条件股权溢价的时变问题被认为是当今资产定价研究中最重要的问题(Cochrane(2011)),而风险与收益之间的正向关系也被视为金融学理论的第一准则(Ghysels,Santa-Clara和Valkanov(2005))。然而由于条件波动率的不可观测以及简单的认为条件股权溢价仅仅是条件波动率的正向线性函数,使得在以美国为代表的发达股票市场的实证研究中,条件股权溢价与条件波动率的关系众说纷纭。在横截面维度,个股β与预期收益率、特质波动率与预期收益率也在实证结果中表现为负关系,这都与经典的金融学理论不一致。中国股票市场现今已是世界第二大市值的股票市场,且由于中国资本市场的相关政策,其与国际市场相对较为封闭。本文主要围绕“风险收益”之间关系这一金融学理论主题,提供中国股票市场的全新的实证证据。然而,由于中国股票市场的特殊性,国外的学术研究方法并不能直接套用,需要针对中国市场的特殊情况合理地调整。本文的主要实证研究逻辑及结果如下:首先,在梳理文献的基础上,我们将本文的资产定价研究中主要使用的变量针对中国市场进行了合理的调整。折价的股票价格(pd、pb、pe等),根据Hu等(2019)的观点使用属于流通市值的部分进行计算。市场已实现波动率的度量在French,Schwert和Stambaugh(1987)的基础上考虑更高阶数的自相关的调整,非流动的度量如Amihud(2002)的方法改为使用Brennan,Huh和Subrahmanyam(2013)基于换手率的非流动度量,Pdstor和Stambaugh(2003)的度量由于涨跌停板的限制更改为复合日收益率的收益反转等。其次,由于条件波动率的不可观测,我们试图在中国股票市场度量条件波动率,具体而言即使用预测变量进行OLS回归预测。然而在文献中宏观经济活动与股票市场波动率之间的关系也一直存在争论,潜在的预测市场波动率变量众多。本文首次使用变量选择的方法,在众多的潜在变量中选择中国股票市场波动率的最优预测变量和模型。在第三章中使用了贝叶斯模型平均、LASSO以及样本内回归、子样本分析和样本外预测等多种方法,选取样本区间为1995年至2018年,被预测变量使用更多阶数调整的市场波动率。实证结果表明在中国股票市场的季度数据上,滞后一期的市场波动率、换手率、Pastor和Stambaugh(2003)非流动性能够显著预测下一期市场波动率。与Cai等(2017)的结论不同,折价的股票价格并没有显著的预测能力,在两个变量选择方法中都没有被选择,样本内回归时也并不显著,样本外也没有额外的预测信息,且其与波动率的关系是时变的,有时为正有时为负。在子样本回归结果中,两个子样本的符号相反,且均在1%的置信水平下显著。这些发现也为后续的条件股权溢价的研究提供了实证基础。在中国股票市场,本文使用的宏观经济活动指标均没有预测市场波动率的能力。随后,在Merton(1973)的ICAPM理论模型框架和Guo和Whitelaw(2006)的实证研究框架下,本文对中国股票市场的收益率的可预测性以及条件波动率与预期收益率之间的关系进行实证研究。本文选取1995年至2018年的季度数据,将此前的条件波动率方程(预测变量包括:滞后一期的波动率、换手率和Pastor和Stambaugh(2003)非流动性)与收益率方程(收益率方程即条件股权溢价方程,包含两个部分:第一条件市场波动率,第二为对冲因子,本文使用折价的股票价格作为对冲因子的度量)一起使用GMM方法联合估计。实证结果表明,在控制了折价的股票价格作为对冲因子之后,条件波动率与收益率显著正相关,存在正向的风险收益关系。这表明在ICAPM模型中,对冲因子不应该被忽略,时间序列上也需要多因子模型。在Guo(2004)的有限参与模型中,条件波动率与折价的股票价格之间的关系是时变的。在本文的子样本结果中,第一个子样本1995年至2007年,条件波动率与折价的股票价格是负相关,那么这与Campbell和Cochrane(1999)和Bansal和Yaron(2004)的理论模型一致,两者的包含的预测信息相同,所以在实证中两者负相关,一起预测收益率时,由于共线性的问题只存在一个变量显著。但是在第二个子样本中2007年2018年两者正相关,这符合Guo(2004)的有限参与模型中流动性变弱的情况,两者包含的预测信息不同,这时就存在丢失变量的计量问题,两者分别回归都不显著,但是联合回归两者同时在1%的置信水平下显著。在稳健性检验中,本文分别使用了不同阶数调整的市场波动率度量、不同的折价的股票价格度量、添加了额外的预测变量、样本外预测和使用月度数据等不同的方法,实证结果都很稳健。结果表明中国的投资者是风险厌恶的,中国市场存在正向的风险收益关系。和美国市场虽然存在诸多差异,但是条件股权溢价的决定因素却是相同的。在横截面上,CAPM模型意味着个股的β与收益率存在正向的关系,且能够完全解释收益率的横截面的差异,α是不显著的。然而本文依照Bali,Engle和Murray(2017)的方法系统地研究了中国股票市场1995年至2018年的个股的β的统计性质,实证发现使用较长的数据周期估算β的估计越精确,此外使用日度数据估计比月度数据要更好,这与美国的实证结果不同,这是令人很困惑的结果,仍需要进一步的研究。然而在组合分析和Fama和MacBeth(1973)的横截面回归中个股的β与收益率并不存在显著的正向关系,大多数还是负关系,同时存在显著的α。这一实证异象有待于进一步研究。解决横截面的风险收益关系的实证方法有多因子模型、分类检验以及条件CAPM模型。然而在众多的多因子模型中主要关注的是是否消除了 α而并不关心沒与收益率的显著关系(Liu,Stambaugh和Yuan(2019a),Hu等(2019))。本文主要从条件CAPM模型入手,构建出了基于使用IPO首日收益率的条件资产定价模型,并加入了经济不确定性指标,在Avramov和Chordia(2006)的两步回归分析框架下对比检验了多个定价模型对我国股票市场收益异象的检测效果。表明时变的风险度量β能够在横截面很好地解释收益率的变动,结果发现,包含IPO首日收益率的条件资产定价模型更加能够显著地解释我国股市中存在的规模、价值异象。对于特质波动率而言,经过加入了投资者情绪的条件资产定价模型的风险调整之后的收益,与特质波动率显著正相关,而这也符合Merton(1987)的理论结果,在加入了经济不确定性指标作为额外的条件信息之后结果依然稳健。对于流动性溢价而言只有在经济不确定性指标作为额外的条件信息之后的条件CAPM才能解释,这说明经济不确定性是造成中国股票市场流动性溢价的主要原因。本文的实证结果对于不同的特质波动率和非流动性的度量都很稳健。在模型中还控制了前三个月的复合收益,但是传统的资产定价模型是反转效应,但是在加入了投资者情绪以及政治不确定性之后,却转为动量效应,由此进一步证实了投资者情绪因素在资产定价模型中扮演着非常重要的角色,当然稳健的动量效应的实证结果仍需要进一步的研究。在Merton(1987)的假设中,如果投资者持有的投资组合不够分散,那么风险厌恶的他们则需要正向的特质风险与收益率的关系。这与中国的投资者以散户为主,共同基金等发展还是初步阶段的市场状况(Carpenter和Whitelaw(2017))十分吻合。特质风险与收益率在横截面上的关系是本文进一步研究的内容。使用Wang,Yan和Yu(2017)的资本利得指标CGO,在横截面使用与2000年至2018年的样本,通过投资组合分析发现特质风险与收益率之间的显著关系只存在资本利得CGO较高的组,在资本利得CGO较低的组中并不存在显著关系,这与美国的实证结果完全相反。在Fama和MacBeth(1973)的横截面回归中,控制了 CGO以及CGO和特质波动率的交乘项之后,特质波动率与下一期收益率的关系变为在1%的置信水平下正显著,在未报告的结果中多种特质波动率的计算方法均显著,使用个股的波动率也是如此。本章的实证最可能的解释则是基于RDP(reference-dependent-preferences,如PT)的视角,依赖参照的投资者的存在改变了标准偏好所隐含的传统的正风险收益关系。然而投资者的风险厌恶水平是否真的在不同的CGO组中存在差异,这也需要进一步的检验。总而言之,以如今第二大市值的中国股票市场的实证研究为基础,对金融学理论提供了新的证据,发现在中国股票市场的确存在正向的风险收益率关系,ICAPM模型中的对冲因子不能被忽略。横截面上条件CAPM模型能够解决静态CAPM并没有正向风险收益关系的失败,资本利得CGO分组能够得出特质波动率度量的特质风险与收益率是正向关系。