论文部分内容阅读
中国改革开放以来,在经历了较长时间的经济增长期之后,企业债务形势严峻、融资难度增加、内部需求严重不足以及各方投资渠道匮乏等问题逐步突显,而大力发展资本市场是解决这些问题的有效途径之一。中国资本市场成立至今已有二十余年,深受历史因素、政府角色等多方面的影响,形成了与发达国家截然不同的制度背景和市场环境。由于现代资本市场的理论研究是基于发达国家的成熟资本市场发展起来的,如何在借鉴国外现有成果的基础上,结合中国资本市场的实际,发展适用于中国市场的资产定价理论无疑具有十分重要的理论和现实意义。 资产定价理论(Asset pricing theory)作为金融经济学最重要的主题之一,试图解决市场中两个最重要的问题:一,如何对资本市场上的风险进行定价;二,不确定条件下未来支付的资产价格或者价值是多少?目前,有关中国资本市场风险定价因子和股票收益率预测的研究虽然不少,但大多处在零散的,缺乏系统性分析的层面,亟待加强。因此,基于上述考虑,本文在参考国外文献的基础上,结合中国资本市场的现实情况,分别从横截面和时间序列两个角度出发,一方面详细分析和检验影响中国股票市场的风险因子,探讨消费、投资等因素对资本市场投资组合横截面收益差异的解释能力,并创新性地对Belo(2010)的理论进行拓展,提出适用于中国的生产资本资产定价理论模型;另一方面在重新检验国内外流行的诸多经济变量对中国股票收益率的预测能力后,通过引入其他领域常用的“组合预测法”来对A股市场投资组合收益率和13个行业投资组合收益率进行样本外预测,并证实了“组合预测法”相较于单变量预测法、历史平均预测法和主成分分析预测法,能够更好地预测中国股市的未来收益,从而为投资者和机构做出正确投资决策提供了新的方法。 全文共分为六章,各章的主要内容如下:第一章为导论,具体包括:研究背景与问题的提出、研究的内容、研究的结构以及研究的改进与创新等。第二章为文献综述,包括对多因素模型、消费资本资产定价模型、生产资本资产定价模型的发展脉络和股票收益可预测性研究四大部分文献进行回顾和评述。第三章重新检验了Fama-French三因素模型和消费资本资产定价模型在中国资本市场的的定价能力。第四章是生产资本资产定价模型的构建。该章在Belo(2010)模型的基础上进行了拓展,将资产价格表达为生产-现金流贝塔和生产-折现率贝塔的函数,并运用社会总投资和中国股市的数据,率先探索生产资本资产定价模型在中国资本市场的有效性。第五章引入“组合预测方法”对市场和行业投资组合进行样本外预测,并从统计意义上和经济意义上对该方法的预测能力给出合理解释。第六章是全文总结,包括研究结论与启示、研究的局限性及未来的研究方向。 本文的主要思路和研究结论如下: 首先,中国股票市场存在显著的规模效应和动量效应,但并不存在价值效应。尽管Fama-French三因素模型在中国市场的有效性研究至今没有得到统一结论,但本文在尽可能选取合理的样本长度条件下,采用Fama-Macbeth两步回归法对该模型的有效性进行了检验,发现市场因子、SMB因子和HML因子对中国股票横截面收益变化均存在一定的解释能力,三者的风险价格不仅为正而且显著,Fama-French三因素模型整体解释能力也高达61.9%;消费变量作为定价因子虽然在美国市场取得了较大的成功,但本文证实,无论是标准的消费资本资产定价模型,还是通过现金流增长率和总消费之间的协同关系构造出的“消费贝塔”,其实证表现均否定了消费变量在中国资本市场的定价能力。认为这是因为在近三十年的经济发展进程中,消费率一直偏低,对经济增长贡献率相对较小,从而无法反映宏观经济与资产收益率之间的相关性,对资本市场的定价能力自然不高。 其次,虽然在国际金融市场上已经有大量对生产资本资产定价模型的相关研究,但国内目前还鲜有对该领域的研究。基于此,本文率先探索生产资本资产定价模型在中国资本市场的有效性。根据现值模型,资产回报对定价因子的风险可以分解为现金流风险和贴现因子风险,借鉴这一思路,在Belo(2010)生产资本资产定价模型的基础上进行拓展,将资产价格表达为生产-现金流贝塔和生产-折现率贝塔的函数。在理论拓展之后,运用社会总投资和中国股市的数据构造出“生产贝塔因子”进一步检验了该模型的有效性。研究发现,生产贝塔因子能够很好地解释股权溢价的横截面差异,其对不同资产组合的截面收益差的的解释能力可达35%以上,这与消费变量的解释能力形成鲜明对比。更重要的是,如果把生产的资产定价因子加入到Fama-French三因子中,则模型解释力可从61.9%提高到68%左右。总之,不论是单个因子的表现,还是在多因子模型中的边际贡献,生产定价因子都是影响资产定价的重要因素,本文提出的生产资本资产定价模型也为学术研究和投资实务提供了新的定价工具,对更好的理解资产价格具有重要意义。 最后,现代资产定价理论除了要解释不同风险资产之间的收益差距即横截面收益差是多少之外,还需要解决一个最核心也是最实际的问题,即如何利用理论和方法对资产未来收益或价格进行时间序列上的预测。通过选取16个经济变量对A股市场投资组合收益率和13个行业投资组合收益率进行样本内和样本外检验,发现只有股利支付率、债券收益率、通货膨胀率存在一定的样本内解释能力,而这些变量对资产收益率的样本外预测效果甚至不如历史平均法。由于真实数据是不可知的,任何“最优”的预测方法都有可能随时间改变从而产生模型误差或测量偏差,为了降低这种不稳定性,引入在GDP预测、城市人口统计等其他诸多领域常用的“组合预测方法”,提取出16个经济变量的组合因子来对A股市场和行业资产收益率进行样本外预测。实证结果表明,不论是从样本外拟合程度R2os,还是从效用增益角度来看,组合预测方法都显著优于单个经济变量的样本外预测能力,也优于历史平均法,能够很好地预测股票的未来收益率。此外,由于目前流行的主成分分析预测法也是整合来自所有经济变量的相关信息,对两种预测方法进行了比较,结果发现,主成分分析法的预测效果受成分变量的影响非常大,预测效果很不稳定,而组合预测不仅拥有更优的预测能力,成分变量相关性越弱预测能力越强,并且预测效果也更稳定。对于组合预测方法优秀的预测能力,给出了以下解释:一,组合预测方法可以在不提高预测偏差的前提下降低预测方差从而有效降低MSPE;二,组合预测方法可以捕捉到单变量预测和历史平均预测无法反映的细小波动,从而在不同经济时期对不同投资组合收益都能表现稳定的样本外预测能力。最后,进一步研究了通过组合预测方法得到的股市收益与宏观经济之间的联系,从而在经济意义上为组合预测法提供了实证支持。