CAPM 在中国股市的有效性检验
陈小悦, 孙爱军
( 清华大学 经济管理学院 , 北京 100084) 摘 要 : 近三十年来资本资产定价模 型 ( CA PM ) 的有 效性经历 了无数 实证研 究和检 验 , 有 些 对股票的平均收益不 具有解释能 力 , 从 而宣
支持和肯定 , 另一些则提出了质疑和挑战 , 甚至认为
2000 年第 4 期 第 37 卷 ( 总 200 期 )
北京大学学报 ( 哲学社会科学版 ) JOU RN AL OF PEK ING U NI VERSIT Y ( Humanit ies and Social Sciences)
No. 4, 2000 General No. 200 Vol. 37
t
( 4)
其中 Zt 表示 N 项资产 t - 1 到 t 期间的超额收益( R t - R f t , ex cess asset ret urns) , Zm t 为同期 的市场收益( R mt - R f t ) , t 为残差项。( 4) 式与 ( 1) 式完全相同。CAPM 模型用截面回归方法 来检测。常用于 CAPM 检验的 截面回归模型有两种 : Gibbons 模型 [ 22] 和 Fama MacBeth 模 型。后者具有对于残差偏离正态分布不很敏感, 各个时间段的回归易于综合处理, 且很容易添 加其它变量以量测附加风险的影响能力 , 因此要常用得多, 为本文所采用。 F ama M acBet h 截面回归模型的基本思想是 , 基于 30 来预测每一时间截面的收益, 然后将
St at tm an 和 L anstein( 1985) [ 12] 发现美国股票的平均收益与企业 普通股权的账目值( BE) 与其市场值( M E) 之比 ( BE/ M E) 正相关。 Chan, Hamao 和 Lakonishok ( 1991) [ 13] 发现 BE/ M E 对于日本股票的截面平均收 益具有很强的解释能力。 Basu( 1983) [ 14] 在包括规模和市场 的测试中 , 发现 E/ P 对于美国股票的平均收益具有解释能力。 对 CAP M 有效性检验最有影响的首推 F ama 和 French( 1992) [ 15] 。在同时包括 、 规模、 财务杠杆、 BE/ ME 和 E/ P 的测试中, 他们发现规模和 BE/ ME 的显著性最强 , 而 人信服的解释能力。 总之 , 许多实证研究发现 , 在同时包括 的测试中, 规模、 财务杠杆、 BE/ ME 以及 E/ P 等 因素对于股票收益具有显著的解释能力 , 这些对于 CAP M 的有效性提出了不容回避的质疑和 挑战 , 甚至宣称 的理论。 Barber 和 L yon( 1997) [ 16] 对 F ama 和 F rench( 1992) 等的结果表示怀疑, 认为这是数据窥 探( data snooping ) 的结果, 这种结果只对某一特定的数据集合成立 , 并不能推广成普遍结论 ; 并且指出普 遍结 论 必须 建 立在 对 不同 时期 和 不同 国 家数 据 集合 进 行检 验的 基 础之 上。 Kot hari, Shanken 和 Sloan( 1995) [ 17] 认为 Fama 和 French( 1992) 等人的结论在不同的分组识 别方法 ( sorting t echnique) 下未必都成立。他们用年收益替代月收益来预测 和进行检验 , 检 验结果无法拒绝年度 与收益正相关的假设。 Clare, Priestly 和 T homas( 1998) [ 18] 用英国数 据进行检验, 结果同样无法拒绝 与英国股票市场截面平均收益正相关的假设。 本文对 CAP M 在中国股票市场的有效性进行检验。此前鲜有类似的研究 , 原因之一是中 国缺乏规范的数据库为实证研究提供支持。 已经死亡。与此同时, CAPM 的支持者们仍然积极地捍卫着这一广为接受 则不具备令
28
一、文献综述
早期的验证多为支持 CAPM 。Black, Jensen 和 Scholes( 1972) [ 4] 以及 F ama 和 MacBeth ( 1973) [ 5] 对 1969 年之前的数据进行检验 , 发现如 SLB 模型所预言的那样, 平均股票收益与 之间的正相关关系成立。然而后来, 特别是 80 年代以来, 负面的验证结果接踵而至。 Rein g anum( 1981) [ 6] , Lakonishok 和 Shapiro( 1986) [ 7] 发现平均股票收益与之间的这种正相关关系 在 70 年代之后的数据中消失了。F ama 和 French( 1992) [ 8] 在他们那篇经典 之作中使用了 1962- 1989 年之间的数据, 证明即使在 为惟一解释变量的情况下 , CAPM 所预言的关系也 不存在。 与此同时, 许多其它因素被发现对于股票收益具有显著解释能力。Banz( 1981) [ 9] 的规模 效应是其中著名的发现。他发现市场权益( m arket equit y, 即 M E, 股票价格与流通股数量的乘 积) 对于市场 值所提供的截面平均收益具有解释能力。小股票 ( 即低 ME) 的平均收益大大 高出 所预测的收益值而大股票的平均收益则较预测值低很多 , 即 ME 与收益负相关。 Bhandari( 1988) [ 10] 发现财务杠杆与平均收益之间是正相关的。虽然财务杠杆与风险和 期望收益有关看来是合理的 , 但是在 SL B 模型中, 财务杠杆与其它因素一样, 都包容在 中。Bhandari 发现 即 使 在 有 M E 和 ( 1980) [ 11] , Rosenberg , Reid 之 的 模 型 中, 财 务 杠 杆 仍 然 对 收 益 具 有 解 释 能 力。
收稿日期 : 2000 06 05 作者简介 : 陈小悦 ( 1947 孙爱军 ( 1972 ) , 男 , 福建福州人 , 清华大学经济管理学院教授 , 博士生导师 。 ) , 男 , 山东平度人 , 清华大学经济管理学院博士生 。
所包容。因此对 CAPM 的检验实际是验证
是否具有对收益的完全解释
告这一理论已完全丧失了其有效性。本文检验 CA PM 在中国股市的有 效性 , 截面检验结 果表明 对中国股市的平均收益不具有解释能力 , 从而否 定了其在中国股市的有效性假设。 关键词 : 资本资产定价模型 ; 实证检验 ; ; 截面 ; 平均收益 ; 解释能力 中图分类号 : F830. 91 文献标识码 : A 文章编号 : 1000 5919( 2000) 04 0028 10
im (
E[ R m ] - E[ R 0 m ] ) ,
( 3)
将无风险收益率 R f 换成了市场组合中的零 的资产收益 R 0 m 。对 CAPM 的检验一般是针对 Sharpe L intner 版本进行 , 本文也不例外。由于 CAPM 从理论上说明在有效率资产组合中 , 描述了任一项资产的系统风险 ( 非系统风险已经在分散化中相互冲消掉了 ) , 任何其它因素所 描述的风险尽为 能力。
分组识别: 本文的主要研究方法是用分组识别法和截面回归法。B 股由于股票数量太 少, 无法使用分组识别法。分组识别法的目的是将不同因素的影响剥离开来, 从而分别进行识 别。规模、 和方差是进行分组的三个标准。规模通常被认为是收益最为普遍的影响变量 ( 见 Chan 和 Chen( 1988) [ 21] ) , 方差被用来衡量全额风险( 系统风险与非系统风险) , 我们将这三种 标准进行组合分别对股票分组来观察各个因素对收益的影响。 截面回归: SLB 模型可以写成超额收益的形式如下 : Zt = + Z mt +
Sharpe ( 1964) [ 1] , Lint ner ( 1965) [ 2] 和 Black ( 1972) [ 3] 建立的简捷、 完美的线性资产定 价模型即 CAPM ( 又称 SL B 模型 ) , 作为财务界的最重要的理论基石之一 , 几十年来经历了无 数的实证检验。检验结果毁誉参半 , 不同学者为其有效性争论不休。至今对 产收益的影响因素的检验仍然是财务界的学术焦点之一。 CAP M 有两种本质相同的形式。 Sharpe Lint ner 模型假定投资者能够以无风险收益率借 贷, 是我们最为熟知的形式: E [ R i ] = Rf +
im im (
的有效性和资
E[ R m ] - R f ) ,
( 1) R m ] V ar [ R m ]
R i , R m , R f 分别为资产 i 的收益率 , 市场组合的收益率和无风险资产的收益率。 Black( 1972) 在没有无风险借贷假设之下, 提出更加普遍的 CAP M 形式 , 即 Black 版本 : E [ Ri ] = E [ R 0 m ] +
二、数据与方法
1. 数 据 29
本文选用的数据主要来源于台湾经济新报资料库 ( T EJ Data Bank) 、 巨灵证券信息系统、 中国证券报和中国金融年鉴等。主要数据包括: 1994 年 9 月至 1998 年 9 月之间( 共 49 个月 ) 所有 A 股和 B 股的月收益率( 除权后) 、 流通股数、 月收盘价等。数据期间最初自 1994 年 7 月 始, 因为此前的股票数量太少, 无法进行分组研究。在检验中发现 1994 年 7、 8 月间股市具有 异常收益( 市场 8 月平均收益高达 122% ) , 这种剧变是由于 1994 年 7、 8 月间中国证监会出台 三大救市政策导致的 , 因此这两个月的数据被剔除。 对于数据中的遗失数据( m issing value) 采取下列方法进行处理 , 连续遗失数据超过 3 个则 此股票被剔除, 对于可容忍的遗失数据用比例插值法补充。删选后的 1994 年 7 月上海和深圳 两市的可用 A 股总数为 269 支 , B 股为 63 支, 作为我们计算的数据样本。 无风险收益率 R f 选取的是同期的银行三个月定期存款的利率( 换算成月利率 ) 。在 1994 年 9 月至 1998 年 9 月间 , 三个月定期存款利率由 6. 66% 下调了三次达到 2. 88% 。 2. 方 法 市场收益的计算 : A 股和 B 股的市场扩容速度很快 , 到 1998 年 9 月时已经分别达到 765 支和 105 支。虽然我们所选取的 269 支 A 股和 63 支 B 股与整个市场的收益相关性极高 ( 269 支 A 股与整个 A 股市场的收益相关系数高达 0. 9913) , 但由于市场 对于真实市场收益率十 分敏感, 我们仍然计算出容量不断变化的整个 A 股和 B 股市场的收益率作为检验中的市场收 益率 , 即 R m 。 市场 的计算: Fama 和 French( 1992) 采用两种方法计算 , 一种是根据定义( 2) 式计算每 一支股票的 值, 另一种是用每一个股票组合( 共按 ME 和 分为 100 个组合 ) 的收益对当月 和前一月的市场收益进行回归 , 取两个斜率之和为组合的 值, 并认为该组合中所有的股票 都具有相同的 值。第二种方法是为了减小非同步交易 ( nonsynchronous trading) 的影响 ( 见 Dimson( 1979) [ 19] ) , 有可能使对单个股票的 值估计更为精确( 见 F ama 和 M acBet h( 1973) ) 。 但是 Fow ler 和 Rorke( 1983) [ 20] 证明在市场收益自相关时 , 斜率之和的 值是有偏差的。我 们用 AR( 7) 模型来估算市场收益的自相关性, 发现在 85% 的置信区间中, 市场收益与此前 2 、 6、 7 月的收益具有一定的相关性。因此, 我们仍然只根据 回归方程中对于 值的定义对市场 进行计算。在 计算本身所可能带来的误差进行了修正。