1
股票 价格决定因素
Determinants of Stock Prices
汪昌云
2
问题
股票的未来价格走势到底受哪些因素的影响?
怎样检验某一风险因素与未来收益有关?
怎样利用这些信息来进行投资决策?
新兴市场中股票价格的决定因素与发达国家股票市场相同吗?
中国股票价格的决定因素会有何特点?
3
股票价格与风险度量
现代金融学中风险资产的未来价格只受一个因素影响 － 风险
风险是结果的 不确定性； 风险是事前的；
风险是对期望的偏离。波动性，方差或标准差是其常用的度量方法
4
证券组合与风险分散
假设：完美资本市场,投资者风险厌恶,二参数收益分布,同质信念,单期决策
结论：
通过组合非系统性风险被化解
单个资产的风险以其对效率组合风险的贡献来衡量 － 系统性风险
5
股票价格由唯一的系统性风险决定－ SML
)(
i
RE
＝
])([
fMif
RRER
,其中,
2
/
mimi
6
CAPM之文字证明
如果投资者因非系统风险而获得额外回报，那么系统性风险相同的分散投资组合中，有较高非系统风险的组合比非系统风险较低的组合收益高。投资者会想方设法买进非系统风险较高组合的股票，卖掉 BETA相同但非系统风险较低的股票。前者的价格被拉抬上涨。
以上过程会持续到 beta相同的股票都有相同的预期收益，非系统风险不再有 RP为止。
7
莎士比亚《亨利四世》：
Glendower对 Hotspur吹牛道：“我能召唤阴间的鬼魂”。
Hotspur 冷冷地回答：那有什么了不起。我也能，每个人都能。问题在于当你召唤他们时，鬼魂会应招而来吗？
8
CAPM有用吗？－早期的证据
Fama-MacBeth (1973,JPE)：
实证模型,
Ri = co +c1?i+ c2?i2 +c3tsi+?it
研究假设,
E(c2) = 0 – non-linearity
E(c3) = 0 – non-systematic
E(c1t) = E[Rm] – E[Rf] > 0
Sharpe-Lintner hypothesis,E(c0) = Rf
9
数据,1926.1-1968.6 NYSE 月收益率数据
研究方法,
第一步,用 26-29年 48个月的数据估计每个股票的 beta值,并且排序形成 20个组合第二步,用 30-34年的数据,使用市场模型估计 20个组合的 beta,非系统性风险等第三步,使用第二步中估计的组合的 beta和非系统性风险,用 35-38
年的组合收益率数据进行回归分析,从 26-68每个月均进行回归,每个系数均有 390多个估计值，计算其均值,
10
Fama-MacBeth的结论
11
Fama-MacBeth结论
c1的均值为正值，在 95%的置信度下不为零，表明收益与 β值成正相关关系,但高于（ beta<1）或低于（ beta>1）
实际风险溢价
c2,c3在 95%的置信度下值为零，表明其他非系统性风险在股票收益的定价中不起主要作用。
E(c0) > Rf
12
市场异象
规模效应,Banz (1981)首先发现,市值规模
（ ME,即股票价格与总股数的乘积）对于 β提供的截面平均收益有进一步的解释能力 。
Average returns on small stocks are too high given
their betas,and those on large stocks are too low,
杠杆效应,Bhandari (1988,JF)发现的杠杆比率和平均收益率之间存在正相关关系,Leverage
helps explain returns after controlling for size and
beta.
13
净市率效应（ Book-to-Market）。 Rosenberg et
al,(1985,JPM) 股票收益与净市率正相关,Chan,
Hamao,and Lakonishok (1991)净市率 同样对日本股市的截面股票平均收益有很强的解释能力,
股利率效应（ Dividend yield effect）,Holding
risk constant,the higher is a stock’s dividend yield,
the higher is the required before-tax return to
compensate taxable investors for the higher tax
liability,
14
市盈率效应（ PE),Basu (1977,1983)市盈率在包括规模与 β的实证分析中对美国股票市场的截面平均收益也有很强的解释能力,E/P ratios help explain the cross-
section of average returns in addition to size and beta,
复合效应。 Since size,P/E,P/B,dividend yield are
computed using a common variable – price/share,these
effects tend to be dependent,To give an expression on the
interrelations,average P/B,market capitalization,E/P and
price for ten portfolios constructed of NYSE firms on the
basis of increasing values of P/B suggest strong
correlations,
15
Fama and French (1992)
Fama and French (1992) 是第一个系统分析 评价
β,规模、市盈率、杠杆比率和净市率对
NYSE,AMEX,NASDAQ市场上交易的个股截面平均收益的解释能力，证明 S-L-B模型预测能力的局限性，即平均股票收益与 β 正相关 不成立,同时，给出了新的股票定价因素。
16
Fama and French (1992)’s main conclusions:
β 对于股票截面平均收益没有什么解释力；
规模和净市率对于平均收益的联合解释能力要超过杠杆比率和市盈率。至少对于在 1963-1990期间的样本来说，这一结论成立。
这表明，股票收益变化可用一个多因素资产定价模型刻画：规模和 BM。 BM刻画财务困境风险。 当市场对其前景预期较差时，具体表现为较低的股价和较高的净市率，公司比起较好预期前景的公司有较高的预期回报（因为其为较高的资金成本所拖累）。
17
Fama and French的分析方法
数据,1) NYSE,AMEX和 NASDAQ交易的
1962-1989年间所有非金融股票收益序列，数据来源是证券价格研究中心（ CRSP） 和 2）
COMPUSTAT历年收入平衡表和资产负债表的数据档案。
使用一个公司 t-1年 12月末的市值来计算 t-1年的净市率，杠杆比率和市盈率，并且用 t年 6月份的市场权益价值来度量该公司的规模。
18
基本方法：使用 Fama和 MacBeth的截面回归方法。每月对股票截面收益关于所假设的解释变量进行回归。按月回归时间序列的方法所得的斜率平均值提供了对不同解释变量是否解释股票平均收益水平。
19
方法
形成期：建立 100个 size-?组合：
10size组合：每年 6月根据 NYSE的样本公司 ME的 10分位点确定。
每个 size组合中分 10个?组合,NYSE的样本公司 t年 7月之前 5年的 24－ 60个月回报估计个股? 10分位点,进行预排序。
估计期和测试期：
100组合（按年更新,1963.7-1990.12） 330月的等权回报率～分组合回归。
排序后所有期间的组合?＝组合中个股?，用于测试期。个股?并不固定，因为各股在不同时期属于不同的组合。
20
研究结果 (1)
21
研究结果 (2)
22
研究结果 (3)
23
四、研究结果－ BE/ME,E/P
24
研究结果－ FM回归
25
二元分类组合
股票先等分为 10个规模组合,每一个规模规模组合中在按 BM分成 10个组合,计算月收益
26
研究结果－ size,BE/ME
27
Fama-French的结论
线接近水平，无法解释 1969年以后期间的股票截面收益
size and BE/ME 吸合了 杠杆比率和 E/P（市盈率倒数） 对股票收益的解释作用
结果证实应采用多因子定价模型,规模和市净率因素度量了股票的部分风险，即均被定价了
28
Fama-French(1992)的意义
给 beta的棺木上敲上最后一颗钉。
如果市场是理性的，规模和 BE/ME一定是风险的衡量指标。并且 Fama & French的结论暗示资产组合（如养老基金和共同基金）的管理绩效可以通过比较他们的平均收益和相似标的资产的规模和 BE/ME的特性进行评估
29
发展中国家股票收益的决定
Attacks on Fama and French (1992)
数据挖掘? 幸存偏差 Survivorship?
结论的解释,风险因素? 企业特征因素? 市场无效?
运用发展中国家市场数据所得结论可以澄清上述第一类疑问
30
Rouwenhorst (1998,JF)
IFC Emerging market database
含有 20 emerging markets 1705 个上市公司
Return = 资本利得收益率 +股息率,对分红,分拆,
合并进行调整
数据系列,月收益 ; price-to-book ratio; price-
earnings ratios; market capitalization; turnover
ratio.
31
样本情况见表 1
32
Local return factor portfolios
方法
每月初，分国别按当地 preranking beta,size,BM,
turnover,pre-six month return将股票分成 3个组合,top
30; middle 40; bottom 30．
组合为等权重．每月都对组合进行调整．
ＵＳＤ为收益单位
投资策略：买入１ USD股票组合的同时卖出等量的另一组合．
33
结果
Local beta and size
preranking beta和收益之间没有关系
规模效应在一些国家依然显著
Table 2
34
Table 2
35
结果 (续 )
动能效应与价值型投资收益
17个国家中存在显著的动能效应
BM Portfolios,Low BM – growth stocks; high BM –
value stocks,在 16个国家中高 BM股票显著胜出低股票,
Table 3
36
Table 3
37
38
结论
新兴市场股票决定因素与发达国家类似（表５）
Beta与股票平均收益无关
在所有新兴市场中，有显著的动能，规模效应，价值效应；
新兴市场股票决定因素有很强的当地色彩．这说明可以利用当地资产定价模型进行资产定价研究．
39
价值型投资与成长性投资一般的划分标准
-- B/M ratio即净市率
--C/P ratio 每股现金流 /价格
--E/P ratio PE之倒数
--GS rate (sales growth) 销售增长率
40
价值型投资
Siegel,增长似乎是一个圈套，它诱使我们将资产投放到我们看好其发展前景的地方，不过最具创新能力的公司很少会是最佳投资选择。人们盲目地追求创新创新，将其作为击败市场的法宝，但事实证明创新是一把双刃剑－－刺激着经济的成长，同时又不断地让投资者失望。
,投资者的未来,p.5》
41
常见的 Multifactor定价模型
Fama-French (1993,JFE) 三因素模型,
E(Ri) – rf =?i,m [E(Rm) – rf] +?i,SMB E[SMB] +?i,HML E[HML]
SMB is return spread between small-cap and large-cap triciles
HML is return spread between high P/B and low P/B triciles
Carhart (1997,JF) 四因素模型,
E(Ri) – rf =?i,m [E(Rm) – rf] +?i,SMB E[SMB] +?i,HML E[HML]
+?i,Mom E[Momentum]
Momentum is return spread of stocks between highest and lowest
quintiles of returns performance over (-1mo,-7mo)
42
Fama和 French的,股票和债券收益的共同风险因素,(Common risk factors in the returns on
stocks and bonds)一文于 1993年发表在,Journal
of Financial Economics,。该文的问世在金融学术界和实业界都产生了很大影响，被简称为
“三因素定价模型”或“三因素模型”。
43
“三因素定价模型” 提出的 背景
70年代中期以后的多项金融研究表明,β值与股票的平均收益变化没有显著关系。然而，传统资产定价理论之外的一些因素对股票平均收益的变动有较强的解释能力。包括
规模 (size) - 小型公司股票的收益表现优于大型公司股票；
市盈率 (P/E) - 高市盈率股票的收益表现逊于低市盈率的股票；
杠杆 (leverage) - 利用高财务杠杆公司的股票平均收益比低财务杠杆公司股票的高；
净市比 (B/M) - 高净值市价比股票的平均收益比低净值市价比股票的高。
但当时没有一个合理的考虑这些因素的资产定价模型,
44
研究目的
Fama和 French（ 1993） 研究目的有三
实证分析规模、净值市价比以及整体市场因素如何解释股票收益的时序变化
实证分析利率期限结构和偿付风险变量如何解释债券收益的变化
实证研究影响股票收益变化的因素是否同时决定债券收益的变化，或者反过来，影响债券收益变化的因素决定股票收益的变化，从而系统地探索股票和债券 (同为风险资产 )收益变化的共同风险因素是哪些。
45
构建时序解释变量
一些解释变量都分别在很多历史文献中研究过，并发现它们对股票或债券的预期收益产生显著影响。
这些解释变量可分为两类：第一类是影响债券收益的变量，包括：
(1)利率期限结构的变量，以长期国债组合月均收益率与短期国债组合月均收益率之差来衡量，该变量记作 TERM；
(2)违约风险的变量，以长期公司债组合的月均收益率与长期国债组合的月均收益率之差来衡量，该变量记作 DEF。
第二类是影响股票收益变化的变量，包括,(1)整体市场； (2)公司规模； (3)净市率。
46
股票收益解释变量
分两步进行,
第一步，构建股票组合。
1)每年 6月末，所有的纽约股票交易所、美国股票交易所以及纳斯达克交易的股票按纽约股票交易所股票的市值规模 (股票价格 × 股票总数 )的中值 (median)划分为两组：大型公司股票 (B)和小型公司股票 (S)。
2) 按纽约股票交易所挂牌股票的净值市价比将所有的股票分为三组：最高 B/M值的 30%股票 (H)； B/M值处于中位的 40%股票 (M)，以及最低 B/M值得 30%股票 (L)。净值市价比是指某一股票上一财政年度末的净资产除以前一年 12月底的股票市值。
47
3) 将两组按规模划分的股票和三组按净市率划分的股票交叉，从而形成 6个股票组合，即小型低净市率股票 (S/L)，小型适中净市率股票 (S/M)，小型高净市率股票 (S/H)，大型低净市率股票 (B/L)，大型适中净市率股票 (B/M)，以及大型高净市率股票 (B/H)。
分别计算股票组合从 7月到下一年 6月的价值加权平均月收益。
表 2-3,
48
第二步，计算股票收益的风险因素。 Fama和 French考虑的收益风险因素有三个：
SMB - 与规模相关的收益风险因素,三个小型公司股票组合的平均收益率与三个大型公司股票组合的平均收益率之差。其计算方法：
HML - 与净市率相关的收益风险因素,净市率股票组合的平均收益率与净市率股票组合平均收益率之差。计算方法
RM-RF - 与整体市场组合相关的收益风险因素,代表市场的股票组合月均收益率与无风险利率 (短期国债月收益率 )的之差。
49
债券市场风险因素的 作用
回归方程如下,
利用 1963年 1月至 1991年 12月间的 25个股票组合收益和 7个债券组合收益的时序序列数据对 TERM和 DEF进行回归
结果显示 (表 3)
TERM和 DEF的斜率系数的估计值均为正值，并且在 1%水平上显著
这些风险因素在解释债券收益变化方面的能力明显高于解释股票收 益变化的能力
债券收益序列的回归 R2在 0.49至 0.98之间，而股票收益回归 R2仅为
0.06至 0.21。
说明 TERM和 DEF都是决定股票和债券收益变化的风险因素，但要更好地解释股票收益的变化还有待其它的风险因素。
50
股票和债券的超额收益回归于债券市场风险因素的结果
B /M
L 2 3 4 H L 2 3 4 H
m t( m )
S 0,9 3 0,9 0 0,8 9 0,8 6 0,8 9 5,0 2 5,5 0 5,9 5 6,0 8 6,0 1
2 0,9 9 0,9 6 0,9 9 1,0 1 0,9 8 5,7 1 6,3 2 7,2 9 8,3 4 6,9 2
3 0,9 9 0,9 4 0,9 4 0,9 5 0,9 9 6,2 5 7,1 0 7,8 0 8,5 0 7,6 0
4 0,9 2 0,9 5 0,9 7 1,0 5 1,0 3 6,5 8 7,5 7 8,5 3 9,6 4 7,8 3
B 0,8 2 0,8 2 0,8 0 0,8 0 0,7 7 7,1 4 7,6 0 8,0 9 8,2 6 6,8 4
d t(d )
S 1,3 9 1,3 1 1,3 3 1,4 5 1,5 2 3,9 6 4,2 7 4,7 3 5,4 5 5,4 5
2 1,2 6 1,2 8 1,3 5 1,3 8 1,4 1 3,8 4 4,4 7 5,2 8 6,0 5 5,2 9
3 1,2 1 1,1 9 1,2 5 1,2 4 1,2 1 4,0 5 4,7 4 5,4 9 5,8 9 4,8 8
4 0,9 6 1,0 1 1,1 3 1,2 1 1,2 2 3,6 5 4,2 8 5,2 5 5,8 9 4,9 2
B 0,7 8 0,7 3 0,7 8 0,8 3 0,8 9 3,5 9 3,6 0 4,1 8 4,5 6 4,1 5
R
2
s (e )
S 0,0 6 0,0 8 0,0 9 0,1 0 0,1 0 7,5 0 6,5 7 6,0 0 5,6 8 5,9 5
2 0,0 8 0,1 0 0,1 3 0,1 7 0,1 2 6,9 7 6,0 9 5,4 5 4,8 7 5,6 9
3 0,1 0 0,1 2 0,1 5 0,1 7 0,1 4 6,3 8 5,3 5 4,8 6 4,4 8 5,2 8
4 0,1 1 0,1 4 0,1 7 0,2 1 0,1 5 5,6 3 5,0 4 4,5 7 4,3 9 5,3 1
B 0,1 3 0,1 5 0,1 6 0,1 7 0,1 2 4,6 1 4,3 3 4,0 0 3,8 9 4,5 5
1 - 5G 6 - 10G A aa Aa A B aa LG
M 0,4 5 0,7 2 1,0 2 0,9 9 1,0 0 1,0 1 0,8 1
t( m ) 3 1,7 3 3 8,8 0 9 9,9 4 1 3 0,4 4 1 3 9,8 0 5 6,2 4 1 8,0 5
D 0,2 5 0,2 7 0,9 4 0,9 6 1,0 2 1,1 0 1,0 1
t(d ) 9,5 1 7,8 5 4 8,9 5 6 7,5 4 7 5,7 4 3 2,3 3 1 1,9 5
R
2
0,7 9 0,8 7 0,9 7 0,9 8 0,9 8 0,9 0 0,4 9
s (e ) 0,5 7 0,7 5 0,4 1 0,3 0 0,2 9 0,7 2 1,8 0
51
股票市场风险因素的 作用
其回归方程为：
RMt-RFt,SMBt,和 HMLt的斜率系数是正值，并十分显著。
绝大多数回归方程的 R2都高于 0.90。
这三个股票市场风险因素对债券组合的收益变化也有显著的解释能力。
不过，其回归方程的 R2远小于股票收益组合的 R2值，大致在 0.10到 0.30之间。
表 6
52
股票和债券的超额收益回归于股票市场风险因素的结果
B /M
L 2 3 4 H L 2 3 4 H
b t(b )
S 1,0 4 1,0 2 0,9 5 0,9 1 0,9 6 3 9,3 7 5 1,8 0 6 0,4 4 5 9,7 3 5 7,8 9
2 1,1 1 1,0 6 1,0 0 0,9 7 1,0 9 5 2,4 9 6 1,1 8 5 5,8 8 6 1,5 4 6 5,5 2
3 1,1 2 1,0 2 0,9 8 0,9 7 1,0 9 5 6,8 8 5 3,1 7 5 0,7 8 5 4,3 8 5 2,5 2
4 1,0 7 1,0 8 1,0 4 1,0 5 1,1 8 5 3,9 4 5 3,5 1 5 1,2 1 4 7,0 9 4 6,1 0
B 0,9 6 1,0 2 0,9 8 0,9 9 1,0 6 6 0,9 3 5 6,7 6 4 6,5 7 5 3,8 7 3 8,6 1
s t(s)
S 1,4 6 1,2 6 1,1 9 1,1 7 1,2 3 3 7,9 2 4 4,1 1 5 2,0 3 5 2,8 5 5 0,9 7
2 1,0 0 0,9 8 0,8 8 0,7 3 0,8 9 3 2,7 3 3 8,7 9 3 4,0 3 3 1,6 6 3 6,7 8
3 0,7 6 0,65 0,6 0 0,4 8 0,6 6 2 6,4 0 2 3,3 9 2 1,2 3 1 8,6 2 2 1,9 1
4 0,3 7 0,3 3 0,2 9 0,2 4 0,4 1 1 2,7 3 1 1,1 1 9,8 1 7,3 8 1 1,0 1
B - 0,1 7 - 0,1 2 - 0,2 3 - 0,1 7 - 0,0 5 - 7,1 8 - 4,5 1 - 7,5 8 - 6,2 7 - 1,1 8
h t(h )
S - 0,2 9 0,0 8 0,2 6 0,4 0 0,6 2 - 6,4 7 2,3 5 9,6 6 1 5,5 3 2 2,1 4
2 - 0,5 2 0,0 1 0,2 6 0,4 6 0,7 0 - 1 4,5 7 0,4 1 8,5 6 1 7,2 4 2 4,8,
3 - 0,3 8 0,0 0 0,3 2 0,5 1 0,6 8 - 1 1,2 6 - 0,0 5 9,7 5 1 6,8 8 1 9,3 9
4 - 0,4 2 0,0 4 0,3 0 0,5 6 0,7 4 - 1 2,5 1 1,0 4 8,8 3 1 4,8 3 1 7,0 9
B - 0,4 6 0,0 0 0,2 1 0,5 7 0,7 6 - 1 7,0 3 0,0 9 5,8 0 1 8,3 4 1 6,2 4
R
2
s(e)
S 0,9 4 0,9 6 0,9 7 0,9 7 0,9 6 1,9 4 1,4 4 1,1 6 1,1 2 1,2 2
2 0,9 5 0,9 6 0,9 5 0,9 5 0,9 6 1,5 5 1,2 7 1,3 1 1,1 6 1,2 3
3 0,9 5 0,9 4 0,9 3 0,9 3 0,9 3 1,4 5 1,4 1 1,4 3 1,3 2 1,5 2
4 0,9 4 0,9 3 0,9 1 0,8 9 0,8 9 1,4 6 1,4 8 1,4 9 1,6 3 1,8 8
B 0,9 4 0,9 2 0,8 8 0,9 0 0,8 3 1,1 6 1,3 2 1,5 5 1,3 6 2,0 2
1 - 5G 6 - 10G A aa Aa A B aa LG
b 0,1 0 0,1 8 0,2 5 0,2 5 0,2 6 0,2 7 0,3 4
t(b ) 6,4 5 6,7 5 8,6 0 9,3 0 9,4 6 9,5 8 1 2,2 2
s - 0,0 6 - 0,1 4 - 0,1 2 - 0,1 1 - 0,0 9 - 0,0 4 0,0 4
t(s) - 2,7 0 - 3,6 5 - 2,8 9 - 2,7 2 - 2,1 8 - 0,9 1 0,8 9
h 0,0 7 0,0 8 0,1 4 0,1 5 0,1 6 0,2 0 0,2 3
h ( t) 2,6 6 1,83 2,7 7 3,2 6 3,5 1 4,0 8 4,7 5
R
2
0,1 0 0,1 2 0,1 7 0,2 0 0,2 0 0,2 2 0,3 3
s(e) 1,1 9 1,9 1 2,1 3 2,0 0 2,0 1 2,0 8 2,0 6
53
5个收益风险因素
计量模型如下：
结果显示 (表 7)
在股票收益回归方程中加入 TERM和 DEF两变量对股票收益风险因素的斜率系数影响甚微
RM-RF,SML和 HML的系数，与表 2的相似，都十分显著。
在债券收益回归方程加入三个股票收益风险因素对 TERM
和 DEF的斜率系数影响也不大。
54
回归于股票债券市场五风险因素的结果
B /M
L 2 3 4 H L 2 3 4 H
b t( b )
S 1,0 6 1,0 4 0,9 6 0,9 2 0,9 8 3 5,9 7 4 7,6 5 5 4,4 8 5 4,5 1 5 3,1 5
2 1,1 2 1,0 6 0,9 8 0,9 4 1,1 0 4 7,1 9 5 4,9 5 4 9,0 1 5 4,1 9 5 9,0 0
3 1,1 3 1,0 1 0,9 7 0,9 5 1,0 8 5 0,9 3 4 6,9 5 4 4,5 7 4 7,5 9 4 6,9 2
4 1,0 7 1,0 7 1,0 1 1,0 0 1,1 7 4 8,1 8 4 7,5 5 4 4,8 3 4 1,0 2 4 1,0 2
B 0,9 6 1,0 2 0,9 8 1,0 0 1,1 0 5 3,8 7 5 1,0 1 4 1,3 5 4 8,2 9 3 5,9 6
s t( s)
S 1,4 5 1,2 6 1,2 0 1,1 5 1,2 1 3 7,0 2 4 3,4 2 5 0,8 9 5 1,3 6 4 9,5 5
2 1,0 1 0,9 8 0,8 9 0,7 4 0,8 9 3 2,0 6 3 8,1 0 3 3,6 8 3 2,1 2 3 5,7 9
3 0,7 6 0,6 6 0,6 0 0,4 9 0,6 8 2 5,8 2 2 2,9 7 2 0,8 3 1 8,5 4 2 2,3 2
4 0,3 8 0,3 4 0,3 0 0,2 6 0,4 2 1 2,7 1 1 1,3 6 9,9 9 8,0 5 1 1,0 7
B - 0,1 7 - 0,1 1 - 0,2 3 - 0,1 7 - 0,0 6 - 7,0 3 - 4,0 7 - 7,3 1 - 6,0 7 - 1,4 4
h t( h )
S - 0,2 7 0,1 0 0,2 7 0,4 0 0,6 3 - 5,9 5 2,9 0 9,8 2 1 5,4 7 2 2,2 7
2 - 0,5 1 0,0 2 0,2 5 0,4 4 0,7 1 - 14,0 1 0,6 9 8,1 1 1 6,5 0 2 4,6 1
3 - 0,3 7 - 0,0 0 0,3 1 0,5 0 0,6 9 - 1 0,8 1 - 0,1 1 9,8 2 1 6,1 8 1 9,3 4
4 - 0,4 2 0,0 4 0,2 9 0,5 3 0,7 5 - 1 2,0 9 1,1 0 8,3 7 1 4,2 0 1 6,8 8
B - 0,4 6 0,0 1 0,2 1 0,5 8 0,7 8 - 1 6,8 5 0,3 8 5,7 0 1 8,1 6 1 6,5 9
m t( m )
S - 0,1 0 - 0,1 1 - 0,0 5 - 0,0 4 - 0,0 6 - 1,9 3 - 2,7 0 - 1,4 9 - 1,1 9 - 1,8 7
2 - 0,0 5 - 0,0 4 0,0 7 0,1 4 - 0,0 5 - 1,1 6 - 1,1 2 1,9 0 4,3 3 - 1,4 8
3 - 0,0 4 0,0 2 0,0 6 0,0 9 0,0 1 - 0,9 1 0,5 3 1,4 8 2,4 8 0,2 5
4 - 0,1 1 - 0,1 0 0,0 4 0,1 3 - 0,1 2 - 1,5 1 - 1,4 4 0,5 9 1,6 4 - 1,3 0
B 0,0 6 - 0,1 4 - 0,0 2 - 0,0 7 - 0,1 8 0,9 7 - 2,1 5 - 0,2 5 - 1,0 8 - 1,8 4
d t( d )
S - 0,1 7 - 0,1 9 - 0,1 0 0,0 6 0,0 2 - 1,7 4 - 2,7 0 - 1,7 6 1,0 6 0,3 4
2 - 0,1 2 - 0,1 1 0,0 4 0,1 5 - 0,0 7 - 1,5 9 - 1,8 3 0,6 1 2,6 4 - 1,2 4
3 - 0,0 9 - 0,0 1 0,0 7 0,1 0 - 0,1 6 - 1,2 5 - 0,1 7 1,0 0 1,5 1 - 2,1 1
4 - 0,1 1 - 0,1 0 0,0 4 0,1 3 - 0,1 2 - 1,5 1 - 1,4 4 0,5 9 1,6 4 - 1,3 0
B 0,0 6 - 0,1 4 - 0,0 2 - 0,0 7 - 0,1 8 0,9 7 - 2,1 5 - 0,2 5 - 1,0 8 - 1,8 4
R
2
s(e )
S 0,9 4 0,9 6 0,9 7 0,9 7 0,9 6 1,9 3 1,4 3 1,1 6 1,1 1 1,2 0
2 0,9 5 0,9 6 0,9 5 0,9 5 0,9 6 1,5 5 1,2 7 1,3 1 1,1 3 1,2 3
3 0,9 5 0,9 4 0,9 3 0,9 3 0,9 3 1,4 5 1,4 1 1,4 3 1,3 1 1,5 0
4 0,9 4 0,9 3 0,9 1 0,9 0 0,8 9 1,4 6 1,4 7 1,4 8 1,5 9 1,8 8
B 0,9 4 0,9 2 0,8 7 0,9 0 0,9 3 1,1 7 1,3 1 1,5 5 1,3 6 2,0 0
1 - 5G 6 - 10G A aa Aa A B aa LG
b - 0,0 2 - 0,0 4 - 0,0 2 0,0 0 0,0 0 0,0 2 0,1 8
t( b ) - 2,8 4 - 3,1 4 - 2,9 6 0,0 6 1,0 5 1,9 9 7,3 9
s 0,0 0 - 0,0 2 - 0,0 2 - 0,0 1 0,0 0 0,0 5 0,0 8
t( s) 0,3 0 - 1,1 2 - 2,2 8 - 2,4 2 0,4 0 3,2 0 2,3 4
h 0,0 0 - 0,0 2 - 0,0 2 - 0,0 0 0,0 0 0,0 4 0,1 2
t( h ) 0,4 4 - 1,2 9 - 2,4 6 - 0,4 0 0,9 0 2,3 9 3,1 3
m 0,4 7 0,7 5 1,0 3 0,9 9 1,0 0 0,9 9 0,6 4
t( m ) 3 0,0 1 3 6,8 4 9 3,3 0 1 1 7,3 0 1 2 4,1 9 5 0,5 0 1 4,2 5
d 0,2 7 0,3 2 0,9 7 0,9 7 1,0 2 1,0 5 0,8 0
t( d ) 9,8 7 8,7 7 4 9,2 5 6 5,0 4 71,51 3 0,3 3 9,9 2
R
2
0,8 0 0,8 7 0,9 7 0,9 8 0,9 8 0,9 1 0,5 8
s(e ) 0,5 6 0,7 3 0,4 0 0,3 0 0,2 9 0,7 0 1,6 3
55
股票和债券组合的风险调整收益
(I)
B /M
a t( a)
L 2 3 4 H L 2 3 4 H
( i) R
t
- R
F,t
= a+ m T E RM
t
+ d DE F
t
+e
t
S 0,3 1 0,6 2 0,7 1 0,8 0 0,9 2 0,7 5 1,7 3 2,2 0 2,6 1 2,8 7
2 0,3 5 0,6 3 0,7 7 0,7 5 0,8 9 0,9 3 1,9 1 2,6 0 2,8 5 3,0 3
3 0,3 4 0,5 8 0,6 0 0,7 3 0,8 9 1,0 0 1,9 9 2,2 8 3,0 1 3,1 1
4 0,4 1 0,2 7 0,4 9 0,6 9 0,9 6 1,3 4 1,0 1 1,9 6 2,8 8 3,3 5
B 0,3 4 0,3 0 0,2 5 0,5 0 0,5 3 1,3 5 1,2 7 1,1 7 2,3 6 2,1 4
(i i) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+e
t
S - 0,2 2 0,1 5 0,3 0 0,4 2 0,5 4 - 0,9 0 0,7 3 1,5 4 2,1 9 2,5 3
2 - 0,1 8 0,1 7 0,3 6 0,3 9 0,5 3 - 1,0 0 1,0 5 2,3 5 2,7 9 3,0 1
3 - 0,1 6 0,1 5 0,2 3 0,3 9 0,5 0 - 1,1 2 1,2 5 1,8 2 3,2 0 3,1 9
4 - 0,0 5 - 0,1 4 0,1 2 0,3 5 0,5 7 - 0,5 0 - 1,5 0 1,2 0 2,9 1 3,7 1
B - 0,0 4 - 0,0 7 - 0,0 7 0,2 0 0,2 1 - 0,4 9 - 0,9 5 - 0,7 0 1,8 9 1,4 1
( i ii ) R
t
- R
F,t
= a+ sSMB
t
+ h HM L
t
+e
t
S 0,2 4 0,4 6 0,4 9 0,5 3 0,55 0,9 7 1,9 2 2,2 4 2,5 2 2,4 9
2 0,5 2 0,5 8 0,6 4 0,5 8 0,6 4 2,0 0 2,4 0 2,7 6 2,6 1 2,5 6
3 0,5 2 0,6 1 0,5 2 0,6 0 0,6 6 2,0 0 2,5 8 2,2 5 2,6 6 2,6 1
4 0,6 9 0,3 9 0,5 0 0,6 2 0,7 9 2,7 8 1,5 5 2,0 7 2,5 1 2,8 5
B 0,7 6 0,5 2 0,4 3 0,5 1 0,4 4 3,4 1 2,2 3 1,8 4 2,2 0 1,7 0
( i v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ s SM B
t
+ h HM L
t
+e
t
S - 0,3 4 - 0,1 2 - 0,0 5 0,0 1 0,0 0 - 3,1 6 - 1,4 7 - 0,7 3 0,2 2 0,1 4
2 - 0,1 1 - 0,0 1 0,0 8 0,0 3 0,0 2 - 1,2 4 - 0,2 0 1,0 4 0,5 1 0,3 4
3 - 0,1 1 0,0 4 - 0,0 4 0,0 5 0,0 5 - 1,4 2 0,4 7 - 0,4 7 0,7 1 0,5 6
4 0,0 9 - 0,2 2 - 0,0 8 0,0 3 0,1 3 1,0 7 - 2,6 5 - 0,9 9 0,3 3 1,2 4
B 0,2 1 - 0,0 5 - 0,1 3 - 0,0 5 - 0,1 6 3,2 7 - 0,6 7 - 1,4 6 - 0,6 9 - 1,4 1
(v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ sS M B
t
+ h HM L
t
+ m T E RM
t
+ d DE F
t
+e
t
S - 0,3 5 - 0,1 3 - 0,0 5 0,0 1 0,0 0 - 3,2 4 - 1,5 8 - 0,7 9 0,2 0 0,0 9
2 - 0,1 1 - 0,0 2 0,0 8 0,0 4 0,0 2 - 1,2 9 - 0,2 4 1,1 0 0,6 7 0,2 9
3 - 0,1 2 0,0 4 - 0,0 3 0,0 6 0,0 5 - 1,4 5 0,4 8 - 0,4 2 0,7 9 0,5 6
4 0,0 8 - 0,2 2 - 0,0 8 0,0 4 0,1 3 1,0 4 - 2,6 7 - 0,9 4 0,4 7 1,2 3
B 0,2 1 - 0,0 5 - 0,1 3 - 0,0 6 - 0,1 7 3,2 9 - 0,7 2 - 1,4 6 - 0,7 3 - 1,5 1
(II)
1 - 5G 6 - 10G A aa Aa A B aa LG
( i) R
t
- R
F,t
= a+ m T E RM
t
+ d DE F
t
+e
t
a 0,0 8 0,0 9 - 0,0 2 - 0,0 0 - 0,0 0 0,0 6 0,0 6
t( a) 2,7 0 2,1 6 - 1,1 0 - 0,5 5 - 0,2 9 1,4 2 0,6 7
(i i) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+e
t
a 0,0 8 0,0 8 - 0,0 3 - 0,0 2 - 0,0 1 0,0 4 0,0 0
t( a) 1,2 7 0,7 6 - 0,2 4 - 0,1 5 - 0,1 1 0,3 7 0,0 3
( i ii ) R
t
- R
F,t
= a+ sSMB
t
+ h HM L
t
+e
t
a 0,1 2 0,1 6 0,0 7 0,0 7 0,0 7 0,1 1 0,0 8
t( a) 1,7 0 1,4 7 0,5 2 0,5 8 0,5 5 0,8 2 0,5 8
( i v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ s SM B
t
+ h HM L
t
+e
t
a 0,0 6 0,0 7 - 0,0 7 - 0,0 7 - 0,0 8 - 0,0 5 - 0,1 1
t( a) 0,8 9 0,6 2 - 0,6 2 - 0,6 4 - 0,69 - 0,4 1 - 1,0 0
(v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ sS M B
t
+ h HM L
t
+ m T E RM
t
+ d DE F
t
+e
t
a 0,0 9 0,1 1 - 0,0 0 - 0,0 0 - 0,0 0 0,0 2 - 0,0 7
t( a) 2,8 4 2,7 7 - 0,1 7 - 0,2 5 - 0,5 7 0,5 2 - 0,7 7
56
结论
Fama-French (1993) 分析股票市场和债券市场是否存在共同风险因素来解释其横截面收益变化,
共有 5个共同因素,股票市场因素解释股票收益变化,债券市场因素解释债券收益变化,两市场收益的共同变化通过利率期限结构因素连接,
57
三因素模型之不足
No theory justifies why size and B/M should be
risk factors.
58
应用
检验有效市场假设提供基准模型和方法
Fama和 French的因素模型间接地告诉了投资者尤其是基金经理如何建立高收益 (“打败市场” )
的证券组合
评价证券组合绩效
测算公司资金成本
59
中国股票定价
采用 Fama 和 French(1993)同样的方法计算 SMB和
HML。
研究样本选定为 1994年 7月至 2001年 6月的沪市和深市交易的所有个股
数据包括：月收益 （ 经调整 ） ；市值规模；ＢＭ；无风险收益率；
证券组合？
see Wang (2004),Pacific Basin Finance Journal (USA),
No.3.
60
方法
每年 6月底,以沪市 A股市值的中值为基准将所有股票划分为大型公司 (B)小型公司 (S)两组；
然后根据 BM值将各组再次划分为低 (L),中 (M),高 (H)三个子组,其中 L,M和 H 分别表示最低 30%,中间 40%,最高
30%的股票 。
6组不同的规模 -BM值组合 (S/L,S/M,S/H,B/L,B/M,B/H)。 计算这些组合的月收益 加权 平均值 。 SMB表示三组小型公司股票组合 (S/L,S/M,S/H)与大型股票组合 (B/L,B/M,B/H)
之间的月平均收益差额； HML代表的是高 BM值 (S/H和 B/H)
组合与低 BM值组合 (S/L和 B/L)之间月平均收益差额 。
61
BM 值规模 L M H HML L M H HML
未调整收益
t 值
S 0,0 2 7 5 0,0 4 0 2 0,0 4 5 6 0,0 1 8 2 2,3 6 2,9 8 2,8 1 1,8 4
B 0,0 1 5 8 0,0 2 8 4 0,0 3 6 8 0,0 2 1 2 1,3 7 2,4 3 2,6 3 2,5 1
BMS - 0,0 1 1 9 - 0,0 1 1 8 - 0,0 0 8 8 0,0 0 2 8 - 2,1 1 - 2,3 6 - 1,5 2 0,5 3
a t(a)
S 0,0 0 0 5 0,0 0 1 9 - 0,0 0 4 7 - 0,0 0 6 4 0,1 9 0,6 4 - 1,9 2 - 2,3 4
B - 0,0 0 4 6 0,0 0 1 7 - 0,0 0 0 5 0,0 0 2 1 - 1,8 6 0,5 9 - 0,1 7 0,7 4
BMS - 0,0 0 5 3 - 0,0 0 0 3 0,0 0 2 1 0,0 0 6 2 - 1,9 7 - 0,9 3 0,7 4 1,1 5
b t(b)
S 0,9 3 9 1,0 1 4 0,9 9 5 0,0 5 6 3 3,5 8 3 3,3 1 3 8,5 9 1,9 7
B 1,0 2 5 0,9 5 4 0,9 6 9 - 0,0 5 5 3 9,5 7 3 1,9 8 3 7,4 4 - 1,9 3
BMS 0,0 8 7 - 0,0 5 9 - 0,0 2 5 - 0,1 1 0 2,5 8 - 2,2 0 - 0,8 3 3 - 1,9 4
s t(s)
S 0,6 6 1 0,4 5 3 0,6 6 1 0,0 0 7 9,3 5 5,8 9 1 0,1 4 0,0 8
B - 0,3 9 9 - 0,4 2 3 - 0,3 9 9 0,0 0 6 - 6,0 9 - 5,6 9 - 6,0 9 0,0 9
BMS - 1,0 5 4 - 0,8 7 5 - 1,0 5 4 0,0 0 6 - 1 2,4 6 - 1 2,8 9 - 1 4,1 6 0,0 4
h t(h)
S - 0,5 2 9 - 0,0 2 8 0,5 2 6 1,0 5 1 - 1 3,1 8 - 0,07 1 4,2 8 2 5,5 9
B - 0,4 6 6 - 0,0 1 8 0,4 7 7 0,9 4 1 - 1 2,5 4 - 0,4 2 1 2,8 9 2 3,1 7
BMS 0,0 5 9 - 0,0 1 9 - 0,0 5 2 - 0,1 1 4 1,2 3 - 0,5 0 - 1,2 2 - 1,4 1
调整后的 R
2
S 0,9 5 6 0,9 6 2 0,9 8 1 0,9 3 6
B 0,9 6 2 0,9 5 0 0,9 7 1 0,9 1 3
BMS 0,7 1 9 0,7 8 0 0,8 0 3 0,1 4 0
62
结论
与 Fama和 French(1992,1993)的结论基本一致：
小公司的收益表现比大型公司的高
高 BM值股票胜出低 BM值股票
三因素系数都十分显著 。
调整后Ｒ ２ 的也与 Fama和 French的研究结果趋同或略高 。
这证明三因素模型对于中国股票月均收益波动性具有毋庸置的解释能力 。 与 Rouwenhorst(1998)在研究２０个新兴市场
(中国除外 )后发现,驱动股票预期收益变动的因素与发达国家的类似 。
63
Further reading:
Bailey et al,2004,“The cross sectional
determinants of stock returns in China”,Cornell
University Working Paper,Downloadable on the
web and SSRN,
64
总结和结论
完美的风险测度并不存在,多因素模型只是更好地接近理想风险衡量
这给股票定价方面的研究和探索提供了机会
不要轻信已有的风险指标及其预测能力,不同时期不同市场其作用有共性也有差异
三因素或四因素模型是目前经过广泛实证,最广泛接受的股票定价模型,中国也不例外,
65
但对风险因素的解释有很大的争议
未来的风险度量会更复杂,
需要了解所有的现代风险分析方法
不要期待天上掉馅饼而以逸代劳,as did the little
old lady in the favorite story of Robert Kirby of
Capital Guardian Trust.
66
Thank You
股票 价格决定因素
Determinants of Stock Prices
汪昌云
2
问题
股票的未来价格走势到底受哪些因素的影响?
怎样检验某一风险因素与未来收益有关?
怎样利用这些信息来进行投资决策?
新兴市场中股票价格的决定因素与发达国家股票市场相同吗?
中国股票价格的决定因素会有何特点?
3
股票价格与风险度量
现代金融学中风险资产的未来价格只受一个因素影响 － 风险
风险是结果的 不确定性； 风险是事前的；
风险是对期望的偏离。波动性，方差或标准差是其常用的度量方法
4
证券组合与风险分散
假设：完美资本市场,投资者风险厌恶,二参数收益分布,同质信念,单期决策
结论：
通过组合非系统性风险被化解
单个资产的风险以其对效率组合风险的贡献来衡量 － 系统性风险
5
股票价格由唯一的系统性风险决定－ SML
)(
i
RE
＝
])([
fMif
RRER
,其中,
2
/
mimi
6
CAPM之文字证明
如果投资者因非系统风险而获得额外回报，那么系统性风险相同的分散投资组合中，有较高非系统风险的组合比非系统风险较低的组合收益高。投资者会想方设法买进非系统风险较高组合的股票，卖掉 BETA相同但非系统风险较低的股票。前者的价格被拉抬上涨。
以上过程会持续到 beta相同的股票都有相同的预期收益，非系统风险不再有 RP为止。
7
莎士比亚《亨利四世》：
Glendower对 Hotspur吹牛道：“我能召唤阴间的鬼魂”。
Hotspur 冷冷地回答：那有什么了不起。我也能，每个人都能。问题在于当你召唤他们时，鬼魂会应招而来吗？
8
CAPM有用吗？－早期的证据
Fama-MacBeth (1973,JPE)：
实证模型,
Ri = co +c1?i+ c2?i2 +c3tsi+?it
研究假设,
E(c2) = 0 – non-linearity
E(c3) = 0 – non-systematic
E(c1t) = E[Rm] – E[Rf] > 0
Sharpe-Lintner hypothesis,E(c0) = Rf
9
数据,1926.1-1968.6 NYSE 月收益率数据
研究方法,
第一步,用 26-29年 48个月的数据估计每个股票的 beta值,并且排序形成 20个组合第二步,用 30-34年的数据,使用市场模型估计 20个组合的 beta,非系统性风险等第三步,使用第二步中估计的组合的 beta和非系统性风险,用 35-38
年的组合收益率数据进行回归分析,从 26-68每个月均进行回归,每个系数均有 390多个估计值，计算其均值,
10
Fama-MacBeth的结论
11
Fama-MacBeth结论
c1的均值为正值，在 95%的置信度下不为零，表明收益与 β值成正相关关系,但高于（ beta<1）或低于（ beta>1）
实际风险溢价
c2,c3在 95%的置信度下值为零，表明其他非系统性风险在股票收益的定价中不起主要作用。
E(c0) > Rf
12
市场异象
规模效应,Banz (1981)首先发现,市值规模
（ ME,即股票价格与总股数的乘积）对于 β提供的截面平均收益有进一步的解释能力 。
Average returns on small stocks are too high given
their betas,and those on large stocks are too low,
杠杆效应,Bhandari (1988,JF)发现的杠杆比率和平均收益率之间存在正相关关系,Leverage
helps explain returns after controlling for size and
beta.
13
净市率效应（ Book-to-Market）。 Rosenberg et
al,(1985,JPM) 股票收益与净市率正相关,Chan,
Hamao,and Lakonishok (1991)净市率 同样对日本股市的截面股票平均收益有很强的解释能力,
股利率效应（ Dividend yield effect）,Holding
risk constant,the higher is a stock’s dividend yield,
the higher is the required before-tax return to
compensate taxable investors for the higher tax
liability,
14
市盈率效应（ PE),Basu (1977,1983)市盈率在包括规模与 β的实证分析中对美国股票市场的截面平均收益也有很强的解释能力,E/P ratios help explain the cross-
section of average returns in addition to size and beta,
复合效应。 Since size,P/E,P/B,dividend yield are
computed using a common variable – price/share,these
effects tend to be dependent,To give an expression on the
interrelations,average P/B,market capitalization,E/P and
price for ten portfolios constructed of NYSE firms on the
basis of increasing values of P/B suggest strong
correlations,
15
Fama and French (1992)
Fama and French (1992) 是第一个系统分析 评价
β,规模、市盈率、杠杆比率和净市率对
NYSE,AMEX,NASDAQ市场上交易的个股截面平均收益的解释能力，证明 S-L-B模型预测能力的局限性，即平均股票收益与 β 正相关 不成立,同时，给出了新的股票定价因素。
16
Fama and French (1992)’s main conclusions:
β 对于股票截面平均收益没有什么解释力；
规模和净市率对于平均收益的联合解释能力要超过杠杆比率和市盈率。至少对于在 1963-1990期间的样本来说，这一结论成立。
这表明，股票收益变化可用一个多因素资产定价模型刻画：规模和 BM。 BM刻画财务困境风险。 当市场对其前景预期较差时，具体表现为较低的股价和较高的净市率，公司比起较好预期前景的公司有较高的预期回报（因为其为较高的资金成本所拖累）。
17
Fama and French的分析方法
数据,1) NYSE,AMEX和 NASDAQ交易的
1962-1989年间所有非金融股票收益序列，数据来源是证券价格研究中心（ CRSP） 和 2）
COMPUSTAT历年收入平衡表和资产负债表的数据档案。
使用一个公司 t-1年 12月末的市值来计算 t-1年的净市率，杠杆比率和市盈率，并且用 t年 6月份的市场权益价值来度量该公司的规模。
18
基本方法：使用 Fama和 MacBeth的截面回归方法。每月对股票截面收益关于所假设的解释变量进行回归。按月回归时间序列的方法所得的斜率平均值提供了对不同解释变量是否解释股票平均收益水平。
19
方法
形成期：建立 100个 size-?组合：
10size组合：每年 6月根据 NYSE的样本公司 ME的 10分位点确定。
每个 size组合中分 10个?组合,NYSE的样本公司 t年 7月之前 5年的 24－ 60个月回报估计个股? 10分位点,进行预排序。
估计期和测试期：
100组合（按年更新,1963.7-1990.12） 330月的等权回报率～分组合回归。
排序后所有期间的组合?＝组合中个股?，用于测试期。个股?并不固定，因为各股在不同时期属于不同的组合。
20
研究结果 (1)
21
研究结果 (2)
22
研究结果 (3)
23
四、研究结果－ BE/ME,E/P
24
研究结果－ FM回归
25
二元分类组合
股票先等分为 10个规模组合,每一个规模规模组合中在按 BM分成 10个组合,计算月收益
26
研究结果－ size,BE/ME
27
Fama-French的结论
线接近水平，无法解释 1969年以后期间的股票截面收益
size and BE/ME 吸合了 杠杆比率和 E/P（市盈率倒数） 对股票收益的解释作用
结果证实应采用多因子定价模型,规模和市净率因素度量了股票的部分风险，即均被定价了
28
Fama-French(1992)的意义
给 beta的棺木上敲上最后一颗钉。
如果市场是理性的，规模和 BE/ME一定是风险的衡量指标。并且 Fama & French的结论暗示资产组合（如养老基金和共同基金）的管理绩效可以通过比较他们的平均收益和相似标的资产的规模和 BE/ME的特性进行评估
29
发展中国家股票收益的决定
Attacks on Fama and French (1992)
数据挖掘? 幸存偏差 Survivorship?
结论的解释,风险因素? 企业特征因素? 市场无效?
运用发展中国家市场数据所得结论可以澄清上述第一类疑问
30
Rouwenhorst (1998,JF)
IFC Emerging market database
含有 20 emerging markets 1705 个上市公司
Return = 资本利得收益率 +股息率,对分红,分拆,
合并进行调整
数据系列,月收益 ; price-to-book ratio; price-
earnings ratios; market capitalization; turnover
ratio.
31
样本情况见表 1
32
Local return factor portfolios
方法
每月初，分国别按当地 preranking beta,size,BM,
turnover,pre-six month return将股票分成 3个组合,top
30; middle 40; bottom 30．
组合为等权重．每月都对组合进行调整．
ＵＳＤ为收益单位
投资策略：买入１ USD股票组合的同时卖出等量的另一组合．
33
结果
Local beta and size
preranking beta和收益之间没有关系
规模效应在一些国家依然显著
Table 2
34
Table 2
35
结果 (续 )
动能效应与价值型投资收益
17个国家中存在显著的动能效应
BM Portfolios,Low BM – growth stocks; high BM –
value stocks,在 16个国家中高 BM股票显著胜出低股票,
Table 3
36
Table 3
37
38
结论
新兴市场股票决定因素与发达国家类似（表５）
Beta与股票平均收益无关
在所有新兴市场中，有显著的动能，规模效应，价值效应；
新兴市场股票决定因素有很强的当地色彩．这说明可以利用当地资产定价模型进行资产定价研究．
39
价值型投资与成长性投资一般的划分标准
-- B/M ratio即净市率
--C/P ratio 每股现金流 /价格
--E/P ratio PE之倒数
--GS rate (sales growth) 销售增长率
40
价值型投资
Siegel,增长似乎是一个圈套，它诱使我们将资产投放到我们看好其发展前景的地方，不过最具创新能力的公司很少会是最佳投资选择。人们盲目地追求创新创新，将其作为击败市场的法宝，但事实证明创新是一把双刃剑－－刺激着经济的成长，同时又不断地让投资者失望。
,投资者的未来,p.5》
41
常见的 Multifactor定价模型
Fama-French (1993,JFE) 三因素模型,
E(Ri) – rf =?i,m [E(Rm) – rf] +?i,SMB E[SMB] +?i,HML E[HML]
SMB is return spread between small-cap and large-cap triciles
HML is return spread between high P/B and low P/B triciles
Carhart (1997,JF) 四因素模型,
E(Ri) – rf =?i,m [E(Rm) – rf] +?i,SMB E[SMB] +?i,HML E[HML]
+?i,Mom E[Momentum]
Momentum is return spread of stocks between highest and lowest
quintiles of returns performance over (-1mo,-7mo)
42
Fama和 French的,股票和债券收益的共同风险因素,(Common risk factors in the returns on
stocks and bonds)一文于 1993年发表在,Journal
of Financial Economics,。该文的问世在金融学术界和实业界都产生了很大影响，被简称为
“三因素定价模型”或“三因素模型”。
43
“三因素定价模型” 提出的 背景
70年代中期以后的多项金融研究表明,β值与股票的平均收益变化没有显著关系。然而，传统资产定价理论之外的一些因素对股票平均收益的变动有较强的解释能力。包括
规模 (size) - 小型公司股票的收益表现优于大型公司股票；
市盈率 (P/E) - 高市盈率股票的收益表现逊于低市盈率的股票；
杠杆 (leverage) - 利用高财务杠杆公司的股票平均收益比低财务杠杆公司股票的高；
净市比 (B/M) - 高净值市价比股票的平均收益比低净值市价比股票的高。
但当时没有一个合理的考虑这些因素的资产定价模型,
44
研究目的
Fama和 French（ 1993） 研究目的有三
实证分析规模、净值市价比以及整体市场因素如何解释股票收益的时序变化
实证分析利率期限结构和偿付风险变量如何解释债券收益的变化
实证研究影响股票收益变化的因素是否同时决定债券收益的变化，或者反过来，影响债券收益变化的因素决定股票收益的变化，从而系统地探索股票和债券 (同为风险资产 )收益变化的共同风险因素是哪些。
45
构建时序解释变量
一些解释变量都分别在很多历史文献中研究过，并发现它们对股票或债券的预期收益产生显著影响。
这些解释变量可分为两类：第一类是影响债券收益的变量，包括：
(1)利率期限结构的变量，以长期国债组合月均收益率与短期国债组合月均收益率之差来衡量，该变量记作 TERM；
(2)违约风险的变量，以长期公司债组合的月均收益率与长期国债组合的月均收益率之差来衡量，该变量记作 DEF。
第二类是影响股票收益变化的变量，包括,(1)整体市场； (2)公司规模； (3)净市率。
46
股票收益解释变量
分两步进行,
第一步，构建股票组合。
1)每年 6月末，所有的纽约股票交易所、美国股票交易所以及纳斯达克交易的股票按纽约股票交易所股票的市值规模 (股票价格 × 股票总数 )的中值 (median)划分为两组：大型公司股票 (B)和小型公司股票 (S)。
2) 按纽约股票交易所挂牌股票的净值市价比将所有的股票分为三组：最高 B/M值的 30%股票 (H)； B/M值处于中位的 40%股票 (M)，以及最低 B/M值得 30%股票 (L)。净值市价比是指某一股票上一财政年度末的净资产除以前一年 12月底的股票市值。
47
3) 将两组按规模划分的股票和三组按净市率划分的股票交叉，从而形成 6个股票组合，即小型低净市率股票 (S/L)，小型适中净市率股票 (S/M)，小型高净市率股票 (S/H)，大型低净市率股票 (B/L)，大型适中净市率股票 (B/M)，以及大型高净市率股票 (B/H)。
分别计算股票组合从 7月到下一年 6月的价值加权平均月收益。
表 2-3,
48
第二步，计算股票收益的风险因素。 Fama和 French考虑的收益风险因素有三个：
SMB - 与规模相关的收益风险因素,三个小型公司股票组合的平均收益率与三个大型公司股票组合的平均收益率之差。其计算方法：
HML - 与净市率相关的收益风险因素,净市率股票组合的平均收益率与净市率股票组合平均收益率之差。计算方法
RM-RF - 与整体市场组合相关的收益风险因素,代表市场的股票组合月均收益率与无风险利率 (短期国债月收益率 )的之差。
49
债券市场风险因素的 作用
回归方程如下,
利用 1963年 1月至 1991年 12月间的 25个股票组合收益和 7个债券组合收益的时序序列数据对 TERM和 DEF进行回归
结果显示 (表 3)
TERM和 DEF的斜率系数的估计值均为正值，并且在 1%水平上显著
这些风险因素在解释债券收益变化方面的能力明显高于解释股票收 益变化的能力
债券收益序列的回归 R2在 0.49至 0.98之间，而股票收益回归 R2仅为
0.06至 0.21。
说明 TERM和 DEF都是决定股票和债券收益变化的风险因素，但要更好地解释股票收益的变化还有待其它的风险因素。
50
股票和债券的超额收益回归于债券市场风险因素的结果
B /M
L 2 3 4 H L 2 3 4 H
m t( m )
S 0,9 3 0,9 0 0,8 9 0,8 6 0,8 9 5,0 2 5,5 0 5,9 5 6,0 8 6,0 1
2 0,9 9 0,9 6 0,9 9 1,0 1 0,9 8 5,7 1 6,3 2 7,2 9 8,3 4 6,9 2
3 0,9 9 0,9 4 0,9 4 0,9 5 0,9 9 6,2 5 7,1 0 7,8 0 8,5 0 7,6 0
4 0,9 2 0,9 5 0,9 7 1,0 5 1,0 3 6,5 8 7,5 7 8,5 3 9,6 4 7,8 3
B 0,8 2 0,8 2 0,8 0 0,8 0 0,7 7 7,1 4 7,6 0 8,0 9 8,2 6 6,8 4
d t(d )
S 1,3 9 1,3 1 1,3 3 1,4 5 1,5 2 3,9 6 4,2 7 4,7 3 5,4 5 5,4 5
2 1,2 6 1,2 8 1,3 5 1,3 8 1,4 1 3,8 4 4,4 7 5,2 8 6,0 5 5,2 9
3 1,2 1 1,1 9 1,2 5 1,2 4 1,2 1 4,0 5 4,7 4 5,4 9 5,8 9 4,8 8
4 0,9 6 1,0 1 1,1 3 1,2 1 1,2 2 3,6 5 4,2 8 5,2 5 5,8 9 4,9 2
B 0,7 8 0,7 3 0,7 8 0,8 3 0,8 9 3,5 9 3,6 0 4,1 8 4,5 6 4,1 5
R
2
s (e )
S 0,0 6 0,0 8 0,0 9 0,1 0 0,1 0 7,5 0 6,5 7 6,0 0 5,6 8 5,9 5
2 0,0 8 0,1 0 0,1 3 0,1 7 0,1 2 6,9 7 6,0 9 5,4 5 4,8 7 5,6 9
3 0,1 0 0,1 2 0,1 5 0,1 7 0,1 4 6,3 8 5,3 5 4,8 6 4,4 8 5,2 8
4 0,1 1 0,1 4 0,1 7 0,2 1 0,1 5 5,6 3 5,0 4 4,5 7 4,3 9 5,3 1
B 0,1 3 0,1 5 0,1 6 0,1 7 0,1 2 4,6 1 4,3 3 4,0 0 3,8 9 4,5 5
1 - 5G 6 - 10G A aa Aa A B aa LG
M 0,4 5 0,7 2 1,0 2 0,9 9 1,0 0 1,0 1 0,8 1
t( m ) 3 1,7 3 3 8,8 0 9 9,9 4 1 3 0,4 4 1 3 9,8 0 5 6,2 4 1 8,0 5
D 0,2 5 0,2 7 0,9 4 0,9 6 1,0 2 1,1 0 1,0 1
t(d ) 9,5 1 7,8 5 4 8,9 5 6 7,5 4 7 5,7 4 3 2,3 3 1 1,9 5
R
2
0,7 9 0,8 7 0,9 7 0,9 8 0,9 8 0,9 0 0,4 9
s (e ) 0,5 7 0,7 5 0,4 1 0,3 0 0,2 9 0,7 2 1,8 0
51
股票市场风险因素的 作用
其回归方程为：
RMt-RFt,SMBt,和 HMLt的斜率系数是正值，并十分显著。
绝大多数回归方程的 R2都高于 0.90。
这三个股票市场风险因素对债券组合的收益变化也有显著的解释能力。
不过，其回归方程的 R2远小于股票收益组合的 R2值，大致在 0.10到 0.30之间。
表 6
52
股票和债券的超额收益回归于股票市场风险因素的结果
B /M
L 2 3 4 H L 2 3 4 H
b t(b )
S 1,0 4 1,0 2 0,9 5 0,9 1 0,9 6 3 9,3 7 5 1,8 0 6 0,4 4 5 9,7 3 5 7,8 9
2 1,1 1 1,0 6 1,0 0 0,9 7 1,0 9 5 2,4 9 6 1,1 8 5 5,8 8 6 1,5 4 6 5,5 2
3 1,1 2 1,0 2 0,9 8 0,9 7 1,0 9 5 6,8 8 5 3,1 7 5 0,7 8 5 4,3 8 5 2,5 2
4 1,0 7 1,0 8 1,0 4 1,0 5 1,1 8 5 3,9 4 5 3,5 1 5 1,2 1 4 7,0 9 4 6,1 0
B 0,9 6 1,0 2 0,9 8 0,9 9 1,0 6 6 0,9 3 5 6,7 6 4 6,5 7 5 3,8 7 3 8,6 1
s t(s)
S 1,4 6 1,2 6 1,1 9 1,1 7 1,2 3 3 7,9 2 4 4,1 1 5 2,0 3 5 2,8 5 5 0,9 7
2 1,0 0 0,9 8 0,8 8 0,7 3 0,8 9 3 2,7 3 3 8,7 9 3 4,0 3 3 1,6 6 3 6,7 8
3 0,7 6 0,65 0,6 0 0,4 8 0,6 6 2 6,4 0 2 3,3 9 2 1,2 3 1 8,6 2 2 1,9 1
4 0,3 7 0,3 3 0,2 9 0,2 4 0,4 1 1 2,7 3 1 1,1 1 9,8 1 7,3 8 1 1,0 1
B - 0,1 7 - 0,1 2 - 0,2 3 - 0,1 7 - 0,0 5 - 7,1 8 - 4,5 1 - 7,5 8 - 6,2 7 - 1,1 8
h t(h )
S - 0,2 9 0,0 8 0,2 6 0,4 0 0,6 2 - 6,4 7 2,3 5 9,6 6 1 5,5 3 2 2,1 4
2 - 0,5 2 0,0 1 0,2 6 0,4 6 0,7 0 - 1 4,5 7 0,4 1 8,5 6 1 7,2 4 2 4,8,
3 - 0,3 8 0,0 0 0,3 2 0,5 1 0,6 8 - 1 1,2 6 - 0,0 5 9,7 5 1 6,8 8 1 9,3 9
4 - 0,4 2 0,0 4 0,3 0 0,5 6 0,7 4 - 1 2,5 1 1,0 4 8,8 3 1 4,8 3 1 7,0 9
B - 0,4 6 0,0 0 0,2 1 0,5 7 0,7 6 - 1 7,0 3 0,0 9 5,8 0 1 8,3 4 1 6,2 4
R
2
s(e)
S 0,9 4 0,9 6 0,9 7 0,9 7 0,9 6 1,9 4 1,4 4 1,1 6 1,1 2 1,2 2
2 0,9 5 0,9 6 0,9 5 0,9 5 0,9 6 1,5 5 1,2 7 1,3 1 1,1 6 1,2 3
3 0,9 5 0,9 4 0,9 3 0,9 3 0,9 3 1,4 5 1,4 1 1,4 3 1,3 2 1,5 2
4 0,9 4 0,9 3 0,9 1 0,8 9 0,8 9 1,4 6 1,4 8 1,4 9 1,6 3 1,8 8
B 0,9 4 0,9 2 0,8 8 0,9 0 0,8 3 1,1 6 1,3 2 1,5 5 1,3 6 2,0 2
1 - 5G 6 - 10G A aa Aa A B aa LG
b 0,1 0 0,1 8 0,2 5 0,2 5 0,2 6 0,2 7 0,3 4
t(b ) 6,4 5 6,7 5 8,6 0 9,3 0 9,4 6 9,5 8 1 2,2 2
s - 0,0 6 - 0,1 4 - 0,1 2 - 0,1 1 - 0,0 9 - 0,0 4 0,0 4
t(s) - 2,7 0 - 3,6 5 - 2,8 9 - 2,7 2 - 2,1 8 - 0,9 1 0,8 9
h 0,0 7 0,0 8 0,1 4 0,1 5 0,1 6 0,2 0 0,2 3
h ( t) 2,6 6 1,83 2,7 7 3,2 6 3,5 1 4,0 8 4,7 5
R
2
0,1 0 0,1 2 0,1 7 0,2 0 0,2 0 0,2 2 0,3 3
s(e) 1,1 9 1,9 1 2,1 3 2,0 0 2,0 1 2,0 8 2,0 6
53
5个收益风险因素
计量模型如下：
结果显示 (表 7)
在股票收益回归方程中加入 TERM和 DEF两变量对股票收益风险因素的斜率系数影响甚微
RM-RF,SML和 HML的系数，与表 2的相似，都十分显著。
在债券收益回归方程加入三个股票收益风险因素对 TERM
和 DEF的斜率系数影响也不大。
54
回归于股票债券市场五风险因素的结果
B /M
L 2 3 4 H L 2 3 4 H
b t( b )
S 1,0 6 1,0 4 0,9 6 0,9 2 0,9 8 3 5,9 7 4 7,6 5 5 4,4 8 5 4,5 1 5 3,1 5
2 1,1 2 1,0 6 0,9 8 0,9 4 1,1 0 4 7,1 9 5 4,9 5 4 9,0 1 5 4,1 9 5 9,0 0
3 1,1 3 1,0 1 0,9 7 0,9 5 1,0 8 5 0,9 3 4 6,9 5 4 4,5 7 4 7,5 9 4 6,9 2
4 1,0 7 1,0 7 1,0 1 1,0 0 1,1 7 4 8,1 8 4 7,5 5 4 4,8 3 4 1,0 2 4 1,0 2
B 0,9 6 1,0 2 0,9 8 1,0 0 1,1 0 5 3,8 7 5 1,0 1 4 1,3 5 4 8,2 9 3 5,9 6
s t( s)
S 1,4 5 1,2 6 1,2 0 1,1 5 1,2 1 3 7,0 2 4 3,4 2 5 0,8 9 5 1,3 6 4 9,5 5
2 1,0 1 0,9 8 0,8 9 0,7 4 0,8 9 3 2,0 6 3 8,1 0 3 3,6 8 3 2,1 2 3 5,7 9
3 0,7 6 0,6 6 0,6 0 0,4 9 0,6 8 2 5,8 2 2 2,9 7 2 0,8 3 1 8,5 4 2 2,3 2
4 0,3 8 0,3 4 0,3 0 0,2 6 0,4 2 1 2,7 1 1 1,3 6 9,9 9 8,0 5 1 1,0 7
B - 0,1 7 - 0,1 1 - 0,2 3 - 0,1 7 - 0,0 6 - 7,0 3 - 4,0 7 - 7,3 1 - 6,0 7 - 1,4 4
h t( h )
S - 0,2 7 0,1 0 0,2 7 0,4 0 0,6 3 - 5,9 5 2,9 0 9,8 2 1 5,4 7 2 2,2 7
2 - 0,5 1 0,0 2 0,2 5 0,4 4 0,7 1 - 14,0 1 0,6 9 8,1 1 1 6,5 0 2 4,6 1
3 - 0,3 7 - 0,0 0 0,3 1 0,5 0 0,6 9 - 1 0,8 1 - 0,1 1 9,8 2 1 6,1 8 1 9,3 4
4 - 0,4 2 0,0 4 0,2 9 0,5 3 0,7 5 - 1 2,0 9 1,1 0 8,3 7 1 4,2 0 1 6,8 8
B - 0,4 6 0,0 1 0,2 1 0,5 8 0,7 8 - 1 6,8 5 0,3 8 5,7 0 1 8,1 6 1 6,5 9
m t( m )
S - 0,1 0 - 0,1 1 - 0,0 5 - 0,0 4 - 0,0 6 - 1,9 3 - 2,7 0 - 1,4 9 - 1,1 9 - 1,8 7
2 - 0,0 5 - 0,0 4 0,0 7 0,1 4 - 0,0 5 - 1,1 6 - 1,1 2 1,9 0 4,3 3 - 1,4 8
3 - 0,0 4 0,0 2 0,0 6 0,0 9 0,0 1 - 0,9 1 0,5 3 1,4 8 2,4 8 0,2 5
4 - 0,1 1 - 0,1 0 0,0 4 0,1 3 - 0,1 2 - 1,5 1 - 1,4 4 0,5 9 1,6 4 - 1,3 0
B 0,0 6 - 0,1 4 - 0,0 2 - 0,0 7 - 0,1 8 0,9 7 - 2,1 5 - 0,2 5 - 1,0 8 - 1,8 4
d t( d )
S - 0,1 7 - 0,1 9 - 0,1 0 0,0 6 0,0 2 - 1,7 4 - 2,7 0 - 1,7 6 1,0 6 0,3 4
2 - 0,1 2 - 0,1 1 0,0 4 0,1 5 - 0,0 7 - 1,5 9 - 1,8 3 0,6 1 2,6 4 - 1,2 4
3 - 0,0 9 - 0,0 1 0,0 7 0,1 0 - 0,1 6 - 1,2 5 - 0,1 7 1,0 0 1,5 1 - 2,1 1
4 - 0,1 1 - 0,1 0 0,0 4 0,1 3 - 0,1 2 - 1,5 1 - 1,4 4 0,5 9 1,6 4 - 1,3 0
B 0,0 6 - 0,1 4 - 0,0 2 - 0,0 7 - 0,1 8 0,9 7 - 2,1 5 - 0,2 5 - 1,0 8 - 1,8 4
R
2
s(e )
S 0,9 4 0,9 6 0,9 7 0,9 7 0,9 6 1,9 3 1,4 3 1,1 6 1,1 1 1,2 0
2 0,9 5 0,9 6 0,9 5 0,9 5 0,9 6 1,5 5 1,2 7 1,3 1 1,1 3 1,2 3
3 0,9 5 0,9 4 0,9 3 0,9 3 0,9 3 1,4 5 1,4 1 1,4 3 1,3 1 1,5 0
4 0,9 4 0,9 3 0,9 1 0,9 0 0,8 9 1,4 6 1,4 7 1,4 8 1,5 9 1,8 8
B 0,9 4 0,9 2 0,8 7 0,9 0 0,9 3 1,1 7 1,3 1 1,5 5 1,3 6 2,0 0
1 - 5G 6 - 10G A aa Aa A B aa LG
b - 0,0 2 - 0,0 4 - 0,0 2 0,0 0 0,0 0 0,0 2 0,1 8
t( b ) - 2,8 4 - 3,1 4 - 2,9 6 0,0 6 1,0 5 1,9 9 7,3 9
s 0,0 0 - 0,0 2 - 0,0 2 - 0,0 1 0,0 0 0,0 5 0,0 8
t( s) 0,3 0 - 1,1 2 - 2,2 8 - 2,4 2 0,4 0 3,2 0 2,3 4
h 0,0 0 - 0,0 2 - 0,0 2 - 0,0 0 0,0 0 0,0 4 0,1 2
t( h ) 0,4 4 - 1,2 9 - 2,4 6 - 0,4 0 0,9 0 2,3 9 3,1 3
m 0,4 7 0,7 5 1,0 3 0,9 9 1,0 0 0,9 9 0,6 4
t( m ) 3 0,0 1 3 6,8 4 9 3,3 0 1 1 7,3 0 1 2 4,1 9 5 0,5 0 1 4,2 5
d 0,2 7 0,3 2 0,9 7 0,9 7 1,0 2 1,0 5 0,8 0
t( d ) 9,8 7 8,7 7 4 9,2 5 6 5,0 4 71,51 3 0,3 3 9,9 2
R
2
0,8 0 0,8 7 0,9 7 0,9 8 0,9 8 0,9 1 0,5 8
s(e ) 0,5 6 0,7 3 0,4 0 0,3 0 0,2 9 0,7 0 1,6 3
55
股票和债券组合的风险调整收益
(I)
B /M
a t( a)
L 2 3 4 H L 2 3 4 H
( i) R
t
- R
F,t
= a+ m T E RM
t
+ d DE F
t
+e
t
S 0,3 1 0,6 2 0,7 1 0,8 0 0,9 2 0,7 5 1,7 3 2,2 0 2,6 1 2,8 7
2 0,3 5 0,6 3 0,7 7 0,7 5 0,8 9 0,9 3 1,9 1 2,6 0 2,8 5 3,0 3
3 0,3 4 0,5 8 0,6 0 0,7 3 0,8 9 1,0 0 1,9 9 2,2 8 3,0 1 3,1 1
4 0,4 1 0,2 7 0,4 9 0,6 9 0,9 6 1,3 4 1,0 1 1,9 6 2,8 8 3,3 5
B 0,3 4 0,3 0 0,2 5 0,5 0 0,5 3 1,3 5 1,2 7 1,1 7 2,3 6 2,1 4
(i i) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+e
t
S - 0,2 2 0,1 5 0,3 0 0,4 2 0,5 4 - 0,9 0 0,7 3 1,5 4 2,1 9 2,5 3
2 - 0,1 8 0,1 7 0,3 6 0,3 9 0,5 3 - 1,0 0 1,0 5 2,3 5 2,7 9 3,0 1
3 - 0,1 6 0,1 5 0,2 3 0,3 9 0,5 0 - 1,1 2 1,2 5 1,8 2 3,2 0 3,1 9
4 - 0,0 5 - 0,1 4 0,1 2 0,3 5 0,5 7 - 0,5 0 - 1,5 0 1,2 0 2,9 1 3,7 1
B - 0,0 4 - 0,0 7 - 0,0 7 0,2 0 0,2 1 - 0,4 9 - 0,9 5 - 0,7 0 1,8 9 1,4 1
( i ii ) R
t
- R
F,t
= a+ sSMB
t
+ h HM L
t
+e
t
S 0,2 4 0,4 6 0,4 9 0,5 3 0,55 0,9 7 1,9 2 2,2 4 2,5 2 2,4 9
2 0,5 2 0,5 8 0,6 4 0,5 8 0,6 4 2,0 0 2,4 0 2,7 6 2,6 1 2,5 6
3 0,5 2 0,6 1 0,5 2 0,6 0 0,6 6 2,0 0 2,5 8 2,2 5 2,6 6 2,6 1
4 0,6 9 0,3 9 0,5 0 0,6 2 0,7 9 2,7 8 1,5 5 2,0 7 2,5 1 2,8 5
B 0,7 6 0,5 2 0,4 3 0,5 1 0,4 4 3,4 1 2,2 3 1,8 4 2,2 0 1,7 0
( i v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ s SM B
t
+ h HM L
t
+e
t
S - 0,3 4 - 0,1 2 - 0,0 5 0,0 1 0,0 0 - 3,1 6 - 1,4 7 - 0,7 3 0,2 2 0,1 4
2 - 0,1 1 - 0,0 1 0,0 8 0,0 3 0,0 2 - 1,2 4 - 0,2 0 1,0 4 0,5 1 0,3 4
3 - 0,1 1 0,0 4 - 0,0 4 0,0 5 0,0 5 - 1,4 2 0,4 7 - 0,4 7 0,7 1 0,5 6
4 0,0 9 - 0,2 2 - 0,0 8 0,0 3 0,1 3 1,0 7 - 2,6 5 - 0,9 9 0,3 3 1,2 4
B 0,2 1 - 0,0 5 - 0,1 3 - 0,0 5 - 0,1 6 3,2 7 - 0,6 7 - 1,4 6 - 0,6 9 - 1,4 1
(v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ sS M B
t
+ h HM L
t
+ m T E RM
t
+ d DE F
t
+e
t
S - 0,3 5 - 0,1 3 - 0,0 5 0,0 1 0,0 0 - 3,2 4 - 1,5 8 - 0,7 9 0,2 0 0,0 9
2 - 0,1 1 - 0,0 2 0,0 8 0,0 4 0,0 2 - 1,2 9 - 0,2 4 1,1 0 0,6 7 0,2 9
3 - 0,1 2 0,0 4 - 0,0 3 0,0 6 0,0 5 - 1,4 5 0,4 8 - 0,4 2 0,7 9 0,5 6
4 0,0 8 - 0,2 2 - 0,0 8 0,0 4 0,1 3 1,0 4 - 2,6 7 - 0,9 4 0,4 7 1,2 3
B 0,2 1 - 0,0 5 - 0,1 3 - 0,0 6 - 0,1 7 3,2 9 - 0,7 2 - 1,4 6 - 0,7 3 - 1,5 1
(II)
1 - 5G 6 - 10G A aa Aa A B aa LG
( i) R
t
- R
F,t
= a+ m T E RM
t
+ d DE F
t
+e
t
a 0,0 8 0,0 9 - 0,0 2 - 0,0 0 - 0,0 0 0,0 6 0,0 6
t( a) 2,7 0 2,1 6 - 1,1 0 - 0,5 5 - 0,2 9 1,4 2 0,6 7
(i i) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+e
t
a 0,0 8 0,0 8 - 0,0 3 - 0,0 2 - 0,0 1 0,0 4 0,0 0
t( a) 1,2 7 0,7 6 - 0,2 4 - 0,1 5 - 0,1 1 0,3 7 0,0 3
( i ii ) R
t
- R
F,t
= a+ sSMB
t
+ h HM L
t
+e
t
a 0,1 2 0,1 6 0,0 7 0,0 7 0,0 7 0,1 1 0,0 8
t( a) 1,7 0 1,4 7 0,5 2 0,5 8 0,5 5 0,8 2 0,5 8
( i v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ s SM B
t
+ h HM L
t
+e
t
a 0,0 6 0,0 7 - 0,0 7 - 0,0 7 - 0,0 8 - 0,0 5 - 0,1 1
t( a) 0,8 9 0,6 2 - 0,6 2 - 0,6 4 - 0,69 - 0,4 1 - 1,0 0
(v ) R
t
- R
F,t
= a+ b [ R
M,t
- R
F,t
]
t
+ sS M B
t
+ h HM L
t
+ m T E RM
t
+ d DE F
t
+e
t
a 0,0 9 0,1 1 - 0,0 0 - 0,0 0 - 0,0 0 0,0 2 - 0,0 7
t( a) 2,8 4 2,7 7 - 0,1 7 - 0,2 5 - 0,5 7 0,5 2 - 0,7 7
56
结论
Fama-French (1993) 分析股票市场和债券市场是否存在共同风险因素来解释其横截面收益变化,
共有 5个共同因素,股票市场因素解释股票收益变化,债券市场因素解释债券收益变化,两市场收益的共同变化通过利率期限结构因素连接,
57
三因素模型之不足
No theory justifies why size and B/M should be
risk factors.
58
应用
检验有效市场假设提供基准模型和方法
Fama和 French的因素模型间接地告诉了投资者尤其是基金经理如何建立高收益 (“打败市场” )
的证券组合
评价证券组合绩效
测算公司资金成本
59
中国股票定价
采用 Fama 和 French(1993)同样的方法计算 SMB和
HML。
研究样本选定为 1994年 7月至 2001年 6月的沪市和深市交易的所有个股
数据包括：月收益 （ 经调整 ） ；市值规模；ＢＭ；无风险收益率；
证券组合？
see Wang (2004),Pacific Basin Finance Journal (USA),
No.3.
60
方法
每年 6月底,以沪市 A股市值的中值为基准将所有股票划分为大型公司 (B)小型公司 (S)两组；
然后根据 BM值将各组再次划分为低 (L),中 (M),高 (H)三个子组,其中 L,M和 H 分别表示最低 30%,中间 40%,最高
30%的股票 。
6组不同的规模 -BM值组合 (S/L,S/M,S/H,B/L,B/M,B/H)。 计算这些组合的月收益 加权 平均值 。 SMB表示三组小型公司股票组合 (S/L,S/M,S/H)与大型股票组合 (B/L,B/M,B/H)
之间的月平均收益差额； HML代表的是高 BM值 (S/H和 B/H)
组合与低 BM值组合 (S/L和 B/L)之间月平均收益差额 。
61
BM 值规模 L M H HML L M H HML
未调整收益
t 值
S 0,0 2 7 5 0,0 4 0 2 0,0 4 5 6 0,0 1 8 2 2,3 6 2,9 8 2,8 1 1,8 4
B 0,0 1 5 8 0,0 2 8 4 0,0 3 6 8 0,0 2 1 2 1,3 7 2,4 3 2,6 3 2,5 1
BMS - 0,0 1 1 9 - 0,0 1 1 8 - 0,0 0 8 8 0,0 0 2 8 - 2,1 1 - 2,3 6 - 1,5 2 0,5 3
a t(a)
S 0,0 0 0 5 0,0 0 1 9 - 0,0 0 4 7 - 0,0 0 6 4 0,1 9 0,6 4 - 1,9 2 - 2,3 4
B - 0,0 0 4 6 0,0 0 1 7 - 0,0 0 0 5 0,0 0 2 1 - 1,8 6 0,5 9 - 0,1 7 0,7 4
BMS - 0,0 0 5 3 - 0,0 0 0 3 0,0 0 2 1 0,0 0 6 2 - 1,9 7 - 0,9 3 0,7 4 1,1 5
b t(b)
S 0,9 3 9 1,0 1 4 0,9 9 5 0,0 5 6 3 3,5 8 3 3,3 1 3 8,5 9 1,9 7
B 1,0 2 5 0,9 5 4 0,9 6 9 - 0,0 5 5 3 9,5 7 3 1,9 8 3 7,4 4 - 1,9 3
BMS 0,0 8 7 - 0,0 5 9 - 0,0 2 5 - 0,1 1 0 2,5 8 - 2,2 0 - 0,8 3 3 - 1,9 4
s t(s)
S 0,6 6 1 0,4 5 3 0,6 6 1 0,0 0 7 9,3 5 5,8 9 1 0,1 4 0,0 8
B - 0,3 9 9 - 0,4 2 3 - 0,3 9 9 0,0 0 6 - 6,0 9 - 5,6 9 - 6,0 9 0,0 9
BMS - 1,0 5 4 - 0,8 7 5 - 1,0 5 4 0,0 0 6 - 1 2,4 6 - 1 2,8 9 - 1 4,1 6 0,0 4
h t(h)
S - 0,5 2 9 - 0,0 2 8 0,5 2 6 1,0 5 1 - 1 3,1 8 - 0,07 1 4,2 8 2 5,5 9
B - 0,4 6 6 - 0,0 1 8 0,4 7 7 0,9 4 1 - 1 2,5 4 - 0,4 2 1 2,8 9 2 3,1 7
BMS 0,0 5 9 - 0,0 1 9 - 0,0 5 2 - 0,1 1 4 1,2 3 - 0,5 0 - 1,2 2 - 1,4 1
调整后的 R
2
S 0,9 5 6 0,9 6 2 0,9 8 1 0,9 3 6
B 0,9 6 2 0,9 5 0 0,9 7 1 0,9 1 3
BMS 0,7 1 9 0,7 8 0 0,8 0 3 0,1 4 0
62
结论
与 Fama和 French(1992,1993)的结论基本一致：
小公司的收益表现比大型公司的高
高 BM值股票胜出低 BM值股票
三因素系数都十分显著 。
调整后Ｒ ２ 的也与 Fama和 French的研究结果趋同或略高 。
这证明三因素模型对于中国股票月均收益波动性具有毋庸置的解释能力 。 与 Rouwenhorst(1998)在研究２０个新兴市场
(中国除外 )后发现,驱动股票预期收益变动的因素与发达国家的类似 。
63
Further reading:
Bailey et al,2004,“The cross sectional
determinants of stock returns in China”,Cornell
University Working Paper,Downloadable on the
web and SSRN,
64
总结和结论
完美的风险测度并不存在,多因素模型只是更好地接近理想风险衡量
这给股票定价方面的研究和探索提供了机会
不要轻信已有的风险指标及其预测能力,不同时期不同市场其作用有共性也有差异
三因素或四因素模型是目前经过广泛实证,最广泛接受的股票定价模型,中国也不例外,
65
但对风险因素的解释有很大的争议
未来的风险度量会更复杂,
需要了解所有的现代风险分析方法
不要期待天上掉馅饼而以逸代劳,as did the little
old lady in the favorite story of Robert Kirby of
Capital Guardian Trust.
66
Thank You
