中国股票市场横截面收益与风险的研究——基于REE模型的研究

摘要

从股票在中国现身之日起，由于股票收益的不确定性，使得其收益与风险的关系一度成为了学者研究的热点。二十世纪后，现代金融体系逐步建立，基本形成了以资本资产定价模型和有效市场假说为主的金融体系。很多学者对资本资产定价模型和有效市场进行验证，有效市场假说认为所有可获得的信息都被股票价格反映，股民只能获得正常收益。但是从七十年代末以后发现了各种异常现象，用资本资产定价模型和有效市场不能很好的解释，这些异常现象被称为横截面收益异象。这种横截面收益表现为股票按特征值分组，有相同特征的股票的收益会呈现协调效应，组合在一定时间内，一组股票组合的收益率会显著不同于另一组股票组合。为了解释横截面收益异象要用新的方法和理论，这必将推动金融学科的发展。　　目前欧美学者对欧美的股票市场通过实证研究发现，虽然欧美股票市场已经非常成熟，但仍存在非常显著的股票横截面收益现象。而中国股票市场本来起步就较晚，相关制度也不够健全，再加上存在庄家操纵及政府干预等现象，因此中国股票市场更加不够成熟，所以中国股市中的横截面收益现象比欧美市场明显。实际上，中国学者已经对β因子、规模因子、市盈率倒数、账面市值比及波动率因子对中国A股市场的横截面收益现象的解释能力进行了研究，他们的研究发现中国股票市场的横截面收益现象比欧美市场要显著。国外学者已经开始从其它角度对横截面收益现象进行研究，而国内学者一般还是基于资本资产定价模型对横截面收益现象进行研究的，还鲜有学者从理性预期均衡模型着手研究。本文试图从理性预期均衡模型（REE模型）着手，构造一个代理变量，研究代理变量对横截面平均收益现象的解释能力。　　结合本文的研究问题，文章使用定性与定量方法相结合，理论研究与实证研究相结合的研究方法。通过对上市公司横截面平均收益现象、成因的研究综述以及对横截面平均收益现象研究方法和本文使用的理性预期均衡模型的简单介绍，知道了关于横截面平均收益研究方法主要可以分为下面两种:第一种是投资组合分组法，主要是进行描述性统计研究;第二种是FM(Fama-MacBeth)横截面回归法，主要是进行计量经济模型研究。　　通过对横截面收益的研究方法的回顾，根据不同研究方法的特点和本文研究样本特点，对于横截面收益现象存在与否，根据不同的研究方法的适用条件，本文选择FM横截面回归方法来检验;对于横截面收益现象的影响因素研究，学者们都是通过构造因子或者以特征值为基础进行研究。近几年在实证方面和理论方面都有学者研究发现信息和摩擦能影响股票横截面平均收益，并且学者们通过研究提出了很多能解释股票横截面平均收益的新指标。本文主要参考Burlacu，Fontaine，Jimenez-Garcès和Seasholes(2012)这篇文献，从理性预期均衡模型(REE)出发来研究股票横截面平均收益，验证代理变量在中国股票市场是否仍具有解释能力，并观察加入其它变量后其解释能力是否有所减弱。　　为了避免因为再次选择产生的偶然性，我们的样本采用沪深两市1997年1月-2012年12月全部正常上市的A股主板数据作为样本期间。为了保证样本数据能真实反应股市情况，对数据进一步的筛选，剔除被ST、*ST和PT的公司数据、剔除中小板股、剔除2011年及以后发行上市的股票、剔除特殊股票以及股票第一天上市的初始收益率数据。在选择解释变量时，通过国内外回顾文献，确定了本文使用的变量。接着对数据进行描述性统计分析，以查看数据的基本特性。　　接着就是本文的核心部分，代理变量的构造和对样本数据进行实证检验。　　首先是代理变量的构造。根据Hellwig(1980)的多资产一般化模型，假设市场中存在N个经济代理人和两个时期，为使每个代理人的期望效用最大化，而得到一个关于理性预期的均衡模型。该模型主要受到两个因素的影响，一个因素是私人信息精度，另一个因素是风险资产的供应噪音。本文考虑均衡价格函数是信息和供应的线性函数的情况，并且引用典型的REE模型，假定各因子之间不相关的，通过一系列的推导可以得到一个将股票的期望收益率和以价格为基础的收益的时间序列变量R2联系到一起的表达方式E[ri]=(Vi/Ui·R2i/1-R2i)1/2(Z)i。　　该代理变量的具体构造步骤为:第一步，对样本期间的每一只股票i计算出自己的价格序列pricei,k=pricei,k-1×（1+ri,k）;第二步，对样本期间的市场组合计算出自己的价格序列pricem,k=pricem,k-1×(1+rm,k);第三步，将股票i第k天的价格标准化PNi，k=pricei,k/pricem,k;第四步，以股票行业代码对股票进行分组，第一组与股票f的经济相关性最大，此组的标准价格PNSIC3i,k，第二组与股票f的经济相关性次之，此组的标准价格PNSIC23，k，第三组与股票i的经济相关性最小，此组的标准价格PNSIC12，k;第五步，以股票f在第k-1天的标准价格与其第k天的收益率建立回归方程。该回归得到的一个拟合值R2i,t即与之前得到的时间序列变量相同;第六步，就是将两个变量联系起来分析，即得到本文的代理变量Pr oxyE[r]i,t。为了更好的理解R2i和E[ri]之间的关系，从理论分析、数值分析以及实证分析三个方面进行研究。　　其次就是本文的实证检验部分。本文使用两步横截面回归方法，对个股进行回归检验，并逐步加入了股票β估计值、股票市场价值对数ln（MktCap）、账面市值比对数ln(B/M)等进行回归，发现除了ln（MktCap）不显著外，其它解释变量均在99％的置信水平下显著。并且代理变量的系数为-3.54，其t统计值为-3.09，能显著有效的解释个股横截面收益现象。经过进一步分析，得出本文的代理变量在经济上和统计上都能预测股票横截面收益的结论，实证分析，也表明股票收益率在代理变量均值上下一个标准差的两只股票的收益率月度差异大约为2.79％，其年化差异为33.47％（为负相关关系），换句话说就是，比代理变量均值高一个标准差的股票收益率，比那些低于代理变量均值一个标准差的股票收益率要低33.47％（为负相关关系），且在1％的显著水平下都有统计意义。　　不过很遗憾的是，由于某些主观及客观的原因，比如中国上市公司变动较大、公司主营业务也经常变动，再加上信息技术受限而无法把公司行业变动的信息更新到相关数据库，导致本文的代理变量无法解释行业组合横截面收益现象。虽然由于种种原因导致本文存在诸多不足，但这些并不影响本文代理变量ProxyE[r]可以解释中国股票市场横截面平均收益现象的结论。　　具体来说，本文可能的创新有以下几个方面:　　1、通过上市公司股票横截面收益现象的文献回顾，知道国外学者已经开始从理性预期均衡模型出发来研究横截面收益现象。而国内学者在这方面的研究还比较少，国内学者在理性预期模型方面的研究，主要集中在该模型在宏观经济中的应用，比如利用REE模型分析经济周期相关问题，分析政府政策有效性及验证中国股市是否符合理性预期等。通过国内学者的研究已经发现中国股票市场中的横截面收益现象比欧美市场明显，因此从一个新的角度来研究横截面收益现象很有必要。　　2、本文从理性预期均衡模型（REE模型）着手，将其两个不可观察的因子（信息精度和供应噪音）转化为一个可以根据现有数据估计并与预期收益相关的指标，即前面提到的代理变量，并尝试通过不确定性风险来解释代理变量对横截面收益的解释能力，同时本文还采用了从理论分析、数值分析和实证分析三管齐下的分析方法。　　3、通过文献回顾，国外学者一般使用Willian Sharpe、John Lintner、Jack Treynor和Jan Mossin的资本资产定价模型（CAPM模型）为理论基础进行研究，将市场因子(β)、市场资本化(MktCap)、账面市值比(Book-to-Mkt)、换手率(Turnover)、非流动性(Illiquid)等变量作为衡量超额收益的变量。国内学者也基本如此，但是本文希望借鉴Burlacu，Fontaine，Jimenez-Garcès和Seasholes(2012)的研究，计算一个代理变量指标，验证其对股票横截面收益的解释能力。　　4、由于中国金融市场发展相对落后，统计调查数据不够完善，国内没有人从REE模型出发研究上市公司股票横截面收益，如果实证结果能证明本文的代理变量能解释中国上市公司股票横截面收益现象，将对预测股票收益有重要的帮助。

目录

声明

摘要

1．1选题背景和意义

1．1．1选题背景

1．1．2选题意义

1．2文献综述

1．2．1横截面收益国内外相关文献

1．2．2理性预期模型国内外相关文献

1．3写作思路

1．3．1本文创新点

1．3．2写作思路

2．理论基础

2．1 REE模型介绍

2．2代理变量构造

3．主要实证变量构造及数据描述

3．1实证变量的构造

3．2同类其它文献所用变量描述

3．2．1 β系数

3．2．2股票市场价值对数指标

3．2．3账面市值比对数指标

3．2．4 ln(Turnouer)指标

3．2．5 Illiquid指标

3．3．1数据的选取方法

3．3．2剔除中小板企业股票的原因

3．3．3变量的描述性统计

4．研究方法

4．1横截面收益现象研究方法

4．1．1投资组合分组法

4．1．2 FM回归法

4．2本文主要研究方法

4．2．1定性与定量方法相结合

4．2．2理论研究与实证研究方法相结合

4．2．3本文实证研究方法

5．1个股回归检验

5．2经济意义

5．3加入其它变量再进行个股回归检验

5．4股票组合回归检验

5．4．1股票组合收益率的计算

5．4．2股票组合回归实证

6．结论及进一步研究的方向和建议

6．1主要结论

6．2本文的不足

6．3进一步研究的方向和建议

参考文献

附录

后记

致谢

在读期间科研成果目录