齊玉錄

(東北財經(jīng)大學(xué) 金融學(xué)院，遼寧 大連 116025)

一、問題的提出

經(jīng)典資本資產(chǎn)定價模型中股票的期望收益與Beta是顯著正相關(guān)的，但是大量實證研究發(fā)現(xiàn)高(低)Beta的股票獲得較低(高)的超額回報，這種現(xiàn)象被稱為Beta異象(Beta Anomaly)。Beta異象起源于Black[1]提出的風(fēng)險收益之間較平坦的回歸關(guān)系，隨后Baker等[2]、Frazzini和Pedersen[3]、Cederburg和O’Doherty[4]的研究則發(fā)現(xiàn)Beta與股票收益之間存在顯著負相關(guān)的關(guān)系。

與資本資產(chǎn)定價模型關(guān)注Beta不同，Ang等[5-6]、Stambaugh等[7]研究發(fā)現(xiàn)除系統(tǒng)性風(fēng)險Beta外，公司特質(zhì)風(fēng)險對股票收益也有顯著的影響，并且低特質(zhì)風(fēng)險的股票具有更高的超額回報，這種現(xiàn)象被稱為特質(zhì)波動率異象(Idiosyncratic Volatility Anomaly)。這種特質(zhì)波動率異象不僅在發(fā)達市場存在，在中國股市中也被證實存在，如左浩苗等[8]、劉維奇等[9]均驗證了這一異象的存在。

從經(jīng)驗證據(jù)上看，Beta和特質(zhì)波動對股票收益的影響表現(xiàn)出類似的特征：低風(fēng)險高收益，即低風(fēng)險異象(Low Risk Anomaly)。但是，從本質(zhì)上看，Beta是系統(tǒng)性風(fēng)險，特質(zhì)波動是非系統(tǒng)性風(fēng)險，兩者對股票收益的影響應(yīng)該是不同的。那么，低風(fēng)險異象中的Beta異象和特質(zhì)波動率異象究竟什么關(guān)系呢？國內(nèi)外文獻對此問題的討論尚少，并且相關(guān)研究的經(jīng)驗證據(jù)也存在矛盾[10-11]。Beta異象和特質(zhì)波動率異象具有類似的理論解釋：首先，市場的套利限制(如杠桿限制和做空限制等)是異象的來源。Frazzini和Pedersen[3]認為杠桿限制導(dǎo)致了Beta異象，Cao和Han[12]認為套利限制導(dǎo)致了特質(zhì)波動率異象。其次，投資者的行為偏好是異象的來源。Bali等[13]認為投資者彩票型偏好能解釋特質(zhì)波動率異象，Bali等[14]認為投資者彩票型偏好也能解釋Beta異象。最后，套利限制加上投資者的行為偏好共同導(dǎo)致了異象的存在。Hong和Sraer[15]認為Beta異象是由投資者意見分歧和面臨做空限制導(dǎo)致的，Stambaugh等[7]認為套利限制和投資者對股票的錯誤定價導(dǎo)致了特質(zhì)波動率異象。

鑒于國內(nèi)外文獻通常只考慮Beta異象或特質(zhì)波動率異象，對兩者之間相同的結(jié)論和類似的解釋關(guān)注較少，本文著重從兩者的關(guān)聯(lián)與對比角度進行實證研究，重點分析低風(fēng)險異象的來源及其穩(wěn)健性。對于穩(wěn)健性，本文有以下三方面的考慮：首先，采用Beta和特質(zhì)波動率雙重分組和構(gòu)造特質(zhì)波動率因子的方法，控制Beta和特質(zhì)波動率的相互影響。其次，理論上，股票的Beta等于股票與市場的相關(guān)系數(shù)乘以股票方差與市場方差的比值，而特質(zhì)波動體現(xiàn)的是除去系統(tǒng)性因素外的股票方差，兩者之間最大的差異在于股票與市場的相關(guān)系數(shù)。因此，需要控制股票與市場的相關(guān)性，本文構(gòu)造相關(guān)性因子來控制這種影響，進而識別Beta和特質(zhì)波動率的各自作用。最后，盡管Liu等[10]和Asness等[11]分別考慮了Beta異象和特質(zhì)波動率異象的關(guān)系，但是都沒有考慮投資者異質(zhì)信念等行為因素，并且Liu等[10]沒有使用Fama和French[16]的五因子模型控制其他公司因素，也沒有考慮投資者彩票型偏好等因素。本文將充分考慮這些因素對低風(fēng)險異象存在性及其穩(wěn)健性的影響。

二、相關(guān)文獻綜述

(一)Beta異象的相關(guān)文獻

Beta異象是指低Beta股票組合與高Beta股票組合相比具有顯著為正的超額收益，這是關(guān)于證券收益實證研究中持續(xù)時間最長、最廣泛的異象之一。Black[1]發(fā)現(xiàn)美國股市的證券市場線斜率比CAPM理論的更平緩，之后越來越多的實證研究表明，Beta和預(yù)期收益率之間呈現(xiàn)明顯的負向關(guān)系，高Beta的股票在未來往往表現(xiàn)較差，而低Beta的股票卻表現(xiàn)更好，但是不同的研究給出了不同的解釋。

部分研究從機構(gòu)投資者行為和套利限制的角度給出了Beta異象的解釋。Baker等[2]認為這種異象可以由機構(gòu)投資者行為解釋，當(dāng)?shù)虰eta股票被低估或高Beta股票被高估時，基金經(jīng)理只在意自己的投資組合是否贏過指數(shù)，沒有動力進行相應(yīng)的買入和賣空套利，這便導(dǎo)致了市場上Beta異象的長期存在。Frazzini和Pedersen[3]從杠桿限制和融資流動性風(fēng)險角度解釋了Beta異象，認為高(低)Beta資產(chǎn)具有低(高)超額回報是因為市場存在杠桿限制和融資流動性風(fēng)險。Cederburg和O’Doherty[4]認為通過買入高Beta股票，賣空低Beta股票的組合策略盡管得到了顯著為負的CAPM超額回報，但是該超額回報是有偏的，低Beta股票組合和高Beta股票組合的條件超額回報的差異是不顯著的。他們發(fā)現(xiàn)Beta異象之所以“看起來”存在，是由于個股的Beta和其在市場上的權(quán)重具有系統(tǒng)性的趨勢變動，當(dāng)高Beta股票受到對股票溢價正向沖擊的影響時，該股票的市場權(quán)重會下降，這使得高Beta股票組合整體收益率降低，也就產(chǎn)生了表面上的Beta異象。

部分研究從行為金融的角度給出了Beta異象的解釋。Bali等[14]認為投資者對彩票型股票的需求是導(dǎo)致Beta異象的重要原因。彩票型股票的投資者對于股價在短期大幅上漲具有較高可能性的股票有需求，這種上漲部分由該股票對整體市場的敏感性Beta驅(qū)動，對彩票型股票的大量非理性需求也因此施加到高Beta股票上，導(dǎo)致該類股票價格被推高，未來收益率下降。Antoniou等[17]認為投資者情緒造成了Beta異象。CAPM中證券市場線在情緒悲觀期間向右上傾斜，但是在情緒樂觀期間向右下傾斜，這是由于情緒樂觀期間噪聲交易者交易更活躍，他們更多持有高Beta股票，導(dǎo)致這類股票被高估。而在情緒悲觀期間由于噪聲交易者減少，因而傳統(tǒng)的Beta定價適用(高Beta高收益)。Hong和Sraer[15]認為Beta異象是由投資者意見分歧和面臨做空限制導(dǎo)致的，在CAPM框架下，引入了投資者對上市公司現(xiàn)金流信息的意見分歧，以及部分投資者面臨做空限制，從理論上解釋了實證研究中的Beta異象。高Beta資產(chǎn)容易出現(xiàn)投機性價格高估，當(dāng)投資者對未來預(yù)期出現(xiàn)分歧時，高Beta資產(chǎn)對分歧更敏感，會經(jīng)歷更大的對收益率的意見分歧，而市場有賣空限制，因而高Beta股票被高估。當(dāng)投資者意見分歧較小時，證券市場線會呈現(xiàn)正常的向上傾斜；當(dāng)投資者意見分歧較大時，預(yù)期收益率會隨Beta的增大而減小。

部分研究則關(guān)注了Beta異象和特質(zhì)波動率異象有關(guān)聯(lián)，但是結(jié)論卻不統(tǒng)一。Liu等[10]認為Beta異象并非由Beta驅(qū)動產(chǎn)生，收益率隨Beta的增大而減小的表現(xiàn)只是一種表象，實質(zhì)上來源于Beta和特質(zhì)波動率的正相關(guān)關(guān)系。關(guān)于Beta異象是因杠桿限制而由Beta驅(qū)動的質(zhì)疑，Asness等[11]認為杠桿限制和博彩行為均能解釋Beta異象，將BAB(Betting Against Beta)分解為兩部分：BAC(Betting Against Correlation)和BAV(Betting Against Volatility)，其中BAC指買入與市場相關(guān)系數(shù)低的股票，賣出相關(guān)系數(shù)高的股票；BAV指基于波動率的買賣。BAC與行為因素(對彩票型股票的追求)無關(guān)，而BAV與行為高度相關(guān)(Beta取決于波動率和相關(guān)系數(shù)，只有波動率與特質(zhì)性風(fēng)險相關(guān)，因而用相關(guān)系數(shù)構(gòu)造BAC因子可以很好的區(qū)分杠桿限制和博彩行為的不同)。實證檢驗發(fā)現(xiàn)BAC與BAB有相似的收益，即剔除了彩票型股票影響后，Beta異象依然存在，因而不能否認由于市場上杠桿限制而導(dǎo)致低Beta高超額回報、高Beta低超額回報特征。

(二)特質(zhì)波動率異象的相關(guān)文獻

特質(zhì)波動率是指股票收益剔除系統(tǒng)性風(fēng)險后的部分，早期的研究認為其與股票期望收益率之間是無關(guān)的[18]。然而，大量實證研究發(fā)現(xiàn)特質(zhì)風(fēng)險低的股票具有更高的超額回報，這種現(xiàn)象被稱為特質(zhì)波動率異象。美國市場和國際上眾多市場均存在這種現(xiàn)象[5-6]。Stambaugh等[7]認為特質(zhì)波動率和收益率的關(guān)系在被高估的股票組合中是負向的，而在被低估的股票組合中是正向的，特別地，在被高估的股票組合中，對較難做空的股票來說這種負向關(guān)系更強。因此，導(dǎo)致總體上特質(zhì)波動率和收益率的關(guān)系為負向的，賣空限制的非對稱性是特質(zhì)波動率異象存在的重要原因。左浩苗等[8]、劉維奇等[9]認為在中國股市中也存在特質(zhì)波動率異象。

對于特質(zhì)波動率異象，有諸多的解釋原因。Hou和Loh[19]將這些原因進行了總結(jié)，并將其分為三類：第一類是投資者對彩票型股票的偏好，如偏度、共同偏度、期望的特質(zhì)偏度、最大日收益率和個人投資者占比等變量；第二類是市場摩擦，如月度反轉(zhuǎn)收益、Amihud非流動性、零收益占比和買賣價差等變量；第三類是其他因素，如不確定性、盈余意外等變量。然而，這些變量在個股水平上僅能解釋特質(zhì)波動率異象的29%—54%，在排序組合上僅能解釋78%—84%。另外，部分研究直接對低風(fēng)險異象或波動率效應(yīng)進行了分析。Asness等[20]、Baker等[21]直接將Beta異象稱為低風(fēng)險異象，發(fā)現(xiàn)Beta異象與行業(yè)因素?zé)o關(guān)，與個股和宏觀等因素有關(guān)。Blitz等[22]用方差和Beta分析了新興市場的波動率效應(yīng)，發(fā)現(xiàn)波動率效應(yīng)日趨明顯，但是發(fā)展中國家的表現(xiàn)要弱于發(fā)達國家。Blitz等[23]基于CAPM的假設(shè)總結(jié)了以Beta異象為代表的波動率效應(yīng)的成因，他們認為波動率效應(yīng)至少是由4個因素導(dǎo)致的：交易限制、投資者非理性、市場摩擦和信息不完全等。Li等[24]將低風(fēng)險異象稱為低波動率異象，發(fā)現(xiàn)低波動率異象主要集中于低流動性和小市值股票中，低流動性和高交易成本等套利限制使得組合的風(fēng)險與收益具有負向關(guān)系，但是他們并沒有探討特質(zhì)波動率和Beta的關(guān)系。Li等[25]進一步將這種特質(zhì)波動率和Beta的低波動率異象的成因歸為錯誤定價而非系統(tǒng)風(fēng)險。

國內(nèi)關(guān)于低風(fēng)險異象的研究，較多選擇特質(zhì)波動率作為風(fēng)險度量指標，結(jié)果表明中國股市存在顯著的特質(zhì)波動率異象。左浩苗等[8]認為是由換手率等投資者異質(zhì)信念導(dǎo)致的，劉維奇等[9]則認為是由投資者的彩票型偏好導(dǎo)致的。另外，劉圣堯和李怡宗[26]選用Beta度量風(fēng)險，借鑒Frazzini和Pedersen[3]構(gòu)造BAB方法，驗證了中國股市Beta異象的存在性，并將其歸因于投資者對博彩性質(zhì)股票的追求。

綜上所述，國內(nèi)外文獻較為集中地關(guān)注了特質(zhì)波動率異象，國外研究對其解釋的因素有諸多不同，而國內(nèi)研究更多地則是關(guān)注投資者異質(zhì)信念和彩票型偏好等行為因素。對于Beta異象，國外研究表明其成因并不統(tǒng)一，國內(nèi)則較少關(guān)注這一現(xiàn)象。無論國外還是國內(nèi)，直接對比Beta異象和特質(zhì)波動率異象的研究更是少數(shù)。鑒于現(xiàn)有文獻對于低風(fēng)險異象由Beta驅(qū)動還是特質(zhì)波動率驅(qū)動的認識不清晰，本文從這個角度出發(fā)，在檢驗低風(fēng)險異象存在穩(wěn)健性的基礎(chǔ)上進一步探討低風(fēng)險異象的來源。

三、研究設(shè)計

(一)樣本數(shù)據(jù)

本文使用1996年1月至2017年12月期間中國A股所有交易數(shù)據(jù)。由于對Beta的估計選用的時間跨度為3年，因而對上市不足3年的股票予以剔除。選擇發(fā)布時間最久、受關(guān)注程度最高的上證綜合指數(shù)代表市場組合。所需的數(shù)據(jù)具體如下：首先，為構(gòu)造Beta和特質(zhì)波動率IVOL，需要A股所有股票的日收益率、上證綜指日收益率、日度Fama-French三因子和無風(fēng)險收益率。其次，為了構(gòu)造組合的持有期收益率并對其進行風(fēng)險調(diào)整，需要A股所有股票月度收益率數(shù)據(jù)、Fama-French三因子和五因子月度數(shù)據(jù)。再次，作為投資者意見分歧指標，需要A股所有股票月度換手率數(shù)據(jù)。最后，為構(gòu)造控制變量，還需要月度的個股市值、市凈率、交易額、機構(gòu)投資者占比等數(shù)據(jù)。所有數(shù)據(jù)均來自國泰安CSMAR系列研究數(shù)據(jù)庫。

(二)變量構(gòu)造

1.個股Beta

本文借鑒Frazzini和Pedersen[3]用個股超額回報對市場超額回報進行滾動回歸的方法估計Beta，為了提高估計的精確性，選擇日數(shù)據(jù)而非月數(shù)據(jù)，估計的Beta由下式給出：

(1)

2.特質(zhì)波動率

根據(jù)Ang等[5]，股票i在t月末的特質(zhì)波動率IVOL用當(dāng)月收益率進行Fama-French三因子回歸得到的殘差的標準差度量。

rid-rfd=αi+βi(r0d-rfd)+γiSMBd+φiHMLd+εid

(2)

IVOLi= std(εid)

(3)

其中，rid和r0d分別表示股票i和市場組合在d天的日收益率，SMB和HML分別表示Fama和French[27]中的市值因子和賬面市值比因子，構(gòu)造IVOL選擇的時間窗口為6個月(約120個交易日)。

3.套利限制

本文采用非流動性和機構(gòu)投資者占比衡量套利限制。借鑒Amihud[28]，股票i在t月的非流動性ILLIQ度量方法是當(dāng)月所有交易日收益率絕對值與對應(yīng)交易額之比的平均值：

(4)

其中，Dt表示第t月的交易天數(shù)。

對于機構(gòu)投資者占比，本文可得到的數(shù)據(jù)為基金、合格境外機構(gòu)、券商、保險、社?；?、信托、財務(wù)公司、銀行、非金融類上市公司等各個機構(gòu)的對每只股票在每個財報公布日的持股占比，本文將各個機構(gòu)的持股占比進行加總作為總的機構(gòu)投資者占比InsHolding。機構(gòu)投資者占比為季度或年度數(shù)據(jù)，而本文需要月度數(shù)據(jù)，因而用最近季度已有機構(gòu)投資者占比數(shù)據(jù)對非季度月份空值進行填充的方式對月度數(shù)據(jù)進行補充。

4.彩票型特征

借鑒Bali等[13]，選擇股票月內(nèi)最大日收益率MAX作為彩票型特征。MAX由下式給出：

MAXit=max(rid)，d=1，2，…Dt

(5)

其中，rid表示股票i在第d天的日收益率，Dt表示第t月的交易天數(shù)。為了平滑極端值對結(jié)果的影響，本文選擇t月最大的3個日收益率的均值作為當(dāng)月該股票的彩票特征。

5.投資者意見分歧

經(jīng)驗研究中通常將分析師預(yù)測差異、換手率等作為投資者意見分歧。Boehme等[29]認為將分析師預(yù)測差異作為投資者意見分歧有一定的缺陷，分析師預(yù)測容易與公司規(guī)模具有相關(guān)性。因此，可以采用換手率等作為投資者意見分歧的度量。Hong和Stein[30]認為可將成交量或換手率看作是投資者異質(zhì)信念。Garfinkel[31]則發(fā)現(xiàn)換手率的變化率能更好地表示意見分歧。Bamber等[32]也認為成交量的變化能反映投資者意見分歧。在中國，左浩苗等[8]、劉維奇等[9]、張崢和劉力[33]、林虎等[34]的研究中都將換手率視作投資者異質(zhì)信念。因此，本文采用換手率度量投資者意見分歧。

股票i在t月的換手率TR用當(dāng)月成交量與流通股總數(shù)的比值表示：

(6)

6.其他控制變量

此外，本文還控制了以下個股特征變量：市值(SIZE)；賬面市值比(BM)；動量因子(MOM)，用t-11至t-1月累計收益率表示；反轉(zhuǎn)因子(REV)，用t月當(dāng)月收益率表示。

(三)方法設(shè)計

1.中國股市低風(fēng)險異象的存在性檢驗

使用排序分組構(gòu)造零投資組合方法，對于特質(zhì)波動率異象，在每個月末按IVOL進行排序，均分成10組，通過買入相應(yīng)的低IVOL組股票，賣空相應(yīng)的高IVOL組股票，構(gòu)造零投資組合，研究各個IVOL組合的風(fēng)險溢價情況。對于Beta異象，按照Beta排序做相同的處理，研究各個Beta組合的風(fēng)險溢價情況。此外，本文還用Frazzini和Pedersen[3]提供的Beta中性組合構(gòu)造方法，對t月所有股票按照Beta值排序分成兩組，在每個組合內(nèi)部按照個股Beta的大小賦予權(quán)重，在Beta大的組合中個股Beta值越大權(quán)重越大，而Beta小的組合中個股Beta值越小權(quán)重越大，然后構(gòu)造多空策略使策略整體的Beta值為0，考察組合在t+1月的風(fēng)險溢價情況。

為了考察各種異象的穩(wěn)健性，本文在計算風(fēng)險調(diào)整收益率時，不僅采用了常見的CAPM模型、Fama-French三因子模型，還專門使用了Fama-French五因子模型。

2.低風(fēng)險異象的成因探討

根據(jù)文獻梳理，影響低風(fēng)險異象的因素主要分為：投資者彩票型偏好、套利限制和投資者意見分歧等。對于彩票型偏好、套利限制，分別控制MAX、ILLIQ、InsHolding后計算IVOL排序組合、Beta排序組合的風(fēng)險調(diào)整收益率。對于投資者意見分歧，在每月按照換手率高低將股票劃分為兩組——投資者意見分歧大和小的兩個組，在每個組中分別驗證特質(zhì)波動率異象和Beta異象的顯著性，考察投資者意見分歧對低風(fēng)險異象的影響。

3.Beta異象和特質(zhì)波動率異象的關(guān)聯(lián)性分析

Beta表示個股的系統(tǒng)性風(fēng)險，特質(zhì)波動率表示非系統(tǒng)性風(fēng)險，二者理論上是不相關(guān)的，但是在實證中本文發(fā)現(xiàn)按照Beta(IVOL)進行排序分組時，IVOL(Beta)表現(xiàn)出很強的同向變動特征，且二者相關(guān)系數(shù)較高(0.44)，無法確定低風(fēng)險異象由Beta引起的還是由特質(zhì)波動率引起的。因此，本文從以下三個方面進行對比分析：

第一，雙變量分組法。為了控制IVOL的差異而單獨研究Beta是否造成低風(fēng)險異象，先在每月末按照IVOL排序，均分為10組(I1-I10)，再在每個組內(nèi)按照Beta排序，分為10組(B1-B10)，然后將具有相同Beta序號的組合并，形成組合P1-P10。由于P1和P10組中都既有IVOL高和IVOL低的股票，平均后P1和P10組合中IVOL沒有顯著差異。通過控制IVOL的差異，即可單獨研究Beta的風(fēng)險溢價情況。同樣地，控制Beta差異單獨研究IVOL是否造成低風(fēng)險異象時，先按照Beta排序，之后做相應(yīng)的處理。

第二，Beta的理論分解。由Beta的定義式可知特質(zhì)波動率信息僅存在于波動率中，與相關(guān)系數(shù)沒有關(guān)系。因此，通過用相關(guān)系數(shù)構(gòu)造零投資組合或構(gòu)造BAC，即可剔除特質(zhì)波動率的影響。借鑒Asness等[11]的方法，用個股與市場的相關(guān)系數(shù)構(gòu)造BAC因子：買入低相關(guān)系數(shù)的股票，賣空高相關(guān)系數(shù)的股票，構(gòu)造相關(guān)系數(shù)中性的投資組合，若按照相關(guān)性因子BAC分組后低風(fēng)險異象不再顯著，則可說明是由特質(zhì)波動率而非Beta引起的。

第三，F(xiàn)ama-MacBeth回歸法。將換手率設(shè)為虛擬變量(命名DTR)，在每個月末，將所有股票按照換手率排序，高于換手率中位數(shù)的設(shè)為1，低于中位數(shù)的設(shè)為0，研究Beta、IVOL以及DTR與持有期收益率之間的關(guān)系。根據(jù)相關(guān)文獻，設(shè)定控制變量有：市值(SIZE)、賬面市值比(BM)、動量因子(MOM)、反轉(zhuǎn)因子(REV)、非流動性(ILLIQ)。具體回歸方法為：在第t月末，將個股的t+1月收益率作為因變量，自變量為Beta、DTR、IVOL以及各個控制變量，回歸得到各個變量的系數(shù)，然后求相關(guān)系數(shù)在所有樣本期間時間序列上的平均值和顯著性水平。

四、實證結(jié)果與分析

(一)低風(fēng)險異象的存在性檢驗

1.特質(zhì)波動率異象

根據(jù)特質(zhì)波動率IVOL進行排序分組構(gòu)造投資組合，在每個月末通過等權(quán)重買入最低IVOL組股票，賣空最高IVOL組股票，構(gòu)造零投資組合，并對組合收益率進行風(fēng)險調(diào)整，分別獲得CAPM、Fama-French三因子和五因子模型調(diào)整后的超額收益率，考察各個組合情況，驗證中國股市特質(zhì)波動率異象的存在性和顯著性，結(jié)果如表1所示。

表1按IVOL排序分組各個組合的IVOL、Beta和收益率

注：r和IVOL均為百分比；括號中為t值；*、**和***分別表示10%、5%和1%置信水平下顯著；CAPM_a、FF3_a、FF5_a分別表示用CAPM、Fama-French三因子和五因子模型風(fēng)險調(diào)整后收益率。表2—表6同。

由表1可知，隨著各組合IVOL的增加，組合收益率r是逐漸減小的，從I1組合的2.08%減至I10組合的0.87%，由顯著為正變?yōu)椴伙@著，零投資組合收益率為1.21%，在1%水平下顯著為正，用CAPM、Fama-French三因子和五因子模型進行風(fēng)險調(diào)整，得到的超額收益率表現(xiàn)出相同的變化趨勢。值得注意的是，低IVOL組合的超額收益率顯著為正，而高IVOL組合顯著為負，IVOL和風(fēng)險調(diào)整后收益率表現(xiàn)出較強的負相關(guān)性，構(gòu)造的零投資組合收益率進行風(fēng)險調(diào)整后依然顯著為正，說明低IVOL組合收益率高、高IVOL組合收益率低的特征無法被市場因子和Fama-French其他風(fēng)險因子所解釋，特質(zhì)波動率引起的是一種較強的市場異象。

2.Beta異象

根據(jù)Beta進行排序分組構(gòu)造投資組合，在每個月末通過等權(quán)重買入最低Beta組股票，賣空最高Beta組股票，構(gòu)造零投資組合，然后構(gòu)造Beta中性投資組合BAB。對組合收益率進行風(fēng)險調(diào)整，分別獲得CAPM、Fama-French三因子和五因子模型調(diào)整后的超額收益率，考察各個組合風(fēng)險溢價情況，驗證中國股市Beta異象的存在性和顯著性，結(jié)果如表2所示。

表2按Beta排序分組各組合、BAB組合的Beta、IVOL和收益率

表2所顯示的變動趨勢與表1類似，隨著組合Beta的增大，組合收益率r反而減小，從B1組合的1.91%減至B10組合的1.10%，零投資組合收益率為0.82%，在5%水平下顯著為正，用CAPM、Fama-French三因子和五因子模型風(fēng)險調(diào)整后收益率依然表現(xiàn)出相同的趨勢，零投資組合收益率調(diào)整后分別為0.97%、1.13%和0.88%，均體現(xiàn)出較強的顯著性，說明低Beta組合風(fēng)險調(diào)整后收益率顯著高于高Beta組合。通過買入低Beta股票賣出高Beta股票構(gòu)造的Beta中性策略月度收益率為1.02%，在1%水平下顯著，風(fēng)險調(diào)整后收益率同樣具有強的顯著性。由表2可知，不管分組構(gòu)造零投資組合，還是Beta中性策略組合，均體現(xiàn)出高Beta低收益、低Beta高收益的特征，說明中國股市存在顯著的Beta異象。

(二)低風(fēng)險異象的成因探討

1.彩票型偏好、非流動性和機構(gòu)投資者占比對低風(fēng)險異象的影響

考察彩票型偏好、非流動性和機構(gòu)投資者占比對異象的影響，結(jié)果如表3所示。表3列示了用雙變量組內(nèi)分組法分別控制每組彩票型特征MAX、市場流動性ILLIQ和機構(gòu)持股占比InsHolding后，用Beta和IVOL度量風(fēng)險時異象的市場表現(xiàn)。當(dāng)控制了MAX后，可以發(fā)現(xiàn)當(dāng)用Beta度量風(fēng)險時，通過買入低Beta組股票賣空高Beta組股票的零投資組合收益率不顯著，用Fama-French三因子模型進行風(fēng)險調(diào)整后收益率在10%水平下顯著，用Fama-French五因子模型進行風(fēng)險調(diào)整后超額收益率不再顯著，但是當(dāng)選用特質(zhì)波動率IVOL度量風(fēng)險時，零投資組合收益率及風(fēng)險調(diào)整后收益率均顯著為正，說明彩票型特征并不能完全解釋中國股市的低風(fēng)險異象。ILLIQ和InsHolding代表了市場上的套利限制，可以看出當(dāng)控制了套利限制差異后，不管選用Beta還是IVOL度量風(fēng)險，零投資組合收益率和風(fēng)險調(diào)整后收益率均顯著為正，說明低風(fēng)險異象基本不受市場套利限制的影響。因此，中國股市上低風(fēng)險異象的存在，并不能從彩票型特征和市場存在套利限制的角度解釋。

表3分別控制MAX、ILLIQ、InsHolding后低風(fēng)險異象表現(xiàn)

2.投資者意見分歧對低風(fēng)險異象的影響

借鑒Hong和Sraer[15]與左浩苗等[8]，本文進一步從投資者意見分歧角度來解釋低風(fēng)險異象。將換手率作為投資者意見分歧的度量指標，在每個月先按照換手率高低將當(dāng)月所有股票分為兩部分——投資者意見分歧大的組合和意見分歧小的組合，在每個組合中分別驗證低風(fēng)險異象的存在性，風(fēng)險分別用IVOL和Beta度量，結(jié)果如表4所示。

由表4可知，表4的前半部分報告了針對投資者意見分歧大的股票組合，分別按照IVOL和Beta進行排序分組，構(gòu)造的高低組合及零投資組合的風(fēng)險溢價情況。投資者意見分歧大的股票存在顯著的特質(zhì)波動率異象，低IVOL組合收益率為1.86%，高IVOL組合收益率僅為0.43%，零投資組合收益率為1.43%，在1%水平下顯著。與表1全樣本組合收益率(1.21%)相比收益率提高近20%，風(fēng)險調(diào)整后收益率依然具有很強的顯著性。值得注意的是，低IVOL組合收益率進行風(fēng)險調(diào)整后不顯著，而高IVOL組合收益率進行風(fēng)險調(diào)整后顯著為負，說明投資者意見分歧大時，特質(zhì)波動率異象主要是由于高IVOL組合的定價異常導(dǎo)致的。投資者意見分歧大的股票中同樣存在顯著的Beta異象，各個組合風(fēng)險溢價的特征與按IVOL分組的情況相同，Beta異象也主要是由于高Beta組合的定價異常導(dǎo)致的。

表4的后半部分報告了針對投資者意見分歧小的股票組合，分別按照IVOL和Beta進行排序分組，構(gòu)造的高低組合及零投資組合的風(fēng)險溢價情況。結(jié)果顯示不管選擇IVOL還是Beta作為風(fēng)險度量指標，最高風(fēng)險組合收益率與最低風(fēng)險組合收益率沒有顯著性差異(零投資組合收益的t值絕對值均小于1)，經(jīng)過Fama-French三因子和五因子模型風(fēng)險調(diào)整后同樣不顯著，說明當(dāng)投資者意見分歧小時，盡管高風(fēng)險和低風(fēng)險組合的Beta和IVOL差異較大，但是低風(fēng)險異象是不存在的。

表4投資者意見分歧與低風(fēng)險異象表現(xiàn)

綜合表4可以得出，低風(fēng)險異象僅存在于投資者意見分歧大的股票組合中，主要是由于對高風(fēng)險股票的定價異常，低風(fēng)險異象可以從投資者行為角度給出解釋。當(dāng)投資者對股票后市的意見出現(xiàn)大的分歧時，尤其是對高風(fēng)險股票的意見產(chǎn)生分歧時，看多的投資者會即時買入，而看空的投資者卻由于中國市場存在做空限制(盡管中國股市部分個股可以通過融券做空，但是成本過高限制了做空的實施，而且融券余額很低，與整體市值相比幾乎可忽略不計)無法即時賣空，這就導(dǎo)致整體上高風(fēng)險股票的價格被高估了，未來有較低的收益率。因此，低風(fēng)險異象主要是由于存在意見分歧時投資者對高風(fēng)險股票高估引起的。

(三)Beta異象和特質(zhì)波動率異象的關(guān)聯(lián)性分析

上文驗證了度量個股風(fēng)險時不管選擇Beta還是特質(zhì)波動率，低風(fēng)險異象均顯著存在，在全樣本下，表1和表2顯示Beta和IVOL具有一定的單調(diào)性，此外二者在全樣本期間月度相關(guān)系數(shù)的均值為0.44，相關(guān)性較大?？傮w而言，兩者具有較強的相關(guān)性。然而，已有文獻較少涉及兩種不同風(fēng)險度量方式的關(guān)系，本文將從兩者關(guān)聯(lián)的角度出發(fā)，研究中國股市低風(fēng)險異象究竟是由于對Beta高估還是對特質(zhì)波動率高估引起的。

1.雙變量組內(nèi)分組法

在投資者意見分歧大的股票組合中，用雙變量組內(nèi)分組的方法，先控制特質(zhì)波動率的差異，考察控制IVOL后Beta異象的市場表現(xiàn)，再控制Beta的差異，考察控制Beta后特質(zhì)波動率異象的市場表現(xiàn)，實證結(jié)果如表5所示。

表5分別控制IVOL和Beta后低風(fēng)險異象表現(xiàn)

由表5可知，表5的前半部分報告了當(dāng)控制各個組合的IVOL差異后，按照Beta進行排序分組，各個組合及零投資組合的風(fēng)險溢價情況，可以看出高低組合IVOL基本無差異，Beta值的差異明顯。與未控制IVOL差異時相比，最低Beta組和最高Beta組收益率的差異性顯著下降，零投資組合收益率0.41%，t值顯示不顯著，F(xiàn)ama-French三因子模型進行風(fēng)險調(diào)整后收益率為0.63%，僅在10%水平下顯著，F(xiàn)ama-French五因子模型風(fēng)險調(diào)整后收益率不再顯著，說明在控制了特質(zhì)波動率差異后，Beta異象消失。后半部分報告了當(dāng)控制各個組合的Beta差異后，按照IVOL進行排序分組，各個組合及零投資組合的風(fēng)險溢價情況，可以看出高低組合Beta基本無差異，IVOL值的差異明顯。控制Beta差異后，最低IVOL組和最高IVOL組收益率的差異明顯，零投資組合收益率1.29%，顯著性很強，F(xiàn)ama-French三因子和五因子模型進行風(fēng)險調(diào)整后收益率分別為1.28%和1.11%，均具有強的顯著性，說明在控制了Beta差異后，特質(zhì)波動率異象依然存在。綜合表5可以看出，Beta異象只是一種表面現(xiàn)象，實際上是由特質(zhì)波動率的差異引起的，這與Liu等[10]的結(jié)論類似。

2.Beta分解

理論上Beta等于相關(guān)系數(shù)與波動率的乘積，可以將Beta分解得到Beta與波動率的差異。首先，根據(jù)得到的相關(guān)系數(shù)Corr進行排序分組構(gòu)造投資組合，并在每個月末通過等權(quán)重買入最低Corr組股票，賣空最高Corr組股票，構(gòu)造零投資組合。其次，借鑒Asness等[11]在Beta中剔除個股波動率的影響，構(gòu)造相關(guān)系數(shù)中性投資組合。對組合收益進行風(fēng)險調(diào)整，分別獲得Fama-French三因子和五因子模型調(diào)整后的收益率，考察各個組合風(fēng)險溢價情況，驗證從Beta中剔除特質(zhì)波動率影響后，低風(fēng)險異象是否仍存在，結(jié)果如表6所示。

表6 Corr排序分組與BAC策略組合的IVOL、Beta和收益率

由表6可知，不管在全樣本，還是在投資者意見分歧大的股票組合中，按照相關(guān)系數(shù)Corr進行排序分組構(gòu)造的零投資組合收益率均不顯著，用Fama-French三因子和五因子模型進行風(fēng)險調(diào)整后收益率同樣是不顯著的。對于相關(guān)系數(shù)中性的投資組合BAC，組合收益率及風(fēng)險調(diào)整后收益率同樣都不顯著，說明在Beta中剔除了特質(zhì)波動率影響后，低風(fēng)險異象不存在了，即Beta中所包含的個股的波動率信息，才是導(dǎo)致Beta異象的實質(zhì)性原因。由表6可知，隨著Corr的增加Beta是單調(diào)遞增的，但是收益率并未單調(diào)下降。因此，投資者意見分歧大時對高Beta股票的高估導(dǎo)致Beta異象，在控制相關(guān)性以后就不再顯著，僅僅是一種表面現(xiàn)象。

3.Fama-MacBeth回歸結(jié)果

在雙變量排序分組的方法中沒有進行任何模型形式設(shè)定，但是在根據(jù)Beta、IVOL進行分組時卻忽略了很多諸如市值、賬面市值比等公司層面的橫截面信息的差異，而且雙變量分組盡管可以起到控制變量的作用，但是只能控制一個變量，因而在研究Beta與IVOL影響截面收益率差別時需要進行Fama-MacBeth回歸分析。本文借鑒Fama-MacBeth的方法，先在橫截面上將股票持有期收益率與Beta、IVOL及其他變量做回歸分析，同時引入虛擬變量DTR，當(dāng)投資者意見分歧大(個股當(dāng)月?lián)Q手率高于所有股票換手率中位數(shù))時，DTR取值為1，否則取值為0，然后在時間序列上求各個系數(shù)的均值及t值，研究變量是否對持有期收益率具有解釋能力。本文在回歸中控制了變量市值SIZE、賬面市值比BM、上月收益率REV、動量因子MOM、非流動性指標ILLIQ。估計結(jié)果如表7所示。

表7持有期收益率與Beta、IVOL及其他變量的Fama-MacBeth回歸結(jié)果

注：為方便記錄，Beta、SIZE、BM、MOM、REV系數(shù)均取為百分比；括號內(nèi)為系數(shù)的t值；*、**和***分別表示10%、5%和1%置信水平下顯著。

由表7可知，模型(1)和模型(2)顯示在回歸方程中單獨加入Beta系數(shù)顯著為負，加入其他控制變量后依然顯著為負，說明Beta與持有期收益率呈現(xiàn)負向關(guān)系，Beta低持有期收益率高，Beta高持有期收益率低，存在Beta異象，這一回歸結(jié)果與表2的結(jié)論相同。模型(3)和模型(4)顯示在回歸方程中單獨加入IVOL系數(shù)顯著為負，加入其他控制變量后依然顯著為負，說明IVOL與持有期收益率同樣呈現(xiàn)負向關(guān)系，IVOL低持有期收益率高，IVOL高持有期收益率低，存在特質(zhì)波動率異象，這一回歸結(jié)果與表1的結(jié)論相同。

模型(5)在模型(2)的基礎(chǔ)上增加了IVOL，考察了控制其他變量的情況下同時加入Beta和IVOL的效果，結(jié)果顯示Beta系數(shù)不顯著，特質(zhì)波動率系數(shù)顯著為負，說明IVOL可以消除Beta差異對股票收益率造成的影響，控制了IVOL后，Beta異象不存在了，而控制Beta后，特質(zhì)波動率異象依然存在，這一結(jié)果與表5的結(jié)論相同。模型(6)中加入了Beta與投資者意見分歧DTR的交叉項Beta×DTR，控制其他變量后，Beta系數(shù)不顯著，而Beta×DTR系數(shù)顯著為負，說明Beta異象僅存在于投資者意見分歧大的股票中，當(dāng)投資者對高Beta股票意見產(chǎn)生分歧時，Beta越高持有期收益率越低，這一結(jié)果與表4的結(jié)論相同。模型(7)中加入了IVOL與投資者意見分歧DTR的交叉項IVOL×DTR，控制其他變量后，IVOL系數(shù)僅在10%水平下顯著，而IVOL×DTR系數(shù)在1%水平下顯著為負，說明特質(zhì)波動率異象主要存在于投資者意見分歧大的股票中，當(dāng)投資者對高IVOL股票意見產(chǎn)生分歧時，IVOL越高，持有期收益率越低，這一結(jié)果與表4的結(jié)論相同。模型(8)顯示，同時加入Beta×DTR和IVOL×DTR兩個交叉項時，Beta×DTR系數(shù)不顯著，而IVOL×DTR系數(shù)顯著為負，說明在投資者意見分歧大時，主要是由于IVOL而非Beta，導(dǎo)致了低風(fēng)險異象。模型(9)中同時加入Beta、IVOL以及兩個交叉項，控制其他變量后只有IVOL和DTR的交叉項系數(shù)顯著為負，其他項系數(shù)不顯著，說明市場上的低風(fēng)險異象的存在，主要是由于投資者對高IVOL股票意見產(chǎn)生分歧，從而對高IVOL股票定價異常導(dǎo)致的，考慮到中國股市普遍存在賣空限制，當(dāng)投資者對高特質(zhì)波動率股票的意見不一致時，市場主要反映樂觀者的行為，而后市看空的投資者受到賣空限制無法做空，導(dǎo)致高IVOL股票被高估，在未來有較差的市場表現(xiàn)，呈現(xiàn)低風(fēng)險異象。

五、結(jié) 論

針對Beta異象和特質(zhì)波動率異象存在類似的結(jié)論但具有不同本質(zhì)的現(xiàn)象，本文使用中國A股市場1996年1月至2017年12月間所有股票的日收益率數(shù)據(jù)，構(gòu)造了Beta和IVOL兩種風(fēng)險度量指標，在月度頻率上驗證了中國股市上的低風(fēng)險異象的不同來源。研究發(fā)現(xiàn)中國股市存在顯著的低風(fēng)險高收益的低風(fēng)險異象，表現(xiàn)為Beta異象和特質(zhì)波動率異象。基于此，本文創(chuàng)新性地采用雙變量分組、Beta分解和Fama-MacBeth回歸等方法探討了Beta異象和特質(zhì)波動率異象的關(guān)聯(lián)，對低風(fēng)險異象是由Beta導(dǎo)致的還是特質(zhì)波動率導(dǎo)致的這一問題進行了經(jīng)驗分析。本文的結(jié)論主要有以下三點：

第一，用Beta和IVOL度量風(fēng)險均能得到高風(fēng)險低收益、低風(fēng)險高收益的特征，即低風(fēng)險異象，這與現(xiàn)有文獻既發(fā)現(xiàn)Beta異象又發(fā)現(xiàn)特質(zhì)波動率異象是一致的。當(dāng)按Beta(IVOL)進行排序分組時，IVOL(Beta)表現(xiàn)出了較強的單調(diào)變化，兩者的正相關(guān)性較強(相關(guān)系數(shù)為0.44)。因此，無法直接判斷低風(fēng)險異象是由于Beta導(dǎo)致的還是特質(zhì)波動率導(dǎo)致的。

第二，在進一步探討低風(fēng)險異象的成因時，本文發(fā)現(xiàn)低風(fēng)險異象不是源于投資者彩票型偏好和非流動性、機構(gòu)投資者占比等賣空限制。本文選擇使用換手率作為投資者意見分歧的指標，分析發(fā)現(xiàn)，在投資者意見分歧小的股票中，風(fēng)險指標選擇Beta或IVOL都不存在低風(fēng)險異象，但是在投資者意見分歧大的股票中，低風(fēng)險異象顯著存在。在各個風(fēng)險梯度的組合中，風(fēng)險調(diào)整后收益率在最低風(fēng)險組合中不顯著，而在最高風(fēng)險組合中顯著為負，說明低風(fēng)險異象主要是由于對高風(fēng)險股票的意見分歧而產(chǎn)生的定價異常。由于中國股市存在較嚴重的做空限制，當(dāng)投資者對股票后市的意見出現(xiàn)大的分歧時，尤其是對高風(fēng)險股票的意見產(chǎn)生分歧時，看多的投資者會即時買入，而看空的投資者卻由于做空限制無法即時賣空，這就導(dǎo)致整體上高風(fēng)險股票的價格被高估了，未來有較低的收益率。因此，低風(fēng)險異象主要是由于意見分歧的投資者對高風(fēng)險股票的高估引起的結(jié)論也是符合中國市場實際的。

第三，在檢驗Beta異象和特質(zhì)波動率異象的關(guān)聯(lián)時發(fā)現(xiàn)：控制Beta差異后，特質(zhì)波動率異象存在，而控制了IVOL差異后，Beta異象不存在；在Beta中剔除了包含特質(zhì)波動率的信息，用個股與市場的相關(guān)系數(shù)進行研究，發(fā)現(xiàn)Beta異象不再顯著；用Fama-MacBeth回歸結(jié)果表明在投資者意見分歧大時，主要是由于IVOL而非Beta導(dǎo)致了低風(fēng)險異象。因此，Beta異象只是一種表面現(xiàn)象，實際上是由特質(zhì)波動率的差異引起的，中國股市低風(fēng)險異象主要是由于投資者對高特質(zhì)波動率股票價格的高估引起的，源于特質(zhì)風(fēng)險和投資者異質(zhì)信念，而不是系統(tǒng)性風(fēng)險Beta，這與Beta異象的情況相反，與Liu等[10]的結(jié)論類似，也與中國普遍存在賣空限制、存在眾多散戶和機構(gòu)投資者、投資者的信念差異明顯是一致的。誠然，Beta異象的表面存在表明個股與市場的關(guān)系對投資者的決策有參考價值，比如“千股漲停、千股跌?！钡耐瑵q現(xiàn)象，然而特質(zhì)波動率異象對Beta異象的替代說明同跌同漲可能只是短期現(xiàn)象，長期看股票的特質(zhì)風(fēng)險才是獲得超額回報的根本，這也為進一步探究特質(zhì)風(fēng)險與投資者異質(zhì)信念的關(guān)聯(lián)提供了基礎(chǔ)。