基于歷史最高收益的風(fēng)險因子定價研究

牛麗文 張艷艷 馮緒

【摘 要】 根據(jù)歷史收益來檢驗投資策略的有效性，造成了基于歷史收益的股票選擇偏差，并由此導(dǎo)致歷史收益較低的股票必須有更高的風(fēng)險溢價才會被投資者選擇。文章以1996—2017年滬深兩市全部正常的A股信息為研究對象，創(chuàng)新性地提出股票歷史最高收益因子，將其作為新的風(fēng)險定價因子加入到資本資產(chǎn)定價模型中，并通過Fama-MacBeth橫截面方法進(jìn)行了單因子檢驗和多因子的有效性檢驗。研究發(fā)現(xiàn)：歷史最高收益風(fēng)險因子的系數(shù)均顯著異于零，可以作為解釋股票收益的必要因子，能夠反映我國滬深股票市場的股票價格波動;新的風(fēng)險因子的發(fā)現(xiàn)有益于投資者正確全面地判斷影響股票收益的因素，從而使投資者獲得更大的利益，同時能夠通過資源的優(yōu)化配置促進(jìn)我國股票市場健康穩(wěn)定的發(fā)展。

【關(guān)鍵詞】 股票市場; 歷史最高收益; 風(fēng)險因子; 橫截面檢驗

【中圖分類號】 F832.5? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2019）21-0118-06

一、引言

Fama[1]提出的有效市場假說認(rèn)為，在市場有效的前提下，無法根據(jù)歷史數(shù)據(jù)預(yù)測其未來變化趨勢，通過歷史收益分析對股票收益預(yù)測是無效的。但在有摩擦的真實市場中，尤其是金融界，量化投資的機構(gòu)和個人總是根據(jù)歷史收益來檢驗策略的有效性，由此造成了基于歷史收益的股票選擇偏差。例如，某些股票有較高的歷史收益，基于這些股票所構(gòu)建的投資策略在歷史回測中表現(xiàn)較好，投資者會更多地使用該策略，從而將財富分配在這些股票中;與之相反，當(dāng)股票的歷史最高收益較低時，投資策略回測中表現(xiàn)較差，投資者會天然地回避選中這些股票的投資策略，以及回避這些股票，從而決定這些歷史收益較低的股票必須有更高的溢價才會被投資者選擇。因此，盡管最高收益是股票的歷史表現(xiàn)，但是由于投資者采用歷史收益作為策略選擇的標(biāo)準(zhǔn)，該指標(biāo)最終還是有可能像公司規(guī)模、賬面市值比等公司特征一樣，在資產(chǎn)定價過程中發(fā)揮作用。

本文創(chuàng)新性地提出用股票歷史最高月收益率作為股票的風(fēng)險定價因子，發(fā)現(xiàn)隨著歷史最高月收益率的增加，股票的平均收益率呈遞減趨勢，初步判斷歷史最高月收益率和股票收益有關(guān);但是，需要通過有效性檢驗來確定兩者的關(guān)系是否顯著。通過Fama-MacBeth橫截面方法對構(gòu)造的歷史最高收益風(fēng)險因子進(jìn)行了單因子檢驗和多因子有效性檢驗，研究發(fā)現(xiàn)歷史最高收益風(fēng)險因子的檢驗結(jié)果均顯著，可以作為新的因子來解釋股票截面收益。該因子與上市公司特征因子（公司規(guī)模、賬面市值比、投資風(fēng)格、利潤等）或市場風(fēng)險因子不同，它是基于投資者行為習(xí)慣所形成的，代表了由于投資者行為偏差所導(dǎo)致的對股票的認(rèn)知風(fēng)險。

二、文獻(xiàn)綜述

早期的資本資產(chǎn)定價模型（CAPM）認(rèn)為市場風(fēng)險的存在導(dǎo)致了股票超額收益，市場風(fēng)險因子是影響超額收益的唯一因子。Ross[2]提出的套利定價理論（APT）認(rèn)為，風(fēng)險資產(chǎn)的收益不僅僅與市場風(fēng)險因子有關(guān)，其與多個因素之間均存在線性關(guān)系。隨后在對歷史數(shù)據(jù)的分析下，許多對于股票收益有顯著解釋能力的其他因素被發(fā)現(xiàn)。Basu[3]運用1963—1980年紐約股市數(shù)據(jù)，研究了市盈率倒數(shù)（E/P）與股票回報之間的關(guān)系，發(fā)現(xiàn)E/P有助于解釋股票平均報酬。Fama et al.[4]發(fā)現(xiàn)市值、賬面市值比和市盈率可以解釋β值不能解釋的股票回報率差異。這些風(fēng)險因子的發(fā)現(xiàn)離不開對股票歷史數(shù)據(jù)的分析，同時也引起后來學(xué)者對前人研究結(jié)果的不斷挑戰(zhàn)和完善，對許多新的定價因子的出現(xiàn)起到了促進(jìn)作用。

隨著國外影響資產(chǎn)收益的風(fēng)險因子的不斷發(fā)現(xiàn)，越來越多的學(xué)者關(guān)注風(fēng)險因子對資產(chǎn)收益的解釋作用，實證方法也被廣泛運用到資產(chǎn)定價研究中。Michael[5]表明僅僅是CAPM模型的β因素不足以描述預(yù)期回報的橫截面;與多因素模型相比，CAPM模型的絕對價格誤差相當(dāng)大，即公司規(guī)模和賬面價值有助于解釋股票平均回報的變化。Basiewicz et al.[6]通過測試Fama-French三因素模型的可行性來解釋規(guī)模和價值效應(yīng)，結(jié)果顯示，三因素模型能夠解釋價值效應(yīng)，并且能正確地解釋市值效應(yīng)。

國內(nèi)學(xué)者關(guān)于CAPM和Fama-

French三因子模型的實證研究，得出的普遍結(jié)果是，在國內(nèi)股票市場CAPM的不適用和三因子模型中規(guī)模與賬面市值比因子對收益的解釋更強。陳小悅等[7]通過實證研究均發(fā)現(xiàn)，CAPM在中國股票市場上不適用。劉媛媛[8]研究表明，F(xiàn)ama-French三因子模型與傳統(tǒng)CAPM相比，前者在中國股票市場上表現(xiàn)更好。

雖然三因子模型能很好地解釋股票市場超額收益，但尋找新的因子也逐漸被國內(nèi)學(xué)者所重視。何治國[9]發(fā)現(xiàn)除β外，市盈率倒數(shù)（E/P）也對資產(chǎn)組合收益率具有很強解釋能力。黃詒蓉等[10]通過構(gòu)造非流動性風(fēng)險因子，發(fā)現(xiàn)一個基于系統(tǒng)非流動性風(fēng)險調(diào)整的資產(chǎn)定價模型，能更好地解釋股票收益率截面差異。黃彥菁等[11-12]均采用主成分分析方法構(gòu)建投資者情緒指標(biāo)，發(fā)現(xiàn)基于投資者情緒的四因子模型對于股市收益具有較高的解釋能力。歐陽志剛等[13-14]發(fā)現(xiàn)，在三因子的基礎(chǔ)上加上其他因子相比于三因子對超額收益率的波動有更好的解釋力，更加適用于中國市場。可見，為了更全面準(zhǔn)確地解釋我國股市收益，尋找新的風(fēng)險因子非常重要。

三、研究設(shè)計

（一）數(shù)據(jù)的選取與處理

中國股票市場規(guī)模和投資者群體自1990年深圳和上海證券交易所相繼成立以來不斷壯大。截至2017年末，上市公司數(shù)已達(dá)3 400多家，上市股票數(shù)也達(dá)到3 500多只。1990—1995年期間中國股市從初步建立到逐漸完善，相關(guān)政策也在不斷出臺，該期間股票數(shù)較少，一些數(shù)據(jù)的波動性較大，不適合作為研究樣本。因此，本文的樣本區(qū)間為1996年1月1日到2017年12月31日，研究對象為滬深兩市全部正常的A股信息;個股交易數(shù)據(jù)和股票年收益率來自于國泰安數(shù)據(jù)庫（CSMAR），市場溢酬因子、市值因子、賬面市值比因子和無風(fēng)險收益率數(shù)據(jù)源于銳思數(shù)據(jù)庫（RESSET），使用MATLAB進(jìn)行統(tǒng)計分析。

由于選取股票數(shù)據(jù)的時間跨度較大，種類較多，不可避免地會存在數(shù)據(jù)缺失現(xiàn)象，因此非常有必要對數(shù)據(jù)進(jìn)行預(yù)先處理。首先，剔除ST股票來排除其影響;其次，將每只股票各年份不足12個月的年份數(shù)據(jù)剔除，以保證樣本數(shù)據(jù)具有代表性;最后，剔除某些取值異常的數(shù)據(jù)。經(jīng)過數(shù)據(jù)的預(yù)處理得到共2 973只股票數(shù)據(jù)。

（二）風(fēng)險因子的確定

對于風(fēng)險因子的選擇一般沒有固定的模式，但要遵守有效性、直觀性和明確性;有效性是風(fēng)險因子在資產(chǎn)定價模型中作為解釋變量是顯著的，能有效地解釋股票收益率的波動;直觀性是表示具有直觀的含義，便于理解;明確性是風(fēng)險因子的經(jīng)濟意義明晰確定，風(fēng)險來源比較容易識別。

為了確定風(fēng)險因子，預(yù)先判斷歷史數(shù)據(jù)是否對當(dāng)前數(shù)據(jù)有影響，需要根據(jù)回報率高低對樣本股票進(jìn)行分組。采取與Fama et al.[15]相似的股票分組方法。首先，將樣本股票的日個股回報率數(shù)據(jù)按月進(jìn)行求和，選出每只股票在1996—2017年每年的最高月收益率，再選出每只股票在1997年到2017年每年的歷史最高月收益率;然后，從1997年到2017年每年都根據(jù)該年的歷史最高月收益率從低到高對股票分組（分為5組），最后根據(jù)分組求出每組股票該年的平均收益率，共得到105組的數(shù)據(jù);最后，對每組的所有年份的平均收益率求平均值。

如圖1所示，整體上，由第一組到第五組平均值在逐漸變小，即隨著歷史最高月收益率的增加，股票的平均收益率呈遞減趨勢，但其變化并不均勻。將其變化分為四個階段。第一階段為第一組到第二組，曲線斜率較小，股票平均收益率遞減趨勢較緩;即歷史最高月收益率雖有所增加，但其投資策略回測中表現(xiàn)仍較差，其預(yù)期虧損的概率也稍大，對投資者回避選中這些股票的表現(xiàn)改善不大;這些股票仍然被要求有更高的溢價才會被投資者選擇，所以第一階段的平均收益率變化不大。第二階段是第二組到第三組，隨著歷史最高月收益率的增加，股票平均收益率減小的幅度增大;說明此階段的股票歷史回測表現(xiàn)達(dá)到了更多的投資者的接受范圍，其預(yù)期虧損的概率更小，投資者對期望回報率要求更低，股票的平均收益率減小的幅度明顯比第一階段大。第三個階段是變化最大的階段，此階段股票平均收益率下降幅度最大;如果說第二階段的變化只是讓更多投資者接受股票歷史回測表現(xiàn)，那這一階段股票的歷史回測表現(xiàn)對大部分投資者來說更有吸引力，以至于愿意接受更低的溢價而將財富分配在這些股票中。第四階段相比于第一階段變化更加平緩，基本趨平;說明經(jīng)過第三階段的變化股票的期望回報率已經(jīng)非常低，以至于股票的歷史表現(xiàn)再好，風(fēng)險再小，投資者所要求的期望回報率也不會有太大的波動。

總的來說，歷史收益率越高的股票，其預(yù)期虧損的概率越小，對其進(jìn)行投資的風(fēng)險越小，投資者對其要求的預(yù)期收益越低;相反，歷史收益率越低的股票，對其進(jìn)行投資的風(fēng)險越大，投資者對其要求的預(yù)期收益越高。風(fēng)險越大的股票其期望的回報率也越大，非常符合資產(chǎn)的風(fēng)險越高收益率越高這一金融界的普遍共識。

經(jīng)過前面根據(jù)歷史最高月收益率每年分五組得到的股票數(shù)據(jù)，分別計算第一組和第五組所有股票每年每個月的平均收益率;同樣仿照Fama et al.[15]中因子的構(gòu)造方法將第一組低的歷史最高月收益率的平均收益率和第五組高的歷史最高月收益率的平均收益率按照日期對應(yīng)相減，得到一個由差值形成的21年每年12個月共252期的時間序列。該時間序列是通過分析構(gòu)造的歷史最高收益風(fēng)險因子，本文表示為Q。

（三）研究方法

在實證研究方面，存在變量中的誤差問題和殘差方差與真正的β相關(guān)的問題，F(xiàn)ama-MacBeth橫截面檢驗方法的出現(xiàn)，解決了這些問題，也在不斷地被運用到CAPM的實證檢驗中。Fama-MacBeth橫截面檢驗方法簡稱FM回歸法，是一種用于顯著性檢驗的計量經(jīng)濟學(xué)模型研究方法，對橫截面收益現(xiàn)象分析應(yīng)用較廣泛。

Fama-MacBeth橫截面檢驗的主要思想是：通過對股票分組形成的組合來估計敏感因子對每個組合的風(fēng)險系數(shù)β，使得估計的β能夠降低個股的估計誤差，以求更加準(zhǔn)確地表示真實的β。通過回歸來檢驗風(fēng)險因子是否真的顯著存在，以此來判斷風(fēng)險因子對股票的收益是否有影響。

檢驗步驟如下：

第一階段：用預(yù)期收益率作為被解釋變量，敏感因子為解釋變量，進(jìn)行回歸得到由回歸系數(shù)組成的一個序列。計算回歸系數(shù)序列的均值、標(biāo)準(zhǔn)偏差和t統(tǒng)計量，判斷敏感因子與股票收益率的線性關(guān)系。

yi，t=αi+βixt+εi，t? ? ? ? ? ?（1）

其中：yi，t是橫截面點i上t期的股票收益率，xt是敏感因子，βi是敏感因子的回歸系數(shù)，αi為回歸截距，εi，t為誤差項（代表被解釋變量yi，t中無法被解釋變量xt所解釋的部分）。t檢驗值是判斷解釋變量的參數(shù)βi是否為零，從而確定解釋變量xt是否對被解釋變量yi，t有顯著的影響。

第二階段：將股票收益率yi，t取平均值與βi進(jìn)行進(jìn)一步的線性回歸，計算回歸系數(shù)b的t值，與臨界值做比較，判斷b是否顯著異于零，由此得出βi是否能在一定程度上解釋截面收益。

yi=a+bβi+εi? ? ? （2）

其中：yi為第i組的股票平均收益率時間序列數(shù)據(jù)的平均值，a為回歸截距，b為βi的回歸系數(shù)，式中其他符號的意義同上。

四、實證研究

（一）樣本構(gòu)造

由于單只股票的收益波動較大，無法準(zhǔn)確分析股票之間的差異，為了解決這個問題從而達(dá)到最大的平均收益差異，需要根據(jù)Fama et al.[4]的二維分組方法對樣本股票進(jìn)行分組，即按照市值-賬面市值比維度構(gòu)造5×5的投資組合。分組步驟如下：

1.將樣本股票根據(jù)市值從小到大進(jìn)行排序，然后將排序后的股票均分為5組，分別表示為S1、S2、S3、S4、S5。將樣本股票根據(jù)賬面市值比從小到大均分為5組，分別表示為M1、M2、M3、M4、M5。其中由于是用歷史數(shù)據(jù)分組，因此需要滯后一年，則開始年份為1997年。

2.兩種分組互不影響，將兩種分組交叉產(chǎn)生5×5組，即25個組合。按照分組分別求每組相應(yīng)年份每月的平均收益率，這樣就得到25組時間序列數(shù)據(jù)，每組252個月的組合平均收益率。

（二）單因子檢驗

將構(gòu)造的風(fēng)險因子Q時間序列作為解釋變量，經(jīng)過分組得到的25組時間序列數(shù)據(jù)每一組作為一個被解釋變量，進(jìn)行線性回歸，得到由回歸系數(shù)βi（i=1，2，…，I）組成的一列數(shù)據(jù)。被解釋變量共有25組，則I取25?；貧w模型為：

yi，t=αi+βiQt+εi，t? ? ? ?（3）

其中：yi，t為第i組的股票第t個月的平均收益率數(shù)據(jù);Qt為構(gòu)造的歷史最高收益風(fēng)險因子，式中其他符號的意義同上。

首先，通過對每組月度收益率數(shù)據(jù)進(jìn)行時間序列回歸得到回歸系數(shù)βi和其t值t（βi），結(jié)果如表1所示。從縱向看，除了S4M4組合外，βi系數(shù)表現(xiàn)出隨著賬面市值比增大而減小的趨勢;橫向看，除了個別幾個組合外，βi系數(shù)大部分是隨著市值的增大而逐漸減小的;整體上看，由市值和賬面市值比最小的組合S1M1到最大的組合S5M5，βi系數(shù)的絕對值是明顯逐漸增大的，βi系數(shù)的絕對值越大，風(fēng)險因子Qt的變化對組合股票平均收益率影響越大，股票的風(fēng)險越大。在高市值和高賬面市值比情況下，股票的風(fēng)險相對較大。

表1t（βi）結(jié)果中加粗的為t（βi）絕對值大于臨界值1.65的數(shù)據(jù);由此可見，t（βi）絕對值數(shù)據(jù)中大于臨界值的組合比小于臨界值的組合數(shù)目多，也即是存在一部分組合在90%的概率下構(gòu)造的風(fēng)險因子可以解釋股票的平均收益。

其次，計算回歸系數(shù)βi序列的均值、標(biāo)準(zhǔn)偏差和t統(tǒng)計量，結(jié)果得：βi均值為-0.4359、標(biāo)準(zhǔn)偏差為0.3415、t統(tǒng)計量為-6.382，其絕對值明顯大于在0.05顯著性水平t統(tǒng)計量的臨界值2.06，說明在95%的置信水平，βi系數(shù)顯著異于零，即構(gòu)造的風(fēng)險因子Q與組合月度收益率時間序列數(shù)據(jù)成反比關(guān)系。

最后，用每組時間序列的平均值為被解釋變量利用式2對前面獲得的回歸系數(shù)βi進(jìn)行進(jìn)一步的回歸，結(jié)果得出系數(shù)b的t值為2.620，明顯大于0.05顯著性水平的臨界值2.07;通過進(jìn)一步回歸得出的系數(shù)b顯著異于零，說明βi與股票平均收益率時間序列數(shù)據(jù)的平均值顯著存在線性關(guān)系，組合的截面收益能被βi值所捕捉;同時也說明構(gòu)造的風(fēng)險因子Qt存在，并可以解釋股票的平均收益。

（三）多因子有效性檢驗

Fama-French三因子模型表明三因子（市場溢酬因子、市值因子和賬面市值比因子）能夠很好地解釋股票的平均收益。為了發(fā)現(xiàn)歷史最高收益因子與三因子的區(qū)別，并判斷其是否能夠作為解釋中國滬深股票市場股票超額收益率的影響因素。在單因子檢驗的基礎(chǔ)上，引入三因子建立如下多因子回歸方程：

yi，t=αi+βqQ+βm（Rm t-Rft）+βsmbSMB+βh m lHML+εi，t? ?（4）

其中：Rm t為市場組合在第t個月的收益率，Rft為第t個月的無風(fēng)險利率;Rm t-Rf t即股票投資組合第t個月的市場溢酬;SMB（Small Minus Big）體現(xiàn)公司規(guī)模因素，是小公司與大公司投資組合的月收益率的差值;HML（High Minus Low）是高賬面市值比的股票組成的投資組合比低賬面市值比的股票組成的投資組合高出的收益，該指標(biāo)體現(xiàn)公司的價值因素;αi為常數(shù)項，βq、βm、βs m b、βh m l分別是各組合收益率對各個因子的敏感系數(shù)，式中其他符號的意義同上。

第一步，對25組月平均收益率數(shù)據(jù)分別進(jìn)行時間序列回歸分析，得到組合各因子的敏感系數(shù)βq、βm、βs m b、βh m l及其對應(yīng)的t值，如表2所示。

從表2的回歸結(jié)果可以看出，構(gòu)造的風(fēng)險因子Q回歸系數(shù)βq的絕對值由于三因子的加入有所減小，但整體上依然表現(xiàn)出隨著賬面市值比的增大而減小，隨著市值的增大而減小;從顯著性方面來看，其t值大部分明顯大于在0.1顯著水平下t值臨界值1.65，說明構(gòu)造的風(fēng)險因子能在一定程度上解釋市場組合的收益率。

從市場溢酬因子的回歸系數(shù)βm中可以發(fā)現(xiàn)，βm值基本接近0.05，并且t值均通過了檢驗，普遍大于其他因子的t值，可見其穩(wěn)定性非常高;說明Rm-Rf與其他三個因子相比對市場組合收益的解釋能力最強，是解釋組合收益的時間序列變化不可或缺的變量。市值因子的回歸系數(shù)βs m b隨著市值的增大而減小，且βs m b的t值的變化趨勢和其回歸系數(shù)的變化趨勢相似，且均顯著異于零;說明SMB對股票收益的影響隨著市值的增大而減弱，市值因子可以作為一個重要因素影響組合收益。賬面市值比因子的回歸系數(shù)βh m l和其t值均呈現(xiàn)出隨著賬面市值比增大而增大的趨勢，當(dāng)賬面市值較大或較小時，t值較顯著，說明HML對組合時序收益變化具有很強的捕捉能力，當(dāng)賬面市值比落于中間組合時，該因子對組合時序收益變化的捕捉能力明顯減弱。

從整體上來看，市場溢酬因子對市場組合收益的解釋能力最強，市值因子次之，構(gòu)造的風(fēng)險因子與其他三個因子相比解釋能力最弱;但是也能在一定程度上解釋市場組合的收益率，其對我國滬深股票市場收益也是有一定影響的。

第二步，為了更好地估計每個因子的風(fēng)險溢價，采用Fama et al.[16]中剔除HML的方法，對第一步得到的回歸系數(shù)βq、βm、βs m b、βh m l進(jìn)行回歸：

Βh m l=c+bβq+mβm+sβs m b+γi（5）

得到回歸方程的殘差■i=βh m l-■h m l（■hm l為βhm l的擬合值），用殘差■i代替回歸系數(shù)■hm l進(jìn)行回歸：

yi=a+bβq+mβm+sβsmb+r■i+εi? ?（6）

其中：yi為第i組的股票平均收益率時間序列數(shù)據(jù)的平均值，式中其他符號的意義同上。

對回歸系數(shù)βq的進(jìn)一步回歸檢驗，主要目的是檢驗在其他因子不變時，構(gòu)造的風(fēng)險因子Q是否對市場組合收益率有顯著的影響。由表3可知，回歸系數(shù)b的t值為10.223非常顯著，即βq顯著異于零，說明在三因子檢驗下構(gòu)造的風(fēng)險因子Q可以作為解釋組合收益的必要因子，對我國滬深股票市場股票價格波動存在一定程度上的影響;在對我國股票市場進(jìn)行資產(chǎn)定價風(fēng)險分析時，可以把歷史最高收益因子作為參考因子。

五、預(yù)測

通過對構(gòu)造的歷史最高收益風(fēng)險因子Q進(jìn)行單因子檢驗和加入三因子檢驗，得出歷史最高收益風(fēng)險因子Q對滬深股票市場的波動存在影響，可以作為解釋組合收益的必要因子。但通過對該風(fēng)險因子的分析能否對投資者預(yù)測我國股票市場的價格變化趨勢有一定的參考價值，還需要我們對上述檢驗結(jié)果做出預(yù)測。

對每期的歷史最高月收益率是否能預(yù)測下一期的股票年收益率進(jìn)行FM回歸分析。用下一年的股票年收益率作為被解釋變量，當(dāng)年的樣本股票歷史最高月收益率由低到高排列的數(shù)據(jù)為解釋變量，進(jìn)行一元線性回歸得到由回歸系數(shù)βt（t=1，2，…，T）組成的一個時間序列。樣本開始年份為1996年，由于年收益率數(shù)據(jù)均滯后一年，即由1997—2017年共21年，因此T=21。

yt+1=αt+βtzt+εt? ? ? ? （7）

其中：yt+1是t+1期的股票年收益率，zt是第1期到第t期股票最高月收益率由低到高排列的數(shù)據(jù)。

計算回歸系數(shù)βt時間序列的t統(tǒng)計量，與臨界值作比較。計算結(jié)果得：βt的均值為-0.1143、標(biāo)準(zhǔn)偏差為0.1992、t統(tǒng)計量為-2.6286，t統(tǒng)計量的絕對值明顯大于0.05顯著水平的臨界值，表明在誤差不超過5%的情況下，可以認(rèn)為股票歷史最高月收益率與下一期的股票年收益率成反比;說明可以根據(jù)股票歷史最高月收益率來預(yù)測股票年收益率的變化趨勢，對投資者預(yù)測我國股票市場的價格變化趨勢有一定的參考價值。

六、結(jié)論與啟示

本文在關(guān)注股票收益率及其風(fēng)險基礎(chǔ)上，利用1996—2017年滬深兩市數(shù)據(jù)，從靜態(tài)方面研究歷史最高收益風(fēng)險因子能否作為預(yù)測股票年收益率變化趨勢和做出相關(guān)投資策略的參考因子。結(jié)果顯示：在單因子檢驗和多因子有效性檢驗下，由歷史最高收益數(shù)據(jù)構(gòu)造的風(fēng)險因子Q對股票的平均收益率均有解釋作用;且在高市值和高賬面市值比情況下，風(fēng)險因子Q對股票的風(fēng)險影響相對較大，說明歷史最高收益因子有助于更全面準(zhǔn)確地預(yù)測我國股市收益;投資者可以將股票歷史最高月收益率作為參考因子，預(yù)測股票年收益率變化趨勢和做出相關(guān)投資策略。

本文的結(jié)論對投資者全面準(zhǔn)確地預(yù)測我國股市收益有一定的參考價值，對我國股票市場的發(fā)展也有重要的啟示作用。

1.在多因子的有效性檢驗中，市場溢酬因子相比其他因子非常顯著;說明市場風(fēng)險因素仍然是影響股票收益的最主要因素，這與我國股票市場二十多年來的政府調(diào)控不可分離。但是，在政府調(diào)控的大環(huán)境下，尋找新的風(fēng)險因子有益于投資者正確全面地判斷影響股票收益的因素，使投資者獲得更大的利益，資源得到更好的配置，這對我國股票市場健康穩(wěn)定的發(fā)展具有深遠(yuǎn)意義。

2.結(jié)合二十多年的收益數(shù)據(jù)構(gòu)造風(fēng)險因子，不僅有利于對我國股票市場進(jìn)行更加全面的描述，而且有助于尋找新的適合我國股票市場特征的定價因子。但是，隨著我國股票市場的相關(guān)制度不斷完善，不同階段不同政策下歷史最高收益風(fēng)險因子的定價機制是否不同，這一點還需要繼續(xù)研究。●

【參考文獻(xiàn)】

[1] FAMA E F. Efficient capital markets，a review of theory and empirical work[J]. Journal of Finance，1970，25（2）：383-417.

[2] ROSS S A. The arbitrage theory of capital asset pricing[J]. Journal of Economic Theory，1976，13（3）：341-360.

[3] BASU S. The relationship between earning yield，market value and return for nyse common stocks：further evidence[J]. Journal of Financial Economics，1983，12（1）：129-156.

[4] FAMA E F，F(xiàn)RENCH K R. The cross-section of expected stock returns[J]. Journal of Finance，1992，47（2）：427-465.

[5] MICHAEL D. Beta，firm size，book-to-market equity and stock returns[J]. Journal of the Asia Pacific Economy，2003，8（3）：354-379.

[6] BASIEWICZ P G，AURET C J. Feasibility of the fama and french three factor model in explaining returns on the JSE[J]. Investment Analysts Journal，2010，39（71）：13-25.

[7] 陳小悅，孫愛軍. CAPM在中國股市的有效性檢驗[J].北京大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2000（4）：28-37.

[8] 劉媛媛. 中國股票市場的有效性實證研究[D].成都：西南財經(jīng)大學(xué)碩士學(xué)位論文，2012.

[9] 何治國. 中國股市風(fēng)險因素實證研究[J].經(jīng)濟評論，2001（3）：81-85.

[10] 黃詒蓉，李躍云. 非流動性風(fēng)險因子在資產(chǎn)定價中的作用——基于中國股市的經(jīng)驗研究[J].當(dāng)代財經(jīng)，2009（9）：56-60.

[11] 黃彥菁，徐旭. 基于投資者情緒的四因子模型實證研究[J].會計之友，2018（1）：57-61.

[12] 尹莉婭. 投資者情緒對股票收益影響的實證研究——基于Fama-French三因子模型[J].會計之友，2018（6）：51-56.

[13] 歐陽志剛，李飛. 四因子資產(chǎn)定價模型在中國股市的適用性研究[J].金融經(jīng)濟學(xué)研究，2016（31）：84-96.

[14] 陽佳余，趙澤宇，張少東. 股票市場仍然存在超額收益嗎？——基于條件資本資產(chǎn)定價模型的研究[J].南開經(jīng)濟研究，2018（1）：86-103.

[15] FAMA E F，F(xiàn)RENCH K R. Common risk factors in the returns on stocks and bonds[J]. Journal of Financial Economics，1993，33（1）：3-56.

[16] FAMA E F，F(xiàn)RENCH K R.A five-factor asset pricing model[J].Journal of Financial Economics，2015，116（1）：1-22.