黃芬紅

〔摘要〕鑒于已有研究在考察價值溢價現(xiàn)象及其成因時都未考慮股市的周期性，本文采用馬爾科夫區(qū)制轉(zhuǎn)移模型識別股市在不同狀態(tài)間的轉(zhuǎn)換，并分析價值溢價的時變性特征。檢驗(yàn)結(jié)果發(fā)現(xiàn)，中國股市價值溢價表現(xiàn)出了與美國等成熟股市顯著不同的時變性特征：牛市時期的價值溢價較高，熊市時期的價值溢價較低；市場高波動時期的價值溢價較高，低波動時期的價值溢價較低；價值股的下行風(fēng)險低于成長股，時變風(fēng)險無法對價值溢價及其順周期特征做出解釋。

〔關(guān)鍵詞〕價值溢價；時變性；區(qū)制轉(zhuǎn)移

中圖分類號：F830.9文獻(xiàn)標(biāo)識碼：A文

章編號：1008-4096（2015）03-0020-08

一、引言

價值溢價是指價值股的收益超過成長股的部分。在允許賣空的市場條件下，投資者可買入被市場低估的價值股，同時賣空被市場高估的成長股，從而在未來獲得高收益，這種投資方法屬于價值投資策略。目前，有關(guān)價值溢價的研究都將重點(diǎn)放在了價值投資的有效性檢驗(yàn)上，卻忽略了價值投資策略的周期性問題。傳統(tǒng)資產(chǎn)配置理論假定資產(chǎn)收益率的數(shù)據(jù)生成過程都符合線性的時間序列模型，同時認(rèn)為反映市場風(fēng)險的參數(shù)在整個樣本時間內(nèi)都是不變的。但是，類似于經(jīng)濟(jì)周期的擴(kuò)張、衰退、緊縮、復(fù)蘇，股市也在其周期內(nèi)的不同狀態(tài)之間進(jìn)行更替，例如，牛市和熊市、高波動狀態(tài)和低波動狀態(tài)等。市場環(huán)境以及投資者的心理和行為模式，在股票市場周期內(nèi)的不同狀態(tài)具有不同的特點(diǎn)，因而金融資產(chǎn)的收益率和波動情況也是不一樣的。隨著股市運(yùn)行周期的變化，任何一種策略的有效性都可能會發(fā)生變化，價值投資策略也可能在股市周期內(nèi)的不同狀態(tài)中具有不同的表現(xiàn)。因此，本文認(rèn)為無論是從理論角度對價值溢價的成因進(jìn)行解釋，還是從實(shí)踐角度對投資者進(jìn)行指導(dǎo)，忽視股市的周期性變化都是不可取的。

從理論角度看，目前有一些研究者在對價值溢價的成因進(jìn)行解釋，有的從風(fēng)險補(bǔ)償角度進(jìn)行，有的從行為角度進(jìn)行，不僅兩種觀點(diǎn)無法達(dá)成一致，而且使用相同角度和相似方法的研究也沒有得到一致的結(jié)論，部分原因在于樣本期間的選擇不同，若考慮到股市的周期性變化導(dǎo)致不同的市場狀態(tài)具有不同的特點(diǎn)，這一分歧就不足為奇了。并且，無論是風(fēng)險還是行為，在不同市場狀態(tài)下都具有截然不同的特點(diǎn)，如果區(qū)別對待不同的市場狀態(tài)，對價值溢價的成因可能會有更深一步的理解。從實(shí)踐角度來看，僅僅知曉股市存在價值溢價這一點(diǎn)是遠(yuǎn)遠(yuǎn)不夠的，因?yàn)樗^于籠統(tǒng)，無助于研究者深入理解與價值溢價相關(guān)的問題，也難以有效地指導(dǎo)市場參與者進(jìn)行實(shí)際投資活動。投資者可能會關(guān)注價值投資策略的有效性是否會隨著股市周期的變化而發(fā)生改變，價值投資策略更適用于牛市還是更適用于熊市，高波動期還是低波動期。對以上兩方面問題的研究，都需要考慮股市的周期性變化。然而，已有的相關(guān)文獻(xiàn)僅局限于對整個樣本期間的分析，并沒有區(qū)分不同市場狀態(tài)下的狀況。

關(guān)于市場狀態(tài)的劃分，本文采用馬爾科夫區(qū)制轉(zhuǎn)移模型來進(jìn)行。雖然股市的上漲和下跌是反復(fù)交替出現(xiàn)的，但并不是定期的，而且股市上漲和下跌是不同的內(nèi)在機(jī)制在起作用。有研究表明中國股市具有明顯的非線性特征，不同的市場狀態(tài)具有不同的收益率和波動率[1-2]。馬爾科夫區(qū)制轉(zhuǎn)移模型將這種股市結(jié)構(gòu)變化特征視為一種機(jī)制向另一種機(jī)制的轉(zhuǎn)換，在模型的估計過程中將其內(nèi)生化使之成為待估參數(shù)，因而比事后根據(jù)指數(shù)走勢劃分市場狀態(tài)的主觀劃分方法更加科學(xué)合理。Gulen等[3]的研究也表明，嵌入非線性結(jié)構(gòu)的馬爾科夫區(qū)制轉(zhuǎn)移模型對于捕捉價值溢價的時變性是非常有用的。

本文的研究具有兩方面的意義。首先，有助于進(jìn)一步研究價值溢價的成因。因?yàn)闃?biāo)準(zhǔn)（簡稱CAPM）的資本資產(chǎn)定價模型的風(fēng)險度量指標(biāo)不隨時間發(fā)生變化，無法體現(xiàn)不同狀態(tài)下的風(fēng)險情況，因此具有一定的局限性。而本文的時變性視角將有助于考察時變風(fēng)險及其對價值溢價成因的解釋。其次，從投資實(shí)踐方面來看，投資者如果能把握市場的周期性變化，并且了解價值溢價的時變特征，就能利用這種規(guī)律進(jìn)行投資策略安排，以獲取收益或規(guī)避風(fēng)險。本文剩余部分結(jié)構(gòu)如下：第二部分為文獻(xiàn)綜述，第三部分為數(shù)據(jù)來源與模型設(shè)定，第四部分為價值溢價在不同狀態(tài)中的表現(xiàn)，第五部分為價值股與成長股的時變風(fēng)險分析，第六部分為結(jié)論與啟示。

二、文獻(xiàn)綜述

國外已有一些研究從時變性視角對價值溢價進(jìn)行分析。Kwag和Lee[4]對美國股市的研究發(fā)現(xiàn)，在整個經(jīng)濟(jì)周期內(nèi)，價值股組合能夠持續(xù)戰(zhàn)勝成長股組合，價值投資策略在經(jīng)濟(jì)緊縮期的好處大于經(jīng)濟(jì)擴(kuò)張期。Chen等[5]通過估計價值股和成長股的條件期望收益之差證實(shí)價值股溢價表現(xiàn)出反周期變化的特征。Gulen等通過馬爾科夫區(qū)制轉(zhuǎn)移模型比較了股市高波動狀態(tài)與低波動狀態(tài)兩種情形下，股票與預(yù)期風(fēng)險溢價之間的關(guān)系，也得到價值溢價具有反周期性的結(jié)論，股市的高波動狀態(tài)與經(jīng)濟(jì)周期中的蕭條期相關(guān)，而低波動狀態(tài)與經(jīng)濟(jì)繁榮期相關(guān)，價值溢價在高波動狀態(tài)中會顯著變大，而在隨后的低波動狀態(tài)中價值溢價則會下降[3]。除美國市場外，Bayramov[6]以歐洲市場（英國、法國、德國）為研究對象，考察了價值溢價和商業(yè)周期之間的關(guān)系，在歐洲市場中，價值溢價在經(jīng)濟(jì)擴(kuò)張期上漲，在經(jīng)濟(jì)蕭條期下降，表現(xiàn)出了順周期行為，與美國股市結(jié)論相反。

國內(nèi)目前還鮮有研究者從周期性和時變性視角對價值溢價展開研究。有關(guān)價值溢價的文獻(xiàn)主要關(guān)注中國股市價值溢價的存在性，而有關(guān)周期性的研究主要關(guān)注股市整體的周期性變化，將二者結(jié)合的文獻(xiàn)非常少見。價值溢價的存在性檢驗(yàn)方面，朱憲國和何志國[7]與王春艷和歐陽令南 [8]的檢驗(yàn)結(jié)果均顯示股票的收益率與市凈率呈負(fù)相關(guān)關(guān)系，說明中國股市具有價值溢價異象。關(guān)于股市周期中不同狀態(tài)的劃分，不同研究者所使用的方法不同。陸蓉和徐龍炳[9]借助波浪理論劃分股市的波峰及波谷，進(jìn)而區(qū)分牛市、熊市。閆偉和楊春鵬[10]的方法與此類似，依據(jù)滬市與深市綜合指數(shù)階段運(yùn)行的最高點(diǎn)、最低點(diǎn)所出現(xiàn)的日期對牛市、熊市進(jìn)行劃分。以上研究所用的方法屬于較為簡單的事后主觀劃分方法，即根據(jù)指數(shù)走勢的高點(diǎn)和低點(diǎn)來判斷周期轉(zhuǎn)折點(diǎn)。嚴(yán)武等[11]則采用基于商業(yè)周期劃分方法發(fā)展起來的“BB轉(zhuǎn)折點(diǎn)確認(rèn)程序”分析方法（簡稱BB劃分方法），找出牛市、熊市的起點(diǎn)和終點(diǎn)，并揭示出中國股票市場的牛、熊市特征，證明中國股市的牛市和熊市為兩個界限分明的階段。張兵[12]認(rèn)為股價的波動實(shí)質(zhì)就是狀態(tài)的轉(zhuǎn)換，運(yùn)用馬爾科夫區(qū)制轉(zhuǎn)移方法對中國股市的波動進(jìn)行研究，結(jié)果表明，1997—2002年中國股市存在慢牛市、瘋牛市和熊市三種狀態(tài)。高金余和陳翔[13]也采用類似的方法進(jìn)行了研究，認(rèn)為中國股市波動存在三種狀態(tài)：快速下跌、快速上升和慢跌，且慢跌是主要的波動狀態(tài)。

綜上可知，研究者用來劃分股市周期的方法主要有比較簡單的波浪劃分法，以及較為復(fù)雜的BB劃分方法、區(qū)制轉(zhuǎn)移模型法。鑒于國內(nèi)目前缺乏對價值溢價時變性特征的研究，本文將周期視角運(yùn)用到對價值溢價的分析之中。由于中國股市具有明顯的非線性特征[1-2]，而馬爾科夫區(qū)制轉(zhuǎn)移模型能很好地刻畫這種非線性特征，因而本文采用馬爾科夫區(qū)制轉(zhuǎn)移模型來考察價值溢價在股市周期內(nèi)不同狀態(tài)中的表現(xiàn)。

二、數(shù)據(jù)來源與模型設(shè)定

（一）數(shù)據(jù)說明

本文的研究對象為中國滬深A(yù)股股票，剔除ST、PT類股票，最后進(jìn)入樣本的股票數(shù)目為2 551只。為考察不同市場狀態(tài)下的價值溢價，本文所需要的數(shù)據(jù)有個股月收益率、市場月收益率、無風(fēng)險收益率、市凈率、市盈率、市銷率和市現(xiàn)率等指標(biāo)，這些數(shù)據(jù)主要來源于國泰安數(shù)據(jù)庫。由于1997年以前的股票市場還不夠完善，沒有漲跌幅限制，股票波動比較異常，因而本文選取的樣本期間為1997年1月至2014年3月。

（二）模型設(shè)定

1.模型構(gòu)建

為了準(zhǔn)確地對中國股市的市場狀態(tài)進(jìn)行劃分，本文參考Hamilton[14]的思想，采用馬爾科夫區(qū)制轉(zhuǎn)移模型進(jìn)行分析。為簡便起見，本文以兩狀態(tài)為例對此模型進(jìn)行介紹。用rt來表示被檢驗(yàn)的股票組合在t期的超額收益率，用向量Xt表示相關(guān)解釋變量，馬爾科夫區(qū)制轉(zhuǎn)移模型可被表示為：

rt=μSt+β′StXt+εt，εt～N（0，σ2St）（1）

其中，μSt為常數(shù)項(xiàng)，β′St為解釋變量的估計系數(shù)向量，εt為模型殘差，服從均值為0、波動率為σSt的正態(tài)分布。需要注意的是，所有估計系數(shù)的下標(biāo)St是一個虛擬變量，它表示不同時期的市場狀態(tài)，在兩區(qū)制轉(zhuǎn)移模型中，St的取值為1或2，在三區(qū)制轉(zhuǎn)移模型中，St的取值為1、2或3。在此模型框架下，常數(shù)項(xiàng)、斜率系數(shù)、超額收益的波動率均隨著St的變化而發(fā)生變化。

虛擬變量回歸中，虛擬變量需要事先設(shè)定，具有一定的主觀性。馬爾科夫區(qū)制轉(zhuǎn)移模型認(rèn)為，市場狀態(tài)及其變化是不可觀測的，因而模型的狀態(tài)變量St無法提前設(shè)定。本文模型假設(shè)狀態(tài)的變化服從一階馬爾科夫鏈，狀態(tài)轉(zhuǎn)移概率pij=P（St=jSt-1=i）表示從時刻t-1的狀態(tài)i換到時刻t的狀態(tài)j概率，t時刻的狀態(tài)St只與t-1時刻的狀態(tài)St-1有關(guān)。不同狀態(tài)之間的轉(zhuǎn)移概率可以通過轉(zhuǎn)移矩陣P來表示，P=p11p21p12p22。另外，從轉(zhuǎn)移概率可以得到各區(qū)制的持續(xù)期，持續(xù)期是指每個區(qū)制或某個狀態(tài)下持續(xù)的時間長度。

該模型與一般模型的區(qū)別在于引入了一個狀態(tài)變量，該狀態(tài)變量不可觀測，但遵循馬爾科夫過程。市場上可能存在多個狀態(tài)，每種狀態(tài)下的收益率和波動過程具有不同的性質(zhì)，市場就在多個狀態(tài)之間相互轉(zhuǎn)換。該模型不僅能描述股市周期的狀態(tài)特征，而且能很好地進(jìn)行轉(zhuǎn)折點(diǎn)的預(yù)測。

2.模型參數(shù)估計

首先是系數(shù)估計。本文采用Hamilton的極大似然估計法對模型系數(shù)進(jìn)行估計。在εt服從正態(tài)分布的假設(shè)下，變量rt在變量St取值j時的條件概率密度為：

frtΩt-1，St=j，θ=12πσjexp-rt-μj-β′jXt22σ2jj=1，2（2）

其中，Ωt-1表示包含Xt-1、rt-1及其滯后變量在內(nèi)的觀察值，即到t-1時刻所能獲取的所有信息。θ=μ1，μ2，σ1，σ2為模型的待估參數(shù)向量。當(dāng)概率fSt=jΩt-1，θ已知，那么在Ωt-1已知的條件下，rt的概率密度可通過對f（·）進(jìn)行加權(quán)求和得到為：

frtΩt-1，θ=∑2j=1PSt=jΩt-1，θfrtΩt-1，St=j，θ（3）

在樣本期內(nèi)，總的對數(shù)似然函數(shù)為式（4）。最大化式（4）便可得到參數(shù)的估計值。

lnLrtΩt-1，θ=∑Tt=1lnfrtΩt-1，θ（4）

其次是區(qū)制轉(zhuǎn)移概率估計。在區(qū)制轉(zhuǎn)移模型中，除了模型中的系數(shù)，區(qū)制轉(zhuǎn)移概率也是一個需要估計的變量，區(qū)制轉(zhuǎn)移概率分為兩種：濾波概率（filter probabilities）和平滑概率（smoothed probabilities）。在給定初始值的情況下，不同時刻的轉(zhuǎn)移概率可以通過迭代的方法得到：

PSt=iΩt-1，θ=∑2j=1PSt=iSt-1=j，Ωt-1，θPSt-1=jΩt-1，θ（5）

式（5）中的區(qū)制轉(zhuǎn)移概率可以通過貝葉斯法則得到：

PSt-1=jΩt-1，θ=frt-1St-1=j，Xt-1，Ωt-2，θPSt-1=jXt-1，Ωt-2，θ∑2j=1frt-1St-1=j，Xt-1，Ωt-2，θPSt-1=jXt-1，Ωt-2，θ（6）

根據(jù)式（5）和式（6），我們可以獲得t=1，2，...，T的概率PStΩt，θ，這一概率通常被稱為區(qū)制的濾波概率。與濾波概率對應(yīng)的另一概念是平滑概率，被定義為PStΩT，θ，T>t。本文通過平滑概率刻畫股市周期中不同區(qū)制的轉(zhuǎn)換。平滑概率主要是指利用全部時點(diǎn)的樣本信息來推斷時點(diǎn)t樣本處于不同區(qū)制的概率：

PStΩt，θ=∑2i=1PSt=j，St+1=iΩt，θ=PSt=jΩt，θ·∑2i=1Pji·PSt+1=iΩt，θPSt+1=iΩt，θ（7）

三、價值溢價的時變性

從整個樣本期間看，價值溢價顯著存在，價值投資者能夠獲得異常收益。但價值投資策略在股市周期的不同狀態(tài)中具有什么樣的表現(xiàn)呢？下文通過區(qū)制轉(zhuǎn)移模型尋找股市周期的轉(zhuǎn)折點(diǎn)，將整個樣本期間劃分為不同市場狀態(tài)，進(jìn)而考察價值溢價在不同市場狀態(tài)中的表現(xiàn)。至于中國股市應(yīng)劃分為幾個狀態(tài)，已有的研究結(jié)論并不一致，研究者通常采用兩狀態(tài)模型刻畫中國股市的周期性特征，但也有文獻(xiàn)指出三狀態(tài)模型對數(shù)據(jù)的擬合程度更好[12-13]。本文分別使用兩狀態(tài)模型和三狀態(tài)模型進(jìn)行考察。

在進(jìn)行區(qū)制轉(zhuǎn)移模型分析之前，需要對價值股與成長股的劃分方法以及持有期收益率的計算方法進(jìn)行簡要說明。

首先是組合的劃分。除使用最基本的市凈率（PB）指標(biāo)外，本文還使用市盈率（PE）、市銷率（PS）和市現(xiàn)率（PC）分別來構(gòu)建價值股和成長股組合。借鑒LSV[15]的投資組合構(gòu)建方法，分別以PB、PS、PE、PC為具體的指標(biāo)對所有樣本股票進(jìn)行排序，然后根據(jù)指標(biāo)值的大小將股票分為若干個組合。LSV采用十等分法，而本文將所有股票劃分為五個組合，指標(biāo)數(shù)值較小的一組即為價值股組合，以字母V表示；指標(biāo)數(shù)值最大的一組即為成長股組合，以字母G表示；買入價值股并賣空成長股的股票組合稱為套利組合，以字母VMG表示。由于中國股市發(fā)展歷程較短、樣本數(shù)據(jù)有限，為了增加組合樣本觀測數(shù)量，本文借鑒Jegadeesh和Titman[16]提出的重疊持有期方法，即在17年的樣本期間內(nèi)，每月進(jìn)行一次類似的分組，依次滾動，一共構(gòu)建207次組合樣本期間為1997年1月至2014年3月，由于最短持有期為12個月，故從2013年4月開始將不再繼續(xù)構(gòu)造投資組合。這樣一共構(gòu)造207次組合。。

其次是持有期收益率的計算，本文將持有期定為12個月，計算單只股票從組合構(gòu)建點(diǎn)開始往后持有12個月的月平均收益率。持有期月均收益率主要有兩種計算方法：累積收益率（CR）和買入持有收益率（BHR），前者采用算術(shù)平均方法，后者采用幾何平均方法。國內(nèi)研究多采用算術(shù)平均法來計算持有期收益率，但是在月收益序列波動較大的情況下，采用算術(shù)平均法計算出來的收益率要大于實(shí)際持有期收益率，這樣就會發(fā)生高估股票持有期收益率的情況，影響研究的準(zhǔn)確性[17]。因此，本文選擇買入持有收益率來度量股票的持有期收益情況。

（一）基于兩區(qū)制轉(zhuǎn)移模型的結(jié)果

本文對滬深A(yù)股市場月收益率序列RM進(jìn)行兩區(qū)制轉(zhuǎn)移模型估計，目的是根據(jù)市場收益及其波動特點(diǎn)進(jìn)行股市周期的劃分，因而模型中未包含解釋變量Xt。根據(jù)相關(guān)參數(shù)的估計結(jié)果，在樣本期間中有141個月處于區(qū)制1，另外54個月處于區(qū)制2。從均值μSt的估計值可以看出，區(qū)制1的平均收益為-0.0043，區(qū)制2的平均收益為0.0423，顯然，區(qū)制2的收益情況比區(qū)制1高得多，而且區(qū)制1的收益小于零。這意味著，區(qū)制1屬于股市周期中的熊市，而區(qū)制2屬于股市周期中的牛市。從模型殘差的波動率σSt來看，區(qū)制1和區(qū)制2的波動率分別為0.0591和0.1247，區(qū)制2的波動更高，即牛市中收益的波動率高于熊市。這一點(diǎn)與國外有所不同，但符合中國股市特點(diǎn)。朱鈞鈞和謝識予[18]也指出，成熟股市中高波動率同經(jīng)濟(jì)的蕭條期相關(guān)性很強(qiáng)，而中國股市中的高波動卻同牛市的相關(guān)性很強(qiáng)。從兩個區(qū)制的持續(xù)期數(shù)值可以看出，區(qū)制1的持續(xù)時間長于區(qū)制2，也符合中國股市“牛短熊長”的特點(diǎn)。而且，停留于區(qū)制1的轉(zhuǎn)移概率P11為0.9762，停留于區(qū)制2的轉(zhuǎn)移概率P22為0.9353，說明兩個區(qū)制均有較高的穩(wěn)定性，不過區(qū)制1的穩(wěn)定性較區(qū)制2更高一些。

圖1和圖2分別給出了區(qū)制1和區(qū)制2的轉(zhuǎn)移概率和市場收益率的走勢對比情況，圖中的柱形圖表示各時期的轉(zhuǎn)移概率，折線圖表示市場月收益率的走勢，轉(zhuǎn)移概率以及收益率的值分別通過左、右縱坐標(biāo)軸給出。從圖中可看到，在整個樣本期間內(nèi)，區(qū)制1占據(jù)了絕大多數(shù)時間，區(qū)制2占據(jù)的時間較短。從日期上看，區(qū)制2主要包括2005年末至2009年這段時間，其它的絕大部分時間都處于區(qū)制1，波動性較高的時段都處于區(qū)制2，波動性較小的時段則處于區(qū)制1。從波動特點(diǎn)進(jìn)行劃分，區(qū)制1和區(qū)制2分別代表低波動區(qū)制和高波動區(qū)制。

圖1區(qū)制1的區(qū)制轉(zhuǎn)移概率和市場收益率走勢圖

圖2區(qū)制2的區(qū)制轉(zhuǎn)移概率和市場收益率走勢圖

根據(jù)上述兩區(qū)制轉(zhuǎn)移模型所估計出的兩個區(qū)制的平滑轉(zhuǎn)移概率序列，將整個樣本期間分為兩個狀態(tài)，然后分別比較兩個狀態(tài)中的價值溢價情況。具體的方法是：在每一時刻t，比較區(qū)制1和區(qū)制2的平滑轉(zhuǎn)移概率P11和P22的大小，若P11≥P22，則認(rèn)為時刻t屬于區(qū)制1，若P11

表1價值溢價在兩個區(qū)制中的表現(xiàn)

在區(qū)制1中價值股和成長股的持有期收益率均小于零，而在區(qū)制2中價值股和成長股的持有期收益為均大于零。從這一點(diǎn)可以進(jìn)一步認(rèn)定區(qū)制1與熊市相關(guān)，區(qū)制2與牛市相關(guān)。從t值來看，在區(qū)制2中價值股和成長股的正收益都是具有統(tǒng)計顯著性的；而在區(qū)制1中成長股的負(fù)收益具有統(tǒng)計顯著性，價值股的負(fù)收益卻是不顯著的。以上結(jié)果說明，在牛市中價值股和成長股組合都能獲得正收益，只不過價值股的正收益更高；在熊市中價值股的收益基本為零，成長股的收益為負(fù)?？梢?，價值股和成長股在不同的區(qū)制表現(xiàn)不同，在牛市價值股比成長股漲得多，在熊市價值股比成長股跌得少。從實(shí)踐角度看，在牛市中持有價值股和成長股都能獲利，只不過持有價值股獲利更多；在熊市持有成長股會遭受損失，而持有價值股雖不能獲得正收益，但卻能避免負(fù)收益帶來的損失。通過兩區(qū)制轉(zhuǎn)移模型的分析表明，在牛市中價值投資組合所形成的價值溢價更高，市場高波動時期的價值溢價往往會高于低波動時期。

（二）基于三區(qū)制轉(zhuǎn)移模型的結(jié)果

首先，對滬深A(yù)股市場月度收益率序列RM進(jìn)行三區(qū)制轉(zhuǎn)移模型估計，結(jié)果如表3所示。

根據(jù)表3可以看出，區(qū)制1、區(qū)制2和區(qū)制3的市場收益均值分別為-0.0061、-0.0629、0.1049；區(qū)制3的市場收益最高，代表股市周期中的牛市，區(qū)制1和區(qū)制2的收益都小于零，代表熊市。雖然區(qū)制1和區(qū)制2都與熊市相關(guān)，但相比而言，區(qū)制2的負(fù)收益更低，屬于“極度熊市”。結(jié)合持續(xù)期長短來看，區(qū)制1持續(xù)的時間更長，符合中國股市實(shí)際情況，即中國股市長期處于“慢熊”階段。從模型殘差的波動情況來看，區(qū)制2的波動性最高，其次是區(qū)制3，區(qū)制1的波動性最低。

其次，對三個區(qū)制的價值溢價進(jìn)行考察。表4給出了以上三個區(qū)制中套利組合的收益情況。

在PB情形下，價值投資組合在區(qū)制2形成的價值溢價更高，區(qū)制3的價值溢價次之，區(qū)制1的價值溢價最低。在PE情形下，價值溢價在區(qū)制3最高，區(qū)制1次之，區(qū)制2最低（實(shí)際上，t值不顯著，說明區(qū)制2的收益與零無差異）。在PS和PC兩種情形下，價值投資組合所形成的價值溢價在區(qū)制3是最高的，區(qū)制2次之，區(qū)制1最低。從表3中已經(jīng)知道，區(qū)制1、區(qū)制2、區(qū)制3分別對應(yīng)著低波動區(qū)制、高波動區(qū)制、中波動區(qū)制。綜合上述數(shù)據(jù)結(jié)果，可進(jìn)一步得到以下結(jié)論：從市場收益的角度看，區(qū)制3的價值溢價比較高，區(qū)制1的價值溢價較低，意味著牛市的價值溢價較高，而熊市的價值溢價較低；從波動角度看，中波動區(qū)制的價值溢價較高，而低波動和高波動區(qū)制的價值溢價較低；從四個指標(biāo)對比來看，PB和PS在三個區(qū)制都存在相對較高的價值溢價，與PE和PC相比較為穩(wěn)定，PB和PS對價值投資具有較強(qiáng)的指導(dǎo)價值，PB在熊市具有較強(qiáng)的抗跌能力，在熊市也能獲得較高的價值溢價，而PE的抗跌能力較弱，只有在牛市中才能獲得價值溢價，熊市中的價值溢價非常低。比如PB指標(biāo)下的價值溢價在區(qū)制2這一“極度熊市”中的價值溢價最高，達(dá)到0.0093，而PE指標(biāo)下的價值溢價在區(qū)制2中基本與零無差異。

四、價值股與成長股的時變風(fēng)險分析

標(biāo)準(zhǔn)的CAPM模型通常使用單只股票收益對整體市場收益的敏感性因子β來衡量股票的風(fēng)險。CAPM模型假定股票的風(fēng)險在較長時間內(nèi)是穩(wěn)定不變的，但這種假定與現(xiàn)實(shí)嚴(yán)重不符。國內(nèi)的許多研究也發(fā)現(xiàn)，通過線性回歸方法得到的股票或股票組合的β系數(shù)是不穩(wěn)定的，隨時間發(fā)生變化。在現(xiàn)實(shí)世界中，股票的風(fēng)險不是一成不變的，往往呈現(xiàn)周期性變化。另外需要注意的是，基于CAPM模型的β系數(shù)并不是度量股票風(fēng)險最合理的指標(biāo)，因?yàn)棣率腔诜讲詈蛥f(xié)方差計算的，而方差在作為風(fēng)險衡量方式的一大不足是它對收益超過均值的波動與低于均值的波動賦予同樣的權(quán)重[20]，顯然與現(xiàn)實(shí)不符?，F(xiàn)實(shí)世界里的投資者更加關(guān)注收益低于均值的波動所帶來的風(fēng)險，即更加關(guān)注股市的下跌風(fēng)險，因而使用基于半方差的下行風(fēng)險β-能更加真實(shí)地度量股票的風(fēng)險?；谝陨蟽牲c(diǎn)理由，本文對標(biāo)準(zhǔn)CAPM模型進(jìn)行改進(jìn)，使用能夠區(qū)分不同市場狀態(tài)的時變CAPM模型來考察價值股和成長股的風(fēng)險情況，具體模型如下：

前文顯示中國股市的價值溢價具有時變性，在牛市的表現(xiàn)優(yōu)于熊市。從這部分結(jié)果可知，價值股和成長股對市場收益變動存在不對稱性反應(yīng)。價值股的收益在市場向好時上漲得多，在市場較差時下跌得少；成長股則相反，在市場向好時上漲得少，在市場回落時下跌得多。這一點(diǎn)可以對價值股相對于成長股的優(yōu)異表現(xiàn)進(jìn)行解釋，但這種解釋并不屬于已有研究提出的風(fēng)險解釋。實(shí)際上，價值股和成長股在不同狀態(tài)中的不對稱，可以從投資者行為偏差角度進(jìn)行解釋，這屬于行為金融學(xué)的范疇，在未來的研究中，我們將從這一視角進(jìn)行更深入的分析。

五、結(jié)論與啟示

已有的經(jīng)驗(yàn)研究主要關(guān)注價值溢價的存在性檢驗(yàn)，忽視了對價值溢價周期性和時變性的考察。本文以1997年1月至2014年3月滬深A(yù)股股票為研究對象，采用區(qū)制轉(zhuǎn)移模型考察了價值溢價在股市周期中不同市場狀態(tài)的表現(xiàn)，并從風(fēng)險角度對此進(jìn)行了深入分析。結(jié)果顯示，價值溢價具有時變性，牛市中的價值溢價較高，熊市中的價值溢價較低，從波動特點(diǎn)來看，價值溢價在市場高波動狀態(tài)時較高，在市場低波動狀態(tài)時則較低。分析表明，價值溢價的這種時變性并不能通過周期性風(fēng)險來解釋。

與美國股市價值溢價的時變性相比，中國A股市場中的價值溢價表現(xiàn)出了不同的時變性特征。在中國股市價值溢價在牛市中具有更好的表現(xiàn)，而在美國股市價值溢價更多地來源于熊市，即美國股市的價值溢價具有反周期性。同時，本文研究也表明中國股市的價值溢價及其時變性無法通過時變風(fēng)險得以解釋，而美國股市的價值溢價及其時變性則可以通過時變風(fēng)險得以解釋，因?yàn)樵诿绹墒兄袃r值股在熊市中面臨的風(fēng)險高于成長股，符合標(biāo)準(zhǔn)金融學(xué)中的風(fēng)險定價理論[3]。這些不同之處可能與中美股市不同的波動特征及牛熊市特征相關(guān)，具體細(xì)節(jié)則需要進(jìn)一步深入研究。

中國A股市場存在明顯的價值溢價現(xiàn)象，而且價值溢價表現(xiàn)出了時變性特征，這一點(diǎn)應(yīng)引起學(xué)術(shù)界和實(shí)踐者的關(guān)注。價值溢價及其時變性特征無法通過時變風(fēng)險因素進(jìn)行解釋，是對標(biāo)準(zhǔn)金融學(xué)理論的挑戰(zhàn)，應(yīng)深入研究其原因，為投資者和管理者提供合理的理論解釋。而對于實(shí)踐界的投資者來說，關(guān)注價值溢價及其時變性尤為重要，因?yàn)檫@與價值投資策略的有效性及其在實(shí)踐中的靈活運(yùn)用有很大關(guān)系，投資者應(yīng)嘗試根據(jù)價值溢價的時變性特征來擇時交易，提高投資組合的收益性。

參考文獻(xiàn)：

[1]徐緒松，彥斌.深滬股票市場非線性實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2001，（3）：110-113.

[2]李卓，趙勇.風(fēng)險的多態(tài)性與投資組合構(gòu)造：一種基于Markov狀態(tài)更替的CAPM模型[J].世界經(jīng)濟(jì)，2005，（7）：60-68.

[3]Gulen， H.， Xing，Y.， Zhang，L. Value Versus Growth： Time-Varying Expected Stock Returns[J]. Financial Management， 2011，40（2）： 381-407.

[4]Kwag，S.W.，Lee，S.W.Value Investing and the Business Cycle[J].Journal of Financial Planing，2006，7（8）：1-10.

[5]Chen L.，Petkova， R.， Zhang， L. The Expected Value Premium [J]. Journal of Financial Economics， 2008， 87（2）：269-280.

[6]Bayramov， A .Value Premium and Business Cycles： A Perspective on Major European Markets [J]. Master Thesis， 2013.19-24.

[7]朱憲國，何志國. β值和賬面/市值比與股票收益關(guān)系的實(shí)證研究[J]. 金融研究，2002，（4）：71-79.

[8]王春艷，歐陽令南.價值投資于中國股市的可行性分析[J]. 財經(jīng)科學(xué)，2004，（1）：32-36.

[9]陸蓉，徐龍炳. “牛市”和“熊市”對信息的不平衡性反應(yīng)研究[J]. 經(jīng)濟(jì)研究，2004，（3）：65-72.

[10]閆偉，楊春鵬.不同市態(tài)階段的股票收益風(fēng)險實(shí)證研究——情緒沖擊與投資策略[J].當(dāng)代財經(jīng)，2011，（12）：54-63.

[11]嚴(yán)武，徐偉，王靜. 中國股市周期的劃分與實(shí)證分析：1991—2004[J].當(dāng)代財經(jīng)，2006，（10）：47-52.

[12]張兵.基于狀態(tài)轉(zhuǎn)換方法的中國股市波動研究[J].金融研究，2005，（3）：100-108.

[13]高金余，陳翔. 馬爾可夫切換模型及其在中國股市中的應(yīng)用[J]. 中國管理科學(xué)， 2007， （6）： 20-25.

[14]Hamilton， J. D. A New Approaeh to the Economic Analysis of Nonstationary Time Series and the Business Cycle [J]. Econometrica， 1989， 57（2）：357-384.

[15]Lakonishok， J.， Shleifer， A.， Vishny， R.W. Contrarian Investment， Extrapolation， and Risk [J]. Journal of Finance， 1994，49（5）：1541-1578.

[16]Jegadeesh， N.， Titman， S. Returns to Buying Winners and Selling Losers： Implications for Stock Market Efficiency [J]. Journal of Finance， 1993， 48（1）： 65-91.

[17]Barber， B.， Lyon， J. Detecting Long-Run Abnormal Stock Returns：The Empirical Power and Specification of Test Statistics [J]. Journal of Financial Economics， 1997，43（3）： 341-372.

[18]朱鈞鈞，謝識予.狀態(tài)轉(zhuǎn)換和中國股市的獨(dú)特特征——基于馬爾科夫狀態(tài)轉(zhuǎn)化-自回歸模型的分析[J].上海金融，2010，（10）：50-54.

[19]Petkova， R.， Zhang， L. Is Value Riskier than Growth？ [J]. Journal of Financial Economics， 2005， 78（1）： 187-202.

[20]黃賦凱. 我國A股價值溢價實(shí)證研究——基于半方差方法的分析[J]. 南方金融， 2014， （3）：57-62.

[21]Ang ，A.，Chen， J.，Xing ，Y.Downside Risk [J]. Review of Financial Studies， 2006， 19（4）：1191-1239.

（責(zé)任編輯：鄧菁）