中国股市的多因素分析：理论与实践，本文主要内容关键词为：中国论文,股市论文,因素论文,理论论文，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。
多因素股票选择方法的理论基础一方面来自Ross的套利定价理论(APT)，另一方面还扎根于工程领域中著名的数据处理技术，是国外基金管理人广泛使用的主流投资方法之一。多因素分析方法通过观察或预测相关因素的变化挑选价值被相对低估的股票，它的优势在于把财务分析、统计方法和计算机技术有机地结合起来，其最终结果是建立从数据收集到投资决策的一体化过程。
基金经理是决策过程的控制者和参与者，而一体化系统则完成他们发出的各项分析指令，反馈各种方案的测试结果，为他们提供决策支持工具。
在传统的投资管理模式下，证券分析师对个股的研究存在“只见树木，不见森林”的弊端，同时重仓股的炒作手法越来越暴露出流动性差的缺点，日益成为中国投资管理中的一大难题。为了解决这一问题，许多基金管理人采取重仓股与组合投资并重的方式管理基金资产，在充分发挥分析师个股挖掘能力的同时，利用部分资金进行成本较低的数量化组合投资。
本报告在多因素分析的框架下重点研究了对股价变动可能具有解释力的相关因素在不同时间段的显著性，具体因素分为财务指标、概念指标及技术指标等几大类。结果发现，净资产、公积金、每股收益、流通股等因素与股价变动具有95%以上的相关程度，利用这些指标进行简单排序便可获得10%左右相对大盘的超额收益。
一、多因素分析法的理论基础
多因素股票选择方法的理论基础一方面来自Ross的套利定价理论(APT)，另一方面扎根于工程领域中著名的数据处理技术——滤波理论，前者为多因素分析提供了金融经济学上的理论解释，而后者则提供了技术上的保障和支持。
（一）套利定价理论与多因素股票选择
证券分析的套利定价理论(APT)认为，证券的超额收益来自于该证券所承担的多种风险。如果每种风险都用一个风险因素来表示，则证券的超额收益等于各因素收益率的线性组合，即各因子收益率乘以不同系数（称风险载荷）的结果再求和。根据这一理论，只要预测出各因子的变动情况，就可以估计出证券的未来收益，以APT为基础的多因子模型受到国外投资管理机构的普遍重视和使用。目前经常使用的多因子模型分为如下两类：
(1)宏观经济要素模型。国外广泛使用的宏观经济要素模型有BIRR模型和Saloman Smith Barney模型两种。BIRR模型中的要素包括：投资者信心指数、利率、通货膨胀率、市场指数及商业活动指数等，Saloman公司的风险属性模型则以6个宏观经济因素、剩余市场因素和其它市场因素为自变量。宏观经济要素模型较好地解释了股票价格变动的系统风险，但在非系统性风险的描述上表现较差。
(2)基本面要素模型。此类模型使用公司和行业属性及市场数据作为初始解释变量，具体包括：市盈率、市净率、预计经济增长率和交易活动指标等，在解释股票收益方面有一定的说服力。目前国外广泛使用的商业性归因分析模型有BARRA的E系列模型和Wilshire Atlas模型。
（二）现代滤波理论与多因素股票选择
滤波理论和方法是系统论、信息论和控制论的重要成果之一，在许多工程技术中扮演着不可替代的角色。所谓滤波理论是一种对系统的状态进行准确估计的技术。系统状态是描述系统发展演化情况的变量，在系统结构基本稳定的情况下，系统状态按照一定的规律变化。但是，当系统存在随机躁声的干扰时，通常难以准确估计或预测系统的状态。为了解决这一问题，一些学者在70年代提出了著名的滤波理论。
图1 滤波理论中的反馈机制
滤波技术的基本原理如图1所示。从图中可以看出，滤波器也是一个动态系统，它通过一系列的优化算法估计出被测系统的状态，并产生与被测系统输出相一致的信号。滤波器的输入是观测信号与滤波器输出的差值，只要这一差值不为零（表明状态估计与真实状态存在偏差），滤波算法便使用差值对状态估计加以调整，使两者相一致。可见，滤波技术巧妙地运用了控制论的反馈修正原理，使闭环系统具有较高的精度和良好的稳定性。股票估值的多因素方法就是通过观测并分析与股份具有一定相关性的解释因素来不断校正对股票价格的预测与判断。
二、股票收益预测中的因素选择与检验
因素选择是多因素分析的起点。从股票估值的内含价值法和相对价值法来看，影响股票收益的相关因素可以分为上市公司基本面因素、资产类因素和历史交易信息等三大类。利用多因素模型来预测股票收益率的基本步骤是：(1)分别考查相关因素对股价的解释力，选择解释力强并具有稳定性的相关因素作为解释变量；(2)对不同因素进行组合，观察多个因素的联合解释力及其稳定性。下面首先用基本面因素进行股价变动的单因素分析。
（一）基本面因素的分类与构造
公司基本面反映了上市公司的财务状况，是股票的未来收益的直接反映。国际上通行的基本面指标包括：市盈率P/E、市将率P/B、净资产收益率ROE、利润增长率等。从财务分析的角度看，反映企业经营状况的财务指标分为流动性指标、盈利能力指标、资产使用效率指标和财务风险指标等几大类，我们把通常财务分析中使用的指标进行整理，选择如表2定义的三大类指标进行检验。
表2 相关因素的分类与家久
指标类别指标名称指标定义
市盈率倒数(E/P) 每股收益／股票价格
经营
市净率倒数(B/P) 每股净资产值／股票价格
绩效
现金流比股价(CF/P)每股现金流／股票价格
指标
股利收益率(D/P)
每股股利／股票价格
主营业务毛利率
主营业务成本／主营业务收入
主营业务利润率
主营业务利润／主营业务收入
运营
净资产收益率
每股收益／每股净资产值
效率
应收帐款周转率
主营业务收入／应民帐款
指标
存货周转率主营业和成本／存货净值
主营业务利润比重 主营业务利润／总利润
主营业务收入变化 主营业务收入变化
财务杠杆比率
总资产／净资产
财务
每股留存收益比股票价格
每股留存收益／股票价格
状况
每股公积金比股票价格
每股公积金／股票价格
指标
流通盘规模流通股本
（二）相关性检验的方案设计
1.数据描述：选择从1998年初到2001年底的公开揭露信息作为检验的数据来源。财务数据的时间跨度从1998年中报开始到2001年中报；股票价格数据是从1998年1月1日至2001年12月31日的收盘数据，市场指数使用国泰君安指数，它是在沪深两市交易的全部股票以流通盘为权重的加权指数。
2.时间结构：以季度为单位检验相关因素对股价变动的解释力。首先在每年各季度的开始构造解释因子，然后检验因子与该季度股票超额收益的相关性。其中财务指标的构造方法如下：第一、二季度的因子用年报财务数据计算，第三、四季度的因子用中报数据计算，如果需要股价数据（如果造市盈率时用到股价数据），则取该季度之前一个月后10天的股价平均值。
3.检验方法：从两个方面检验相关因子对股价的解释力：
(1)解释因子与股票超额收益的相关性。具体作法是先用回归分析计算个股相对于市场指数的超额收益，即股票的季度α值，再利用不同季度的解释因子和α值的截面数据进行相关分析，计算相关系数。
(2)以解释因子为指标对股票进行排序，并取排名前一半（或四分之一）的股票构造投资组合，考查组合收益与基准收益(Benchmark)的差异。由于小盘股收益在总体上要高于大盘股，如果使用等额投资的策略（即无论股票股本大小都投入相等的金额）会造成投资组合本身存在超越指数的倾向，因此我们在这里选择股票的平均收益作为基准收益率，以保证检验方案的科学性。
（三）基本面因素的检验结果
解释因子与股票超额收益的相关系数列于表3。虽然表中相关系数普遍较小，但由于涉及的股票数量较多，数据的自由度较大，使得某些财务指标具有较好的t-统计值。从总体情况看，把财务指标按平均相关性大小排序，名列前茅的指标有B/P、每股公积金/P、E/P、每股留存收益/P、流通盘和股利收益率等六项指标。这六项指标与股票收益的相关性可以通过90%的相关性检验（90%的t检验值为1.65），其中五项指标的可信度达到了99%。除了上述6项指标外，其它财务指标与股票收益率的相关性较弱。仔细观察表3的结果还发现，上市公司的表层财务指标与股价具有较强的相关性，而反映企业经营状况的深层财务指标（如运营效率指标等）的相关性较弱，表明我国投资者较少关注深层财务指标，而过多地注重上市公司究竟能够带来多少既得利益，如分红、送配潜力等等。
在与股价相关性较强的基本面指标中，相关性的强弱呈较明显的周期性变动。周期的类型有三种：a)信息公布季度的相关性强，非信息公布季度的相关性弱，服从此类规律的指标有E/P、B/P；b)与信息公布无关，呈现出独特的周期性，如流通盘大小；c)持续相关，周期性不明显，如公积金/P。第一种周期类型反映了我国证券市场在一定程度上是有效的，也就是说，财务信息在公布季度内即可反映在股价上，而在随后的季度里股价较少反映上市公司财务状况。第二种周期类型则反映了股市的炒作特征，即小盘股在多数情况下获得高于平均水平的收益，但小盘股价格在上涨一段时间后与股票价值背离过多，市场热点不得不转移到大盘股上，从而使股票收益与流通盘大小成正相关。相比之下，公积金/P与股价变动的相关性比较稳定，且公积金越高股价上涨潜力越大。这一结果与我国市场炒作送配题材的现象不谋而合，公积金越高，送配的可能性越大。
为了对相关性强弱有一个感性认识，下面把每股收益在不同季度内与股价收益的相关关系绘于图5。从图中看出，当指标与股价具有较强相关性时，图中右半部分股票的收益总体上略好于左半部分，因此如果根据该财务指标对股票进行排序，并选择排名在前面二分之一或四分之一的股票构造投资组合，其超额收益将跑赢大盘。表5中列出了根据各项指标构造投资组合获得的超额投资收益。
图5 财务指标与股票收益的相关关系
(1)相关性强的财务指标具有较高的超额收益，如市净率的超额收益达到11.7%，公积金的收益达到了10.6%，每股收益7.5%等等。投资组合收益在不同季度的波动规律与相关系数相同，即在报表公告的季度表现较好，而在其它季度表现差。这一结果表明上市公司财务预测在投资管理中具有重要意义。
(2)对于相关性强的财务指标，取排名前四分之一的投资策略的超额收益明显好于排名一半的策略，这反映了该指标确实增加了投资组合的价值，比如根据市净率和公积金指标构造投资组合的超额收益率分别达到了18%，每股收益指标的超额收益率是15.3%等。
（四）资产类因素的构造与检验
股票所在的行业和区域的发展状况对股票价格未来走势有重要影响，这种影响主要包括两个方面：一是直接影响上市公司的盈利能力和成长性，二是这些经济指标的发布具有宣传效应，能够增强人们对个股的信心。这两方面的影响都会推进二级市场股价的上涨，因此是指示股票的未来收益的重要指标。
为了用数量表示相关概念或题材对股价变动的影响程度，我们用该概念或板块的指数反映其所处的状况和未来发展趋势，也就是说，检验板块指数对股价变动的解释力。板块指数收益率的构造方法是先选出不同板块中的股票，以其收益率的算术平均值作为指数的收益率。从个股的角度讲，股票的板块解释因素就是该板块的同期收益率。
我们选择行业和地域两个板块进行检验。首先计算该季度内的板块指数，再算出同期各股的收益率，然后求得股票收益率与其所在板块指数收益率的相关性，结果见表6。由表中结果看出，股票收益与其所在板块具有极大相关性，平均相关系数分别达到了0.55和0.18，相应的－ 统计值均超过了99%的检验。另外，我们根据板块指数的收益对股票进行排序，得到投资组合的超额收益见表7，行业和区域投资组合的超额收益平均达到了7.1%和8.2%。四分之一策略的超额收益分别是11.5%和13.8%。
板块因素与股票收益具有较强的相关性，根据板块的预期收益状况进行股票选择是可行的。因此接下来的问题就是如何预测板块的收益，这是投资组合管理中的一个重要问题，即资产配置决策。有关资产配置的决策方法见本人的研究报告《资产配置的综合评分法》。
（五）历史交易信息的检验
市场交易信息就是平时所说的技术分析指标，包括量和价两个方面。市场交易的量与价反映了市场上股票持有者的历史成本、买卖双方对当前价位的态度和信心等，进而对未来股价的涨与跌具有一定的指示作用。我们选择股票前半年或一个季度的收益率和成交量作为解释股价变动的历史交易信息，结果见表8和9。检验结果表明，股票季度收益率与历史交易数据的相关性不大，其中前半年成交量和收益率与股价变动有轻微的负相关关系，即前期成交量越大，涨幅越高，将来股票收益越低。根据历史交易数据构造投资组合获得的超额收益不高，只有2个百分点左右。从这个角度讲，中国股市表明出明显的弱有效性。
综上所述，部分财务指标和板块因素与股票收益率的相关性较强，根据这些指标构造投资组合可以获得一定的超额回报。历史交易数据的相关性较弱，且不稳定，对构造投资组合的意义不大。
三、股票选择多因素方法使用效果的检验
下面考虑两种投资组合构造方法：一种是综合评分法，即同时使用多个指标评价股票的投资价值，并以各指标加权得到的总分对股票进行综合排序；另一种是子集选择法，即先使用各个指标分别对个股进行排序，然后取在各指标排序中位居前列的公共子集作为投资组合中的股票。
为了衡量投资组合的收益和风险，国外投资管理公司一般首先根据投资者的战略目标引入合适的基准指数。基准确定之后投资组合的收益就可以表示为相对于基准的超额收益；投资组合的风险则用跟踪误差来表示，即超额收益的波动率。这样，投资管理的目标就是要在控制一定跟踪误差的条件下，争取获得高于市场的投资收益，这就是所谓的信息比率最大化。信息比率等于投资组合的超额收益值与跟踪误差之比，其计算公式为
信息比率＝超额收益／跟踪误差
信息比率越大，表明投资组合的收益越高，相对于基准的误差越小，组合的价值增加也越大。
综合评分法和子集选择法在各季度获得的超额收益见表10，我们在最后还列出了相应投资策略的标准差和信息比率。
表10 多因素股票选择策略的检验结果
由以上结果看出，子集选择法使投资组合的平均收益率提高到17.6%，信息比率达到了9。虽然综合评分法没有显著地提高投资组合的收益率，但与单一指标相比降低了组合收益的标准差，从而提高了信息比率。由此可见，综合使用多因素进行投资管理可以大大地提高投资组合的性能和效率。
四、多因素股票选择决策支持系统的架构
多因素股票选择决策支持系统(MSCDSS)的设计宗旨为投资管理者提供了一个利用多因素股票选择模型进行投资分析与决策的系统环境，使投资者利用这一系统完成股票的相对估计和投资决策。MSCDSS的数据处理流程如下
图11 多因素股票选择决现支持系统结构
(1)数据库中包括股票的历史财务信息、历史价格、行业经济数据等，是多因素股票选择的定量化决策基础。数据库可以用SQL Server格式储存，应用程序在读取数据库的过程可以通过ODBC数据接口来实现。
(2)多因素股票选择模型中为基金经理设置多种分析与决策模式，供其分析股票的相对投资价值。基金经理不仅可以选择处理相关因素的方式，还可以灵活地设置其中的参数使预测和决策效果达到最佳。
(3)确定投资模型功能允许基金经理利用历史数据，检验模型的使用效果，从而通过比较不同的模型及其中不同的参数，来选择最佳的决策分析模型。
(4)确定最终投资结果功能为基金经理加入证券分析师的主观判断提供了一个人机对话平台。分析师可以根据当前的宏观经济和市场环境，对模型得出的效果进行主观修正，得到修正后的股票收益预测，并构造出最终的投资组合。
标签：股票论文; 投资组合论文; 财务指标论文; 相关性分析论文; 因子分析论文; 因素分析论文; 相关性检验论文; 因子载荷论文;