燕 群，藍(lán)發(fā)欽

(華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部，上海 200062)

互聯(lián)網(wǎng)技術(shù)是新一代技術(shù)革命的核心生產(chǎn)力，已經(jīng)直接在生產(chǎn)、流通和消費(fèi)活動(dòng)中創(chuàng)造價(jià)值[1]。新冠肺炎疫情下，互聯(lián)網(wǎng)零售在現(xiàn)代零售業(yè)中的地位突增。同時(shí)，互聯(lián)網(wǎng)技術(shù)正在重塑零售業(yè)生產(chǎn)經(jīng)營(yíng)與銷售盈利的傳統(tǒng)業(yè)態(tài)，從商務(wù)模式、產(chǎn)品銷售和服務(wù)創(chuàng)新等方面創(chuàng)造價(jià)值[2]。那么，互聯(lián)網(wǎng)技術(shù)是否已經(jīng)影響了資本資產(chǎn)的價(jià)值？Liran和Jonathan[3]提出，以互聯(lián)網(wǎng)技術(shù)為代表的數(shù)字經(jīng)濟(jì)技術(shù)勢(shì)必導(dǎo)致金融學(xué)模型的適用性發(fā)生顛覆性的變化[4][5]。近年來(lái)，互聯(lián)網(wǎng)時(shí)代商業(yè)模式的重塑與價(jià)值創(chuàng)造理論的研究已經(jīng)引起國(guó)內(nèi)外學(xué)術(shù)熱議[6][7][8][9]，如果互聯(lián)網(wǎng)技術(shù)溢價(jià)已經(jīng)存在于資本市場(chǎng)，那么資本資產(chǎn)定價(jià)模型的適用性將遇到挑戰(zhàn)。

CAPM單因子模型[10][11][12]和Fama-French三因子模型[13]是基礎(chǔ)的資本資產(chǎn)定價(jià)模型，也是金融學(xué)的基石模型，模型的實(shí)證與修正一直以來(lái)都是金融學(xué)研究熱點(diǎn)[14][15]。多數(shù)學(xué)者提出納入其他因子以增強(qiáng)單因子模型和三因子模型的解釋力，如財(cái)務(wù)杠桿[16]、股票市凈率[17]、市場(chǎng)權(quán)益[18]、股票品質(zhì)[19]和股票流動(dòng)性等[20]。以上因子之所以被納入資本資產(chǎn)定價(jià)考量，是因?yàn)樗鼈兙邆滟Y本資產(chǎn)的收益溢價(jià)創(chuàng)造功能。1989年，F(xiàn)ama和French提出不同時(shí)期(例如美國(guó)大蕭條時(shí)期)商業(yè)模式的差異可以作為資本資產(chǎn)定價(jià)模型的影響因子[21]，這為本文探討互聯(lián)網(wǎng)時(shí)代背景下，零售業(yè)上市公司資本資產(chǎn)定價(jià)模型的適用性與模型修正的方法奠定了基礎(chǔ)。

一、問(wèn)題的提出

(一)互聯(lián)網(wǎng)技術(shù)的價(jià)值創(chuàng)造

移動(dòng)互聯(lián)網(wǎng)時(shí)代的商業(yè)模式所打造的企業(yè)是新技術(shù)變革中互聯(lián)網(wǎng)賦能的新經(jīng)濟(jì)企業(yè)[22]，互聯(lián)網(wǎng)技術(shù)價(jià)值創(chuàng)造功能的主要表現(xiàn)包括：構(gòu)建互聯(lián)網(wǎng)平臺(tái)聯(lián)系萬(wàn)物，使供給與需求快速融通，市場(chǎng)更加高效；依托線上銷售模式降低實(shí)體經(jīng)營(yíng)成本，通過(guò)足不出戶的消費(fèi)體驗(yàn)提升消費(fèi)者的購(gòu)買意愿和黏性；促進(jìn)文件和信息形態(tài)加入生產(chǎn)過(guò)程，使公司能低成本實(shí)現(xiàn)個(gè)性化生產(chǎn)支持體系的塑造；以互聯(lián)網(wǎng)資產(chǎn)形態(tài)(“網(wǎng)紅”資產(chǎn)、消費(fèi)行為數(shù)據(jù)等)作為生產(chǎn)要素替代其他資產(chǎn)創(chuàng)造價(jià)值；借助互聯(lián)網(wǎng)系統(tǒng)支持企業(yè)運(yùn)營(yíng)，重塑生產(chǎn)鏈、打破職能部門界限。圖1以Porter[23]提出的公司經(jīng)營(yíng)活動(dòng)價(jià)值創(chuàng)造鏈條為基礎(chǔ)，重塑了融入互聯(lián)網(wǎng)生產(chǎn)要素的零售業(yè)上市公司經(jīng)營(yíng)與價(jià)值創(chuàng)造鏈條。

圖1 互聯(lián)網(wǎng)技術(shù)重塑零售業(yè)上市公司經(jīng)營(yíng)與價(jià)值創(chuàng)造鏈條

(二)實(shí)證邏輯

基于互聯(lián)網(wǎng)技術(shù)價(jià)值創(chuàng)造的事實(shí)，下一步驗(yàn)證互聯(lián)網(wǎng)技術(shù)是否影響了零售業(yè)上市公司股票價(jià)格。1997年，亞馬遜在納斯達(dá)克上市，揭開(kāi)了互聯(lián)網(wǎng)零售行業(yè)公司上市序幕。2014年，京東集團(tuán)在納斯達(dá)克上市。2015年以來(lái)，互聯(lián)網(wǎng)零售業(yè)上市公司的數(shù)量和市值大幅增長(zhǎng)，增速遠(yuǎn)超非互聯(lián)網(wǎng)零售業(yè)上市公司。截至2020年3月末，互聯(lián)網(wǎng)零售業(yè)在全球各大交易所上市的公司共58家，零售業(yè)上市公司共245家(1)行業(yè)分類標(biāo)準(zhǔn)參照Wind分類，互聯(lián)網(wǎng)零售業(yè)是三級(jí)行業(yè)分類，其所屬一級(jí)行業(yè)為可選消費(fèi)，二級(jí)行業(yè)為零售業(yè)。(見(jiàn)表1)。伴隨互聯(lián)網(wǎng)零售業(yè)的發(fā)展，在國(guó)內(nèi)外股市互聯(lián)網(wǎng)零售業(yè)已成為一個(gè)細(xì)分行業(yè)。借鑒Fama-French三因子模型[13]的研究思路，后續(xù)研究將運(yùn)用三因子模型“因子分組—矩陣構(gòu)建—收益率回歸”的研究范式，聚焦零售業(yè)上市公司，在三因子模型分組的基礎(chǔ)上增加互聯(lián)網(wǎng)零售業(yè)、非互聯(lián)網(wǎng)零售業(yè)分組，論證零售業(yè)上市公司股票價(jià)格中是否存在互聯(lián)網(wǎng)技術(shù)溢價(jià)，提出將互聯(lián)網(wǎng)技術(shù)溢價(jià)計(jì)入資本資產(chǎn)定價(jià)模型的方法。

表1 互聯(lián)網(wǎng)零售業(yè)上市公司情況

二、實(shí)證分析

(一)樣本描述

本文選取2015年1月以前在納斯達(dá)克上市的零售業(yè)上市公司，滿足數(shù)據(jù)完整性要求的樣本共64家，其中互聯(lián)網(wǎng)零售業(yè)上市公司23家(樣本組合I)，非互聯(lián)網(wǎng)零售業(yè)上市公司41家(樣本組合R)；選取各季度末最后一個(gè)交易日的季度收益率來(lái)獲取股票收益率時(shí)間序列，構(gòu)建2015年1月至2020年3月的面板數(shù)據(jù)集，時(shí)間序列的樣本數(shù)據(jù)共21組。數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)。

(二)三因子模型實(shí)證

研究運(yùn)用三因子模型擬合各樣本時(shí)間序列收益率，以此作為基準(zhǔn)對(duì)比分析互聯(lián)網(wǎng)技術(shù)對(duì)股票價(jià)格的溢價(jià)。表2三因子模型(2)Fama和French(1973)三因子模型分別以上市公司規(guī)模(總市值指標(biāo))、賬面/市值比指標(biāo)對(duì)樣本進(jìn)行分組，構(gòu)建矩陣，用矩陣收益率差值作為模型參數(shù)訓(xùn)練模型，最終求得股票擬合收益率。研究參照Fama和French的分組方法，根據(jù)總市值的中位數(shù)，將樣本分為B(大規(guī)模)、S(小規(guī)模)兩組，根據(jù)賬面/市值比的三分之一位數(shù)、三分之二位數(shù)，將樣本分為L(zhǎng)(低賬面/市值比)、M(中等賬面/市值比)和H(高賬面/市值比)三組，構(gòu)造2*3矩陣。以上分組以各年末數(shù)據(jù)調(diào)整，計(jì)算期內(nèi)合計(jì)調(diào)整了5次。擬合效果表明，互聯(lián)網(wǎng)零售業(yè)(樣本組合I)與非互聯(lián)網(wǎng)零售業(yè)(樣本組合R)各矩陣中，三因子模型擬合R2值均小于0.80，且超過(guò)50%的矩陣擬合R2值小于0.50，這說(shuō)明三因子模型擬合效果不顯著。

表2 三因子模型擬合R2值

表3刻畫了時(shí)間序列下三因子模型擬合收益率與實(shí)際收益率的差值。該差值的絕對(duì)值越小，表示三因子模型擬合效果越好，反之則反。對(duì)于樣本組合I，2015—2020年，除BM矩陣、SH矩陣外，其他4個(gè)矩陣差值的絕對(duì)值明顯提升，且2019—2020年提升最為顯著。對(duì)于樣本組合R，2015—2020年，6個(gè)矩陣差值的絕對(duì)值均明顯下降。以上結(jié)果表明：對(duì)于互聯(lián)網(wǎng)零售業(yè)上市公司，三因子模型的擬合效果已明顯下降，而對(duì)于非互聯(lián)網(wǎng)零售業(yè)上市公司，三因子模型的擬合效果依舊顯著；新增是否為互聯(lián)網(wǎng)零售業(yè)作為分組的因子，可能增強(qiáng)資本資產(chǎn)定價(jià)模型的擬合效果。

表3 時(shí)間序列三因子模型描述性統(tǒng)計(jì)

(三)互聯(lián)網(wǎng)技術(shù)溢價(jià)與四因子模型實(shí)證

本文運(yùn)用三因子模型的研究范式，在三因子基礎(chǔ)上新增互聯(lián)網(wǎng)技術(shù)滲透度作為第四個(gè)分組因子，根據(jù)是否為互聯(lián)網(wǎng)零售業(yè)，將樣本分為O(互聯(lián)網(wǎng)零售業(yè))、N(非互聯(lián)網(wǎng)零售業(yè))兩組，構(gòu)造2*2*2的時(shí)間序列矩陣(見(jiàn)表4)，四因子模型如下：

R-Rf=βMarket(Rm-Rf)+βSMB(SMB)+βHML(HML)+βOMN(OMN)+α

(1)

式中，βMarket、βSMB、βHML和βOMN分別代表市場(chǎng)因子、規(guī)模因子、賬面/市值比因子、互聯(lián)網(wǎng)技術(shù)滲透度因子的回歸系數(shù)；R表示模型所求的股票擬合收益率；Rm是市場(chǎng)組合收益率，通過(guò)全部樣本收益率的均值計(jì)算；Rf是無(wú)風(fēng)險(xiǎn)利率，選擇1個(gè)月期限的國(guó)債收益率；SMB表示小市值股票組合收益率與大市值股票組合收益率的差值；HML表示高賬面/市值比股票組合收益率與低賬面/市值比股票組合收益率的差值；OMN表示高互聯(lián)網(wǎng)技術(shù)滲透度股票組合收益率與低互聯(lián)網(wǎng)技術(shù)滲透度股票組合收益率的差值；α表示股票的超額收益率。

表4 四因子模型矩陣的構(gòu)建

表5四因子模型運(yùn)行結(jié)果說(shuō)明，零售業(yè)上市公司股票價(jià)格存在明顯的互聯(lián)網(wǎng)技術(shù)溢價(jià)，四因子模型擬合股票收益率的R2值相比于三因子模型(見(jiàn)表2)有大幅提升，說(shuō)明四因子模型測(cè)度零售業(yè)上市公司股票價(jià)格具備有效性。具體來(lái)看，大規(guī)模且高賬面/市值比的零售業(yè)上市公司組合R2值為0.94、高賬面/市值比的互聯(lián)網(wǎng)零售業(yè)上市公司組合R2值為0.91，高于全部組合R2值的均值0.82，表明這兩個(gè)組合四因子模型擬合效果最顯著；大規(guī)模的非互聯(lián)網(wǎng)零售業(yè)上市公司組合、低賬面/市值比的互聯(lián)網(wǎng)零售業(yè)上市公司組合的R2值均低于全部組合R2值的均值0.82，表明這兩個(gè)組合四因子模型擬合效果最弱，但超過(guò)了三因子模型擬合R2值的均值0.46(見(jiàn)表2)。同時(shí)，表5和表6的結(jié)果說(shuō)明，四因子模型中因子間兩兩相關(guān)關(guān)系不顯著，證實(shí)四因子模型通過(guò)內(nèi)生性檢驗(yàn)。

表5 四因子模型擬合R2值與因子載荷(2015年1月—2020年3月)

續(xù)表

表6 內(nèi)生性檢驗(yàn)

對(duì)資本資產(chǎn)定價(jià)模型的討論是金融學(xué)理論研究的重要分支，新模型的提出是對(duì)模型的重新審視。學(xué)界過(guò)往探討資本資產(chǎn)定價(jià)模型的適用性主要集中于βMarket是否能解釋股票收益率在橫截面上的變動(dòng)。Banz[24]、Fama和French[13]通過(guò)新增影響因子證實(shí)βMarket不足以解釋股票收益率的變動(dòng)。Kothari等[25]通過(guò)研究βMarket的取值范圍，從βMarket在置信區(qū)間內(nèi)取值范圍較大說(shuō)明其不足以解釋股票收益率的變動(dòng)。四因子模型的βMarket取值范圍波動(dòng)較大，側(cè)面證實(shí)了Kothari等[25]的結(jié)論。Fama和Fench[13][26]在構(gòu)建三因子模型和五因子模型的過(guò)程中，曾提出賬面/市值比對(duì)股票收益率的影響程度超過(guò)市場(chǎng)因子和規(guī)模因子，但是表5各因子相關(guān)分析的顯著性結(jié)果并不支持這一觀點(diǎn)，反而支持規(guī)模因子是四因子模型中影響最為顯著的因子，各樣本組合規(guī)模因子均在0.1%置信水平下顯著，顯著性特征明顯超過(guò)其他因子。

近年來(lái)大量實(shí)證研究聚焦于資本資產(chǎn)定價(jià)模型的“異象”。為了進(jìn)一步討論不同市場(chǎng)環(huán)境下四因子模型的“異象”特征，本文將研究時(shí)間段Ta分為納斯達(dá)克指數(shù)上升時(shí)間段Tu1(2015年1月至2018年5月)、上升時(shí)間段Tu2(2019年5月至2020年2月)、震蕩時(shí)間段Tf(2018年5月至2019年5月)和下跌時(shí)間段Td(2020年2月至2020年3月)，如圖2所示。關(guān)于“異象一”：高賬面/市值比組合的股票比低賬面/市值比組合具有更高的收益，可用特定研究期論[2]、風(fēng)險(xiǎn)因素論[27][28]、公司特征決定論[29]及不同股票市場(chǎng)的特性[30]來(lái)解釋。表7結(jié)果顯示，在不同市場(chǎng)環(huán)境下四因子模型的變量數(shù)理特征并未有明顯的賬面/市值比規(guī)律，支持特定研究期論，證實(shí)賬面/市值比效應(yīng)只是特定樣本在特定檢驗(yàn)期內(nèi)才存在，是數(shù)據(jù)挖掘的結(jié)果。關(guān)于“異象二”：小規(guī)模且高賬面/市值比組合的股票收益率在不同市場(chǎng)環(huán)境下高于其他組合[29]，表7結(jié)果支持公司特征決定論，四因子模型同樣存在規(guī)模與賬面/市值比的組合特征，在不同市場(chǎng)環(huán)境下，小規(guī)模且高賬面/市值比的組合收益率均高于其他組合，同時(shí)在納斯達(dá)克指數(shù)震蕩時(shí)間段Tf，該“異象”特征更加明顯。

圖2 研究時(shí)間段的劃分

深入分析發(fā)現(xiàn)，四因子模型還存在其他“異象”特征：一是規(guī)模因子與互聯(lián)網(wǎng)技術(shù)滲透度因子的組合特征。由表7收益率平均值可知，在不同市場(chǎng)環(huán)境下小規(guī)?；ヂ?lián)網(wǎng)零售業(yè)上市公司的股票收益率高于其他組合。二是收益率波動(dòng)的特征。由表7收益率標(biāo)準(zhǔn)差可知，一方面，在納斯達(dá)克指數(shù)震蕩時(shí)間段Tf，各組合的股票收益率波動(dòng)較明顯，另一方面，小市值且低賬面/市值比、低賬面/市值比的互聯(lián)網(wǎng)零售業(yè)組合的股票收益率波動(dòng)率較低，小市值且高賬面/市值比、高賬面/市值比的非互聯(lián)網(wǎng)零售業(yè)組合的股票收益率波動(dòng)率較高。

表7 四因子模型描述性統(tǒng)計(jì)

表8刻畫了時(shí)間序列下四因子模型擬合收益率與實(shí)際收益率的差值情況。2019年前后，收益率差值的均值沒(méi)有發(fā)生顯著變化。比較表3三因子模型擬合收益率發(fā)現(xiàn)，2019年之后互聯(lián)網(wǎng)技術(shù)滲透度對(duì)三因子模型擬合效果的影響越來(lái)越大，模型擬合效果明顯下降，但四因子模型的擬合效果相對(duì)穩(wěn)定。

表8 時(shí)間序列四因子模型描述性統(tǒng)計(jì)

(四)互聯(lián)網(wǎng)技術(shù)溢價(jià)的產(chǎn)生機(jī)制

Fama和Macbeth曾提出用截面回歸的方法(簡(jiǎn)稱FM回歸)[30]檢驗(yàn)三因子模型因子載荷特征。本文在該方法基礎(chǔ)上，將被解釋變量設(shè)定為各矩陣股票的平均收益率。表9第1組控制變量為市場(chǎng)因子載荷、規(guī)模因子載荷和賬面/市值比因子載荷，解釋變量為互聯(lián)網(wǎng)技術(shù)滲透度因子載荷；第2組控制變量為互聯(lián)網(wǎng)技術(shù)滲透度因子載荷，解釋變量為市場(chǎng)因子載荷、規(guī)模因子載荷和賬面/市值比因子載荷；第3組將所有因子載荷納入解釋變量。

從表9第1組結(jié)果可知，股票收益率與互聯(lián)網(wǎng)技術(shù)滲透度因子載荷不存在顯著相關(guān)性，說(shuō)明互聯(lián)網(wǎng)技術(shù)不直接影響股票收益率，即并不是互聯(lián)網(wǎng)技術(shù)滲透度越大，股票收益率就越高。第3組的互聯(lián)網(wǎng)技術(shù)滲透度因子載荷在5%水平下顯著，說(shuō)明互聯(lián)網(wǎng)技術(shù)價(jià)值創(chuàng)造是通過(guò)影響其他因子的價(jià)值創(chuàng)造過(guò)程實(shí)現(xiàn)的。對(duì)比第2組與第3組結(jié)果顯示，三因子模型中市場(chǎng)因子載荷顯著性特征不明顯，而四因子模型中市場(chǎng)因子載荷在1%水平下顯著，同時(shí)規(guī)模因子載荷和賬面/市值比因子載荷保持在1%的水平下顯著，這再次驗(yàn)證了四因子模型擬合顯著性優(yōu)于三因子模型。

表9 基于Fama-Macbeth的因子載荷回歸結(jié)果

(五)穩(wěn)健性檢驗(yàn)

李和金與李湛[31]曾提出，收益率計(jì)算截面的選取會(huì)影響模型的有效性，據(jù)此本部分選取不同的截面計(jì)算收益率，用相同面板數(shù)據(jù)時(shí)間段的不同時(shí)間序列重復(fù)檢驗(yàn)四因子模型的穩(wěn)健性。將前述研究的收益率截面定義為截面1；新增穩(wěn)健性檢驗(yàn)截面2，獲取各季度末最后一個(gè)交易日股票價(jià)格相對(duì)于上月最后一個(gè)交易日股票價(jià)格的月度收益率，得到21組收益率數(shù)據(jù)；新增穩(wěn)健性檢驗(yàn)截面3，獲取各月末最后一個(gè)交易日股票價(jià)格相對(duì)于上月最后一個(gè)交易日股票價(jià)格的月度收益率，得到63組收益率數(shù)據(jù)。

表10顯示三個(gè)截面下的擬合R2值，結(jié)果表明四因子模型在截面2和截面3條件下的擬合效果同樣顯著，說(shuō)明四因子模型通過(guò)穩(wěn)健性檢驗(yàn)。進(jìn)一步分析發(fā)現(xiàn)，截面2條件下模型總體擬合效果優(yōu)于截面1，截面3條件下模型總體擬合效果劣于截面1。具體而言，截面2條件下，僅2個(gè)組合的擬合R2值小于0.80。但是截面3條件下，全部組合的擬合R2值均小于0.80，且有6個(gè)組合小于0.50。這說(shuō)明截面3條件下模型擬合效果最不穩(wěn)定。

表10 四因子模型穩(wěn)健性檢驗(yàn)

續(xù)表

三、進(jìn)一步分析

為分析四因子模型在危機(jī)行情下的適用性與穩(wěn)定性，接下來(lái)以新冠肺炎疫情沖擊下的市場(chǎng)行情為例，測(cè)試四因子模型的有效性。

(一)數(shù)據(jù)處理

研究樣本統(tǒng)一采用納斯達(dá)克上市的64家零售業(yè)上市公司，研究數(shù)據(jù)選取2020年1月至2020年2月，收益率截面選取每個(gè)交易日的月收益率，因此該時(shí)間序列數(shù)據(jù)包含37組股票收益率。以上數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)。

(二)異質(zhì)性分析

表11顯示了2020年1月至2020年2月新冠肺炎疫情沖擊期間四因子模型擬合股票收益率的情況。相較于表5的2015年1月至2020年3月期間四因子模型擬合效果，從各因子回歸顯著性水平和擬合R2值兩個(gè)角度，結(jié)果均顯示疫情期間四因子模型擬合效果優(yōu)于該模型在2015年1月至2020年3月的擬合效果。

陳浪南和屈文洲[32]認(rèn)為市場(chǎng)因子解釋力存在異質(zhì)性，在大盤指數(shù)波動(dòng)劇烈，特別是急速上升的時(shí)間段，市場(chǎng)因子對(duì)股票收益率的影響遠(yuǎn)高于其他時(shí)期。表11與表5的分析結(jié)果表明，四因子模型支持陳浪南和屈文洲[28]的結(jié)論，即在大盤急速上升的行情下，市場(chǎng)因子對(duì)股票收益率的影響提升，賬面/市值比因子對(duì)股票收益率的影響下降，市場(chǎng)因子取代賬面/市值比因子成為股票收益率最主要的決定因素。此外，表11的結(jié)果也顯示了四因子模型的其他異質(zhì)性特征：第一，相比于表5，低賬面/市值比的股票在疫情期間擬合R2值高于高賬面/市值比的股票，大規(guī)模的股票高于小規(guī)模的股票；第二，相比于表5，新冠肺炎疫情沖擊行情下，四因子模型對(duì)互聯(lián)網(wǎng)零售業(yè)上市公司股票收益率的擬合效果提升，并且對(duì)互聯(lián)網(wǎng)零售業(yè)股票收益率擬合效果優(yōu)于非互聯(lián)網(wǎng)零售業(yè)。

表11 四因子模型擬合R2值與因子載荷(2020年1月—2020年2月)

同時(shí)本文通過(guò)擬合收益率與實(shí)際收益率的差值分析，探究四因子模型的穩(wěn)定性。圖3結(jié)果顯示，收益率差值的波動(dòng)性與組合收益率的波動(dòng)性基本一致，但是波動(dòng)的方向可能相反；相對(duì)于組合收益率上漲期，組合收益率下跌期收益率差值的波動(dòng)性更大。

圖3 四因子模型擬合收益率與實(shí)際收益率差值

進(jìn)一步分組分析危機(jī)行情下，四因子模型對(duì)于互聯(lián)網(wǎng)零售業(yè)上市公司與非互聯(lián)網(wǎng)零售業(yè)上市公司的適用性差異。圖4顯示互聯(lián)網(wǎng)零售業(yè)上市公司擬合收益率與實(shí)際收益率差值，大規(guī)模(BO)、低賬面/市值比(OL)的股票收益率差值走勢(shì)一致，并且與小規(guī)模(SO)、高賬面/市值比(OH)的股票收益率差值走勢(shì)相反。圖5顯示非互聯(lián)網(wǎng)零售業(yè)上市公司擬合收益率與實(shí)際收益率差值，結(jié)果與圖4總體一致，差別在于大規(guī)模的非互聯(lián)網(wǎng)零售業(yè)股票與互聯(lián)網(wǎng)零售業(yè)股票收益率差值走勢(shì)相反，低賬面/市值比的非互聯(lián)網(wǎng)零售業(yè)股票與互聯(lián)網(wǎng)零售業(yè)股票收益率差值走勢(shì)相反，對(duì)于小規(guī)模股票、高賬面/市值比股票亦存在相同情況。

圖4 互聯(lián)網(wǎng)零售業(yè)上市公司擬合收益率與實(shí)際收益率差值

圖5 非互聯(lián)網(wǎng)零售業(yè)上市公司擬合收益率與實(shí)際收益率差值

四、結(jié)論與啟示

互聯(lián)網(wǎng)時(shí)代背景下，互聯(lián)網(wǎng)技術(shù)已經(jīng)影響了零售業(yè)上市公司資本資產(chǎn)的價(jià)值，為此本文探討了Fama-French三因子定價(jià)模型的修正思路，得到如下結(jié)論：第一，互聯(lián)網(wǎng)技術(shù)溢價(jià)存在于零售業(yè)上市公司，四因子模型在研究期內(nèi)擬合效果優(yōu)于三因子模型；第二，對(duì)于大規(guī)模、高賬面/市值比的零售業(yè)上市公司以及高賬面/市值比的互聯(lián)網(wǎng)零售業(yè)上市公司，四因子模型擬合效果更加顯著；第三，在以新冠肺炎疫情沖擊為代表的危機(jī)行情下，四因子模型通過(guò)了異質(zhì)性檢驗(yàn)，并且模型擬合效果優(yōu)于非疫情時(shí)期。

本文提出了零售業(yè)上市公司的四因子資本資產(chǎn)定價(jià)模型，實(shí)證結(jié)果通過(guò)了不同研究時(shí)間段、不同收益率截面下四因子模型的穩(wěn)健性檢驗(yàn)和異質(zhì)性討論。本文立足于Fama-French三因子模型，研究方法借鑒三因子模型拓展模型的推演思路，但這只是時(shí)代背景下重新探討金融學(xué)模型的起點(diǎn)，希望此研究為互聯(lián)網(wǎng)時(shí)代金融學(xué)模型的修正提供借鑒思路。非理性市場(chǎng)假設(shè)下，APT[33]、特征模型[29]的改進(jìn)將是更進(jìn)一步的探索方向。此外，傳統(tǒng)的生產(chǎn)要素理論、市場(chǎng)均衡理論及要素生產(chǎn)領(lǐng)域的資產(chǎn)定價(jià)(TFP)等也需要重新解讀，相關(guān)金融學(xué)模型的修正同樣具備重要研究?jī)r(jià)值。