肖忠意　周雅玲

摘要：按照股票規(guī)模大小構(gòu)建中國A股市場的滬深300股票組合，研究股票組合的平均相關(guān)系數(shù)和平均方差對市場總風(fēng)險和市場超額收益率的解釋和預(yù)測能力。實(shí)證結(jié)果表明，股票組合的平均方差比平均相關(guān)系數(shù)能夠更好地代理市場總風(fēng)險，并且股票組合的平均方差對市場超額收益率有顯著的正向解釋和預(yù)測能力。實(shí)證結(jié)果與“羅爾批評”相悖，從一個新的角度印證了資產(chǎn)定價模型能夠有效地分析中國A股市場的風(fēng)險和超額收益的正相關(guān)關(guān)系。

關(guān)鍵詞：平均方差；平均相關(guān)系數(shù)；股票組合風(fēng)險；市場超額收益率；羅爾批評

文章編號：2095-5960（2014）03-0032-07；中圖分類號：F830；文獻(xiàn)標(biāo)識碼：A

一、引言

資產(chǎn)定價問題是近幾十年來金融理論中發(fā)展最快的一個領(lǐng)域，關(guān)于資產(chǎn)風(fēng)險與收益關(guān)系的研究至今仍彌久不衰。Markovitz在1952年最早提出均值—方差理論，將資產(chǎn)投資的收益問題轉(zhuǎn)變?yōu)橐粋€給定目標(biāo)函數(shù)和約束條件的線性問題。在此基礎(chǔ)上，Sharpe（1964）[1]、Linter（1965）[2]和Black et al（1972）[3]進(jìn)一步提出了資產(chǎn)定價模型（CAPM）。資產(chǎn)定價模型是現(xiàn)代金融學(xué)理論的基石之一，其核心思想是當(dāng)處于均衡狀態(tài)時，假如所有投資者都只持有無風(fēng)險資產(chǎn)和市場組合， 則資產(chǎn)組合的預(yù)期收益等于無風(fēng)險資產(chǎn)的收益與市場組合收益之和，即資產(chǎn)組合的預(yù)期收益與市場風(fēng)險成正向線性關(guān)系。但學(xué)術(shù)界對于資產(chǎn)定價模型的估計結(jié)果和有關(guān)結(jié)論一直頗富爭議。Fama & Macbeth（1973）[4]通過實(shí)證分析，證明1926—1968年美國證券市場股票的平均收益率與風(fēng)險存在顯著的正相關(guān)關(guān)系，并試圖以當(dāng)期估計的風(fēng)險變量預(yù)測資產(chǎn)組合的未來收益率。French et al（1987）[5]在廣義自回歸條件異方差模型（GARCH）的框架下檢驗(yàn)股票資產(chǎn)組合的月度數(shù)據(jù)，結(jié)果得到了正向的均值—方差關(guān)系，但未通過顯著性檢驗(yàn)。國內(nèi)外許多學(xué)者通過對證券市場進(jìn)行實(shí)證研究，提供大量證據(jù)支持資產(chǎn)收益與風(fēng)險的正向關(guān)系（Ghysels et al.，2005；Hung & Glascock，2010；陳浪南和屈文州，2000；靳云匯和劉霖，2001；黃波等，2008；丁志國，2012；龔映清等，2013；陳夢根，2013）[6]-[13]。Fama & French（1992）[14] 采用與 Fama & Macbeth（1973）[4]相同的實(shí)證方法再次研究美國證券市場，而前者的研究卻發(fā)現(xiàn)資產(chǎn)組合收益與風(fēng)險不存在顯著相關(guān)關(guān)系。另外，Campbell（1987）[15]、Bali et al（2005）[16]、Guo & Savickas（2006）[17]、叢劍波（2009）[18]等研究指出資產(chǎn)組合的風(fēng)險與收益呈顯著負(fù)相關(guān)。

學(xué)術(shù)界普遍認(rèn)同市場總體風(fēng)險是不可觀測的，因此實(shí)證檢驗(yàn)中往往利用資產(chǎn)組合風(fēng)險來代理市場總體風(fēng)險。Roll（1977）[19]對實(shí)證檢驗(yàn)CAPM模型有效性的結(jié)果提出了質(zhì)疑，他認(rèn)為因?yàn)闊o法證明某個特定的資本組合即是有效市場組合，所以無法找到真正衡量系統(tǒng)風(fēng)險的系數(shù)（Beta系數(shù)）。這就是著名的“羅爾批評”（Rolls critique）。如果“羅爾批評”能夠解釋CAPM模型失效的原因，那么股票資產(chǎn)組合的風(fēng)險變化不會引起市場總風(fēng)險的變化，這是由于任何單個股票資產(chǎn)都會落在證券市場線上，而這是恒等變形，所以市場超額收益也不會受到影響。另外，如果回歸檢驗(yàn)是基于某種無效率的資產(chǎn)組合，則資產(chǎn)組合的收益與市場總風(fēng)險可能出現(xiàn)負(fù)相關(guān)或不相關(guān)的情況。自此以后，各種新的檢驗(yàn)方法和手段在資產(chǎn)定價研究領(lǐng)域的應(yīng)用自然也受到學(xué)術(shù)界的廣泛關(guān)注。Pollet & Wilson（2010）[20]的研究為解釋市場總體風(fēng)險和市場超額收益率提供了一個新的視角，該研究以美國主要股票市場中正常交易的500只大盤股票為例構(gòu)建股票資產(chǎn)組合，運(yùn)用股票資產(chǎn)組合的平均方差（average variance）和平均相關(guān)系數(shù)（average correlation）為代理變量來解釋美國市場總風(fēng)險，其結(jié)論為利用平均關(guān)系數(shù)作為美國市場總體風(fēng)險的代理變量提供了一定的理論基礎(chǔ)；另外，雖然實(shí)證分析發(fā)現(xiàn)股票組合平均方差也與市場總風(fēng)險顯著正相關(guān)，但是股票組合平均方差與市場超額收益率為負(fù)相關(guān)，而且對市場超額收益率的解釋力有限。

在中國A股股票市場上，大盤股票組合的平均方差和平均相關(guān)系數(shù)能否用于解釋市場總風(fēng)險，二者與股票市場超額收益率的關(guān)系是正或負(fù)，以及在中國市場能否利用股票組合的風(fēng)險變量來對股票市場的預(yù)期超額收益作有效的預(yù)測能力？至今尚未見從實(shí)證角度給予清晰地解答。本研究擬對資產(chǎn)定價領(lǐng)域的研究文獻(xiàn)作有益的補(bǔ)充和貢獻(xiàn)。針對之前研究的不足，本文以中國上海證券交易所和深圳證券交易所正常交易的300只大盤股票為成分股票構(gòu)建滬深300股票組合，研究該股票組合的平均相關(guān)系數(shù)和平均方差對市場總風(fēng)險和市場超額收益率的解釋和預(yù)測能力。

二、理論模型及數(shù)據(jù)樣本

（一）理論模型

（二）數(shù)據(jù)樣本

本文選取1995年1月至2012年12月在上海證券交易所和深圳證券交易所A股上市的300只大盤股票作為樣本構(gòu)建滬深300股票組合，樣本的選擇標(biāo)準(zhǔn)為規(guī)模大的股票。市場收益率選用以滬深市場全部A股股票按流通市值計算的綜合指數(shù)，因?yàn)樵撝笖?shù)能夠比較準(zhǔn)確地反映整體市場行情的變化和股票市場整體的發(fā)展趨勢，而且該指數(shù)是一種價值加權(quán)指數(shù)，比較符合CAPM所描述的市場組合構(gòu)造的要求。本文選用三個月的定期儲蓄存款利率代理無風(fēng)險收益率。成分股票的日（或月）收益率均為股票的開盤價和收盤價的自然對數(shù)的差值。數(shù)據(jù)來源于國泰安信息技術(shù)有限公司的CSMAR數(shù)據(jù)庫。

當(dāng)基于股票市值打下選定滬深300股票組合的300只成分股票，則可按下式（13）估算出成分股票j在t月的方差2j，t。

三、實(shí)證分析

（一） 變量統(tǒng)計描述

本文構(gòu)建的滬深300股票組合的描述性統(tǒng)計如表1所示，樣本時間序列位于1995年1月到2012年12月之間，共計216個觀察值。滬深300股票組合的平均相關(guān)系數(shù)ij，t與平均方差2t的均值分別為0.36 和0.07%。滬深300股票組合的平均系數(shù)和平均方差與市場超額收益率的相關(guān)系數(shù)分別為-0.20和0.13。利用ADF檢驗(yàn)和KPSS檢驗(yàn)兩種單位根檢驗(yàn)方法對時間序列進(jìn)行檢驗(yàn)，分析結(jié)果表明受測時間序列均為平穩(wěn)時間序列，不存在單位根問題，因而不容易出現(xiàn)“偽回歸”現(xiàn)象。

（二）回歸估計方程的分析

表2給出了分析滬深300股票組合的平均方差和平均相關(guān)系數(shù)解釋和預(yù)測市場總風(fēng)險的穩(wěn)健最小二乘回歸檢驗(yàn)（robust OLS）結(jié)果。雖然回歸方程的擬合優(yōu)度R2值不高，但是F檢驗(yàn)結(jié)果顯著，說明穩(wěn)健最小二乘回歸檢驗(yàn)結(jié)果是可信的。表2第1列和第2列回歸結(jié)果發(fā)現(xiàn)滬深300股票組合的平均相關(guān)系數(shù)與平均方差均與市場總風(fēng)險成顯著的正相關(guān)關(guān)系，在1%顯著水平下高度顯著。從擬合優(yōu)度R2值來看，平均相關(guān)系數(shù)單個因素的解釋度為12.4%，而平均方差的單個因素的解釋度為38.3%，較平均相關(guān)系數(shù)的解釋度更高。同時，還可以看出，平均相關(guān)系數(shù)與平均方差的交叉項(xiàng)也與市場風(fēng)險成正相關(guān)關(guān)系，且顯著。上述實(shí)證分析結(jié)果說明滬深300股票組合的平均方差和平均相關(guān)系數(shù)可以解釋市場總風(fēng)險的大小。從表2第6列回歸檢驗(yàn)結(jié)果發(fā)現(xiàn)，雖然股票組合當(dāng)期的平均相關(guān)系數(shù)與預(yù)期市場總風(fēng)險為正向關(guān)系，但結(jié)果并不顯著。從表2第7列回歸檢驗(yàn)結(jié)果發(fā)現(xiàn)，當(dāng)期股票組合的平均方差與預(yù)期市場總風(fēng)險成顯著的正相關(guān)關(guān)系。從回歸結(jié)果來看，當(dāng)期時刻滬深300股票組合的平均方差每增加10.0個百分點(diǎn)，那么預(yù)期市場總風(fēng)險將增加2.6個百分點(diǎn)。上述實(shí)證結(jié)果說明，滬深300股票組合當(dāng)期的平均方差對預(yù)期市場總風(fēng)險的大小具有顯著的預(yù)測能力，也就是說滬深300股票組合中的當(dāng)期平均方差值越高，則預(yù)期市場的總風(fēng)險越高的。

四、結(jié)論

本文以中國上交所和深交所A股市場上交易的300只大盤股票構(gòu)建的滬深300股票組合為例，重點(diǎn)分析了股票組合的平均相關(guān)系數(shù)和平均方差對市場總風(fēng)險和市場超額收益率的解釋和預(yù)測能力。得到如下結(jié)論：

一是研究發(fā)現(xiàn)，可以通過計量滬深300股票組合的平均相關(guān)系數(shù)和平均方差來反映中國A股市場總風(fēng)險的大小。滬深300股票組合的平均方差能夠預(yù)示著市場總風(fēng)險的信息，股票組合的當(dāng)期平均方差的大小與預(yù)期市場總風(fēng)險成正比。另外，雖然平均相關(guān)系數(shù)與預(yù)期市場總風(fēng)險也成正相關(guān)關(guān)系，但結(jié)果不顯著。

二是滬深300股票組合的平均方差對市場超額收益率同樣具有較強(qiáng)的解釋力，實(shí)證結(jié)果還說明未來超額收益率可以被資產(chǎn)組合的平均方差所預(yù)測。因此，實(shí)證分析為利用滬深300股票組合的平均方差作為中國A股市場總風(fēng)險的代理變量提供了一定的理論基礎(chǔ)。

三是與Pollet & Wilson（2010）[20]考察美國證券市場的結(jié)果不同，結(jié)果發(fā)現(xiàn)對市場總風(fēng)險和超額收益率而言，股票組合的平均方差表現(xiàn)出比平均相關(guān)系數(shù)更顯著的解釋力和預(yù)測力。

四是實(shí)證研究結(jié)論與“羅爾批評”的觀點(diǎn)相悖，支持了資產(chǎn)定價模型在中國A股市場是有效的這一學(xué)術(shù)觀點(diǎn)。

參考文獻(xiàn)：

[1]Sharpe W. Capital Asset Prices： A Theory of Market Equilibrium under Conditions of Risk[J]. The Journal of Finance， 1964， 19（3）： 425-442.

[2]Lintner J. The valuation of risky assets and the selection of risky investments in stock portfolios and capital budgets[J]. Review of Economics and Statistics， 1965， 1： 13-37.

[3]Black F， Jensen M， Scholes M. The capital asset pricing model： Some empirical tests. In Studies in the theory of capital markets[M]， Ed Michael Jensen， New York： Praeger. 1972， 79-121.

[4]Fama E， MacBeth J. Risk， return and equilibrium： Empirical tests[J]. Journal of Political Economy， 1973， 3： 607-636.

[5]French K， Schwert W， Stambaugh R. Expected stock returns and volatility[J]. Journal of Financial Economics， 1987，19（1）： 3-29.

[6]Ghysels E， Santa-Clara P， Valkanov R. There is a risk-return tradeoff after all[J]. Journal of Financial Economics， 2005，76（3）： 509-548.

[7]Hung K， Glascock J. Volatilities and momentum returns in real estate investment trusts[J].The Journal of Real Estate Finance and Economics， 2010，41（2）： 126-149.

[8]陳浪南， 屈文洲. 資本資產(chǎn)定價模型的實(shí)證研究[J].經(jīng)濟(jì)研究， 2000（4）： 26-34.

[9]靳云匯，劉霖. 中國股票市場的CAPM實(shí)證研究[J]. 金融研究， 2001（7）：106-115.

[10]黃波，李湛，顧孟迪. 基于風(fēng)險偏好資產(chǎn)定價模型的公司特質(zhì)風(fēng)險研究[J]. 管理世界，2008（11）：119-127.

[11]丁志國，蘇治，趙晶.資產(chǎn)系統(tǒng)性風(fēng)險跨期時變的內(nèi)生性：由理論證明到實(shí)證檢驗(yàn)[J]. 中國社會科學(xué)， 2012（4）：83-102.

[12] 龔映清，陶鸝春. 國內(nèi)券商研究發(fā)展困局與重構(gòu)探索[J].證券市場導(dǎo)報，2013（5）：4-9.

[13] 陳夢根. 算法交易的興起及最新研究進(jìn)展[J].證券市場導(dǎo)報，2013（9）：11-16.

[14]Fama E， French K. The cross-section of expected stock returns[J]. The Journal of Finance， 1992，47（2）： 427-465.

[15]Campbell J. Stock returns and the term structure[J]. Journal of Financial Economics， 1987，18（2）： 373-399.

[16]Bali T， Nusret C， Yan X S， Zhang Z. Does idiosyncratic risk really matter？[J]. The Journal of Finance， 2005， 60（2）： 905-929.

[17]Guo H， Savickas R. Idiosyncratic volatility， stock market volatility， and expected stock returns[J]. Journal of Business and Economic Statistics， 2006， 21（1）：43-56.

[18]叢劍波， 祝濱濱. 我國股市的特質(zhì)波動風(fēng)險分析[J].經(jīng)濟(jì)縱橫， 2009（5）：85-87.

[19]Roll Richard. A critique of the asset pricing theory's tests part I： On past and potential testability of the theory[J]. Journal of Financial Economics， 1977，4（2）： 129-176.

[20] Pollet， J M.， Wilson M. Average correlation and stock market returns[J]. Journal of Financial Economics， 2010， 96（3）： 364-380.

[21]Campbell J， Viceira L M. Strategic Asset Allocation[M]. Oxford University Press， 2002： 31-47.

[22]Stambaugh R. Predictive regressions[J]. Journal of Financial Economics， 1999， 54（3）： 375-421.

[23]Baker M， Ryan T， Jeffrey W. Predicting returns with managerial decision variables： Is there a small―sample bias？ [J]. The Journal of Finance， 2006， 61（4）： 1711-1730.

責(zé)任編輯：常明明