高萍

本文使用A股市場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Beta、市值、交易量和流動性指標(biāo)的雙變量投資組合分析的方法，實證檢驗了中國A股市場上股票異質(zhì)性左尾風(fēng)險和股票橫截面收益之間的關(guān)系。結(jié)果顯示：在中國A股市場上確實存在顯著的“左尾風(fēng)險異象”，即股票異質(zhì)性左尾風(fēng)險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)果對于我國提升市場效率、減小金融”異象”的影響以及因子定價模型完善有著重大意義。

引言與文獻(xiàn)綜述

資產(chǎn)定價理論是金融經(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)價格或價值。有關(guān)資產(chǎn)定價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)險資產(chǎn)的均值和方差衡量收益與風(fēng)險，將強(qiáng)有力的數(shù)理統(tǒng)計方法引入了資產(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)代金融市場價格理論的支柱——資本資產(chǎn)定價模型（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)險的股票會使投資者獲得更高的回報。盡管CAPM在金融定價理論里占據(jù)著主導(dǎo)地位，但隨著金融市場的個性化發(fā)展，投資者發(fā)現(xiàn)有太多CAPM不能解釋的“異象”，因為真實的市場并沒有那么模型假設(shè)的那么光滑。Fama和French（1993）發(fā)現(xiàn)美國股票市場中仍有CAPM中衡量系統(tǒng)性風(fēng)險因素的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因素就可以解釋絕大部分股票價格的波動，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）四因子動量模型以及Fama和French（2015）的五因子模型。然而近年來世界各國金融市場“異象”的頻繁出現(xiàn)進(jìn)一步加劇了對因子定價模型的沖擊，例如，特質(zhì)波動率之謎、股權(quán)溢價之謎、動量效應(yīng)、長期反轉(zhuǎn)等，這些“異象”降低了市場的定價效率，也加劇了市場的波動風(fēng)險。近期我們發(fā)現(xiàn)左尾風(fēng)險對因子定價模型的有效性產(chǎn)生了新的沖擊，故深入剖析“左尾異象”對提高市場效率以及完善因子模型意義非凡。

左尾風(fēng)險是尾部風(fēng)險的一種。在金融市場中，尾部風(fēng)險常被用來度量極端事件，尾部風(fēng)險指當(dāng)投資組合中的某項投資表現(xiàn)出偏離該證券的既定平均值超過三個標(biāo)準(zhǔn)差時產(chǎn)生的一種風(fēng)險。這種變動即可能增加證券價值增長超過預(yù)期的機(jī)會，也可能產(chǎn)生超出平均值的損失。尾部風(fēng)險分為右尾風(fēng)險和左尾風(fēng)險。對于右尾風(fēng)險的研究，Bali等（2011）研究了極端正回報在股票橫截面定價中的重要性，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、動量等變量后依然是穩(wěn)健的。

相對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。左尾風(fēng)險指發(fā)生概率很小，但是如果發(fā)生就會帶來巨大損失的風(fēng)險。左尾風(fēng)險最早起源于災(zāi)難風(fēng)險，災(zāi)難風(fēng)險指發(fā)生概率非常小，但一旦發(fā)生會造成很大損失的災(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)險的研究中，Rietz（1988）首次捕捉了極小概率事件對股票風(fēng)險溢價的影響，即首次引出災(zāi)難風(fēng)險；Barro（2006）通過20世紀(jì)的歷史數(shù)據(jù)估計出災(zāi)難風(fēng)險的概率，解釋了高股權(quán)溢價、低無風(fēng)險利率等諸多經(jīng)濟(jì)”異象”。但災(zāi)難風(fēng)險的歷史數(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)險較于災(zāi)難風(fēng)險發(fā)生的概率相對較大，更適合作為研究對象。

在左尾風(fēng)險定價作用的研究中，學(xué)界早期比較關(guān)注系統(tǒng)性左尾風(fēng)險?；诮?jīng)典的資本資產(chǎn)定價模型和有效市場假說理論，我們認(rèn)為投資者構(gòu)建的資產(chǎn)組合是充分分散化的，市場只對其承擔(dān)的系統(tǒng)性風(fēng)險部分進(jìn)行補(bǔ)償。但由于現(xiàn)實中各種因素的限制，投資者很難做到將資產(chǎn)組合充分分散化，故對于異質(zhì)性左尾風(fēng)險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（H-TCR）與股票預(yù)期收益之間存在顯著的正相關(guān)關(guān)系，但針對特定股票或系統(tǒng)性尾部風(fēng)險時，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)險似乎對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)險和股票預(yù)期收益之間的關(guān)系，發(fā)現(xiàn)在美國和國際國家市場上，異質(zhì)性左尾風(fēng)險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)險的持續(xù)性和近期虧損較大的漫天要價股票的觀點對這一“左尾風(fēng)險異象”給出了行為金融學(xué)方面的解釋。

本文通過實證檢驗中國A股市場的“左尾異象”，研究左尾風(fēng)險與未來收益在中國股票市場上的關(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Beta、市值、交易量以及流動性指標(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)險與股票收益率之間確實存在一個顯著的負(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，各類因子數(shù)據(jù)來自中央財經(jīng)大學(xué)中國資產(chǎn)管理研究中心網(wǎng)站。

核心變量構(gòu)造

1.在險價值（VaR）

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

描述性統(tǒng)計分析

上述核心變量的描述性統(tǒng)計特征如表1所示：

實證結(jié)果分析

單變量投資組合分析

為了證明“左尾風(fēng)險異象”，我們首先構(gòu)建一個投資組合，在每一個月根據(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，同時賣出G1中的股票，即G10-G1。計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)險與股票收益率之間存在一個顯著的負(fù)相關(guān)關(guān)系。

我們對上述分組的股票進(jìn)行市值加權(quán)，發(fā)現(xiàn)“左尾風(fēng)險異象”更加明顯，這可能是因為與風(fēng)險價值相關(guān)的公司特征對股票的預(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Beta、市值等變量看“左尾風(fēng)險異象”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Beta、市值、交易量、以及流動性指標(biāo)后，檢驗股票異質(zhì)性左尾風(fēng)險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月某個控制變量的值（例如：市場Beta、市值等）從小到大排序并分成五組；然后，在每一個分組中，我們再將股票按照t-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投資組合中每個組合的市場Beta、市值、交易量和流動性指標(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)計量。雙變量投資組合分析結(jié)果如表3所示：

我們在第一列報告了對市場Beta的控制情況。具體來說，在控制了市場Beta之后，構(gòu)建的多空策略組合G10-G1可以實現(xiàn)-0.35%的超額收益，雖然在統(tǒng)計上不太顯著，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)險異象”并不能被市場Beta所解釋。我們對其進(jìn)行市值加權(quán)后發(fā)現(xiàn)該現(xiàn)象仍然存在且統(tǒng)計顯著。

接著，我們控制市值，其結(jié)果報告在第二列。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)計顯著。

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

我們對上述指標(biāo)進(jìn)行市值加權(quán)后發(fā)現(xiàn)“左尾風(fēng)險異象”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)險與股票橫截面收益之間存在一個顯著的負(fù)相關(guān)關(guān)系。也就是說，中國A股市場上的“左尾風(fēng)險異象”顯著存在，且不能被常見的資產(chǎn)定價因子所代替，即“左尾風(fēng)險”可能是一種新的定價因子。

傳統(tǒng)金融理論的理性資產(chǎn)定價模型認(rèn)為風(fēng)險應(yīng)該得到補(bǔ)償，即股票收益與風(fēng)險之間存在正相關(guān)關(guān)系。Sharpe（1964）首次運用資本市場線描述風(fēng)險與收益之間的線性正相關(guān)關(guān)系；Fama和MacBeth（1973）對紐約證券交易所的股票進(jìn)行實證檢驗，結(jié)果高度支持Sharpe的風(fēng)險與收益為線性正相關(guān)的觀點。顯然，我們的結(jié)論與傳統(tǒng)的“高風(fēng)險、高收益”現(xiàn)象不同，進(jìn)而對傳統(tǒng)金融理論的理性資產(chǎn)定價模型產(chǎn)生了沖擊。在當(dāng)下的中國市場上，我們的研究結(jié)果對于市場有效性的提升以及因子定價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A股市場股票異質(zhì)性左尾風(fēng)險與橫截面收益之間的關(guān)系，基于1999年至2018年的個股數(shù)據(jù)，通過單變量投資組合分析揭示了個股左尾風(fēng)險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)險異象”確實存在于中國市場；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)險異象”并不能被公司特征和風(fēng)險因素所解釋。

本文的研究意義在于使用中國市場的數(shù)據(jù)實證檢驗了“左尾風(fēng)險異象”顯著存在于中國市場，擴(kuò)充了左尾風(fēng)險領(lǐng)域的研究文獻(xiàn)，豐富了國內(nèi)對于資產(chǎn)定價異象的研究，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)險管理措施和出臺相應(yīng)的政策，進(jìn)而提升市場效率，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)對國際金融市場造成了巨大的沖擊，而經(jīng)濟(jì)全球化使得金融風(fēng)險在全球內(nèi)迅速傳播。國際金融市場大幅震蕩，投資者預(yù)期消極，資產(chǎn)價格大幅下跌，美股幾周內(nèi)5次熔斷，道瓊斯指數(shù)從近30000點跌至20000點；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”事件讓人們意識到關(guān)注并防范極端事件對金融市場持續(xù)穩(wěn)定發(fā)展的重要性。因此，結(jié)合本文的研究結(jié)果對我國金融市場的發(fā)展提出以下幾點建議：

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

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

（河南大學(xué)歐亞國際學(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].江西財經(jīng)大學(xué)，2018.

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

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