高萍

本文使用A股市場(chǎng)1999年1月到2018年12月的3666支股票，采用單變量投資組合分析以及控制市場(chǎng)Beta、市值、交易量和流動(dòng)性指標(biāo)的雙變量投資組合分析的方法，實(shí)證檢驗(yàn)了中國(guó)A股市場(chǎng)上股票異質(zhì)性左尾風(fēng)險(xiǎn)和股票橫截面收益之間的關(guān)系。結(jié)果顯示：在中國(guó)A股市場(chǎng)上確實(shí)存在顯著的“左尾風(fēng)險(xiǎn)異象”，即股票異質(zhì)性左尾風(fēng)險(xiǎn)和股票橫截面收益之間存在顯著的負(fù)相關(guān)關(guān)系。本文的研究結(jié)果對(duì)于我國(guó)提升市場(chǎng)效率、減小金融”異象”的影響以及因子定價(jià)模型完善有著重大意義。

引言與文獻(xiàn)綜述

資產(chǎn)定價(jià)理論是金融經(jīng)濟(jì)學(xué)最重要的主題之一，它試圖去解釋不確定條件下未來支付的資產(chǎn)價(jià)格或價(jià)值。有關(guān)資產(chǎn)定價(jià)的問題一直以來都是金融界學(xué)者研究的核心之一，其相關(guān)理論也在不斷的發(fā)展和完善。其中，Markowitz（1952）發(fā)展了一個(gè)概念明確的可操作的在不確定條件下選擇投資組合的理論，提出用風(fēng)險(xiǎn)資產(chǎn)的均值和方差衡量收益與風(fēng)險(xiǎn)，將強(qiáng)有力的數(shù)理統(tǒng)計(jì)方法引入了資產(chǎn)組合選擇的研究中；基于Markowitz的投資組合理論，William Sharpe（1964）投身于簡(jiǎn)化Markowitz的均值-方差模型的研究中，并首次公開地提出了現(xiàn)代金融市場(chǎng)價(jià)格理論的支柱——資本資產(chǎn)定價(jià)模型（CAPM）；隨后，John Lintner（1965）和Jan Mossin（1966）也得出了與Sharpe相同的結(jié)論進(jìn)而提出CAPM。CAPM指出，投資高風(fēng)險(xiǎn)的股票會(huì)使投資者獲得更高的回報(bào)。盡管CAPM在金融定價(jià)理論里占據(jù)著主導(dǎo)地位，但隨著金融市場(chǎng)的個(gè)性化發(fā)展，投資者發(fā)現(xiàn)有太多CAPM不能解釋的“異象”，因?yàn)檎鎸?shí)的市場(chǎng)并沒有那么模型假設(shè)的那么光滑。Fama和French（1993）發(fā)現(xiàn)美國(guó)股票市場(chǎng)中仍有CAPM中衡量系統(tǒng)性風(fēng)險(xiǎn)因素的Beta所不能解釋的超額收益，而加上股票市值和賬面市值比這兩個(gè)因素就可以解釋絕大部分股票價(jià)格的波動(dòng)，據(jù)此提出了Fama-French三因子模型，此后學(xué)界又發(fā)展出Carhart（1997）四因子動(dòng)量模型以及Fama和French（2015）的五因子模型。然而近年來世界各國(guó)金融市場(chǎng)“異象”的頻繁出現(xiàn)進(jìn)一步加劇了對(duì)因子定價(jià)模型的沖擊，例如，特質(zhì)波動(dòng)率之謎、股權(quán)溢價(jià)之謎、動(dòng)量效應(yīng)、長(zhǎng)期反轉(zhuǎn)等，這些“異象”降低了市場(chǎng)的定價(jià)效率，也加劇了市場(chǎng)的波動(dòng)風(fēng)險(xiǎn)。近期我們發(fā)現(xiàn)左尾風(fēng)險(xiǎn)對(duì)因子定價(jià)模型的有效性產(chǎn)生了新的沖擊，故深入剖析“左尾異象”對(duì)提高市場(chǎng)效率以及完善因子模型意義非凡。

左尾風(fēng)險(xiǎn)是尾部風(fēng)險(xiǎn)的一種。在金融市場(chǎng)中，尾部風(fēng)險(xiǎn)常被用來度量極端事件，尾部風(fēng)險(xiǎn)指當(dāng)投資組合中的某項(xiàng)投資表現(xiàn)出偏離該證券的既定平均值超過三個(gè)標(biāo)準(zhǔn)差時(shí)產(chǎn)生的一種風(fēng)險(xiǎn)。這種變動(dòng)即可能增加證券價(jià)值增長(zhǎng)超過預(yù)期的機(jī)會(huì)，也可能產(chǎn)生超出平均值的損失。尾部風(fēng)險(xiǎn)分為右尾風(fēng)險(xiǎn)和左尾風(fēng)險(xiǎn)。對(duì)于右尾風(fēng)險(xiǎn)的研究，Bali等（2011）研究了極端正回報(bào)在股票橫截面定價(jià)中的重要性，通過投資組合層面的分析和公司層面的橫截面回歸發(fā)現(xiàn)，過去一個(gè)月的最大日收益（MAX）與預(yù)期股票收益之間存在顯著的負(fù)相關(guān)關(guān)系，且這些結(jié)果在控制了規(guī)模、賬面市值比、動(dòng)量等變量后依然是穩(wěn)健的。

相對(duì)于右尾的極端正收益，理性投資者往往更關(guān)注左尾風(fēng)險(xiǎn)。左尾風(fēng)險(xiǎn)指發(fā)生概率很小，但是如果發(fā)生就會(huì)帶來巨大損失的風(fēng)險(xiǎn)。左尾風(fēng)險(xiǎn)最早起源于災(zāi)難風(fēng)險(xiǎn)，災(zāi)難風(fēng)險(xiǎn)指發(fā)生概率非常小，但一旦發(fā)生會(huì)造成很大損失的災(zāi)難性事件的沖擊，例如，全球經(jīng)濟(jì)金融危機(jī)、恐怖襲擊等。在災(zāi)難風(fēng)險(xiǎn)的研究中，Rietz（1988）首次捕捉了極小概率事件對(duì)股票風(fēng)險(xiǎn)溢價(jià)的影響，即首次引出災(zāi)難風(fēng)險(xiǎn)；Barro（2006）通過20世紀(jì)的歷史數(shù)據(jù)估計(jì)出災(zāi)難風(fēng)險(xiǎn)的概率，解釋了高股權(quán)溢價(jià)、低無風(fēng)險(xiǎn)利率等諸多經(jīng)濟(jì)”異象”。但災(zāi)難風(fēng)險(xiǎn)的歷史數(shù)據(jù)非常稀缺，這無疑阻礙了進(jìn)一步的研究。而左尾風(fēng)險(xiǎn)較于災(zāi)難風(fēng)險(xiǎn)發(fā)生的概率相對(duì)較大，更適合作為研究對(duì)象。

在左尾風(fēng)險(xiǎn)定價(jià)作用的研究中，學(xué)界早期比較關(guān)注系統(tǒng)性左尾風(fēng)險(xiǎn)?；诮?jīng)典的資本資產(chǎn)定價(jià)模型和有效市場(chǎng)假說理論，我們認(rèn)為投資者構(gòu)建的資產(chǎn)組合是充分分散化的，市場(chǎng)只對(duì)其承擔(dān)的系統(tǒng)性風(fēng)險(xiǎn)部分進(jìn)行補(bǔ)償。但由于現(xiàn)實(shí)中各種因素的限制，投資者很難做到將資產(chǎn)組合充分分散化，故對(duì)于異質(zhì)性左尾風(fēng)險(xiǎn)的研究也是有意義的。Bali等（2014）發(fā)現(xiàn)混合尾部協(xié)方差風(fēng)險(xiǎn)（H-TCR）與股票預(yù)期收益之間存在顯著的正相關(guān)關(guān)系，但針對(duì)特定股票或系統(tǒng)性尾部風(fēng)險(xiǎn)時(shí)，這種正相關(guān)關(guān)系就沒那么顯著，甚至還可能為負(fù)相關(guān)。也就是說，異質(zhì)性左尾風(fēng)險(xiǎn)似乎對(duì)股票未來收益的影響是負(fù)向的；隨后，Atilgan等（2020）研究了左尾風(fēng)險(xiǎn)和股票預(yù)期收益之間的關(guān)系，發(fā)現(xiàn)在美國(guó)和國(guó)際國(guó)家市場(chǎng)上，異質(zhì)性左尾風(fēng)險(xiǎn)與股票橫截面收益之間存在顯著的負(fù)相關(guān)關(guān)系，并基于投資者低估左尾風(fēng)險(xiǎn)的持續(xù)性和近期虧損較大的漫天要價(jià)股票的觀點(diǎn)對(duì)這一“左尾風(fēng)險(xiǎn)異象”給出了行為金融學(xué)方面的解釋。

本文通過實(shí)證檢驗(yàn)中國(guó)A股市場(chǎng)的“左尾異象”，研究左尾風(fēng)險(xiǎn)與未來收益在中國(guó)股票市場(chǎng)上的關(guān)系。我們采用與Alilgan等（2020）一致的代理變量VaR（Value-at-risk at the 1% level），首先通過VaR與未來收益之間的單變量投資組合分析，發(fā)現(xiàn)了左尾風(fēng)險(xiǎn)與未來收益之間存在的顯著負(fù)向關(guān)系。進(jìn)一步通過雙變量投資組合分析，控制市場(chǎng)Beta、市值、交易量以及流動(dòng)性指標(biāo)后發(fā)現(xiàn)該現(xiàn)象仍然顯著，說明股票異質(zhì)性左尾風(fēng)險(xiǎn)與股票收益率之間確實(shí)存在一個(gè)顯著的負(fù)相關(guān)關(guān)系。

本文其余部分做如下安排：第二部分介紹數(shù)據(jù)的來源及核心變量的構(gòu)造方法；第三部分匯報(bào)單變量與雙變量分組的投資組合分析結(jié)果；最后給出結(jié)論和建議。

數(shù)據(jù)與變量選取

數(shù) 據(jù)

本文選取1999年至2018年中國(guó)A股全部上市公司共3666支股票，使用到的日度收益、交易量、市值等原始數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫(kù)，各類因子數(shù)據(jù)來自中央財(cái)經(jīng)大學(xué)中國(guó)資產(chǎn)管理研究中心網(wǎng)站。

核心變量構(gòu)造

1.在險(xiǎn)價(jià)值（VaR）

我們使用在險(xiǎn)價(jià)值（Value-at-Risk）來衡量左尾風(fēng)險(xiǎn)，VaR是常用的衡量左尾風(fēng)險(xiǎn)的指標(biāo)，它是一個(gè)損失閾值，表示在一定的時(shí)間內(nèi)、在一定的置信水平下，投資者的最小期望損失。例如，如果給定的時(shí)間段是一個(gè)月，給定的概率是1%，那么表明在接下里的一個(gè)月里，我們有99%的把握損失不會(huì)超過VaR。我們通過計(jì)算t月底的前250個(gè)交易日的每日回報(bào)的1%分位數(shù)作為t月的VaR，并且剔除觀測(cè)值不足200的月份，保證至少有200個(gè)觀測(cè)值。由于虧損對(duì)應(yīng)的是負(fù)收益，為方便起見，我們將該指標(biāo)取絕對(duì)值得到正的VaR指標(biāo)，即VaR越大，風(fēng)險(xiǎn)越高。在險(xiǎn)價(jià)值的數(shù)學(xué)表達(dá)式如下：

描述性統(tǒng)計(jì)分析

上述核心變量的描述性統(tǒng)計(jì)特征如表1所示：

實(shí)證結(jié)果分析

單變量投資組合分析

為了證明“左尾風(fēng)險(xiǎn)異象”，我們首先構(gòu)建一個(gè)投資組合，在每一個(gè)月根據(jù)股票VaR從小到大分成十組，其中G1包含了VaR最小的一組股票，G10包含了VaR最大的一組股票。繼而構(gòu)建多空策略組合——買入G10中的股票，同時(shí)賣出G1中的股票，即G10-G1。計(jì)算每組的超額平均收益和經(jīng)Fama-French三因子與Fama-French五因子模型調(diào)整后的Alpha以及相應(yīng)的t統(tǒng)計(jì)量。投資組合分析結(jié)果如表2所示：

由表2我們發(fā)現(xiàn)，構(gòu)建的多空策略組合G10-G1可以實(shí)現(xiàn)-0.78%的超額收益且在5%的顯著性水平下是顯著不為零的，經(jīng)Fama-French三因子和五因子模型調(diào)整后的Alpha分別為-1.23%和-0.9%，在1%的顯著性水平下也均顯著不為零，說明仍然存在-1%左右的超額收益是現(xiàn)有的因子模型所不能解釋的。這就意味著，股票異質(zhì)性左尾風(fēng)險(xiǎn)與股票收益率之間存在一個(gè)顯著的負(fù)相關(guān)關(guān)系。

我們對(duì)上述分組的股票進(jìn)行市值加權(quán)，發(fā)現(xiàn)“左尾風(fēng)險(xiǎn)異象”更加明顯，這可能是因?yàn)榕c風(fēng)險(xiǎn)價(jià)值相關(guān)的公司特征對(duì)股票的預(yù)期收益有影響。為了排除這種影響，我們進(jìn)行雙變量分組，控制市場(chǎng)Beta、市值等變量看“左尾風(fēng)險(xiǎn)異象”是否仍顯著存在。

雙變量投資組合分析

在這一部分，我們采用雙變量投資組合分析，在控制了市場(chǎng)Beta、市值、交易量、以及流動(dòng)性指標(biāo)后，檢驗(yàn)股票異質(zhì)性左尾風(fēng)險(xiǎn)與股票橫截面收益之間的關(guān)系。首先，我們將股票橫截面上的收益率按照t-1月某個(gè)控制變量的值（例如：市場(chǎng)Beta、市值等）從小到大排序并分成五組；然后，在每一個(gè)分組中，我們?cè)賹⒐善卑凑誸-1月的VaR從小到大排序并分成十組；最后，合并不同控制變量的分組，得到在控制變量上取平均后的十個(gè)投資組合，即表3中的G1到G10，其中G1仍為包含VaR最小的一組股票，G10為包含VaR最大的一組股票。通過雙變量分組，我們可以保證這十個(gè)投資組合中每個(gè)組合的市場(chǎng)Beta、市值、交易量和流動(dòng)性指標(biāo)大致相同，即排除了這些變量帶來的影響。在雙變量分組結(jié)束后，我們同樣構(gòu)建上述多空策略組合——買入G10中的股票，賣出G1中的股票，即G10-G1，計(jì)算每組的超額平均收益和經(jīng)Fama-French三因子與Fama-French五因子模型調(diào)整后的Alpha以及相應(yīng)的t統(tǒng)計(jì)量。雙變量投資組合分析結(jié)果如表3所示：

我們?cè)诘谝涣袌?bào)告了對(duì)市場(chǎng)Beta的控制情況。具體來說，在控制了市場(chǎng)Beta之后，構(gòu)建的多空策略組合G10-G1可以實(shí)現(xiàn)-0.35%的超額收益，雖然在統(tǒng)計(jì)上不太顯著，但是經(jīng)FamaFrench三因子與Fama-French五因子模型調(diào)整后的Alpha在統(tǒng)計(jì)上非常顯著，分別為-1.01%和-0.86%，且均在1%的顯著性水平下顯著不為零，這說明在控制Beta之后，多空策略組合仍然存在一個(gè)負(fù)的收益，且有-1%左右的現(xiàn)有因子模型所不能解釋的收益，也就是說“左尾風(fēng)險(xiǎn)異象”并不能被市場(chǎng)Beta所解釋。我們對(duì)其進(jìn)行市值加權(quán)后發(fā)現(xiàn)該現(xiàn)象仍然存在且統(tǒng)計(jì)顯著。

接著，我們控制市值，其結(jié)果報(bào)告在第二列。在控制市值之后，構(gòu)建的多空策略組合G10-G1可以實(shí)現(xiàn)-0.72%的超額收益，且在5%的顯著性水平下顯著不為零。經(jīng)Fama-French三因子與Fama-French五因子模型調(diào)整后的Alpha在統(tǒng)計(jì)上非常顯著，分別為-1.10%和-0.90%，且均在1%的顯著性水平下顯著不為零，這說明在控制市值之后，多空策略組合依舊存在一個(gè)顯著的負(fù)收益，且仍有-1%左右的現(xiàn)有因子模型所不能解釋的收益，即“左尾風(fēng)險(xiǎn)異象”并不能被市值所解釋。同樣，我們進(jìn)行市值加權(quán)，發(fā)現(xiàn)該現(xiàn)象仍然存在且統(tǒng)計(jì)顯著。

我們又控制了Illiquidity和交易量，發(fā)現(xiàn)“左尾風(fēng)險(xiǎn)異象”依然顯著，說明其不能被Illiquidity和交易量所解釋。

我們對(duì)上述指標(biāo)進(jìn)行市值加權(quán)后發(fā)現(xiàn)“左尾風(fēng)險(xiǎn)異象”仍然存在，由于篇幅限制，此處不在贅述。

這些結(jié)果表明：即使在控制了雙變量投資組合中各種公司的特征和風(fēng)險(xiǎn)因素后，t-1月的VaR與t月的超額收益仍然存在很強(qiáng)的負(fù)相關(guān)關(guān)系，即股票異質(zhì)性左尾風(fēng)險(xiǎn)與股票橫截面收益之間存在一個(gè)顯著的負(fù)相關(guān)關(guān)系。也就是說，中國(guó)A股市場(chǎng)上的“左尾風(fēng)險(xiǎn)異象”顯著存在，且不能被常見的資產(chǎn)定價(jià)因子所代替，即“左尾風(fēng)險(xiǎn)”可能是一種新的定價(jià)因子。

傳統(tǒng)金融理論的理性資產(chǎn)定價(jià)模型認(rèn)為風(fēng)險(xiǎn)應(yīng)該得到補(bǔ)償，即股票收益與風(fēng)險(xiǎn)之間存在正相關(guān)關(guān)系。Sharpe（1964）首次運(yùn)用資本市場(chǎng)線描述風(fēng)險(xiǎn)與收益之間的線性正相關(guān)關(guān)系；Fama和MacBeth（1973）對(duì)紐約證券交易所的股票進(jìn)行實(shí)證檢驗(yàn)，結(jié)果高度支持Sharpe的風(fēng)險(xiǎn)與收益為線性正相關(guān)的觀點(diǎn)。顯然，我們的結(jié)論與傳統(tǒng)的“高風(fēng)險(xiǎn)、高收益”現(xiàn)象不同，進(jìn)而對(duì)傳統(tǒng)金融理論的理性資產(chǎn)定價(jià)模型產(chǎn)生了沖擊。在當(dāng)下的中國(guó)市場(chǎng)上，我們的研究結(jié)果對(duì)于市場(chǎng)有效性的提升以及因子定價(jià)模型的完善無疑是有意義的。

結(jié)論與建議

本文研究了中國(guó)A股市場(chǎng)股票異質(zhì)性左尾風(fēng)險(xiǎn)與橫截面收益之間的關(guān)系，基于1999年至2018年的個(gè)股數(shù)據(jù)，通過單變量投資組合分析揭示了個(gè)股左尾風(fēng)險(xiǎn)與股票橫截面收益之間的顯著負(fù)相關(guān)關(guān)系，即“左尾風(fēng)險(xiǎn)異象”確實(shí)存在于中國(guó)市場(chǎng)；又通過雙變量投資組合分析發(fā)現(xiàn)該異象仍然顯著存在，進(jìn)而說明“左尾風(fēng)險(xiǎn)異象”并不能被公司特征和風(fēng)險(xiǎn)因素所解釋。

本文的研究意義在于使用中國(guó)市場(chǎng)的數(shù)據(jù)實(shí)證檢驗(yàn)了“左尾風(fēng)險(xiǎn)異象”顯著存在于中國(guó)市場(chǎng)，擴(kuò)充了左尾風(fēng)險(xiǎn)領(lǐng)域的研究文獻(xiàn)，豐富了國(guó)內(nèi)對(duì)于資產(chǎn)定價(jià)異象的研究，有助于投資者做出正確的投資決策，以及有助于政府部門采取相應(yīng)的風(fēng)險(xiǎn)管理措施和出臺(tái)相應(yīng)的政策，進(jìn)而提升市場(chǎng)效率，促進(jìn)金融業(yè)的持續(xù)穩(wěn)定發(fā)展。

2020年年初，新冠疫情的爆發(fā)對(duì)國(guó)際金融市場(chǎng)造成了巨大的沖擊，而經(jīng)濟(jì)全球化使得金融風(fēng)險(xiǎn)在全球內(nèi)迅速傳播。國(guó)際金融市場(chǎng)大幅震蕩，投資者預(yù)期消極，資產(chǎn)價(jià)格大幅下跌，美股幾周內(nèi)5次熔斷，道瓊斯指數(shù)從近30000點(diǎn)跌至20000點(diǎn)；回想起2015年的股市暴跌、2008年的次貸危機(jī)、2001年的9·11事件、1997年的東南亞金融危機(jī)以及1987年的“黑色星期一”等，這些“黑天鵝”事件讓人們意識(shí)到關(guān)注并防范極端事件對(duì)金融市場(chǎng)持續(xù)穩(wěn)定發(fā)展的重要性。因此，結(jié)合本文的研究結(jié)果對(duì)我國(guó)金融市場(chǎng)的發(fā)展提出以下幾點(diǎn)建議：

1.政府相關(guān)部門應(yīng)該普及金融投資知識(shí)，提高投資者素養(yǎng)，樹立長(zhǎng)期價(jià)值投資理念加強(qiáng)，以期提高市場(chǎng)效率，弱化金融”異象”。

2.加強(qiáng)市場(chǎng)監(jiān)管、完善相關(guān)機(jī)制，為廣大投資者營(yíng)造一個(gè)良好的投資環(huán)境。

（河南大學(xué)歐亞國(guó)際學(xué)院 ）

參考文獻(xiàn)：

[1]Amihud Y. Illiquidity and stock returns： cross-section and time-series effects[J]. Journal of financial markets， 2002， 5（1）： 31-56.

[2] Atilgan， Y.， Bali， T. G.， Demirtas， K. O.， & Gunaydin， A. D. （2019）. LeftTail Momentum： Underreaction to Bad News， Costly Arbitrage and Equity Returns. Journal of Financial Economics.

[3] Barro， R. J. （2006）. Rare Disasters and Asset Markets in the Twentieth Century*. Quarterly Journal of Economics， 121（3）， 823-866.

[4] Bali， T. G.， Cakici， N.， & Whitelaw， R. F. （2011）. Maxing out： Stocks as lotteries and the crosssection of expected returns. Journal of Financial Economics， 99（2）， 427-446.

[5] Bali， T. G.， Cakici， N.， & Whitelaw， R. F. （2014）. Hybrid Tail Risk and Expected Stock Returns： When Does the Tail Wag the Dog？ Review of Asset Pricing Studies， 4（2）， 206–246.

[6] Bali， T. G.， Brown， S.， Murray， S.， & Tang， Y. （2014）. Betting Against Beta or Demand for Lottery. SSRN Electronic Journal.

[7] Fama， E. F.， & MacBeth， J. D.（1973）. Risk， return， and equilibrium： Empirical tests. Journal of political economy， 81（3）， 607-636.

[8] Fama， E. F.， & French， K. R.（1993）. Common Risk Factors in the Returns on Stocks and Bonds. Journal of Financial Economics， 33（1）， 3-56.

[9] Markowitz， H. （1952）. Portfolio Selection. The Journal of Finance， 7（1）， 77.

[10] Rietz， T. A. （1988）. The equity risk premium a solution. Journal of Monetary Economics， 22（1）， 117-131.

[11] Sharpe， W. F. （1964）. Capital Asset Price： A Theory of Market Equilibrium Under Conditions of Risk*. The Journal of Finance， 19（3）， 425-442.

[12] Zhen， F.， Ruan， X.， & Zhang， J. E. （2020）. Left-tail risk in China. PacificBasin Finance Journal， 63， 101391.

[13] 曹姿姿. CVaR與資產(chǎn)截面收益[D].江西財(cái)經(jīng)大學(xué)，2018.

[14] 于杰. 異質(zhì)性左尾風(fēng)險(xiǎn)與橫截面股票收益[D].浙江大學(xué)，2021.

[15] 朱紅兵 & 張兵.（2020）.價(jià)值性投資還是博彩性投機(jī)？——中國(guó)A股市場(chǎng)的MAX異象研究. 金融研究（02），167-187.