展 凱，任亞偉

（廣東外語外貿(mào)大學 金融學院，廣東 廣州 510006）

隨著數(shù)據(jù)處理技術的發(fā)展，學術界挖掘出大量樣本內(nèi)異象，如今，已發(fā)表異象至少452個［1］。與此同時，由于CAPM對股票收益解釋能力的糟糕表現(xiàn)，學術界對解釋股票收益的橫截面差異也做了諸多嘗試，ICAPM、CCAPM和APT等從不同角度優(yōu)化CAPM的資產(chǎn)定價模型相繼被提出。此后，以Fama和French提出的著名Fama-French三因子模型（FF3）為起點［2］，學者們對多因子模型的挖掘也迎來新一輪的高潮。這也引發(fā)學者們對各定價模型效果的強烈分歧，如，Barillas和Shanken通過模型間的系統(tǒng)對比指出，構造較為復雜的Barillas-Shanken六因子模型（BS6）很大程度上優(yōu)于Q-4模型等模型［3-4］。

雖然，學者們在提出多因子模型時都強調優(yōu)于之前的定價模型，但均未單獨論證其在A股的適用性。A股已然是全球第二大資本市場，在交易制度、投資者素質等方面與歐美發(fā)達資本市場差異較大。近年來國內(nèi)文獻大多仍停留在Fama-French三因子模型和Fama-French五因子模型在中國的有效性對比分析［5］，且結論不盡相同，還沒有文獻就構造較為復雜的Barillas-Shanken六因子模型在A股的有效性進行系統(tǒng)研究。本文綜合四種模型檢驗方法，系統(tǒng)對比分析Barillas-Shanken六因子模型在A股的實證效果，作為模型檢驗的基礎，本文也在更長的樣本期內(nèi)重新檢驗了已有文獻中A股市場異象的顯著性。本文主要貢獻在于：第一，在更長的時間跨度內(nèi)對A股市場各風格效應進行檢驗，并篩選出顯著異象；第二，將資產(chǎn)定價前沿理論與我國股票定價的實際情況相結合，豐富了我國資產(chǎn)定價領域的相關研究；第三，利用完整的模型對比框架系統(tǒng)分析了多因子定價模型對我國市場解釋能力的差異。

一、模型數(shù)據(jù)描述與檢驗方法

2000年前，由于A股市場公司數(shù)量、財務數(shù)據(jù)質量和完整性等不滿足研究要求，且此前我國證券法也不完善，本文選擇2000年1月1日作為研究區(qū)間起點，至2019年5月31日，共計228個月度；研究樣本為A股市場剔除金融業(yè)股票、ST和*ST股票后的全部股票。無風險收益率取自銳思數(shù)據(jù)庫（RESSET），股票的量、價、財務數(shù)據(jù)均取自WIND金融終端，擬檢驗對比的BS6模型與FF5模型均嚴格按照原始文獻復現(xiàn)。

（一）Barillas-Shanken六因子模型

Barillas和Shanken提出使用Bayesian asset pricing test檢驗不同的定價模型［3］，通過對比10個候選因子①分別為FF3、FF5和Q4三模型中的MKT、HML、SMB、UMD、CMA、RMW、ME、INV、ROE以及Asness和Frazzini提出的月度更新HMLm。的表現(xiàn)效果，最終提出了一個包括市場因子（MKT）、FF5模型中的規(guī)模因子（SMB）、Q4模型中的利潤因子（ROE）和投資因子（INV）、月度更新的價值因子（HMLm）、動量因子（UMD）的六因子模型（BS6）。Barillas-Shanken六因子模型中的因子數(shù)據(jù)和構造方法參照對應模型，本文不再贅述。六因子模型：

BS6模型與FF5模型中不相同因子的描述性 統(tǒng)計及相關性統(tǒng)計，見表1。

表1 因子描述性統(tǒng)計與相關系數(shù)

結果顯示，月度更新的HMLm因子表現(xiàn)最突出，平均每月可獲得0.88%的超額收益，而HML因子組合每月僅獲得0.46%的超額收益。另外，通過查閱相應的原始文獻，本文發(fā)現(xiàn)MKT、SMB、HML、CMA、RMW、INV、ROE等因子在A股市場獲得的超額收益普遍低于美國市場，這也從側面體現(xiàn)了中國資本市場的獨特性，有必要就多因子模型在A股市場的效果進行系統(tǒng)對比。

對比各因子的相關性系數(shù)，可以發(fā)現(xiàn)構造結構不同但風格相同的因子之間均是強相關，如：價值因子HML與HMLm相關系數(shù)為0.82，投資因子CMA和INV相關系數(shù)為0.86，盈利因子RMW和ROE相關系數(shù)為0.86。另外，與Liu等研究發(fā)現(xiàn)一致，由于中國A股市場小規(guī)模股票大多都是成長性公司，因此規(guī)模因子與價值因子之間表現(xiàn)為負相關，但相比價值因子HML，HMLm與其他規(guī)模因子相關度相對較低［6］。

（二）模型檢驗方法

在檢驗多因子模型時，學者們主要使用四種方法：

（1）解釋異象的能力（Anomaly alphas under a model）；

（2）GRS檢驗；

（3）均值—方差張成檢驗（Mean-Variance Spanning tests）；

（4）Fama-Macbeth回歸。

二、A股市場異象

由于樣本周期、數(shù)據(jù)來源和基準模型（如CAPM、FF3或FF5）等不同，現(xiàn)有文獻對A股異象的研究結果有很大區(qū)別。因此，本部分對現(xiàn)有文獻中13個異象在A股市場進行更長時間跨度的重新檢驗，具體異象列表、原始文獻以及異象的構造方法，見表2。

表2 異象列表

為了提高異象檢驗結果的穩(wěn)健性，文本采用CAPM檢驗和組合分析法雙重檢驗，意在比Liu等更系統(tǒng)地重新檢測現(xiàn)有文獻中的A股市場異象。CAPM檢驗結果，見表3。

表3 異象CAPM檢驗

可以發(fā)現(xiàn)，非市值中性化和市值中性化兩種構造方法下，現(xiàn)金流市值比cp、投資inv兩異象的超額收益α均不顯著，意味著兩異象超額收益并非來自未知風險或錯誤定價；月波動性vol、月反轉rev、月?lián)Q手率abt以及月非流動性illiquidity異象無法被CAPM解釋的超額收益α均超過1%。其次，市值中性化下異象無法被CAPM解釋的α絕對值也普遍增加且顯著性提高，無法被CAPM解釋的異象個數(shù)也從6增加到10個，即使按照Harvey等把t-value的閾值提高到3.00［17］，仍有7個異象顯著。

組合分析法①限于篇幅，本文僅報告CAPM檢驗結果，組合分析法檢驗結果可來信索取。與CAPM檢驗結果基本一致，現(xiàn)金流市值比cp、投資inv兩異象均不顯著。市盈率倒數(shù)ep、股東權益回報率roe、12個月?lián)Q手率12mt、收益op四異象僅在市值中性化下顯著，其余異象在兩種構造方法下均顯著。綜合組合分析法、CAPM回歸檢驗的結果，本文從13個備選異象中剔除現(xiàn)金流市值比cp、投資inv兩個不顯著異象，最終使用11個顯著異象用于后文模型對比。

三、模型檢驗

（一）解釋異象的能力

兩模型對異象的解釋能力，見表4。

表4 異象超額收益

從異象無法被解釋的超額收益來看，F(xiàn)F5模型對異象的解釋能力次于BS6模型，僅能解釋非市值中性化的mktcap、bm異象以及市值中性化的bm異象。相對而言，BS6模型對兩種構造方法下的異象均有較強的解釋能力，明顯優(yōu)于FF5模型，可以完全解釋非市值中性化下ep、bm、vol、max異象，市值中性化下ep、bm、vol異象，而且所有異象無法被解釋的超額收益以及顯著性明顯小于FF5模型。

（二）GRS檢驗

本部分參考Fama和French，通過size×bm、size×ep分別構造兩個5×5的資產(chǎn)組合［5］，并增加通過本文檢驗的11個異象資產(chǎn)組合，然后檢驗兩模型對三組資產(chǎn)組合的聯(lián)合解釋能力。GRS檢驗假設模型能夠全面解釋投資組合的收益率，原假設H0：αi=0，GRS統(tǒng)計量越小，表明模型的擬合效果越好。

模型對每種資產(chǎn)組合聯(lián)合檢驗的α均值、GRS統(tǒng)計量以及p-value，見表5。

表5 模型對資產(chǎn)組合的解釋能力

從GRS統(tǒng)計量的大小來看，在size×bm 25組合聯(lián)合檢驗中，F(xiàn)F5模型稍好于BS6模型，其GRS統(tǒng)計量為0.896 6，對應的p-value為0.610 0，平均截距項α絕對值為0.006。在size×ep 25組合聯(lián)合檢驗中，BS6模型明顯優(yōu)于FF5模型，其GRS統(tǒng)計量為0.890 1，對應的p-value為0.618 8，平均截距項α的絕對值為0.006 9。

另外，在非市值中性化構造的11個異象組合聯(lián)合檢驗中，BS6模型與FF5模型GRS統(tǒng)計量分別為4.279 7、6.555 7，且BS6模型的平均截距項α絕對值為0.138 6，相比FF5模型均較小，這意味著BS6模型對11個非市值中性化異象資產(chǎn)組合的擬合效果更佳。同樣的，在市值中性化下構造的11個異象組合聯(lián)合檢驗中，BS6模型對11個市值中性化異象資產(chǎn)組合的擬合效果也優(yōu)于FF5模型。

（三）均值—方差張成檢驗

BS6模型解釋FF5模型中SMB、HML、RMW、CMA四因子的結果，見表6。

表6 BS6對FF5的均值—方差張成檢驗

總體來看，BS6模型可以很好地解釋FF5模型中SMB、RMW、CMA三因子，截距項α分別為0.00（t-value：0.21）、-0.16（t-value：-1.39）、-0.03（t-value：-0.68），且對應R2、Adj-R2都大于81%，解釋能力較強。通過各系數(shù)大小可以發(fā)現(xiàn)，上述三因子收益主要來自對BS6模型中SMB、ROE、INV因子的正暴露。

我們也發(fā)現(xiàn)，BS6模型對FF5模型中HML因子擬合效果稍差，即使HML對HMLm有很高（βHMLm：0.84）且很顯著（t-value：20.71）的正暴露、模型的R2、Adj-R2也都達到81%以上，但仍有-0.27%的月平均超額收益（t-value：-2.42）無法被BS6模型解釋。

FF5模型解釋BS6模型中SMB、ROE、INV、UMD、HMLm五個因子的結果，見表7。

表7 FF5對BS6的均值—方差張成檢驗

總體來看，F(xiàn)F5模型僅可以解釋BS6模型中SMB、UMD兩因子，截距項α分別為0.00（t-value：0.79）、0.03（t-value：0.75），而且SMB因子為共有因子，解釋UMD因子的R2、Adj-R2分別僅為31%、30%；兩因子收益主要來自對FF5模型中SMB、RMW因子的正暴露。但是，F(xiàn)F5模型對其余三因子的擬合效果較差，分別有0.39%、0.11%、0.49%的月平均收益無法被FF5模型解釋。

BS6模型對FF5模型因子以及FF5模型對BS6模型因子擬合的聯(lián)合檢驗結果，見表8。

表8 模型間GRS檢驗

由表8可以發(fā)現(xiàn)，F(xiàn)F5模型對BS6模型的解釋效果較差（GRS：9.087 8；p-value：0.00）；相反，BS6模型對FF5模型的解釋效果相對較好，其GRS統(tǒng)計量（GRS：1.911 5；p-value：0.109 8）遠小于FF5模型對BS6模型擬合時的GRS統(tǒng)計量，這意味著BS6模型可以一定程度上解釋FF5模型，而FF5模型無法很好地解釋BS6模型。

（四）Fama-Macbeth回歸

使用不同模型因素進行Fama-MacBeth回歸的結果，見表9。

表9 Fama-MacBeth回歸

包括模型平均截距項α、各因子的平均系數(shù)β、R2、Adj-R2。其中，F(xiàn)ama-MacBeth回歸的市場Beta是使用24個月的日度數(shù)據(jù)估計?？傮w來看，兩模型的回歸平均截距項α都不顯著，表明各模型都可以一定程度上解釋中國A股市場的股票橫截面收益差異，但BS6模型截距項稍低于FF5模型，表明BS6模型優(yōu)于FF5模型。從各個模型的擬合度R2、Adj-R2來看，BS6模型均大于FF5模型，表明BS6模型效果解釋能力較好；另外，BS6模型各因素系數(shù)也比FF5模型更為顯著。

另外，從模型的各個因素角度來看，市場Beta在兩個模型中均不顯著，這也從側面反映了CAPM模型在中國A股市場的效果不理想；動量因素MOM在模型中也不顯著，也表明中國A股市場動量效應不明顯。

四、結論

本文使用學術界代表性的四種模型檢驗方法，綜合分析表明：在A股市場Barillas-Shanken六因子模型解釋效果優(yōu)于Fama-French 五因子模型。本文研究結果，不僅為全球投資者研究中國A股市場異象提供了最新的指引、加深對中國A股市場的理解，也從實證的角度豐富了中國A股市場資產(chǎn)定價領域的研究。在未來的研究中我們將使用更復雜的檢驗方法，更全面的檢驗包括但不限于本文提到的因子定價模型，并進一步探討模型背后的理論支撐。

本文雖然通過四種檢驗方法驗證了Barillas-Shanken六因子模型相對更有效，但是我們也應該認識到?jīng)]有一個模型是完美的，這需要我們時刻保持理性的態(tài)度，使用科學的手段，客觀地評價不同模型的優(yōu)劣。