宿成建

(1. 貴州財(cái)經(jīng)大學(xué)金融學(xué)院， 貴陽 550025； 2. 四川大學(xué)錦城學(xué)院金融系， 成都 611731)

現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)與股票收益定價(jià)研究①

宿成建1, 2

(1. 貴州財(cái)經(jīng)大學(xué)金融學(xué)院， 貴陽 550025； 2. 四川大學(xué)錦城學(xué)院金融系， 成都 611731)

摘要:研究了現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)與股票收益定價(jià)的關(guān)系，建立了包含現(xiàn)金流信息的多變量股票非預(yù)期收益定價(jià)模型，并采用2002年1月至2011年4月間中國股票市場(chǎng)的有關(guān)交易數(shù)據(jù)、機(jī)構(gòu)會(huì)計(jì)收益預(yù)測(cè)數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)，檢驗(yàn)了理論模型和實(shí)證模型的預(yù)測(cè)，發(fā)現(xiàn)：1)由證券分析師盈余預(yù)測(cè)修正估計(jì)出的正現(xiàn)金流信息對(duì)股票非預(yù)期收益、股票實(shí)際收益、股票超額收益均具有穩(wěn)健的解釋能力;2) 由證券分析師盈余預(yù)測(cè)估計(jì)出的現(xiàn)金流風(fēng)險(xiǎn)反映了股票的系統(tǒng)風(fēng)險(xiǎn)，可以對(duì)股票預(yù)期收益定價(jià)；3) 在解釋股票超額收益方面，由現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)、分析師跟蹤人數(shù)與宿成建3變量模型構(gòu)成的多變量模型優(yōu)越于Fama-French 3因子模型變量與現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)構(gòu)成的多變量模型.

關(guān)鍵詞:股票預(yù)期收益； 股票非預(yù)期收益； 現(xiàn)金流信息； 現(xiàn)金流風(fēng)險(xiǎn)

0引言

資產(chǎn)定價(jià)的核心問題是什么決定了股票收益，解決這個(gè)問題的關(guān)鍵是回答什么是價(jià)格變化的原因[1].在股票預(yù)期收益的研究中，按照CAPM模型[2，3]，股票的預(yù)期風(fēng)險(xiǎn)溢價(jià)與它們的系統(tǒng)風(fēng)險(xiǎn)(市場(chǎng)貝塔)是線性關(guān)系，不同股票的預(yù)期收益不同的原因是由于它們的貝塔不一樣.早期的一些實(shí)證研究[4，5]支持CAPM模型.然而，在80年代和90年代的實(shí)證研究中，發(fā)現(xiàn)一些CAPM不能解釋的異像(anomalies)，對(duì)CAPM模型形成了挑戰(zhàn).這些異像包括：收益價(jià)格率、規(guī)模以及賬面市值比等.Fama和French[6]認(rèn)為，盡管規(guī)模和賬面市值比不是狀態(tài)變量，但小規(guī)模公司和高賬面市值比公司的高平均收益反映了未定的用來對(duì)收益中未分散化風(fēng)險(xiǎn)定價(jià)的狀態(tài)變量.后來，F(xiàn)ama和French[7，8]提出了對(duì)股票預(yù)期收益定價(jià)的3因子模型(以后簡稱FF3).這些因子包括市場(chǎng)組合超額收益，小公司股票組合與大公司組合收益之差以及高賬面市值比公司組合與低賬面市值比組合收益之差.然而，股票市場(chǎng)的更多異像不能被CAPM以及FF3模型解釋[9](例如:應(yīng)計(jì)利潤[10]、盈利能力[11]、收益動(dòng)量[12]等).

為了探索那些不能被CAPM模型解釋的股票平均收益異像，金融經(jīng)濟(jì)學(xué)家們把目光投向了對(duì)股票非預(yù)期收益的研究.Campbell和Shiller[13]的開創(chuàng)性研究將股票非預(yù)期收益所反映的信息構(gòu)成分解為兩個(gè)部分，即與現(xiàn)金流相關(guān)的信息和未來預(yù)期收益信息.大量文獻(xiàn)是分析有關(guān)市場(chǎng)組合的現(xiàn)金流相關(guān)的信息和未來預(yù)期收益信息中哪一種信息的相對(duì)重要性的問題[14，15].Vuolteenaho[16]使用基于會(huì)計(jì)現(xiàn)值模型并采用Campbell[14]提出的VAR方法研究了公司水平的現(xiàn)金流相關(guān)的信息和未來預(yù)期收益信息的相對(duì)重要性問題.然而，最近一篇具有廣泛影響的論文[17]，對(duì)Campbell和Shiller[13]的方法提出了批評(píng).這種依賴于殘差來表示未來現(xiàn)金流量信息或未來貼現(xiàn)率信息的方法，可能得出相反的結(jié)論，基于殘差的方法推導(dǎo)出的結(jié)論可能是危險(xiǎn)的.

會(huì)計(jì)學(xué)學(xué)者對(duì)股票非預(yù)期收益的研究，最早起始于Ball和Brown[18]的研究，將股票非預(yù)期收益與公司非預(yù)期會(huì)計(jì)收益進(jìn)行回歸，用來檢驗(yàn)會(huì)計(jì)收益的價(jià)值相關(guān)性.后來大量的文獻(xiàn)則著重于股票非預(yù)期收益與非預(yù)期會(huì)計(jì)收益的關(guān)系的研究，來檢驗(yàn)非預(yù)期會(huì)計(jì)收益的信息含量.大量文獻(xiàn)證明非預(yù)期會(huì)計(jì)收益可以解釋非預(yù)期股票收益.比較有代表性的文獻(xiàn)包括:Collins和Kothari[19]、Easton和Harris[20]、Kormendi和Lipe[21]、Freeman和Tse[22]、Feltham和Ohlson[23].較近的一些文獻(xiàn)則改進(jìn)模型的設(shè)置，增加模型的解釋變量，來提高模型對(duì)非預(yù)期收益的解釋.例如，這些模型增加的變量是，反映當(dāng)期會(huì)計(jì)收益質(zhì)量的變量[24],反映未來收益增長變化的變量[25]，反映分析師未來會(huì)計(jì)收益預(yù)測(cè)的當(dāng)期修正變量[26-28],反映證券分析師未來會(huì)計(jì)收益預(yù)測(cè)修正多變量[29],反映與非預(yù)期會(huì)計(jì)收益相關(guān)的風(fēng)險(xiǎn)變量[30].相對(duì)單變量模型，這些多變量模型雖然可以提高對(duì)股票非預(yù)期收益的解釋能力，但還有較多的部分不能被解釋，模型的截距項(xiàng)顯著存在，模型調(diào)整R2值很小.存在顯著不能被解釋的截距項(xiàng)說明以上多變量回歸模型還存在某些被忽略的變量可用來解釋股票非預(yù)期收益.

本文的思路是，將股票收益分解為預(yù)期收益和非預(yù)期收益，重點(diǎn)是研究股票非預(yù)期收益.對(duì)股票非預(yù)期收益的研究，是將宿成建[31，32]3變量的股票非預(yù)期收益模型擴(kuò)展，加入未來現(xiàn)金流信息變量，為了避免VAR模型估計(jì)可能遇到的輸入變量的敏感性[17],借鑒Da和Warachka[33]提出的方法，采用3階段收益增長結(jié)構(gòu)來估計(jì)未來現(xiàn)金流信息.對(duì)股票預(yù)期收益的定價(jià)，主要考察現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票預(yù)期收益的定價(jià)作用，現(xiàn)金流風(fēng)險(xiǎn)的估計(jì)則使用個(gè)股現(xiàn)金流信息與市場(chǎng)組合現(xiàn)金流信息的回歸來估計(jì).最后，將本文提出的多因素模型與Fama和French[7]3因子模型構(gòu)成的多因素模型對(duì)股票超額收益的解釋能力進(jìn)行對(duì)比檢驗(yàn).

本文發(fā)現(xiàn)：1)由證券分析師盈余預(yù)測(cè)修正估計(jì)出的正現(xiàn)金流信息對(duì)股票非預(yù)期收益、股票實(shí)際收益、股票超額收益均具有穩(wěn)健的解釋能力;2) 由證券分析師盈余預(yù)測(cè)估計(jì)出的現(xiàn)金流風(fēng)險(xiǎn)反映了股票的系統(tǒng)風(fēng)險(xiǎn)，可以對(duì)股票預(yù)期收益定價(jià)；3) 在解釋股票超額收益方面，由現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)、分析師跟蹤人數(shù)與宿成建[31，32]3變量模型構(gòu)成的多變量模型優(yōu)越于Fama和French[7]3因子模型變量與現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)構(gòu)成的多因素模型；4)市場(chǎng)非預(yù)期收益URM可以解釋賬面市值比因素組合溢價(jià)SML的81.2%，這一發(fā)現(xiàn)支持了Danel和Titman[34]的觀點(diǎn)，即基于特征組合溢價(jià)變量的定價(jià)模型雖然能夠解釋股票平均收益，但不能排除偽回歸的謬誤，同時(shí)，也支持了Cochrane[14]的論點(diǎn)，即賬面市值比應(yīng)該在回歸模型的左邊，作為被解釋變量，而不是作為解釋變量.

本文的貢獻(xiàn)體現(xiàn)在：(1)本文在宿成建[31,32]3變量定價(jià)模型基礎(chǔ)上加入了反映證券分析師未來收益預(yù)期修正的現(xiàn)金流信息，首次將股票非預(yù)期定價(jià)分解為反映當(dāng)期信息和未來信息，模型提高了中國股票非預(yù)期收益的解釋能力，調(diào)整R2值為59.2%；(2)以證券分析師盈余預(yù)測(cè)修正來估計(jì)現(xiàn)金流信息，可以有效避免Campbell[14]以及Vuolteenaho[16]提出的VAR方法來估計(jì)現(xiàn)金流信息的殘余誤差問題，本文提出的現(xiàn)金流信息估計(jì)方法是現(xiàn)有方法的發(fā)展和補(bǔ)充；(3)現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票預(yù)期收益具有顯著的解釋能力，意味著個(gè)股現(xiàn)金流信息與市場(chǎng)組合現(xiàn)金流信息的協(xié)方差反映了股票的系統(tǒng)風(fēng)險(xiǎn)，本文的發(fā)現(xiàn)為中國股票系統(tǒng)風(fēng)險(xiǎn)的度量提供了新的視角.

1現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)與股票

非預(yù)期收益定價(jià)理論分析

為了導(dǎo)出現(xiàn)金流信息與股票非預(yù)期收益的因素定價(jià)模型，宿成建[31，32]提出如下關(guān)于當(dāng)期及未來股利支付的預(yù)期事件描述圖，如圖1所示.

根據(jù)Williams[35]的估值模型,公司j在時(shí)間t 的價(jià)格等于預(yù)期股利的現(xiàn)值

(1)

式中Pjt是公司j在時(shí)間t 的價(jià)格；Et(djτ)是公司未來股利在t 時(shí)刻的預(yù)期；Rj是公司j的貼現(xiàn)率.

如果a是股利支付率，則

圖1事件的時(shí)間線

Fig.1Timelineofevents

djτ=ajt×epsjτ

那么有下面的公式

(2)

式中Et(epsjτ)是公司未來每股收益在t 時(shí)刻的預(yù)期.

在t-1時(shí)刻，對(duì)上式兩邊取預(yù)期值，可得

(3)

如果不考慮t 期間的股利支付，那么公司j的股票在持有t 期間的總回報(bào)率是

(4)

引入Et-1(Pjt)到上式中，得到

(5)

上式右側(cè)的第1項(xiàng)是非預(yù)期股票收益率URjt；第2項(xiàng)是預(yù)期股票收益率ERjt，是與CAPM相關(guān)的部分[1]，表達(dá)式如下

E(rjt)=Rf+βj(E(RMt)-Rf)

(6)

將式(2)和式(6)代入式(5)中的第1項(xiàng)，得出如下公式

(7)

以上方程(7)中右端表示了未來現(xiàn)金流信息的貼現(xiàn)值.Campbell和Shiller[13]將這部分信息分解為兩個(gè)部分，即未來現(xiàn)金流信息和未來預(yù)期收益(貼現(xiàn)率)信息.因此，式(7)可以重新寫成如下形式

URjt=NCF,t+1-NDR,t+1

(8)

如前言所述，Chen和Zhao[17]對(duì)Campbell和Shiller[13]的方法提出了批評(píng).這種依賴于殘差來表示未來現(xiàn)金流量信息或未來貼現(xiàn)率信息的方法，可能得出相反的結(jié)論.本文認(rèn)為導(dǎo)致這一問題的原因可能是方程(8)忽略了重要模型變量信息.宿成建[31，32]為了解決Campbell和Shiller[13]模型可能存在的問題，通過提出3個(gè)假設(shè)對(duì)方程(7)進(jìn)行變量替換并引入當(dāng)期信息，提出了反映當(dāng)期會(huì)計(jì)收益信息及反映證券分析師盈余預(yù)測(cè)修正表示的當(dāng)期會(huì)計(jì)收益增長預(yù)期信息以及市場(chǎng)非預(yù)期收益的3因素模型，即

γjtURMt+ε

(9)

宿成建[31，32]根據(jù)模型(9)進(jìn)行中國股票非預(yù)期收益定價(jià)檢驗(yàn)發(fā)現(xiàn)，該模型具有很強(qiáng)的解釋能力，模型的調(diào)整R2值大于50%.這個(gè)證據(jù)支持了關(guān)于Campbell和Shiller[13]的模型(方程8)忽略了重要模型變量信息的預(yù)測(cè).然而，宿成建[31,32]模型中，還有近50%的股票非預(yù)期收益不能被解釋，就應(yīng)該是模型未包括的未來現(xiàn)金流貼現(xiàn)信息(即包括未來現(xiàn)金流信息及貼現(xiàn)率信息)，也就是方程(8)所度量的信息.因此，完整的股票非預(yù)期收益的定價(jià)方程應(yīng)包括方程(8)和方程(9)的變量信息，也就是包括當(dāng)期信息和未來信息兩個(gè)部分，完整表達(dá)如下

γjtURMt+NCF,t+1-NDR,t+1

(10)

股票未來預(yù)期收益為

(11)

未來現(xiàn)金流信息定義為

(12)

上兩式中δdt+j+1和rt+j+1分別表示個(gè)股的現(xiàn)金流增長的對(duì)數(shù)和股票收益的對(duì)數(shù)；ρ表示未來時(shí)間(t+j,t+j+1)之間的貼現(xiàn)率，年貼現(xiàn)率通常設(shè)定為0.95.現(xiàn)金流的變化不完全等價(jià)于預(yù)期收益的變化.Da和Warachka[33]提出了基于證券分析師會(huì)計(jì)收益預(yù)測(cè)的3階段會(huì)計(jì)收益增長模型來度量NCF,t+1.現(xiàn)金流與會(huì)計(jì)收益的關(guān)系可以由如下凈盈余會(huì)計(jì)公式表示

Bt+1=Bt+Xt+1-Dt+1

(13)

式中Bt+1、Xt+1和Dt+1分別表示公司賬面價(jià)值、會(huì)計(jì)收益和現(xiàn)金流(或支付股利)，方程(12)中的dt+j+1是Dt+ j+1的對(duì)數(shù).Vuolteenaho[16]使用對(duì)數(shù)凈資產(chǎn)收益率(ROE)來替代方程(13)中股利增長率，因而，方程(13)重寫為

(14)

對(duì)數(shù)凈資產(chǎn)收益率(ROE)定義為

(15)

對(duì)數(shù)凈資產(chǎn)收益率et+j+1成為涉及到[t+j,t+j+1]期間的會(huì)計(jì)收益Xt+j+1以及期初的凈資產(chǎn)Bt+j，方程(15)表示當(dāng)時(shí)間趨向無限時(shí)，由于公司最終所支付的股利將必然來自于公司的會(huì)計(jì)收益，因此，現(xiàn)金流(股利)變化與會(huì)計(jì)收益預(yù)期變化所包含的信息是等同的.

2研究設(shè)計(jì)

2.1樣本數(shù)據(jù)

本文選擇2002年1月至2011年4月之間滬、深兩市所有上市公司的A股股票為研究樣本.由于金融企業(yè)會(huì)計(jì)制度的特殊性，本文剔除了金融、保險(xiǎn)行業(yè)的股票樣本；此外，樣本還剔除了特殊處理(ST和PT)以及凈資產(chǎn)為負(fù)值的股票樣本.本文進(jìn)行模型回歸的時(shí)間選取為2004年至2011年度.考慮公司貝塔值估計(jì)需要樣本回歸前24個(gè)月的股票月收益率數(shù)據(jù)，所以，樣本數(shù)據(jù)選從2002年1月起.本文使用MATLAB和SPSS軟件進(jìn)行數(shù)據(jù)處理，全部數(shù)據(jù)均來自于萬得數(shù)據(jù).

本文檢驗(yàn)股票非預(yù)期收益率的定價(jià)問題，考慮到中國股票市場(chǎng)上市公司披露年報(bào)的截止日期為每年的4月，因此當(dāng)期會(huì)計(jì)年度是從當(dāng)期(t 期)5月至下一年(t+1)的4月.與Liu和Thomas[29]相同，股票年非預(yù)期收益率是實(shí)際年收益率與按照CAPM模型估計(jì)的預(yù)期年收益率之差.市場(chǎng)預(yù)期風(fēng)險(xiǎn)溢價(jià)按照3%計(jì)算，估計(jì)貝塔值方法是，對(duì)于實(shí)際的估計(jì)貝塔，采用CAPM模型估計(jì)，估計(jì)數(shù)據(jù)是采用當(dāng)期前24個(gè)月股票月收益數(shù)據(jù)估計(jì)，然后計(jì)算出兩個(gè)股票非預(yù)期收益.

非預(yù)期會(huì)計(jì)收益由當(dāng)期會(huì)計(jì)收益與期初股票價(jià)格之比表示.本文假設(shè)會(huì)計(jì)每股收益為具有零漂移的隨機(jī)過程，那么Et-1(epst)=epst-1,分析家們的當(dāng)期會(huì)計(jì)收益預(yù)測(cè)的預(yù)期修正變量為當(dāng)期會(huì)計(jì)每股收益的均值和上期會(huì)計(jì)每股收益之差與期初股票價(jià)格之比.在萬得數(shù)據(jù)庫中，盡管證券分析師對(duì)公司會(huì)計(jì)收益的預(yù)測(cè)是針對(duì)當(dāng)年和未來一年的會(huì)計(jì)收益預(yù)測(cè)，但是，1年中連續(xù)12個(gè)月的修正預(yù)測(cè)為本文的現(xiàn)金流信息及現(xiàn)金流風(fēng)險(xiǎn)估計(jì)提供了數(shù)據(jù)保證.變量定義與度量見表1所示.

2.2變量的選擇和度量

2.2.1現(xiàn)金流信息

借鑒Da和Warachka[33]的方法，本文用以度量現(xiàn)金流信息的度量方法如下：由于所用證券分析師盈余預(yù)測(cè)數(shù)據(jù)來自于萬得數(shù)據(jù)庫，證券分析師只提供了當(dāng)期和未來一期共兩年的每股收益的預(yù)測(cè)數(shù)據(jù)，而方程(14)則包含了未來無限期的收益信息.為了估計(jì)方程(14)，本文采用了Da和Warachka[33]提出的方法，采用3階段收益增長結(jié)構(gòu)來估計(jì)未來現(xiàn)金流信息.在第1階段包含未來5年內(nèi)的每股收益預(yù)測(cè)值，預(yù)測(cè)每股收益值直接由證券分析師預(yù)測(cè)每股收益，計(jì)算如下

Xt,t+1=A1t+1

Xt,t+3=Xt,t+2(1+STGt)

(16)

Xt,t+4=Xt,t+3(1+STGt)

Xt,t+5=Xt,t+4(1+STGt)式中由于萬得數(shù)據(jù)庫中缺乏關(guān)于收益的長期增長率預(yù)測(cè)，因此本文采用證券分析師對(duì)當(dāng)期及未來一期每股收益預(yù)測(cè)值來計(jì)算預(yù)測(cè)兩年內(nèi)的平均年收益增長率，該增長率為收益短期增長率(STGt)來計(jì)算未來2到5年的預(yù)測(cè)每股收益；第2階段，未來6年至10年為穩(wěn)定期，可以預(yù)期，個(gè)別公司超過30%的高收益增長率將不可能長期保持，在穩(wěn)定期內(nèi)使用穩(wěn)定期收益增長率，即采用橫切面收益增長率平均值，采用如下方程計(jì)算預(yù)期收益

Xt,t+j+1=Xt,t+j×

(17)

式中j的取值為5，6，7，8，9.

為了計(jì)算公司未來預(yù)測(cè)每股會(huì)計(jì)賬面價(jià)值，假設(shè)股利支付率為期末賬面價(jià)值的固定比例ψ，因此方程(13)可以重新寫為

Bt,t+j+1=(Bt,t+j+Xt,t+j+1)(1-ψ)

(18)

(19)

盡管會(huì)計(jì)收益預(yù)測(cè)值是年每股收益，但是預(yù)測(cè)值是以每月進(jìn)行修正預(yù)測(cè)，δ表示現(xiàn)金流預(yù)期修正計(jì)算的月度，于是現(xiàn)金流信息的估計(jì)方程(14)可以由以下方程表示

(20)

由于本文檢驗(yàn)股票的年收益率的定價(jià)問題，當(dāng)期會(huì)計(jì)年度計(jì)算期是從當(dāng)期(t期)5月至下一年(t+1)的4月.因此，本文的現(xiàn)金流信息度量以NCF,t+05表示.

2.2.2現(xiàn)金流風(fēng)險(xiǎn)

根據(jù)Da和Warachka[33]的定義，現(xiàn)金流風(fēng)險(xiǎn)由以下回歸方程估計(jì)

(21)

2.2.3當(dāng)期非預(yù)期會(huì)計(jì)收益

借鑒Easton和Harris[20]定義，當(dāng)期非預(yù)期會(huì)計(jì)收益定義為當(dāng)期會(huì)計(jì)收益與期初股票價(jià)格之比，本文使用當(dāng)期會(huì)計(jì)每股收益與當(dāng)期(t 期)4月股票收盤價(jià)格之比表示.

2.2.4分析師盈余預(yù)測(cè)修正變量

借鑒宿成建[31，32]對(duì)分析師盈余預(yù)測(cè)修正變量的定義，即證券分析師對(duì)股票j在t年的每股會(huì)計(jì)收益預(yù)測(cè)均值與t-1年的每股會(huì)計(jì)收益之差除以t年4月股票收盤價(jià).該度量變量反映了當(dāng)期會(huì)計(jì)收益增長的預(yù)期.

2.2.5市場(chǎng)非預(yù)期收益

本文采用價(jià)值權(quán)重市場(chǎng)組合來計(jì)算市場(chǎng)組合收益率，市場(chǎng)非預(yù)期收益是市場(chǎng)組合收益率與市場(chǎng)預(yù)期收益之差.借鑒Liu和Thomas[29],本文采用考慮市場(chǎng)風(fēng)險(xiǎn)溢價(jià)為3%條件下來計(jì)算市場(chǎng)預(yù)期收益.

2.2.6分析師跟蹤人數(shù)

分析師跟蹤人數(shù)(analystcoverage)定義為發(fā)布公司收益預(yù)測(cè)的證券分析師人數(shù).

2.2.7機(jī)構(gòu)投資者變量

Kumar[36]提出機(jī)構(gòu)持有比例較低的股票被更多的不知情交易者持有.這些股票被較少的證券分析師跟蹤.這些股票對(duì)新消息的反映較為緩慢，因此，導(dǎo)致這些股票具有更高的平均收益.本文以機(jī)構(gòu)投資者持有比例來度量機(jī)構(gòu)投資者變量.

2.2.8其它控制變量

根據(jù)以往文獻(xiàn)[6,31,32,37,38]，控制以下變量：公司特質(zhì)風(fēng)險(xiǎn)IVOLi,t-1；公司規(guī)模LNSizei,t-1；市賬比MBi,t-1.

2.3實(shí)證模型

采用模型(22)來檢驗(yàn)現(xiàn)金流信息以及現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票非預(yù)期收益的解釋能力

γControlVariablest-1+εi,t

其中系數(shù)λjt、ηjt以及γjt是宿成建[31,32]提出的基于會(huì)計(jì)收益的股票非預(yù)期收益定價(jià)3變量模型變量的估計(jì)系數(shù)；ControlVariablest-1為一組控制變量，由滯后一期t-1年的數(shù)值來度量，具體定義見表1.如果現(xiàn)金流信息與現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票非預(yù)期收益定價(jià)，則γ1、γ2顯著為正.

采用模型(23)來檢驗(yàn)現(xiàn)金流信息以及現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票實(shí)際收益的解釋能力

γControlVariablest-1+εi,t

(23)

式中如果現(xiàn)金流信息以及現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票實(shí)際收益的解釋能力顯著，則γ1、γ2顯著為正.

采用模型(24)來檢驗(yàn)現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票預(yù)期收益的解釋能力

(24)

式中如果現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票預(yù)期收益的解釋能力顯著，則γ1顯著為正.

采用模型(25)來檢驗(yàn)現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票超額收益的解釋能力

(25)

借鑒Da和Warachka[33]，若現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票超額收益的解釋能力顯著，則γ1顯著為正.

表1　變量定義與度量標(biāo)準(zhǔn)

3實(shí)證檢驗(yàn)

3.1描述性統(tǒng)計(jì)分析

由表2所示的描述性統(tǒng)計(jì)可知：1)股票非預(yù)期收益(UR)及股票實(shí)際收益(RET)的中位數(shù)分別為-0.080、-0.007，分別小于其均值0.137和0.205，這樣的結(jié)果說明，大多數(shù)公司的股票收益小于市場(chǎng)預(yù)期收益，正是由于少數(shù)公司獲得的異常超額收益使得股票的實(shí)際收益和非預(yù)期收益的均值大于其樣本的中位數(shù)的股票收益值；2)現(xiàn)金流信息的中位數(shù)為0.026，小于均值0.041，說明大多數(shù)公司的現(xiàn)金流信息小于其期望值，少數(shù)公司所獲得的超高現(xiàn)金流信息值使得股票的現(xiàn)金流信息具有較高的均值；3)現(xiàn)金流貝塔的均值與中位數(shù)值分別為0.041、1.085，分別高于股票貝塔值的均值0.951和中位數(shù)0.969，說明股票的現(xiàn)金流風(fēng)險(xiǎn)平均高于股票的市場(chǎng)風(fēng)險(xiǎn).

表2　描述性統(tǒng)計(jì)

3.2現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)與股票收益

3.2.1現(xiàn)金流信息、分析師跟蹤人數(shù)與股票非預(yù)期收益

由表3模型(4)可知：1)現(xiàn)金流信息作為獨(dú)立變量可以解釋股票非預(yù)期收益，現(xiàn)金流信息的系數(shù)為3.286，t 值為8.155，調(diào)整R2值為0.039，說明現(xiàn)金流信息與股票非預(yù)期收益顯著正相關(guān)；2)具有較少分析師跟蹤的股票價(jià)格可能較慢地對(duì)新信息作出反映，Hou和Moskowitz[39]提出假設(shè)，即股票被較少分析師跟蹤的股票將比較多分析師跟蹤的股票具有更高的收益.此外，宿成建[31，32]提出當(dāng)期非預(yù)期會(huì)計(jì)收益(UE)、當(dāng)期證券分析師盈余預(yù)測(cè)修正(ERUE)以及市場(chǎng)非預(yù)期收益(URM)構(gòu)成的多變量模型可以解釋股票非預(yù)期收益.本文在模型(5)、(6)中進(jìn)一步控制了以上變量及公司規(guī)模、賬面市值比等變量.研究發(fā)現(xiàn)，現(xiàn)金流信息的系數(shù)為正且統(tǒng)計(jì)上顯著.

在控制變量方面，分析師跟蹤人數(shù)與股票非預(yù)期收益負(fù)相關(guān)，結(jié)果與Hou和Moskowiz[39]的預(yù)測(cè)一致，即股票被較少分析師跟蹤的股票將比較多分析師跟蹤的股票具有更高的收益.此外，當(dāng)期非預(yù)期會(huì)計(jì)收益(UE)、當(dāng)期證券分析師盈余預(yù)測(cè)修正(ERUE)以及市場(chǎng)非預(yù)期收益(URM)等3個(gè)變量的系數(shù)均顯著為正，該結(jié)果與宿成建[31,32]的發(fā)現(xiàn)一致，這個(gè)結(jié)果說明，在控制了其它變量條件下，宿成建提出的3變量模型對(duì)股票非預(yù)期收益具有穩(wěn)健的解釋能力.除了以上控制變量與股票非預(yù)期收益存在顯著相關(guān)外，其它控制變量，Size、MB、IVOL、ROIN與股票非預(yù)期收益則不存在統(tǒng)計(jì)上顯著的關(guān)系.

3.2.2現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)與股票實(shí)際收益

由表3模型1可知：1)現(xiàn)金流信息對(duì)股票實(shí)際收益具有顯著的解釋能力，現(xiàn)金流信息的系數(shù)為3.548，t 值為8.316，調(diào)整R2值為0.041；然而，現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票實(shí)際收益則不具有顯著的解釋能力，現(xiàn)金流風(fēng)險(xiǎn)系數(shù)為-0.046，t值為-1.781，統(tǒng)計(jì)上不顯著.2)在控制了分析師跟蹤人數(shù)以及宿成建[31,32]提出的模型的3個(gè)變量及規(guī)模等其它變量后，現(xiàn)金流信息仍然具有穩(wěn)健的解釋能力，而現(xiàn)金流風(fēng)險(xiǎn)則不具有對(duì)股票實(shí)際收益的解釋能力.此外，控制變量Size、MB、IVOL、ROIN與股票實(shí)際收益不存在統(tǒng)計(jì)上顯著的關(guān)系.Size不能解釋股票實(shí)際收益的可能是回歸樣本中缺少小公司樣本的原因?qū)е碌?，因?yàn)橐?guī)模較小的公司常常被證券分析師忽略.

表3　現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)與股票收益

3.2.3現(xiàn)金流風(fēng)險(xiǎn)與股票預(yù)期收益

由表3模型7可知：現(xiàn)金流風(fēng)險(xiǎn)貝塔對(duì)股票預(yù)期收益具有顯著的解釋能力，現(xiàn)金流風(fēng)險(xiǎn)系數(shù)0.004，t值為10.741，調(diào)整R2值為0.066；本文的發(fā)現(xiàn)與Da和Warachka[33]一致，股票的現(xiàn)金流風(fēng)險(xiǎn)越高，說明股票的現(xiàn)金流預(yù)期變化與市場(chǎng)組合現(xiàn)金流預(yù)期變化的協(xié)方差越高，也就是股票具有更高的系統(tǒng)風(fēng)險(xiǎn)，因而，這樣的股票具有高的預(yù)期收益.本文與Da和Warachka[33]所不同的是有兩點(diǎn):1)在估計(jì)現(xiàn)金流風(fēng)險(xiǎn)貝塔時(shí)，Da和Warachka是將股票按規(guī)模和賬面市值比來分組，從而估計(jì)出規(guī)模和賬面市值比貝塔，組合所屬股票按組合貝塔賦值；2)Da和Warachka是采用現(xiàn)金流貝塔來解釋股票超額收益.

3.3穩(wěn)健性檢驗(yàn)及Fama-French3因子模型比較分析

為了檢驗(yàn)現(xiàn)金流信息與現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票收益的解釋能力的穩(wěn)健性，本文進(jìn)一步實(shí)證在控制Fama和French[7]3因子模型變量后檢驗(yàn)現(xiàn)金流信息與現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票超額收益的解釋能力.傳統(tǒng)的對(duì)多變量模型的解釋能力的檢驗(yàn)依賴于檢驗(yàn)?zāi)Ｐ偷慕鼐囗?xiàng)α是否為零[7,8,40,41].

由表4模型1可知：現(xiàn)金流信息對(duì)股票超額收益具有顯著的解釋能力，現(xiàn)金流信息的系數(shù)為3.548，t值為8.316，調(diào)整R2值為0.041；然而，現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票實(shí)際收益則不具有顯著的解釋能力，現(xiàn)金流風(fēng)險(xiǎn)系數(shù)為-0.046，t值為-1.781，統(tǒng)計(jì)上不顯著.由表4模型2和模型3可知：在控制了宿成建[31,32]模型的3個(gè)變量及其它如規(guī)模、BM等變量后，現(xiàn)金流信息對(duì)股票超額收益具有顯著的解釋能力；現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票實(shí)際收益不具有顯著的解釋能力.由表4模型6可知：在控制了Fama和French[7]3因子模型變量后，現(xiàn)金流信息對(duì)股票超額收益具有顯著的解釋能力；現(xiàn)金流風(fēng)險(xiǎn)對(duì)股票實(shí)際收益不具有顯著的解釋能力.以上結(jié)果說明，現(xiàn)金流信息對(duì)股票超額收益具有穩(wěn)健的解釋能力，而現(xiàn)金流風(fēng)險(xiǎn)則對(duì)股票超額收益不具備顯著的解釋能力，這一結(jié)論與Da和Warachka[33]的發(fā)現(xiàn)不一致.

表4　現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)與股票超額收益

此外，對(duì)比模型3和模型6可知：在解釋股票超額收益方面，由現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)、分析師跟蹤人數(shù)與宿成建[31,32]模型的3個(gè)變量后構(gòu)成的多因素變量模型優(yōu)越于Fama和French[7]3因子模型變量與現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)構(gòu)成的多變量模型.前一多變量模型的截距項(xiàng)α為-0.002(t值是-0.070)，模型的調(diào)整R2值是0.593；后一多變量模型截距項(xiàng)α為-0.111(t值是-3.766)，模型的調(diào)整R2值是0.586.為了檢驗(yàn)宿成建3個(gè)變量對(duì)股票超額收益的解釋能力的穩(wěn)健性，將反映系統(tǒng)風(fēng)險(xiǎn)變量的市場(chǎng)非預(yù)期收益(URM)的一階矩作為控制變量加入到宿成建3變量模型中，并且，在不考慮未來現(xiàn)金流信息的情況，回歸結(jié)果見表4模型7所示，模型7完全解釋了股票超額收益，截距項(xiàng)α為-0.001(t值是-0.029)，模型的調(diào)整R2值是0.596.M1(URM)的系數(shù)估計(jì)值為0.262(t值是5.986)，這一結(jié)果說明，市場(chǎng)非預(yù)期收益所導(dǎo)致的系統(tǒng)風(fēng)險(xiǎn)對(duì)股票超額收益存在明顯的定價(jià)作用.

上述有關(guān)Fama和French[7]3因子模型變量為基礎(chǔ)的多變量模型在解釋股票超額收益時(shí)出現(xiàn)的較大的不能被解釋的截距項(xiàng)α支持了Danel和Titman[34]的觀點(diǎn)，即并不存在與企業(yè)賬面市值相關(guān)的可識(shí)別的獨(dú)立風(fēng)險(xiǎn)因素,也不存在3因子模型識(shí)別的收益升水[42].Daniel和Titman[34]指出，使用規(guī)模和賬面市值比來構(gòu)造組合因子來檢驗(yàn)定價(jià)模型可能是危險(xiǎn)的，特征組合可能會(huì)顯示出風(fēng)險(xiǎn)貝塔的差值,由于這種特征組合溢價(jià)(SMB和HML)并沒有理論基礎(chǔ)，因此，基于特征組合溢價(jià)變量的定價(jià)模型雖然能夠解釋股票平均收益，但不能排除偽回歸的謬誤.針對(duì)Fama和French[7]3因子模型可能存在的問題，Cochrane[1]指出，即賬面市值比應(yīng)該在回歸模型的左邊，作為被解釋變量，而不是作為解釋變量.為了檢驗(yàn)Cochrane提出的論點(diǎn)以及Daniel和Titman[34]對(duì)Fama和French[7]3因子模型提出的批評(píng)，首先建立包括宿成建[31,32]3個(gè)變量、Fama和French的smb、hml以及系統(tǒng)風(fēng)險(xiǎn)變量M1(URM)的多變量模型回歸方程，模型估計(jì)結(jié)果見表4模型8所示，smb、hml的系數(shù)估計(jì)值均不顯著異于零，smb、hml對(duì)股票超額收益的解釋能力均被URM和系統(tǒng)風(fēng)險(xiǎn)變量M1(URM)所吸收，然而，宿成建3個(gè)變量的系數(shù)估計(jì)均顯著異于零，表現(xiàn)出對(duì)股票超額收益的穩(wěn)健的解釋能力.為了進(jìn)一步檢驗(yàn)URM變量對(duì)sml變量的解釋能力，本文將hml作為被解釋變量，采用市場(chǎng)非預(yù)期收益URM作為解釋變量建立回歸，結(jié)果見由表4模型9所示：市場(chǎng)非預(yù)期收益URM可以解釋賬面市值比因素組合溢價(jià)hml的81.2%，這一結(jié)果為Cochrane[1]的論點(diǎn)及Daniel和Titman[34]的批評(píng)給出了證據(jù).

4結(jié)束語

本文對(duì)現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)在股票收益中的定價(jià)關(guān)系進(jìn)行了深入研究，在宿成建[31，32]3變量模型基礎(chǔ)上，建立了包含現(xiàn)金流信息的多變量的股票非預(yù)期收益定價(jià)模型.通過對(duì)2005年-2011年中國A股上市公司的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，發(fā)現(xiàn)：1)由證券分析師盈余預(yù)測(cè)修正估計(jì)出的正現(xiàn)金流信息對(duì)股票非預(yù)期收益、股票實(shí)際收益、股票超額收益均具有穩(wěn)健的解釋能力;2) 由證券分析師盈余預(yù)測(cè)估計(jì)出的現(xiàn)金流風(fēng)險(xiǎn)反映了股票的系統(tǒng)風(fēng)險(xiǎn)，可以對(duì)股票預(yù)期收益定價(jià)；3)在解釋股票超額收益方面，由現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)、分析師跟蹤人數(shù)與宿成建3變量模型構(gòu)成的多變量模型優(yōu)越于Fama和French[7]3因子模型變量與現(xiàn)金流信息、現(xiàn)金流風(fēng)險(xiǎn)構(gòu)成的多變量模型；4)市場(chǎng)非預(yù)期收益(URM)可以解釋賬面市值比因素組合溢價(jià)SML的81.2%，這一發(fā)現(xiàn)支持了Daniel和Titman[34]的觀點(diǎn)，即基于特征組合溢價(jià)變量的定價(jià)模型雖然能夠解釋股票平均收益，但不能排除偽回歸的謬誤，同時(shí)，也支持了Cochrane[1]的論點(diǎn)，即賬面市值比應(yīng)該在回歸模型的左邊，作為被解釋變量，而不是作為解釋變量.

本文的研究結(jié)論具有重要的理論與現(xiàn)實(shí)意義.首先，本文從理論和實(shí)證發(fā)現(xiàn)由證券分析師盈余預(yù)測(cè)修正估計(jì)出的正現(xiàn)金流信息對(duì)股票非預(yù)期收益、股票實(shí)際收益、股票超額收益均具有穩(wěn)健的解釋能力，這一研究突破了Campbell和Shiller[13]、Vuolteenaho[16]的研究,他們選擇使用VAR的基于殘差的方法來估計(jì)現(xiàn)金流信息，這種基于殘差的方法存在估計(jì)結(jié)果對(duì)輸入變量的高度敏感性[17]，前者估計(jì)現(xiàn)金流信息所使用的主要變量為公司所支付的股利與期初價(jià)格之比的對(duì)數(shù)，而后者則使用權(quán)益回報(bào)率(ROE)為主要變量來估計(jì)現(xiàn)金流信息.其次，本文建立了包括現(xiàn)金流信息以及宿成建3變量的多變量模型，將中國股市股票非預(yù)期收益的解釋能力提高到了59.1%，并且截距項(xiàng)接近于零.這一新突破發(fā)展了現(xiàn)有資產(chǎn)定價(jià)理論.最后，證券分析師盈余預(yù)測(cè)修正估計(jì)出的正現(xiàn)金流信息對(duì)股票價(jià)格的定價(jià)影響效應(yīng)，對(duì)投資者科學(xué)地進(jìn)行組合配置具有指導(dǎo)意義.

參 考 文 獻(xiàn)：

[1]CochraneJH.Presidentialaddress:Discountrates[J].JournalofFinance, 2011, 66(4): 1047-1108.

[2]SharpeW.Capitalassetprices:Atheoryofmarketequilibriumunderconditionsofrisk[J].JournalofFinance， 1964， 19(3):425-442.

[3]LintnerJ.Thevaluationofriskassetsandtheselectionofriskyinvestmentsinstockportfoliosandcapitalbudgets[J].ReviewofEconomicsandStatistics， 1965， 47(1):13-37.

[4]BlackF.Capitalmarketequilibriumwithrestrictedborrowing[J].JournalofBusiness， 1972， 45(3):444-455.

[5]FamaEF,MacBethJD.Risk,return,andequilibrium:Empirical[J].TheJournalofPoliticalEconomy, 1973， 81(3):607-636.

[6]FamaEF,FrenchKR.Thecross-sectionofexpectedstockreturns[J].JournalofFinance, 1992, 47(2): 427-465.

[7]FamaEF,FrenchKR.Multifactorexplanationsofassetpricinganomalies[J].JournalofFinance， 1996， 51(1):55-84.

[8]FamaEF,FrenchKR.Commonriskfactorsinthereturnsonstockandbonds[J].JournalofFinancialEconomics, 1993, 33: 3-56.

[9]FamaEF,FrenchKR.Dissectinganomalies[J].JournalofFinance, 2008, 63(4): 1063-1067.

[10]SloanR.Dostockpricesfullyreflectinformationinaccrualsandcashflowsaboutfutureearnings?[J].TheAccountingReview， 1996， 71(3):289-316.

[11]CohenRB,GompersPA,VuolteenahoT.Whounderreactstocash-flownews?Evidencefromtradingbetweenindividualsandinstitutions[J].JournalofFinancialEconomics, 2002, 66(2): 409-462.

[12]JegadeeshN,TitmanS.Returnstobuyingwinnersandsellinglosers:Implicationsforstockmarketefficiency[J].JournalofFinance， 1993， 48(1): 65-91.

[13]CampbellJ,ShillerR.Thedividend-priceratioandexpectationoffuturedividendsanddiscountfactors[J].TheReviewofFinancialStudies， 1989, 1(3): 195-228.

[14]CampbellJY.Avariancedecompositionforstockreturns[J].EconomicJournal, 1991, 101(405): 157-179.

[15]CampbellJY,AmmerJ.Whatmovesthestockandbondmarkets?Avariancedecompositionforlong-termassetreturns[J].JournalofFinance， 1993, 48(1): 3-37.

[16]VuolteenahoT.Whatdrivesfirm-levelstockreturns?[J].JournalofFinance, 2002, 57(1): 233-264.

[17]ChenL,ZhaoX.Returndecomposition[J].TheReviewofFinancialStudies, 2009, 22(12): 5213-5249.

[18]BallR,BrownP.Anempiricalevaluationofaccountingincomenumbers[J].JournalofAccountingResearch, 1968, 6(2): 159-178.

[19]CollinsD,KothariSP.Ananalysisofintertemporalandcross-sectionaldominantsofearningsresponsecoefficients[J].JournalofAccountingandEconomics, 1989, 11(2/3): 143-181.

[20]EastonPD,HarrisTS.Earningsasanexplanatoryvariableforreturns[J].JournalofAccountingResearch, 1991, 29(1): 19-36.

[21]KormendiR,LipeR.Earningsinnovations,earningspersistence,andstockreturns[J].JournalofBusiness, 1987, 60(3): 323-345.

[22]FreemanR,TseS.Anonlinearmodelofsecuritypriceresponsestoaccountingearnings[J].JournalofAccountingResearch, 1992, 30(2): 185-209.

[23]FelthamJ,OhlsonJ.Valuationandcleansurplusaccountingforoperatingandfinancialactivities[J].ContemporaryAccountingResearch, 1995, 11(2): 689-731.

[24]LevB,ThiagarajanSR.Fundamentalinformationanalysis[J].JournalofAccountingResearch, 1993, 31(2): 190-215.

[25]CollinsD,KothariSP,ShankenJ,etal.Lackoftimelinessandnoiseasexplanationsforthelowcontemporaneousreturn-earningsassociation[J].JournalofAccountingandEconomics, 1994, 18 (3): 289-324.

[26]BrownP,FosterG,NoreenE.SecurityanalystMulti-YearEarningsForecastsandtheCapitalMarket[C].StudiesinAccountingResearch,No. 21,Sarasota:AmericanAccountingAssn, 1985.

[27]CornellB,LandsmanWR.Securitypriceresponsetoquarterlyearningsannouncementsandanalysts’forecastrevisions[J].TheAccountingReview, 1989, 64(4): 680-692.

[28]AbarbanellJ,BusheeB.Fundamentalanalysis,futureearnings,andstockprices[J].JournalofAccountingResearch,1977, 35(1): 1-24.

[29]LiuJ,ThomasJ.Stockreturnandaccountingearnings[J].JournalofAccountingResearch, 2000, 38(1): 71-101.

[30]ChambersDJ,FreemanRN,KochAS.Theeffectofriskonpriceresponsestounexpected[J].JournalofAccounting,AuditingandFinance, 2005, 20(4): 461-482.

[31]宿成建. 股票非預(yù)期收益理論與實(shí)證研究——基于中國股票市場(chǎng)的檢驗(yàn)[J]. 投資研究, 2014, 33(7): 126-143.

SuChengjian.Muiti-factorspricingonunexpectedstockreturn:TheoryandevidencefromChina[J].ReviewofInvestmentStudies, 2014, 33(7): 126-143. (inChinese)

[32]宿成建. 股票非預(yù)期收益定價(jià)的三因素模型研究——基于中國股票市場(chǎng)的檢驗(yàn)[J]. 系統(tǒng)工程理論與實(shí)踐, 2014, 34(3): 600-612.

SuChengjian.Anewthree-varaiblesmodelonunexpectedstockreturns:EvidencefromChina[J].SystemsEngineering-Theory&Practice, 2014, 34(3): 600-612.(inChinese)

[33]DaZ,WarachkaMC.Cashflowrisk,systematicearningsrevisions,andthecross-sectionofstockreturns[J].JournalofFinancialEconomics, 2009, 94(3): 448-468.

[34]DanielK,TitmanS.Evidenceonthecharacteristicsofcrosssectionalvariationinstockreturns[J].JournalofFinance, 1997, 52(1): 1-33.

[35]WilliamsJ.TheTheoryofInvestmentValue[M].Cambridge:HarvardUniversityPress, 1938.

[36]KumarA.Whogamblesinthestockmarket?[J].JournalofFinance, 2009, 64(4): 1889-1933.

[37]AngA,HodrickRJ,XingY,etal．Thecross-sectionofvolatilityandexpectedreturns[J].JournalofFinance, 2006, 61(1): 259-299.

[38]FuF.Idiosyncraticriskandthecross-sectionofexpectedstockreturns[J]．JournalofFinancialEconomics, 2009, 91(1): 24-37.

[39]HouK,MoskowitzTJ.Marketfrictions,pricedelay,andthecrosssectionofexpectedreturns[J].ReviewofFinancialStudies, 2005, 18(3): 981-1020.

[40]HirshleiferD,HouK,Teoh.Theaccrualanomaly:Riskormispricing?[J].ManagementScience, 2012, 58(2): 320-335.

[41]CampbellJY,LoW,MacKinlayAC.TheEconometricsofFinancialMarkets[M].Princeton:PrincetonUniversityPress,1997.

[42]歐陽青東, 邱兆祥. 金融經(jīng)濟(jì)學(xué)研究的國際動(dòng)態(tài)—基于1990-2011年間《金融學(xué)期刊》刊發(fā)論文的統(tǒng)計(jì)分析[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài), 2012, (6): 103-109.

OuyangQingdong,QiuZhaoxiang.Reviewsonfinancialeconomicsstudies:Evidencefromthestudiesofthejournaloffinancefromyearof1990toyearof2011[J].JournalofEconomicDynamics, 2012, (6): 103-109. (inChinese)

[43]鄭振龍, 王磊, 王路跖. 特質(zhì)偏度是否被定價(jià)？[J]. 管理科學(xué)學(xué)報(bào), 2013, 16(5): 1-12.

ZhengZhenlong,WangLei,WangLuzhi.Isidiosyncraticskewnesspriced?[J].JournalofManagementSciencesinChina, 2013, 16(5): 1-12.(inChinese)

Cashflownews,cashflowriskandpricingofstockreturns

SU Cheng-jian1, 2

1.SchoolofFinanceofGuizhouUniversityofFinanceandEconomics,Guiyang550025,China2.DepartmentofFinance,jinchengCollegeofSichuanUniversity,Chengdu611731,China；

Abstract:The paper derives and tests the relationship between current-period unexpected returns and unexpected earnings that incorporates cashflow news and cashflow risk. A new multi-variable model based on a three-variable model is established to explain the unexpected individual stock returns. The paper estimates the model using data for individual stocks in China’s market from 2002 to 2011.The main findings are: (i)The result of the cashflow news derived by revisions in forecasts of future earnings is an important determinant of cross-sectional unexpected stock returns and realized stock returns and excess stock returns; (ⅱ) The cashflow risk thus derived to reflect systematic risk can explain expected stock returns; (ⅲ) The new multi-variable model based on the three-variable of model and considering cashflow news and cashflow risk dominates the multi-variable model based based on the three-factor model Fama-French and considering cashflow news and cashflow risk in explaining excess stock returns.

Key words:expected stock returns; unexpected stock returns; cashflow news; cashflow risk

收稿日期:① 2013-09-02；

修訂日期：2014-12-07

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(71572052； 71572091)； 貴州省科學(xué)技術(shù)基金資助項(xiàng)目(黔科合J字[2013]2088號(hào)).

作者簡介:宿成建(1966—)， 男， 四川郫縣人， 博士， 副教授. Email： suchengjian@sina.com

中圖分類號(hào):F830.91

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1007-9807(2016)05-0102-12