中国股市预期收益率的横截面研究*，本文主要内容关键词为：横截面论文,收益率论文,中国论文,股市论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
早期实证研究表明股票预期收益率由系统风险Beta决定，可用CAPM模型进行预测。然而，最近20多年的研究发现预期收益率并不能由风险系数β单独决定，其它基础变量也有解释作用。针对不同股市的实证研究揭示出类似的结论。比较一致的观点是Beta对预期收益率的解释力比较弱，而一些基础变量，对预期收益率的解释力显著。我国学者也曾对股市风险与预期收益率的关系进行了研究。陈小悦、姚怡涛（1995）等人的研究发现股票的平均预期收益率至少与两个独立变量成线性关系，平均预期收益率与全部风险成正相关，而与成交规模成负相关。这些研究形成了预期收益率与各基础变量关系的风险定价的实证模型。随着我国股市的进一步发展，积累了更多的实证数据，为深入研究其规律性特征奠定了基础，本文试图在这方面做些新的探索。
一、收益率与基础变量的计算及研究方法
1.样本数据及变量的选取与计算
我们使用海融公司提供的沪深两市1995年7月至1999年6月上市公司股票价格数据库计算收益率，同时使用上市公司1996年至1998年年报中提供的各项财务指标计算各基础变量。
根据国外学者对发达资本市场实证研究并考虑我国股市的实际发展状况，我们在研究过程中选取股票总风险。σ[2]、风险系数Beta、 公司规模Size、收益价格比率E／P、每股净资产APS、每股权益BPS作为影响预期收益率的解释变量。
（1）收益率的计算。回归模型中的因变量为预期月收益率， 计算Beta和总风险用周收益率。每支股票的月收益率＝LN（该支股票当月月末的收盘价／上月月末的收盘价）
每支股票的周收益率＝LN（该支股票该周周末的收盘价／上周周末的收盘价）
LN为自然对数，股票价格为复权复息价格。
（2）Beta系数的计算。Beta 系数是衡量股票对市场变化的敏感程度的一种指标，代表了某支股票的系统风险。第i只股票的Beta 系数为Cov（ri,rM）： β[,i]＝───────δ其中，ri，rM，分别表示第 i只股票和δ[2][,M]市场指数的收益，[2]δ[,M]为市场指数收益率的方差。 各股票在任一时点的
Beta 系数是用这一时点的前52个周收益率计算出来， 并用Vasick方法对其进行了调整。我们之所用周收益率计算Beta系数，是因为日收益率受股票交易中的噪声影响严重，月收益率样本数不够多。
（3）总风险。σ[2]的计算。σ[2]是衡量股票总风险的指标。 每支股票在任一时点的总风险等于该支股票在这一时点的前52个周收益率的方差。
（4）公司规模Size的计算。 我国上市公司的股权结构与国外区别较大，在发行上市时和上市后，同一公司不同股权的股票在价格和流通性方面不相同，考虑到研究的对象是市场的预期收益率，因此，我们重点分析公司的流通市值对预期收益率的影响，因此取Size＝LN（流通股数*市价），代表公司规模， 每个公司的流通股数可以从当年的年报中获取，对流通市值取自然对数主要是考虑减少与预期收益率回归时因变量数值差异引起的误差。
（5）收益价格比率E／P的计算。E为会计年未时的每股收益，即：摊薄后的税后利润／总股本，它可以从公司当年年报中获得；P 为股价，该比率实际是市盈率的倒数，反映投资者对公司增长前景的预期。
（6）每股净资产APS的计算。每股净资产APS 为公司的净资产与总股本之比，可以从公司年报中直接获取。
（7）每股权益BPS的计算。每股权益BPS＝LN （股东权益／总股本），股东权益和总股本都可以从年报中获得。我们选取BPS 作为解释变量，它实际上是反映公司帐面价值的一个指标。这里，我们并没有选取B／M作为解释变量（B／M代表公司帐面价值与其市场价值的比率，公司帐面价值由年报中的资产负债表中得到，市场价值由流通市值表示）。虽然国外大部分实证得出的结论都表明B／M对预期收益率有着较显著的解释作用，但是在我国上市公司的股本结构中存在大量非流通股，从而使B／M很难充分反映公司市场价值与帐面价值的关系，不能很好地反映投资者的投资预期。
2.研究方法及步骤
预期收益率的横截面研究是利用因素模型和横截面回归法，分析风险变量对预期收益率的解释能力，从而发现风险资产定价中的规律性特征。横截面回归法（F—M方法）是由Fama和Macbeth（1973 ）提出的用来研究股票市场因素模型的方法，它首先假定预期收益率对某些因素的敏感度，在一个确定的横截面时点上将N 支股票的预期收益率与敏感度进行回归，得出因素值；然后在下一个横截面时点上重复同样的过程；最后将在所有横截面时点上回归得出的回归系数取平均值，并计算t 统计量以检验解释变量的显著程度。横截面回归法中得出的因素通常称为实证因子。
（1）单因素横截面回归。我们引入如下六个单因素回归模型， 对Beta、σ[2]、Size、BPS、APS、E/P进行检验，分析股票预期收益率对各个因素的敏感程度。
R[,i]＝α[,i]+Iβ[,i]+c[,i]
R[,i]＝α[,i]+I（APS）[,i]+c[,i]
R[,i]＝α[,i]+Iσ[2][,i]+c[,i]
R[,i]＝α[,i]+I（BPS）[,i]+c[,i]
R[,i]＝α[,i]+I（Size）[,i]+c[,i]
R[,i]＝α[,i]+I[,1]（E／P）[,i]+I[,2]（E／PNEG）[,i]+c[,i]
i＝1，2，…N，N为股票的样本量
R[,i]为第i只股票的预期收益率，a[,i] 是各个因素的值为零时的第i只股的期望收益率，I为回归系数，C[,i]为随机误差项， 其余变量为第i只股票的各基础变量。在第六个回归模型中，使用了虚拟变量E／PNEG，当公司利润为正时，E／PNEG的值为0；当公司利润为负时，E ／PNEG的值为1，E／P的值为0。我们引入这个变量，以反映具有负利润的公司的特征。
┌E／P 若E／P≥0
E／P＝〈
└0若E／P＜0
┌1
若E／P＜0
E／PNEG＝〈
└0
若E／P≥0
利用上市公司的95年至99年的价格与财务数据，从96年6 月末开始，直到99年5月，计算每个月末各股票的Beta、σ[2]、Size、E／P 、BPS、APS；从96年7月份开始，直到99年6月，计算各股票的预期月收益率，一共36个横截面时点，每个横截面时点上的股票样本数从790 支到821支不等。我们对各个变量进行回归。具体过程分成两步：第一步， 在某一时点上，将各股票月未时Beta、σ[2]、Size、E／P、APS、 BPS作为独立变量，与下月各股票的预期月收益率作为因变量进行回归，得到该时点回归系及t统计量， 参与回归的股票数即为该时点回归方程的样本数。在96年7月至99年6月的36个时点上重复进行，对每一变量都有36个回归方程及相应的回归系数和t统计量。第二步，使用F—M 方法计算各变量回归系数的均值，t统计量等参数， 以研究这些变量的解释力是否显著。
（2）多因素的横截面回归。在单元回归中，Size、E／P、E／PNEG、BPS对预期收益率解释能力显著， 为了进一步研究这些变量的解释能力，我们对上述变量进行多元回归，建立如下多元回归模型：R[,i]＝a[,i]+I[,1]（Size）[,i]+I[,2]（BPS）[,i]+I[,3]（E／P）[,i]+I[,4]（E／PNEG）[,i]+c[,i]i＝1，2，…，N为股票的样本量
多因素的横截面回归过程与上述的单元回归过程类似。
表1单个基础变量对预期月收益率回归结果
Beta
σ[2]
Size
E/P
回归系数均值0.0669 0.1024 -0.01561.2556
t统计量
1.0071 0.4264 -3.28973.0963
E/PNEG
APS
BPS
回归系数均值-0.3152 -0.0065
-0.0038
t统计量
-3.5820 -1.7497
-1.9963
二、实证结果分析
1.单元回归结果分析
各基础变量单因素回归的结果见表1（详细结果见附表1）。
附表1：各横截面单个基础变量对预期月收益率回归结果
变量 Size Betaσ[2]
时点 回归系数 t统计量
回归系数 t统计量
回归系娄 t统计量
9607 0.00450.8800-0.0037 -0.1960 0.8070
1.7560
9608 0.00180.4130-0.0008 -0.0470 1.0120
1.3720
9609 -0.0021
-0.5820-0.0380
2.4960-0.7080 -1.0450
9610 0.00060.0530 0.0192
0.8150-3.5160 -1.9640
9611 0.02832.6060-0.0203 -0.7610-0.0969 -0.4860
9612 0.03301.6640 0.0040
0.1810 0.1450
0.4130
9701 -0.0214
-1.4630 0.0053
0.6310 0.2600
1.3170
9702 0.03333.0150 0.0701
1.3210 0.2980
1.6300
9703 -0.0047
-0.4880 0.0275
2.7710-0.2070 -0.7620
9704 -0.0070
-0.5030 2.2360
0.1840 0.1420
0.3330
9705 -0.0400
-4.6390 0.0234
2.0560-0.1110 -0.3370
9706 -0.0084
-0.7440-0.0414 -3.6040 0.3150
0.5840
9707 -0.0167
-1.7060-0.0025 -0.5110-0.4950 -3.7600
9708 -0.0213
-3.4380 0.0174
3.1370-0.1380 -1.0180
9709 -0.0357
-3.2520 0.0078
0.9290-0.0373 -0.4430
9710 -0.0115
-0.7260-0.0175 -1.3710-0.2670 -0.6870
9711 -0.0288
-2.1040-0.0021 -0.1700-0.4400 -1.1790
9712 -0.0042
-0.3640-0.0050 -0.4830-0.0080 -0.0450
9801 -0.0552
-5.9510 0.0665
0.9832-0.1890 -1.3000
9802 -0.0308
-3.5150 0.0077
1.2640-0.1390 -0.7330
9803 -0.0313
-4.3140-0.0044 -0.0410 0.4000
1.3370
9804 0.04030.5900-0.0027 -0.0270 1.6720
4.9020
9805 -0.0295
-0.4602-0.0044 -0.9640-0.6860 -1.6460
9806 -0.0082
-1.1480-0.0291 -3.6650-0.6840 -1.2740
9807 -0.0299
-6.5330 0.0011
0.2000-0.4820 -1.0020
9808 -0.0295
-6.0140-0.0045 -0.6810-2.1190 -3.6620
9809 -0.0289
-4.8510-0.0115 -1.6880-0.7570 -1.0500
9810 -0.0393
-4.9900 0.0135
2.1210 1.4210
1.3920
9811 -0.0782 -10.6180 0.0003
0.0570-0.6210 -0.5520
9812 -0.0169
-2.3880-0.0138 -3.0990 0.1990
0.1640
9901 -0.0191
-2.8700 0.0026
0.7420-2.0100 -1.4490
9902 -0.0201
-3.0080 0.0029
0.7160 3.8010
3.0330
9903 -0.0843 -13.9360 0.0202
3.8540 3.4540
2.4920
9904 -0.0426
-6.4700 0.0027
0.5300 2.5030
1.8160
9905 0.02484.5640-0.0035 -0.8350-1.6060 -1.4730
9906 0.01853.6660 0.0081
1.6410 2.5740
2.3720
系数 -0.0156
0.0669 0.1024
t统 -3.2897
1.0771 0.4264
变量
APS BPS
时点 回归系数t统计量
回归系数 t统计量
9607 -0.0129 -3.1350
-0.0015
-1.3610
9608
0.0090 2.19400.00080.7880
9609
0.0539 0.13200.00020.1930
9610
0.0345 3.29500.00060.2370
9611
0.0351 3.92000.00783.1740
9612 -0.0117 -0.99300.00100.3020
9701 -0.0076 -0.60600.00270.7570
9702
0.0066 0.6930
-0.0004
-0.1530
9703 -0.0166 -1.8100
-0.0066
-2.6930
9704 -0.0404 -3.3390
-0.0034
-0.9650
9705 -0.0166 -1.7030
-0.0018
-0.7810
9706
0.0088 0.73300.00441.5210
9707 -0.0005 -0.0580
-0.0041
-1.3180
9708 -0.0245 -5.5720
-0.0044
-2.2280
9709
0.0027 0.3390
-0.0022
-0.6110
9710
0.0323 2.91700.00330.6590
9711 -0.0387 -4.3540
-0.0884
-1.8300
9712 -0.0218 -0.3850
-0.0033
-8.3500
9801 -0.0190 -5.5680
-0.0022
-0.6400
9802
0.0085 -3.3770
-0.0012
-0.4100
9803 -0.0025 -3.6120
-0.0059
-2.3660
9804 -0.0051 1.76700.00271.1790
9805 -0.0239 -0.5720
-0.0009
-0.4120
9806 -0.0243 -0.0110
-0.0038
-1.6080
9807 -0.0139 -0.6180
-0.0190
-4.8710
9808 -0.0047 -5.9600
-0.0182
-4.4780
9809 -0.0409 -2.8170
-0.0118
-2.4180
9810 -0.0025 -0.74500.02644.2910
9811 -0.0236 -6.8780
-0.0393
-6.6190
9812 -0.0099 -0.4880
-0.0001
-0.0280
9901 -0.0188 -4.9710
-0.0264
-5.6170
9902 -0.0170 -2.0220
-0.0094
-1.8830
9903
0.0074 -3.8770
-0.0215
-4.3020
9904
0.0134 -3.7150
-0.0135
-2.8410
9905 -0.0065 2.06400.00832.3460
9906 -1.7497 3.85500.01403.9070
系数均值-0.0038
t统计量 -1.9963
变量
E/P E/Pneg
时点 回归系数t统计量
回归系数 t统计量
9607
0.1650 1.9910
-0.1390
-0.7720
9608
0.2800 3.45700.19501.1170
9609 -0.0206 -0.22700.05890.3060
9610
1.3430 6.4020
-0.3030
-0.6910
9611
2.1790 9.53800.07320.1720
9612
1.9610 5.5140
-0.9540
-1.7520
9701
0.9830 2.2680
-0.5260
-0.7800
9702
2.4210 6.0740
-0.4130
-0.7110
9703
0.9270 2.39800.23400.4270
9704 -1.0140 -1.9020
-1.3770
-1.9260
9705 -1.0240 -2.2400
-0.9700
-1.2540
9706
6.0750 10.76600.79000.6590
9707
3.3400 9.0280
-0.5690
-2.7620
9708 -0.6660 -2.4020
-0.2390
-1.7120
9709
4.2410 9.8990
-0.5490
-2.1140
9710
9.5220 16.0420
-0.0986
-0.2540
9711
7.0490 10.9770
-1.5270
-4.0600
9712
4.0200 7.1270
-1.0090
-2.8250
9801
0.9260 2.1060
-0.6780
-2.2880
9802 -0.7510 -1.9290
-0.6120
-2.2560
9803
0.2120 0.7240
-0.4930
-2.0660
9804
1.0020 4.4790
-0.2233
-1.0600
9805
0.0637 0.2740
-0.1670
-0.7580
9806
2.5050 7.4550
-0.4300
-2.4450
9807
0.3150 1.0510
-0.3750
-2.4610
9808
0.6920 2.1750
-0.5280
-3.1350
9809 -1.5060 -2.9280
-0.1260
-0.6340
9810
0.5680 1.21300.72702.5560
9811 -2.1400 -4.7280
-0.0399
-0.1530
9812
0.6530 1.77500.10800.4460
9901 -0.7820 -2.6250
-0.9960
-5.1330
9902 -0.9410 -3.19800.14500.6290
9903
0.5710 2.3360
-0.1070
-0.5500
9904
0.0687 0.2820
-0.6100
-0.3017
9905
1.0140 5.7520
-0.2940
-1.7430
9906
0.9500 5.60300.67604.2460
系数均值
1.2556
-0.3152
t统计量3.0963
-3.5820
从t统计量中我们看到，在5%的显著性水平下，Size、E／P（E ／PNEG）、BPS的回归系数显著，对预期收益率具有解释作用；而Beta、σ[2]、APS的回归系数不显著，对预期收益率不具有解释作用。其中，Size与预期收益率成反向关系，表明规模越小的公司的预期收益率越高；BPS与预期收益率成反向关系， 表明每股权益较高的公司的预期收益率相对较低。对E／p来说，当E／P大于零时，预期收益率与E／P成正向关系；当E／P小于零时，预期收益率与E／PNEG成反向关系。
2.多元回归结果分析
将单因素回归中显著的解释变量Size、E／P、E／PNEG和BPS进行多元回归，进一步研究这些变量的解释能力。多元回归的结果见表2 （详细结果见附表2）。
表2 多元基础变量对预期月收益率回归结果
SizeE/PE/PNEG
BPS
回归系数均值-0.0218 1.5191 -0.5199 -0.0023
t统计量
-5.2095 3.5641 -3.7928 -1.6299
附表2：各横截面多元基础变量对预期月收益率回归结果
变量
Size BPS
时点 回归系数t统计量
回归系数 t统计量
9607
0.0012 0.2300
-0.0022
-2.0120
9608 -0.00174 -0.38000.00010.0730
9609 -0.0023 -0.60400.00020.2010
9610 -0.0114 -0.9660
-0.0019
-0.7200
9611
0.0095 0.95000.00400.7660
9612
0.0182 1.25900.00010.0180
9701 -0.0267 -1.7910
-0.0028
-0.7880
9702 -0.0251 -2.3810
-0.0023
-0.8850
9703 -0.0013 -0.1290
-0.0065
-2.6550
9704 -0.0004 0.0270
-0.0016
-0.4490
9705 -0.0399 -4.6070
-0.0017-0.750
9706
0.0145 1.4390
-0.00030.1170
9707 -0.0350 -3.7490
-0.0040
-1.3800
9708 -0.0173 -2.6660
-0.0035
-1.8090
9709 -0.0576 -5.7720
-0.0025
-0.8070
9710 -0.0414 -3.2330
-0.0023
-0.5670
9711 -0.0438 -3.5450
-0.0060
-1.4510
9712 -0.0142 -1.2620
-0.0023
-0.6120
9801 -0.0576 -6.2470
-0.0008
-0.2620
9802 -0.0268 -3.0410
-0.0005
-0.1630
9803 -0.0319 -4.3780
-0.0057
-2.3270
9804
0.0017 0.2510
-0.00251.1290
9805 -0.0301 -4.6660
-0.0008
-0.3510
9806 -0.0146 -2.1000
-0.0039
-1.7110
9807 -0.0279 -5.5740
-0.0118
-2.5960
9808 -0.0285 -5.3560
-0.0153
-3.2140
9809 -0.0248 -3.7680
-0.0018
-0.3200
9810 -0.0595 -7.14600.03765.2850
9811 -0.0665 -8.0880
-0.0190
-2.8130
9812 -0.0228 -2.8930
-0.0006
-0.0960
9901 -0.0035 -0.5050
-0.0179
-3.2580
9902 -0.0163 -2.2620
-0.0006
-0.1070
9903 -0.0828-12.4790
-0.0070
-1.3020
9904 -0.0474 -6.6490
-0.0066
-1.2330
9905
0.0198 3.5310
-0.0007
-0.1720
9906
0.0093 1.73200.00400.9760
系数均值 -0.0218
-0.0023
t统计量
-5.2095
-1.6299
变量
E/P E/Pneg
时点 回归系数t统计量
回归系数 t统计量
9607
0.3320 2.7320
-0.2540
-1.0070
9608
0.2690 2.44200.25901.1700
9609
0.0053 0.05700.11900.6230
9610
1.3080 4.5890
-0.5180
-0.8840
9611
2.0500 6.50000.23800.4000
9612
0.7230 1.4050
-1.0210
-1.2790
9701
0.9420 1.6640
-1.2390
-1.2960
9702
3.1160 5.8900
-1.2860
-1.4330
9703 -0.1670 -0.31100.63400.7650
9704 -1.8880 -2.5220
-3.4570
-2.9930
9705
0.8750 1.7090
-0.6270
-0.5550
9706
5.4640 7.5950
-0.2390
-0.1570
9707
3.9180 8.6870
-1.1230
-3.2030
9708 -0.3190 -0.8610
-0.6160
-2.3770
9709
5.5340 10.7130
-1.2600
-2.6150
9710 10.5040 15.3300
-0.2910
-0.4070
9711
8.0220 10.9170
-2.3380
-3.6240
9712
4.3600 6.6690
-1.3060
-2.2890
98012.000 4.0290
-1.1300
-2.5380
9802 -0.6780 -1.4420
-1.1180
-2.5910
9803
0.2910 0.84000.16300.4210
9804
0.9030 3.2900
-0.5470
-1.1380
9805
0.3250 1.0880
-0.1380
-0.4240
9806
2.5760 6.4310
-0.5030
-2.4680
9807
1.1690 3.6300
-0.3610
-2.3500
9808
1.5830 4.4950
-0.4220
-2.4530
9809 -0.4490 -1.0740
-0.1770
-0.8560
9810
0.6150 1.15400.61502.0890
9811 -0.6240 -1.26000.12900.4870
9812
0.9790 2.26100.13200.5140
9901 -0.7090 -2.0610
-0.8580
-4.2860
9902 -0.8370 -2.46900.16400.6830
9903
0.3230 1.2660
-0.0562
-0.3010
9904
0.6740 2.49200.5630
-2.7310
9905
0.7610 3.7900
-0.3190
-1.8800
9906
0.7390 3.69400.59703.5310
系数均值
1.5191
-0.5199
t统计量3.5641
-3.7928
回归结果的t统计量表明，Size和E／P（E／ PNEG）的回归系数在5%的显著性水平上显著，仍然保持了对预期收益率的解释能力，而 BPS的回归系数不显著，其解释作用消失，说明Size和E／P的联合解释能力吸收了BPS的解释作用。
三、结论及解释
通过实证研究，我们得出如下结论：Size和E／P对于预期收益率的解释显著，是预期收益率的风险定价因素，而Beta、σ[2]、APS、 BPS对预期收益率无显著的解释作用。对上述结果我们作如下解释：
1.Size与预期收益率存在负相关，公司规模与预期收益率成反向关系，即存在小规模公司效应，同国外的实证结果一致。在发达的资本市场中，一般认为，小规模公司的风险较高，投资者所要求预期收益率也较高。在我们的研究中，公司规模是以上市公司的流通股为基础计算的，因此，小规模公司效应的存在除与风险有关，还与我国股市投资者对小盘流通股的炒作有明显的关系。
2.当收益为正时，收益价格比与预期收益率成正向关系，当收益为负时，收益价格与预期收益率成反向关系，即预期收益率与收益价格比之间存在“U”型关系。对此国外学者认为，当收益为正时， 当前的收益可以作为判断未来预期收益的重要根据，收益价格比较高，意味着市盈率较低，公司的成长性较差，投资者所要求的预期收益率相应较高；当收益为负时，表明公司的经营存在问题，收益价格比的绝对值越大，公司的风险也越大，投资者所要求的预期收益率也较高。对我国股市的实证研究表明，投资者在近几年的投资中已注意通过市盈率控制投资风险，风险意识有所加强。
3.总风险σ[2]与系统风险Beta对预期收益率的解释作用不显著。 原因可能在两方面：一是在我国股市中，各项法规都正处在逐步完善的过程之中，与发达成熟的资本市场之间还有相当的差距，市场波动性较大，同时存在大量的庄股行为和高比例送配现象，使公司的总风险和系统风险不稳定，因此σ[2]和Beta 这两个指标并不一定能准确地刻画出我国上市公司的总风险和系统风险。二是我们计算σ[2]和Beta 的区间可能稍短些，由于数据的限制，我们只使用了一年的周收益率来计算σ[2]和Beta。