低风险高收益：异象还是假象?——来自中国股市的证据

摘要

在传统资产定价理论完全信息市场和投资者完全理性的假设下，股票的预期收益率只与系统性风险有关，与公司特质风险无关，且预期收益率与系统性风险成正比。但众多的实证研究表明，股票的系统性风险与收益率间的正比关系较资产定价模型所预测的更平坦，甚至越来越多的研究发现，股票的系统性风险与预期收益率间呈现出显著的负相关关系。用Beta来衡量系统性风险时，表现为Beta越小的股票未来收益率越高，Beta越大的股票未来收益率反而越低，这种现象违背了传统的资产定价理论和人们认知中“高风险、高收益”的常识，因而被称之为Beta异象。同时，许多学者也通过实证发现，股票的特质风险与预期收益率间的关系并非理论模型中的不相关，而是呈显著的负相关关系，即特质风险越小的股票预期收益越高，而特质风险越大的股票预期收益越低。由于学术界常用特质波动率来衡量股票的特质风险，所以这种现象被称之为特质波动率异象或特质波动率之谜。Beta异象和特质波动率异象又因其都有“低风险、高收益”的特征，而被合称为股市低风险异象。　　Beta异象和特质波动率异象的发现引发了一系列对这两种异象解释分析的研究，但迄今为止学术界仍没有一致的结论。已有的研究大多数都是从投资者行为和市场微观结构缺陷两个角度进行解释，也有部分学者从实证方法差异的角度做了一些分析。在国内，学者们对于低风险异象的关注目光主要集中在特质波动率异象上，对Beta异象的研究相对较少，已有研究均得出了中国股市中显著存在Beta异象和特质波动率异象的结论，但对于两种低风险异象的解释意见并不一致。梳理已有研究发现，国内对于低风险异象的解释局限在一些经典理论中，缺乏新的角度，且少有文献同时对比Beta异象和特质波动率异象，对两者间的关联性研究还很不够。　　在已有研究的基础上，本文对中国股市低风险异象进行了全面深入的考察和分析，同时研究了两种低风险异象在中国股市中的存在性及形成原因，且探讨了两种低风险异象间的关联性。首先，通过日度收益率数据计算出了个股的月度Beta和月度特质波动率，再使用单变量排序分组法检验了Beta异象和特质波动率异象在中国股市中的存在性。然后，选取代理变量，使用双变量排序分组法检验了目前最主流的两种低风险异象解释理论，即彩票型股票偏好理论和套利限制理论对中国股市中两种低风险异象的解释能力。此外，本文引入了偏度因子，使用已实现的特质偏度和预期的特质偏度两种偏度计算方式，检验了偏度因子在定价中被遗漏的理论是否可以解释两种低风险异象。最后，本文使用双变量排序分组法和Fama-MacBeth回归，探究了两种低风险异象间的关系。　　本文研究结果表明，中国股市中同时显著存在Beta异象和特质波动率异象两种低风险异象，并且即使通过Fama-MacBeth回归控制了公司市值、账面市值比、换手率、动量因子、反转因子等因素后，两种低风险异象仍然显著存在。Beta异象和特质波动率异象的成因方面，彩票型股票偏好理论、套利限制理论和偏度因子定价遗漏均能解释Beta异象，但都无法解释特质波动率异象。此外，本文还发现，无论是使用双变量排序分组法，还是使用Fama-MacBeth回归，在控制了Beta后，特质波动率异象仍然显著，但控制了特质波动率后，Beta异象却都消失了，因此，本文认为中国股市低风险异象的实质为特质波动率异象而非Beta异象。　　本文的贡献主要在于创新性地引入了偏度因子，并通过已实现的特质偏度和预期的特质偏度两种计算方式，从偏度因子在定价中被遗漏的角度来尝试解释两种低风险异象，丰富了中国股市低风险异象的解释理论。此外，本文还在两种低风险异象成因分析的基础上，引申探讨了Beta异象和特质波动率异象间的关联性，得出了中国股市低风险异象是由特质波动率异象所驱动的结论。同时，本文的研究也存在些许不足，主要体现在本文选取的三种理论均能解释Beta异象，却都无法解释特质波动率异象，特质波动率异象成因还有待进一步研究；此外，本文在模型和代理变量的选择方面借鉴了已有的文献，没有进行更多的探索。

目录