摘要：現(xiàn)有研究股市異象的文獻大多使用Fama-French三因子模型、Carhart四因子模型和Fama-French五因子模型，其中多數(shù)文獻并未就所選模型是否適用于對應異象的檢驗加以探討。我們收集了6種異象，分別使用CAPM、三因子模型和五因子模型進行檢驗，發(fā)現(xiàn)：（1）6種異象的真實溢價均不顯著，但使用最新的五因子模型檢驗出了顯著的阿爾法；（2）當使用應用最廣的三因子模型時得到了更加膨脹的阿爾法；（3）使用經(jīng)典的CAPM模型得到了較為合理的結(jié)果；（4）市值因子是導致異象溢價的阿爾法被夸大的主要原因，價值因子則為次要原因。結(jié)果表明，研究股市異象時需要慎重考慮所選定價模型是否適用于檢驗該異象，不恰當?shù)厥褂枚▋r因子會導致矯枉過正的后果。

關(guān)鍵詞：股票市場；異象；資產(chǎn)定價模型；定價因子

中圖分類號：F830 文獻標識碼：A 文章編號：1003-854X（2017）09-0030-07

一、引言

自從Fama和MacBeth對金融經(jīng)濟學領(lǐng)域著名的資本資產(chǎn)定價模型（CAPM）進行實證檢驗以來①，數(shù)以百計的論文對股票市場的橫截面回報率進行了解釋②。從學術(shù)研究的角度看，解釋股市橫截面回報率特征是實證資產(chǎn)定價研究的主要方向之一；從實際應用的角度看，對股市橫截面回報率特征的掌握有助于專業(yè)的資產(chǎn)管理機構(gòu)建立相應的盈利策略。因此，該方面的文獻常常受到學界和業(yè)界的關(guān)注，并大量發(fā)表在經(jīng)濟和金融領(lǐng)域的頂級刊物③。

有關(guān)股票市場橫截面回報率的研究大多以發(fā)現(xiàn)某種現(xiàn)有定價模型不能解釋的異象作為主要學術(shù)貢獻。大體來講，這類研究先試著找出與股票未來收益率相關(guān)的前定變量，然后進一步驗證這種相關(guān)性并不能由現(xiàn)有的資產(chǎn)定價模型所解釋，從而判定這個前定變量對股市橫截面回報率的解釋能力為“異象”。如果異象真的存在，意味著股票未來回報率可以由特定變量的當前值來解釋。換句話說，每一種異象都對應著一條預測股價的途徑。然而，變幻莫測的股票市場真的那么容易被預測嗎？一些文獻對于異象的存在性提出了懷疑。首先，早期的文獻指出，股市異象可能并不存在于經(jīng)濟意義層面，而僅僅是來自特定樣本的統(tǒng)計偏誤④；其次，近期有研究認為，由于研究市場異象的文獻數(shù)量較多，傳統(tǒng)的顯著性門檻可能無法有效排除數(shù)據(jù)挖掘的嫌疑⑤。此外，慣例性地使用橫截面R平方和定價誤差來衡量截面定價因子的解釋能力很可能存在偽回歸的問題⑥。最后，現(xiàn)有文獻也證明了隨著學術(shù)成果的公布和市場有效性的恢復，股市異象對于股價的預測能力明顯減弱⑦。這些文獻共同表明，股票市場異象的實際數(shù)量并非像該領(lǐng)域發(fā)表的文獻數(shù)量那樣多。

基于上述背景，本文從一個全新的角度——資產(chǎn)定價因子的選擇——來檢驗異象的數(shù)量和顯著性是否被人為地夸大。本文的構(gòu)思主要來自兩處啟發(fā)：第一，現(xiàn)有關(guān)于市場異象的文獻在資產(chǎn)定價模型的選擇上并沒有達到一致。使用最廣泛的是著名的三因子模型，如Fama和French、毛小元等、田利輝等的研究⑧；但也有許多文獻使用四因子模型，如Carhart、歐陽志剛、李飛、Fama和French、趙勝民等的研究⑨，此外作為資產(chǎn)定價領(lǐng)域最新進展的五因子模型，也在近年來得到了越來越多的使用⑩。資產(chǎn)定價模型對于異象檢驗起決定性的把關(guān)作用：如果異象對股票未來回報率的解釋能力不能被這些模型包含的標準定價因子吸收，那么就認為該異象是真實存在的。因此，本文的第一個假設(shè)是：資產(chǎn)定價模型選擇的自主性，同時也是定價因子選擇的自主性，會對異象研究的結(jié)論產(chǎn)生影響。第二，資產(chǎn)定價模型有時不僅沒有吸收異象溢價的解釋力，反而還會夸大異象的規(guī)模。Chen等在對中國股票市場的多個異象進行檢驗時報告了三因子模型對應的阿爾法溢價大于真實回報率溢價的結(jié)果，但并未對此加以說明{11}。Bali等在檢驗美國市場的特質(zhì)波動率異象時發(fā)現(xiàn)四因子模型的阿爾法溢價超過了真實回報率溢價，他們認為是股票組間的市值差異導致了這種結(jié)果{12}。因此，本文的第二個假設(shè)是：以市值為代表的標準資產(chǎn)定價因子可能夸大異象的規(guī)模和顯著性。

為了驗證上述兩個假設(shè)，本文使用CAPM、三因子模型、五因子模型對凈營運資產(chǎn)、現(xiàn)金流價格比、盈利價格比、毛利率、毛利溢價和動量對應的6種異象進行了檢驗。分別使用作為資產(chǎn)定價領(lǐng)域最新進展的五因子模型、應用最廣的三因子模型和經(jīng)典的CAPM模型，考量資產(chǎn)定價模型的選擇和定價因子的改變是否會影響異象檢驗的結(jié)論，以及是否會夸大異象的顯著程度。

本文主要有以下貢獻：第一，我們基于定價因子選擇這個新的角度，驗證了最常用的資產(chǎn)定價模型可能會使得異象研究的結(jié)果存在偏誤。使用資產(chǎn)定價模型驗證異象的本意是消除異象溢價中對應標準資產(chǎn)定價因子所能解釋的部分，而本文結(jié)果表明一些最常用的定價因子反而會使得阿爾法不合理地膨脹，明顯影響了異象研究結(jié)論的可靠性。第二，我們發(fā)現(xiàn)不同的資產(chǎn)定價模型會導致異象檢驗結(jié)果存在顯著的不同。現(xiàn)有文獻大多使用三因子和五因子模型，而本文指出在一些情形下經(jīng)典的CAPM才能得到合理的結(jié)果。本文也具有一定的啟示：在進行股市異象或橫截面回報率的研究時，需要結(jié)合研究對象的特征選擇合適的資產(chǎn)定價模型。特別是在異象真實溢價不顯著的情況下，某些常用的定價因子可能會導致矯枉過正的后果。

二、數(shù)據(jù)與樣本

1. 數(shù)據(jù)來源與樣本選擇

本研究以1997年1月到2015年6月的A股市場作為研究對象。所用數(shù)據(jù)（交易數(shù)據(jù)、財務數(shù)據(jù)、計算指標所需的原始數(shù)據(jù)等）均來自國泰安數(shù)據(jù)庫（CSMAR）。根據(jù)慣例，我們結(jié)合月度交易數(shù)據(jù)和年度財務數(shù)據(jù)，并在每年的6月底將財務指標更新為上一財務年度的數(shù)據(jù)，以保證財務數(shù)據(jù)在檢驗對應時點的可得性{13}。樣本中排除了金融企業(yè)（財務指標水平與其他行業(yè)差異較大）、權(quán)益賬面價值非正數(shù)的企業(yè)以及ST標記的股票。此外，每個交易月份市值處于10%分位點以下的公司也被排除在樣本以外，以避免小公司驅(qū)動主要結(jié)果的情形。endprint

2. 異象變量計算

（1）凈營運資產(chǎn)（net operating assets，NOA）

Hirshleifer等發(fā)現(xiàn)了凈營運資產(chǎn)異象：平均來講，公司凈營運資產(chǎn)越高，股票期望收益率越低{14}。按照他們的計算方法，公司i在財務年度y的凈營運資產(chǎn)為：

NOAi，y=（營運資產(chǎn)i，y-營運負債i，y）/資產(chǎn)總計i，y-1

（2）現(xiàn)金流價格比（cash flow to price，C/P）

Lakonishok等發(fā)現(xiàn)了現(xiàn)金流價格比異象：平均來講現(xiàn)金流價格比與股票期望收益率呈正相關(guān)關(guān)系{15}。參考他們的方法，公司i在財務年度y的現(xiàn)金流價格比為：

C/Pi，y=（凈利潤i，y+本年計提折舊與攤銷i，y）/（發(fā)行總股數(shù)i，y ×收盤價i，y）

其中

本年計提折舊與攤銷i，y=固定資產(chǎn)折舊i，y+無形資產(chǎn)攤銷i，y+長期待攤費用攤銷i，y

（3）盈利價格比（Earnings to price，E/P）

盈利價格比與股票未來收益率的正向相關(guān)性是實證資產(chǎn)定價領(lǐng)域經(jīng)典的研究問題{16}。根據(jù)計算慣例，公司i在財務年度y的盈利價格比為：

E/Pi，y=凈利潤i，y /（發(fā)行總股數(shù)i，y×收盤價i，y）

（4）毛利率（Gross profit margin，GPM）

Abarbanell和Bushee發(fā)現(xiàn)毛利率越高，該股票平均來講有越高的期望收益率{17}。參考他們的計算，公司i在財務年度y的毛利率為：

GPMi，y=（營業(yè)總收入i，y-營業(yè)成本i，y）/營業(yè)總收入i，y

（5）毛利溢價（Gross profit premium，GPP）

Novy-Marx發(fā)現(xiàn)毛利溢價與股票橫截面期望收益率存在正相關(guān)關(guān)系{18}。參考他的計算方法，公司i在財務年度y的毛利溢價為：

GPPi，y=（營業(yè)總收入i，y-營業(yè)成本i，y）/資產(chǎn)總計i，y

（6）動量（Momentum，MOM）

Jegadeesh和Titman揭示了著名的動量異象：平均來講，過去一段時間內(nèi)表現(xiàn)好（不好）的股票在未來一段時間內(nèi)表現(xiàn)也會好（不好）{19}。參考他們的方法，我們計算了從t-11到t-1月的歷史累計回報率作為t月月末使用的MOM：

MOMi，t=∏（1+ri，tj）-1

其中ri，tj為公司i的股票在j月的回報率，j=t-11，…，t-1

三、研究方法

1. 投資組合法

投資組合法是股票市場異象研究的標準方法。通過異象變量建立投資組合并計算未來真實回報率，能夠直觀體現(xiàn)異象變量對股票期望收益率的預測能力。具體做法是，在每一個t月的月末將樣本中的所有股票按照異象變量排序，從低到高均等分為五組。每個投資組合都采用市值加權(quán)的方式確定股票權(quán)重。將這五個投資組合持有一個月，在t+1月的月末計算當月回報率，同時繼續(xù)按照該規(guī)則重新構(gòu)建五個投資組合。每個月末都重復該過程，我們就能獲得按照該異象變量劃分的五個投資組合下月回報率的時間序列，并能檢驗每個投資組合下月回報的均值是否顯著不為零。為了清楚體現(xiàn)異象變量與股票未來回報率之間的關(guān)系。我們還在t+1月的月末將第5組與第1組的回報率作差（稱為當月的異象溢價），并檢驗該異象的時間序列溢價是否顯著不為零。

2. 資產(chǎn)定價模型回歸

在使用投資組合法檢驗出異象的真實溢價之后，已有文獻通常采用資產(chǎn)定價模型來驗證異象真實溢價對應的阿爾法是否顯著，從而確認異象的有效性。本文同時使用以下3種模型：

模型1：資本資產(chǎn)定價模型（CAPM）

CAPM是經(jīng)典資產(chǎn)定價模型的代表{20}，相應的回歸形式為：

Rp，t=αp+β（Rm，t-Rf，t）+εp，t

其中Rp，t是投資組合p在月份t的超額回報率（真實回報率減月度化的無風險利率），Rm，t是市值加權(quán)的A股綜合回報率。

模型2：三因子模型

Fama和French建立的三因子模型是異象檢驗中最常用的資產(chǎn)定價模型{21}。三因子模型的回歸形式如下：

Rp，t=αp+β1RMRFt+β2SMBt+β3HMLt+εp，t

其中RMRF、SMB和HML為按照French網(wǎng)站的計算方法得到的三因子，分別代表市場超額收益率、小市值公司對大市值公司的溢價、價值股對成長股的溢價。

模型3：五因子模型

結(jié)合近年來資產(chǎn)定價領(lǐng)域的研究進展，F(xiàn)ama和French發(fā)表了最新的五因子模型，回歸設(shè)定如下{22}：

Rp，t=αp+β1RMRFt+β2SMBt+β3HMLt+β4RMWt+ β5CMAt+εp，t

大體上可以認為五因子模型是在三因子模型的基礎(chǔ)上加入了代表強盈利的公司對弱盈利的公司溢價的RMW因子，和代表投資保守的公司對投資激進的公司溢價的CMA因子，但在計算時需要五個因子一起計算（同樣按照French網(wǎng)站的方法計算）。

以上3個模型中，αp即是投資組合p的阿爾法，代表了組合回報率中不能被標準資產(chǎn)定價因子所解釋的部分。如果異象溢價組合的真實回報率顯著，而對應的阿爾法不顯著，說明異象能夠被標準的資產(chǎn)定價因子解釋。反過來，如果組合的真實回報率不顯著，而阿爾法顯著，說明使用資產(chǎn)定價模型進行檢驗反而會夸大原本不存在的異象。

四、實證檢驗

1. 五因子模型

我們分別對每個異象建立5個投資組合，計算每個組合時間序列平均后的下月回報率，同時報告第5組與第1組下月回報之差（Q5—Q1）的時序平均值。這個回報之差的時序平均值也稱為異象溢價，反映了異象的明顯程度，是我們重點關(guān)注的部分。如前所述，我們需要使用資產(chǎn)定價模型來確認異象的真實回報率溢價并非源自常見定價因子。我們先從最新的Fama-French五因子模型開始（模型3），在結(jié)果中報告市值加權(quán)的組合真實回報率和五因子阿爾法。為了使得結(jié)果簡明，我們將在原始文獻中發(fā)現(xiàn)與期望回報率呈負相關(guān)的異象變量取負號處理，使得所有變量的預期方向保持一致。endprint

根據(jù)表1的結(jié)果，這些異象在中國市場的真實溢價絕大部分與在海外市場得到的結(jié)果一致，但在統(tǒng)計上均不顯著。其中較為突出的是現(xiàn)金流價格比（C/P）和動量（MOM）異象，但t值分別只有0.62和0.81。因此，可以認為這些異象在中國市場并不明顯存在。此時如果使用資產(chǎn)定價模型進行檢驗，由于已經(jīng)幾乎沒有要被定價因子解釋的部分，預期也應該得到不顯著的阿爾法。然而，在我們使用五因子模型后，得到了令人困惑的結(jié)果。在表2中，全部的異象溢價都變?yōu)轱@著，且與文獻預期方向一致，同時大幅超過表1中對應的真實回報率溢價。其中凈營運資產(chǎn)（0.44%，t=2.67），現(xiàn)金流價格比（0.68%，t=4.37），盈利價格比（0.77%，t=4.71），毛利溢價（0.61%，t=3.45）的阿爾法溢價在1%的統(tǒng)計水平顯著，動量（0.72%，t=2.09）和毛利率（0.34%，t=1.84）分別在5%和1%的水平顯著。

從現(xiàn)實角度分析，持有相應組合的投資者在一年中幾乎顆粒無收，但管理該組合的投資機構(gòu)卻聲稱，根據(jù)最先進的資產(chǎn)定價模型，組合取得了4%—9%的阿爾法。在投資者沒有獲得真實回報率的時候，為何會有顯著的阿爾法出現(xiàn)？我們認為，這種奇怪現(xiàn)象的根本原因在于定價因子的選擇有誤。

2. 三因子模型

為了解答異象真實溢價不顯著，但阿爾法溢價顯著的疑惑，我們采取直接思維：既然沒有加入因子計算的真實回報溢價和加入五因子計算阿爾法得出的溢價迥然不同，那么一定是某一個或幾個因子導致了阿爾法的膨脹。相應的操作是逐漸減少因子的數(shù)量，本節(jié)將使用Fama-French三因子模型（模型2）進行檢驗。

在五因子模型發(fā)表之前，三因子模型是過去二十多年中使用最廣泛的資產(chǎn)定價模型，在絕大部分異象研究的文獻中被用來檢驗異象溢價組合的超額收益。大體來講，我們可以認為三因子模型加上盈利因子（RMW）和投資因子（CMA）組成了五因子模型。如果阿爾法膨脹現(xiàn)象來自盈利因子或者投資因子，或者來自它們的共同作用，那么使用三因子模型不會出現(xiàn)該現(xiàn)象。

表3中報告了使用三因子模型計算組合和溢價組合的阿爾法。我們發(fā)現(xiàn)三因子模型對應的阿爾法出現(xiàn)了更加夸張的膨脹現(xiàn)象。全部六種異象溢價組合的阿爾法在1%的水平顯著。其中現(xiàn)金流價格比（1.34%）、盈利價格比（1.44%）、毛利溢價（1.19%）、動量（1.11%）對應溢價的月度平均阿爾法都超過了1%。凈營運資產(chǎn)和毛利率異象溢價的阿爾法分別為0.63%和0.71%，同樣大幅超過了五因子模型的對應值。這些結(jié)果表明，使用三因子模型進行異象檢驗時出現(xiàn)了比使用五因子模型時更加嚴重的阿爾法膨脹現(xiàn)象。因此，阿爾法膨脹的根源在傳統(tǒng)的三因子（RMRF，SMB，HML）中，而非盈利因子（RMW）和投資因子（CMA）。

3. CAPM模型

在前兩節(jié)中我們發(fā)現(xiàn)，當使用作為研究慣例的三因子模型和五因子模型時，異象溢價的阿爾法出現(xiàn)了不合理的膨脹，并且確定這種現(xiàn)象并非來自盈利因子和投資因子。本節(jié)中我們使用最經(jīng)典的資產(chǎn)定價模型CAPM來進行檢驗（模型1）。通過比較使用CAPM計算出的阿爾法和三因子模型的阿爾法，我們可以進一步判斷：如果阿爾法回歸正常（與表1中的真實回報率對應的結(jié)論一致），那么膨脹的根源是市值因子（SMB）和/或價值因子（HML）；如果仍然存在膨脹，那么原因出自市場回報因子（RMRF）。

表4中的結(jié)果與表2和表3迥然不同，但和表1取得了一致的結(jié)論。全部6種異象的阿爾法都不顯著，考慮到這6種異象的真實溢價本來就不顯著，這是我們理應得到的結(jié)果。由此結(jié)果，表2和表3中出現(xiàn)的阿爾法膨脹現(xiàn)象并非來自市場回報因子（RMRF），而是來自市值因子（SMB）或價值因子（HML），或者來自兩者的共同作用。

4. 市值因子與價值因子

為了檢驗市值因子和價值因子在阿爾法膨脹中所起的作用，我們進行如下形式的回歸：

模型4：Rp，t=αp+β1RMRFt+β2SMBt+εp，t

模型5：Rp，t=ap+b1RMRFt+b2HMLt+εp，t

對每種異象對應的投資組合和溢價組合分別進行上述回歸。如果αp顯著而ap不顯著，說明阿爾法膨脹的根源在于市值因子（SMB）而非價值因子（HML）；如果ap顯著而αp不顯著，那么正好相反，膨脹現(xiàn)象出自價值因子而非市值因子；而如果ap和αp都顯著，說明市值因子和價值因子共同導致了阿爾法的膨脹。為了節(jié)省篇幅，我們僅報告溢價組合的阿爾法。

根據(jù)表5的結(jié)果，可以認為市值因子和價值因子共同導致了阿爾法膨脹的現(xiàn)象。當在定價模型中考慮市值因子時，現(xiàn)金流價格比（1.28%，t= 6.50）、盈利價格比（1.30%，t=6.47）、毛利溢價（0.80%，t= 3.35）異象溢價對應的阿爾法均在1%的水平顯著；凈營運資產(chǎn)、毛利率、動量異象對應阿爾法的t值也離10%的顯著性水平相距不遠。當在定價模型中考慮價值因子時，凈營運資產(chǎn)（0.34%，t=1.85）和動量（0.59%，t=1.69）異象溢價的阿爾法在10%的水平顯著，另外毛利率和毛利溢價異象的相應t值離10%顯著性水平也相距不遠。因此，我們初步判斷市值因子和價值因子是表2和表3中使用標準資產(chǎn)定價模型進行異象檢驗時出現(xiàn)阿爾法膨脹的共同原因，其中市值因子負有更大責任。

5. 對阿爾法膨脹現(xiàn)象的進一步理解

在上一節(jié)中，我們指出市值因子和價值因子導致了前述6種異象的檢驗過程中出現(xiàn)本不該有的阿爾法膨脹現(xiàn)象。為了對此現(xiàn)象進行進一步的確認和理解，我們參考了Bali等的論述{23}。Bali等在使用因子模型檢驗最大日回報異象時發(fā)現(xiàn)阿爾法稍大于真實回報率，他們認為這種現(xiàn)象來自投資組合的組間市值差異：隨著最大日回報的提高，股票的市值大體呈現(xiàn)降低態(tài)勢，而小盤股的正溢價大致抵消了最大日回報較大對應的負溢價。一旦使用市值因子抽離了小盤股的正溢價，最大日回報對應的負溢價就會在阿爾法中顯現(xiàn)。endprint

受到以上思路的啟發(fā)，我們在本節(jié)中計算前述6種異象對應投資組合的市值與賬面市值比，以確認組間市值或者賬面市值比的差異是否導致市值因子和價值因子引發(fā)阿爾法膨脹。具體來講，在每個月的月末，分別計算每個異象對應的五個投資組合內(nèi)股票的市值、賬面市值比的平均值和中位數(shù)，再就該組合計算平均值和中位數(shù)的時間序列均值。對于每一個異象，如果溢價出現(xiàn)的阿爾法膨脹來自市值因子（賬面市值比因子），那么從第1組到第5組的股票市值（賬面市值比）應該呈現(xiàn)上升（下降）的趨勢，也就是說市值因子（賬面市值比因子）拉低（抬高）了第1組的阿爾法并且/或者抬高（拉低）了第5組的阿爾法。

在表6中，我們發(fā)現(xiàn)現(xiàn)金流價格比（C/P）、盈利價格比（E/P）和毛利溢價（GPP）從第1組到第5組市值的均值和中位數(shù)呈現(xiàn)明顯增加的趨勢，而凈營運資產(chǎn)（NOA）、毛利率（GPM）和動量（MOM）也大體呈現(xiàn)市值增加的規(guī)律，但程度上相對較弱。這與表5中模型4的結(jié)果完全對應。在表7中，凈營運資產(chǎn)、毛利率與毛利溢價從第1組到第5組的賬面市值比的均值和中位數(shù)體現(xiàn)出下降趨勢，與表5中模型5的結(jié)果相應。對于動量異象，表5中的模型4和模型5體現(xiàn)出市值因子和賬面市值比因子可能都會引起阿爾法膨脹。而表6和表7的結(jié)果進一步體現(xiàn)出市值因子是該異象在資產(chǎn)定價模型回歸中出現(xiàn)阿爾法膨脹的主要原因。

6. 穩(wěn)健性檢驗

我們進行了額外的檢驗來測試前述結(jié)果的穩(wěn)健性。首先，本文在主要設(shè)定中采用了符合文獻慣例的投資組合市值加權(quán)的方式，但也有相當一部分文獻采用等權(quán)重的方式構(gòu)建投資組合。為此，我們額外計算了等權(quán)重投資組合對應的表1—表5的結(jié)果（表6并未涉及按權(quán)重計算收益率）。其次，本文在主要設(shè)定中去掉了每個月市值排在最小的10%公司的觀測值。這樣做能夠避免小公司驅(qū)動主要結(jié)果的隱患，但另一方面可能使得結(jié)果向大公司傾斜。為此，我們保留這部分觀測值重復所有實證分析。上述兩種檢驗得到與主要分析中一致的實證結(jié)果，因此可以認為結(jié)果穩(wěn)健。

五、結(jié)論與啟示

本文基于中國A股市場1997年到2015年的數(shù)據(jù)，結(jié)合資本資產(chǎn)定價模型、三因子模型、五因子模型，研究了定價因子的選擇對于6種異象（凈營運資產(chǎn)、現(xiàn)金流價格比、盈利價格比、毛利率、毛利溢價、動量）檢驗結(jié)果的影響。主要發(fā)現(xiàn)如下：首先，盡管6種異象的真實溢價并不顯著，但使用最新的Fama-French五因子定價模型會使得所有異象出現(xiàn)顯著的阿爾法溢價。其次，使用Fama-French三因子模型時出現(xiàn)了比使用五因子模型更加嚴重的阿爾法膨脹，盈利因子與投資因子不是阿爾法膨脹的原因。再次，使用CAPM檢驗6種異象得到了合理且與真實回報率相協(xié)調(diào)的阿爾法。最后，市值因子是導致使用三因子和五因子模型時出現(xiàn)阿爾法膨脹的主要原因，價值因子是次要原因。

本文主要有如下啟示：

第一，本文的結(jié)論表明，現(xiàn)有同領(lǐng)域文獻廣泛使用的Fama-French三因子模型，以及近三年來文獻普遍使用的Fama-French五因子模型，在某些情形下可能對異象檢驗發(fā)揮負面作用。相比之下，經(jīng)典的CAPM才能得到合理的結(jié)果。因此，建議未來的相關(guān)研究在沿用領(lǐng)域慣例的基礎(chǔ)上，還要考量各資產(chǎn)定價模型對應的因子組合是否適用于所需檢驗的異象。

第二，由于在真實溢價不顯著，且異象變量與模型中的定價因子存在明顯的相關(guān)性時，使用資產(chǎn)定價模型會產(chǎn)生矯枉過正的結(jié)果。因此我們建議，在真實溢價不顯著的情況下，盡量使用傳統(tǒng)保守的資產(chǎn)定價模型，避免誤導結(jié)論的可能性。

注釋：

① Eugene F. Fama and James D. MacBeth， Risk， Return， and Equilibrium： Empirical Tests Journal of Political Economy， 1973， 81， pp.607-636.

②⑤ Campbell R. Harvey， Yan Liu and Heqing Zhu， The Cross-section of Expected Returns， The Review of Financial Studies， 2016， 29， pp.5-68.

③⑦ R. David McLean and Jeffrey Pontiff， Does Academic Research Destroy Stock Return Predictability？ The Journal of Finance， 2016， 71， pp.5-32.

④ Eugene F. Fama， Efficient Capital Markets： II， The Journal of Finance， 1991， 46， pp.1575-1617； G. William Schwert， Anomalies and Market Efficiency， Handbook of the Economics of Finance 1B， 2003， pp.939-975.

⑥ Jonathan Lewellen， Stefan Nagel and Jay Shanken， A Skeptical Appraisal of Asset Pricing Tests， Journal of Financial Economics， 2010， 96， pp.175-194.

⑧ Eugene F. Fama and Kenneth R. French， Common Risk Factors in the Returns on Stocks and Bonds， Journal of Financial Economics， 1993， 33， pp.3-56；毛小元、陳夢根、 楊云紅：《配股對股票長期收益的影響：基于改進三因子模型的研究》，《金融研究》2008年第5期；田利輝、王冠英、張偉：《三因素模型定價：中國與美國有何不同》，《國際金融研究》2014年第7期。endprint

⑨ Mark M. Carhart， On Persistence in Mutual Fund Performance， The Journal of Finance， 1997， 52， pp.57-82；歐陽志剛、李飛：《四因子資產(chǎn)定價模型在中國股市的適用性研究》，《金融經(jīng)濟學研究》2016年第2期。

⑩ Eugene F. Fama and Kenneth R. French， A Five-factor Asset Pricing Model， Journal of Financial Economics， 2015， 116， pp.1-22；趙勝民、閆紅蕾、張凱：《Fama-french五因子模型比三因子模型更勝一籌嗎——來自中國A股市場的經(jīng)驗證據(jù)》，《南開經(jīng)濟研究》2016年第2期。

{11} Xuanjuan Chen， Kenneth A. Kim， Tong Yao and Tong Yu， On the Predictability of Chinese Stock Returns， Pacific-Basin Finance Journal， 2010， 18， pp.403-425.

{12}{23} T. G. Bali， N. Cakici and R. F. Whitelaw， Maxing Out： Stocks As Lotteries and the Cross-section of Expected Returns， Journal of Financial Economics， 2011， 99， pp.427-446， pp.427-446.

{13} Eugene F. Fama and Kenneth R. French， The Cross-section of Expected Stock Returns， The Journal of Finance， 1992， 47， pp.427-465.

{14} David Hirshleifer， Hou Kewei， Siew Hong Teoh and Zhang Yinglei， Do Investors Overvalue Firms With Bloated Balance Sheets， Journal of Accounting and Economics， 2004， 38， pp.297-331.

{15} Josef Lakonishok， Andrei Shleifer and Robert W. Vishny， Contrarian Investment， Extrapolation， and Risk， The Journal of Finance， 1994， 49， pp.1541-1578.

{16} S. Basu， Investment Performance of Common Stocks in Relation to Their Price-earnings Ratios： A Test of the Efficient Market Hypothesis， The Journal of Finance， 1977， 32， pp.663-682.

{17} J. S. Abarbanell and B. J. Bushee， Abnormal Returns to a Fundamental Analysis Strategy， The Accounting Review， 1998， 73， pp.19-45.

{18} Robert Novy-Marx， The Other Side of Value： The Gross Profitability Premium， Journal of Financial Economics， 2013， 108， pp.1-28.

{19} Narasimhan Jegadeesh and Sheridan Titman， Returns to Buying Winners and Selling Losers： Implications for Stock Market Efficiency， The Journal of Finance， 1993， 48， pp.65-91.

{20} William F. Sharpe， Capital Asset Prices： A Theory of Market Equilibrium Under Conditions of Risk， The Journal of Finance， 1964， 19， pp.425-442； John Lintner， The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets， The Review of Economics and Statistics， 1965， 47， pp.13-37.

{21} Eugene F. Fama and Kenneth R. French， Common Risk Factors in the Returns on Stocks and Bonds， Journal of Financial Economics， 1993， 33， pp.3-56.

{22} Eugene F. Fama and Kenneth R. French， A Five-factor Asset Pricing Model， Journal of Financial Economics， 2015， 116， pp.1-22.

作者簡介：徐步，北京化工大學經(jīng)濟管理學院講師，北京，100029。

（責任編輯 章 瀚）endprint