降）的趨勢，也就是說市值因子（賬面市值比因子）拉低（抬高）了第1組的阿爾法并且/或者抬高（拉低）了第5組的阿爾法。

在表6中，我們發(fā)現(xiàn)現(xiàn)金流價(jià)格比（C/P）、盈利價(jià)格比（E/P）和毛利溢價(jià)（GPP）從第1組到第5組市值的均值和中位數(shù)呈現(xiàn)明顯增加的趨勢，而凈營運(yùn)資產(chǎn)（NOA）、毛利率（GPM）和動(dòng)量（MOM）也大體呈現(xiàn)市值增加的規(guī)律，但程度上相對較弱。這與表5中模型4的結(jié)果完全對應(yīng)。在表7中，凈營運(yùn)資產(chǎn)、毛利率與毛利溢價(jià)從第1組到第5組的賬面市值比的均值和中位數(shù)體現(xiàn)出下降趨勢，與表5中模型5的結(jié)果相應(yīng)。對于動(dòng)量異象，表5中的模型4和模型5體現(xiàn)出市值因子和賬面市值比因子可能都會引起阿爾法膨脹。而表6和表7的結(jié)果進(jìn)一步體現(xiàn)出市值因子是該異象在資產(chǎn)定價(jià)模型回歸中出現(xiàn)阿爾法膨脹的主要原因。

6. 穩(wěn)健性檢驗(yàn)

我們進(jìn)行了額外的檢驗(yàn)來測試前述結(jié)果的穩(wěn)健性。首先，本文在主要設(shè)定中采用了符合文獻(xiàn)慣例的投資組合市值加權(quán)的方式，但也有相當(dāng)一部分文獻(xiàn)采用等權(quán)重的方式構(gòu)建投資組合。為此，我們額外計(jì)算了等權(quán)重投資組合對應(yīng)的表1—表5的結(jié)果（表6并未涉及按權(quán)重計(jì)算收益率）。其次，本文在主要設(shè)定中去掉了每個(gè)月市值排在最小的10%公司的觀測值。這樣做能夠避免小公司驅(qū)動(dòng)主要結(jié)果的隱患，但另一方面可能使得結(jié)果向大公司傾斜。為此，我們保留這部分觀測值重復(fù)所有實(shí)證分析。上述兩種檢驗(yàn)得到與主要分析中一致的實(shí)證結(jié)果，因此可以認(rèn)為結(jié)果穩(wěn)健。

五、結(jié)論與啟示

本文基于中國A股市場1997年到2015年的數(shù)據(jù)，結(jié)合資本資產(chǎn)定價(jià)模型、三因子模型、五因子模型，研究了定價(jià)因子的選擇對于6種異象（凈營運(yùn)資產(chǎn)、現(xiàn)金流價(jià)格比、盈利價(jià)格比、毛利率、毛利溢價(jià)、動(dòng)量）檢驗(yàn)結(jié)果的影響。主要發(fā)現(xiàn)如下：首先，盡管6種異象的真實(shí)溢價(jià)并不顯著，但使用最新的Fama-French五因子定價(jià)模型會使得所有異象出現(xiàn)顯著的阿爾法溢價(jià)。其次，使用Fama-French三因子模型時(shí)出現(xiàn)了比使用五因子模型更加嚴(yán)重的阿爾法膨脹，盈利因子與投資因子不是阿爾法膨脹的原因。再次，使用CAPM檢驗(yàn)6種異象得到了合理且與真實(shí)回報(bào)率相協(xié)調(diào)的阿爾法。最后，市值因子是導(dǎo)致使用三因子和五因子模型時(shí)出現(xiàn)阿爾法膨脹的主要原因，價(jià)值因子是次要原因。

本文主要有如下啟示：

第一，本文的結(jié)論表明，現(xiàn)有同領(lǐng)域文獻(xiàn)廣泛使用的Fama-French三因子模型，以及近三年來文獻(xiàn)普遍使用的Fama-French五因子模型，在某些情形下可能對異象檢驗(yàn)發(fā)揮負(fù)面作用。相比之下，經(jīng)典的CAPM才能得到合理的結(jié)果。因此，建議未來的相關(guān)研究在沿用領(lǐng)域慣例的基礎(chǔ)上，還要考量各資產(chǎn)定價(jià)模型對應(yīng)的因子組合是否適用于所需檢驗(yàn)的異象。

第二，由于在真實(shí)溢價(jià)不顯著，且異象變量與模型中的定價(jià)因子存在明顯的相關(guān)性時(shí)，使用資產(chǎn)定價(jià)模型會產(chǎn)生矯枉過正的結(jié)果。因此我們建議，在真實(shí)溢價(jià)不顯著的情況下，盡量使用傳統(tǒng)保守的資產(chǎn)定價(jià)模型，避免誤導(dǎo)結(jié)論的可能性。

注釋：

① Eugene F. Fama and James D. MacBeth， Risk， Return， and Equilibrium： Empirical Tests Journal of Political Economy， 1973， 81， pp.607-636.

②⑤ Campbell R. Harvey， Yan Liu and Heqing Zhu， The Cross-section of Expected Returns， The Review of Financial Studies， 2016， 29， pp.5-68.

③⑦ R. David McLean and Jeffrey Pontiff， Does Academic Research Destroy Stock Return Predictability？ The Journal of Finance， 2016， 71， pp.5-32.

④ Eugene F. Fama， Efficient Capital Markets： II， The Journal of Finance， 1991， 46， pp.1575-1617； G. William Schwert， Anomalies and Market Efficiency， Handbook of the Economics of Finance 1B， 2003， pp.939-975.

⑥ Jonathan Lewellen， Stefan Nagel and Jay Shanken， A Skeptical Appraisal of Asset Pricing Tests， Journal of Financial Economics， 2010， 96， pp.175-194.

⑧ Eugene F. Fama and Kenneth R. French， Common Risk Factors in the Returns on Stocks and Bonds， Journal of Financial Economics， 1993， 33， pp.3-56；毛小元、陳夢根、 楊云紅：《配股對股票長期收益的影響：基于改進(jìn)三因子模型的研究》，《金融研究》2008年第5期；田利輝、王冠英、張偉：《三因素模型定價(jià)：中國與美國有何不同》，《國際金融研究》2014年第7期。endprint

⑨ Mark M. Carhart， On Persistence in Mutual Fund Performance， The Journal of Finance， 1997， 52， pp.57-82；歐陽志剛、李飛：《四因子資產(chǎn)定價(jià)模型在中國股市的適用性研究》，《金融經(jīng)濟(jì)學(xué)研究》2016年第2期。

⑩ Eugene F. Fama and Kenneth R. French， A Five-factor Asset Pricing Model， Journal of Financial Economics， 2015， 116， pp.1-22；趙勝民、閆紅蕾、張凱：《Fama-french五因子模型比三因子模型更勝一籌嗎——來自中國A股市場的經(jīng)驗(yàn)證據(jù)》，《南開經(jīng)濟(jì)研究》2016年第2期。

{11} Xuanjuan Chen， Kenneth A. Kim， Tong Yao and Tong Yu， On the Predictability of Chinese Stock Returns， Pacific-Basin Finance Journal， 2010， 18， pp.403-425.

{12}{23} T. G. Bali， N. Cakici and R. F. Whitelaw， Maxing Out： Stocks As Lotteries and the Cross-section of Expected Returns， Journal of Financial Economics， 2011， 99， pp.427-446， pp.427-446.

{13} Eugene F. Fama and Kenneth R. French， The Cross-section of Expected Stock Returns， The Journal of Finance， 1992， 47， pp.427-465.

{14} David Hirshleifer， Hou Kewei， Siew Hong Teoh and Zhang Yinglei， Do Investors Overvalue Firms With Bloated Balance Sheets， Journal of Accounting and Economics， 2004， 38， pp.297-331.

{15} Josef Lakonishok， Andrei Shleifer and Robert W. Vishny， Contrarian Investment， Extrapolation， and Risk， The Journal of Finance， 1994， 49， pp.1541-1578.

{16} S. Basu， Investment Performance of Common Stocks in Relation to Their Price-earnings Ratios： A Test of the Efficient Market Hypothesis， The Journal of Finance， 1977， 32， pp.663-682.

{17} J. S. Abarbanell and B. J. Bushee， Abnormal Returns to a Fundamental Analysis Strategy， The Accounting Review， 1998， 73， pp.19-45.

{18} Robert Novy-Marx， The Other Side of Value： The Gross Profitability Premium， Journal of Financial Economics， 2013， 108， pp.1-28.

{19} Narasimhan Jegadeesh and Sheridan Titman， Returns to Buying Winners and Selling Losers： Implications for Stock Market Efficiency， The Journal of Finance， 1993， 48， pp.65-91.

{20} William F. Sharpe， Capital Asset Prices： A Theory of Market Equilibrium Under Conditions of Risk， The Journal of Finance， 1964， 19， pp.425-442； John Lintner， The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets， The Review of Economics and Statistics， 1965， 47， pp.13-37.

{21} Eugene F. Fama and Kenneth R. French， Common Risk Factors in the Returns on Stocks and Bonds， Journal of Financial Economics， 1993， 33， pp.3-56.

{22} Eugene F. Fama and Kenneth R. French， A Five-factor Asset Pricing Model， Journal of Financial Economics， 2015， 116， pp.1-22.

作者簡介：徐步，北京化工大學(xué)經(jīng)濟(jì)管理學(xué)院講師，北京，100029。

（責(zé)任編輯 章 瀚）endprint