文/佘紅芳（武漢大學(xué)）

一、引言

因子定價(jià)模型從最初的CAPM單因子定價(jià)模型到Fama和French三因子、五因子模型，再到現(xiàn)在多因子定價(jià)模型層出不窮。但是，市場(chǎng)中依然存在傳統(tǒng)因子定價(jià)模型無法解釋的各種異象，原因之一便是傳統(tǒng)資產(chǎn)定價(jià)理論是建立在市場(chǎng)有效、投資者完全理性的假設(shè)條件下，而現(xiàn)實(shí)股票市場(chǎng)并非如此。于是，行為金融學(xué)應(yīng)運(yùn)而生，否定了市場(chǎng)完全有效以及投資者完全理性的假設(shè)，認(rèn)為在市場(chǎng)非有效的條件下，投資者的心理和行為是影響股票收益的重要因素。

本文從行為金融學(xué)角度切入，關(guān)注投資者的兩種心理偏見：注意力有限和過度自信。投資者注意力有限引起對(duì)公共信息比如盈余公告反應(yīng)不足，進(jìn)而產(chǎn)生盈余公告后股價(jià)的漂移，并且一般來說由反應(yīng)不足引起的錯(cuò)誤定價(jià)能在短時(shí)間內(nèi)得到修正，基于此，我們考慮構(gòu)造一個(gè)盈余公告漂移因子PEAD，用于捕獲由投資者反應(yīng)不足引發(fā)的短期錯(cuò)誤定價(jià)。而對(duì)于投資者過度自信導(dǎo)致的長(zhǎng)期錯(cuò)誤定價(jià)，本文基于上市公司股票發(fā)行與回購的市場(chǎng)擇時(shí)行為，構(gòu)建了一個(gè)融資決策因子FIN。本文將兩個(gè)行為因子結(jié)合市場(chǎng)因子MKT以及規(guī)模因子SMB，建立一個(gè)風(fēng)險(xiǎn)——行為混合四因子模型，并檢驗(yàn)其在我國(guó)股票市場(chǎng)的適用性。

二、文獻(xiàn)回顧

根據(jù)行為金融學(xué)最新研究，Stambaugh和Yuan（2017）構(gòu)造了兩個(gè)錯(cuò)誤定價(jià)因子，再加上市場(chǎng)因子和規(guī)模因子建立了一個(gè)反映錯(cuò)誤定價(jià)的四因子模型。Daniel、Hirshleifer 和 Sun（2020）提出了長(zhǎng)、短兩個(gè)時(shí)間維度上的行為因子，分別用來捕獲短期和長(zhǎng)期錯(cuò)誤定價(jià)。Ball和Brown（1968）最早提出盈余公告后股價(jià)漂移效應(yīng)（PEAD），認(rèn)為上市公司財(cái)報(bào)中的盈余信息會(huì)對(duì)后續(xù)股票收益產(chǎn)生影響。Hirshleifer、Lim和Teoh（2009）認(rèn)為若市場(chǎng)中存在大量公司同時(shí)披露盈余信息，投資者便會(huì)出現(xiàn)注意力有限、無暇顧及的情況，于是便出現(xiàn)股價(jià)的滯后漂移。Stein（1996）提出的市場(chǎng)擇時(shí)理論認(rèn)為：公司的管理者相對(duì)普通的投資者來說，對(duì)自己所經(jīng)營(yíng)的企業(yè)更加了解，精明的管理者會(huì)在公司股價(jià)高估時(shí)發(fā)行股票，股價(jià)低估時(shí)回購 股 票。Loughran和Ritter（1997）的研究表明，進(jìn)行股票增發(fā)的公司在發(fā)行后五年的股票收益率極低。Ikenberry、Lakonishok和Vermaelen （1995）研究了美國(guó)1980-1990年上市公司在公開市場(chǎng)宣布進(jìn)行股票回購后公司的長(zhǎng)期業(yè)績(jī)。結(jié)果發(fā)現(xiàn)，在最初的公告宣布后，買入并持有的四年期平均超額回報(bào)率為12．1%。

三、數(shù)據(jù)處理及模型構(gòu)建

（一）數(shù)據(jù)來源及處理

本文以滬深A(yù)股上市公司作為研究對(duì)象，數(shù)據(jù)來源是國(guó)泰安數(shù)據(jù)庫。本文選擇2008年5月至2020年4月的月度數(shù)據(jù)進(jìn)行實(shí)證分析，時(shí)間跨度為144個(gè)月，既避開了股權(quán)分置改革完成前的時(shí)期，又避免了由于年報(bào)公布時(shí)間的滯后性導(dǎo)致財(cái)務(wù)數(shù)據(jù)與市場(chǎng)數(shù)據(jù)不一致的問題。與多數(shù)因子研究文獻(xiàn)保持一致，本文的無風(fēng)險(xiǎn)利率采用一年期定期存款利率，個(gè)股的月度收益率采用現(xiàn)金紅利再投資的月度收益率。在進(jìn)行實(shí)證分析之前，主要對(duì)數(shù)據(jù)做了如下處理：剔除新股上市后六個(gè)月的交易數(shù)據(jù)；剔除ST、PT以及金融行業(yè)股票，賬面價(jià)值為負(fù)的股票也予以剔除；中國(guó)股市中市值最小的30% 股票可能會(huì)受到殼價(jià)值污染的嚴(yán)重影響，所以本文剔除了市值最小的30%股票。

（二）因子定義與構(gòu)建

本文采用Fama和French（1993，2015）以 及Liu、Stambaugh和Yuan（2019）論文的因子計(jì)算方法，采用2*3分組法構(gòu)建Fama和French模型的5個(gè)風(fēng)險(xiǎn)因子。

在構(gòu)建短期行為因子PEAD時(shí)，首先計(jì)算上一年度的財(cái)務(wù)報(bào)告公布日前2天以及后4天的累計(jì)異常收益（CAR）。其次將CAR值按照30%和70%分位數(shù)分為三組，將股票市值按照50%分位數(shù)分為兩組，隨后進(jìn)行2*3交叉分組，并將股票市值作為權(quán)重，計(jì)算出6個(gè)投資組合的加權(quán)平均收益率。最后，將CAR值高的組的收益率減去CAR值低的組的收益率，便得到短期行為因子PEAD的時(shí)間序列值。

在構(gòu)建長(zhǎng)期行為因子FIN時(shí)，首先計(jì)算出個(gè)股t年末以及t-3年末在外流通的股數(shù)，分別取對(duì)數(shù)再相減便得到個(gè)股三年的股票發(fā)行增速IR（Issuance Rate）。其次將股票發(fā)行增速IR按照30%和70%分位數(shù)分為三組，將股票市值按照50%分位數(shù)分為兩組，隨后進(jìn)行2*3交叉分組，并將股票市值作為權(quán)重，計(jì)算出6個(gè)投資組合的加權(quán)平均收益率。最后，將股票發(fā)行增速低的組的收益率減去股票發(fā)行增速高的組的收益率，便得到長(zhǎng)期行為因子FIN的時(shí)間序列值。

（三）風(fēng)險(xiǎn)——行為混合因子模型的構(gòu)建

本文在傳統(tǒng)金融學(xué)市場(chǎng)因子和規(guī)模因子的基礎(chǔ)上，加上短期行為因子和長(zhǎng)期行為因子，構(gòu)建了一個(gè)既反映風(fēng)險(xiǎn)又反映錯(cuò)誤定價(jià)的風(fēng)險(xiǎn)——行為混合四因子模型。具體模型如下：

其中，Ri,t-Rf,t代表資產(chǎn)i的超額收益，MKTt，SMBt，PEADt，F(xiàn)INt分 別表示市場(chǎng)因子、規(guī)模因子、短期行為因子以及長(zhǎng)期行為因子β1,t，β2,t，β3,t，和β4,t為因子載荷，εi,t為殘差項(xiàng)。

四、模型有效性檢驗(yàn)

（一）投資組合分析

對(duì)本文構(gòu)建的風(fēng)險(xiǎn)——行為混合因子模型解釋資產(chǎn)組合收益的能力進(jìn)行檢驗(yàn)。具體來說，分別根據(jù)規(guī)模Size、盈余公告后累計(jì)異常收益CAR以及股票發(fā)行增速IR由小到大排序,將所有股票平均分成5組，然后規(guī)模與其兩兩交叉分組，每種二元分組包括25個(gè)投資組合。接下來，以這25個(gè)投資組合的超額收益為因變量，以混合四因子模型中的因子組合作為自變量，進(jìn)行回歸分析。回歸的截距項(xiàng)顯著的個(gè)數(shù)越少，說明模型的解釋效果越好。表1和表2分別是Size-CAR和Size-IR分組回歸得到的截距項(xiàng)。

表1 Size-CAR分組回歸結(jié)果

表2 Size-IR分組回歸結(jié)果

根據(jù)表1和表2回歸結(jié)果，我們可以得到以下結(jié)論：Size-CAR分組下截距項(xiàng)顯著的個(gè)數(shù)僅為3個(gè)，Size-IR分組下所有截距項(xiàng)均不顯著，說明本文構(gòu)建的風(fēng)險(xiǎn)——行為混合四因子模型可以對(duì)投資組合收益作出比較完美的解釋。

（二）模型比較——GRS檢驗(yàn)

本節(jié)中將對(duì)我們構(gòu)建的風(fēng)險(xiǎn)——行為混合因子模型與Fama和French的三因子、五因子模型進(jìn)行比較。Fama-French在比較各個(gè)因子模型的優(yōu)劣時(shí)使用的是GRS檢驗(yàn)法，可以從以下4個(gè)角度對(duì)因子模型的解釋能力進(jìn)行比較：（1）截距項(xiàng)顯著的個(gè)數(shù)：回歸的截距項(xiàng)顯著的個(gè)數(shù)越少，模型的解釋效果越好；（2）GRS值：值越小，模型的解釋效果越好；（3）A||: 常數(shù)項(xiàng)絕對(duì)值的平均值。值越小，模型的解釋能力越強(qiáng)；（4）A(Adj,R2):調(diào)整R2的平均值。值越大，模型的解釋能力越強(qiáng)。表3和表4分別是Size-CAR分組和Size-IR分組下的GRS檢驗(yàn)結(jié)果。

表3 Size-CAR分組GRS檢驗(yàn)

表4 Size-IR分組GRS檢驗(yàn)

分析發(fā)現(xiàn)，無論是Size-CAR分組還是Size-IR分組下的GRS檢驗(yàn)結(jié)果，本文構(gòu)建的風(fēng)險(xiǎn)——行為混合四因子模型綜合來看表現(xiàn)均優(yōu)于Fama和French的三因子、五因子模型。

五、結(jié)論

文章綜合傳統(tǒng)金融學(xué)和行為金融學(xué)的研究成果，構(gòu)造了一個(gè)風(fēng)險(xiǎn)——行為混合四因子模型，并與Fama和French的三因子、五因子模型進(jìn)行對(duì)比。研究結(jié)果表明，本文建立的風(fēng)險(xiǎn)——行為混合四因子模型能夠?qū)ν顿Y組合的收益作出更優(yōu)的解釋，模型回歸的截距項(xiàng)基本上都顯著為0。GRS檢驗(yàn)的結(jié)果更是表明，相比Fama 和French的三因子、五因子模型，本文構(gòu)建的因子模型表現(xiàn)更佳。