石澤龍 ,傅 強(qiáng) ,李 山

(1.重慶大學(xué) 經(jīng)濟(jì)與工商管理學(xué)院,重慶 400044；2.重慶聯(lián)合產(chǎn)權(quán)交易所集團(tuán)股份有限公司博士后科研工作站,重慶 401129；3.中國人民大學(xué) 公共管理學(xué)院,北京 100872)

過去20年中國經(jīng)濟(jì)高速發(fā)展,行業(yè)間通過投入產(chǎn)出關(guān)系形成復(fù)雜且緊密關(guān)聯(lián)的橫截面關(guān)系即生產(chǎn)網(wǎng)絡(luò)(或稱為供應(yīng)鏈網(wǎng)絡(luò))。在該生產(chǎn)網(wǎng)絡(luò)的作用下,行業(yè)的異質(zhì)性沖擊會通過網(wǎng)絡(luò)放大并傳遞至其他行業(yè)形成系統(tǒng)性風(fēng)險(xiǎn)[1-2],進(jìn)而對資產(chǎn)價(jià)格產(chǎn)生深遠(yuǎn)影響。因此,探討生產(chǎn)網(wǎng)絡(luò)對中國行業(yè)收益率的影響,具有重要的學(xué)術(shù)價(jià)值和實(shí)際意義,它不僅有助于豐富中國資產(chǎn)定價(jià)研究視角,而且能有助于政策制定者強(qiáng)化市場的配置功能,進(jìn)而建立高標(biāo)準(zhǔn)市場體系以服務(wù)高質(zhì)量發(fā)展。

依據(jù)資本資產(chǎn)定價(jià)模型(CAPM)和套利定價(jià)理論(APT)發(fā)展起來的傳統(tǒng)因子模型,主要是利用少數(shù)共同因子來解釋資產(chǎn)收益率,但這種依據(jù)分散化理論所產(chǎn)生的模型忽視了微觀或局部沖擊所產(chǎn)生的累計(jì)作用,造成因子模型無法捕捉資產(chǎn)收益率的所有橫截面關(guān)系[3]。眾多研究證明,微觀或局部沖擊通過網(wǎng)絡(luò)溢出效應(yīng)會對宏觀經(jīng)濟(jì)和金融產(chǎn)生不可忽視的影響[4-5]。并且,Zareei[6]證明在網(wǎng)絡(luò)出現(xiàn)的情形下,資產(chǎn)組合分散化能力將被降低。因此,因子定價(jià)模型的理論基礎(chǔ)受到了很大的挑戰(zhàn)。從計(jì)量角度來看,忽視了資產(chǎn)間的橫截面關(guān)系可能會造成傳統(tǒng)因子模型誤設(shè)(例如內(nèi)生性問題),進(jìn)而影響收益率對因子的風(fēng)險(xiǎn)暴露的估計(jì)[7]。另外,忽視資產(chǎn)間的橫截面關(guān)系,會混淆對風(fēng)險(xiǎn)暴露的解釋,即混淆系統(tǒng)性風(fēng)險(xiǎn)的來源[8]。因此,如何在傳統(tǒng)因子模型中嵌入資產(chǎn)間的橫截面關(guān)系,并探討系統(tǒng)性風(fēng)險(xiǎn)的來源是當(dāng)前資產(chǎn)定價(jià)的一個(gè)重要研究領(lǐng)域。

本文首先依據(jù)《國民經(jīng)濟(jì)行業(yè)分類》標(biāo)準(zhǔn)和證監(jiān)會《上市公司行業(yè)分類指引(2012版)》對相關(guān)年份的投入產(chǎn)出表進(jìn)行調(diào)整形成供給矩陣,并將其標(biāo)準(zhǔn)化得到生產(chǎn)網(wǎng)絡(luò)。所得生產(chǎn)網(wǎng)絡(luò)為時(shí)變非對稱矩陣,且矩陣中的元素反映了一個(gè)行業(yè)對另一行業(yè)作用的力度及方向即加權(quán)有向網(wǎng)絡(luò),盡可能還原經(jīng)濟(jì)現(xiàn)實(shí)且捕捉了不同時(shí)期行業(yè)變化情況。其次,將生產(chǎn)網(wǎng)絡(luò)作為空間加權(quán)矩陣嵌入因子模型,并假設(shè)網(wǎng)絡(luò)依賴參數(shù)為時(shí)變,構(gòu)建了基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型。該方法包含行業(yè)間的橫截面關(guān)系,在一定程度上避免了傳統(tǒng)因子模型所產(chǎn)生的誤設(shè)問題,且假設(shè)網(wǎng)絡(luò)依賴參數(shù)時(shí)變,能更有效地捕捉時(shí)變生產(chǎn)網(wǎng)絡(luò)對行業(yè)收益率的影響。最后,借鑒Acemoglu等[9]提出的分解方法將行業(yè)收益率對因子的總風(fēng)險(xiǎn)暴露分解為直接風(fēng)險(xiǎn)暴露和間接風(fēng)險(xiǎn)暴露,以探索各因子風(fēng)險(xiǎn)暴露的來源。研究發(fā)現(xiàn):①對于中國行業(yè)收益率而言,相比傳統(tǒng)因子模型,采用空間因子模型更符合中國資產(chǎn)定價(jià)研究；②假設(shè)空間依賴參數(shù)為時(shí)變參數(shù)更符合中國經(jīng)濟(jì)現(xiàn)實(shí)且模型業(yè)績更佳；③通過對因子風(fēng)險(xiǎn)暴露的分解,發(fā)現(xiàn)生產(chǎn)網(wǎng)絡(luò)溢出效應(yīng)能放大行業(yè)收益率對因子的風(fēng)險(xiǎn)暴露。

1 文獻(xiàn)綜述

與本文研究相關(guān)的文獻(xiàn)分為如下幾個(gè)方面:

(1)生產(chǎn)網(wǎng)絡(luò)構(gòu)造的相關(guān)文獻(xiàn)。隨著微觀沖擊通過網(wǎng)絡(luò)結(jié)構(gòu)可能會對宏觀經(jīng)濟(jì)產(chǎn)生累計(jì)影響的持續(xù)證明,學(xué)者們開始關(guān)注生產(chǎn)網(wǎng)絡(luò)的構(gòu)造,依據(jù)構(gòu)造視角可分為微觀和宏觀視角。

微觀視角主要利用財(cái)務(wù)報(bào)表中企業(yè)所公布的供應(yīng)商與客戶數(shù)據(jù)來建立企業(yè)間的相互關(guān)聯(lián)。該視角能有效地將個(gè)體企業(yè)聯(lián)系起來,且依據(jù)財(cái)報(bào)公布頻率可獲得較豐富的研究數(shù)據(jù),能很好地應(yīng)用于資產(chǎn)定價(jià)的研究。這方面的研究主要有:Cohen等[10]和Menzly等[11]證實(shí)了供應(yīng)商與客戶關(guān)系網(wǎng)絡(luò)能預(yù)測美國股票收益率；Herskovic[12]證明了供應(yīng)商與客戶關(guān)系網(wǎng)絡(luò)能夠解釋長期風(fēng)險(xiǎn)及收益率的橫截面；Michael等[13]利用供應(yīng)商與客戶關(guān)系數(shù)據(jù)研究了公司到消費(fèi)者距離與公司風(fēng)險(xiǎn)之間的關(guān)系,實(shí)證發(fā)現(xiàn),遠(yuǎn)離消費(fèi)者的公司具有更高的風(fēng)險(xiǎn)溢價(jià)和對累計(jì)生產(chǎn)率更高的風(fēng)險(xiǎn)暴露。然而,供應(yīng)商與客戶信息多屬商業(yè)機(jī)密,中國相關(guān)法規(guī)并無強(qiáng)制披露要求,囿于信息較難獲取,國內(nèi)研究相對匱乏。

宏觀視角主要利用國家統(tǒng)計(jì)局所公布的投入產(chǎn)出表來建立行業(yè)間的相互關(guān)聯(lián)。鑒于供應(yīng)商與客戶數(shù)據(jù)難以獲得及研究宏觀方面的需要,國內(nèi)學(xué)者主要采用此視角構(gòu)造生產(chǎn)網(wǎng)絡(luò)。其中,董志勇等[14]和張龑等[15]依據(jù)《國民經(jīng)濟(jì)行業(yè)分類》標(biāo)準(zhǔn)和證監(jiān)會《上市公司行業(yè)分類指引(2012版)》對相關(guān)年份的投入產(chǎn)出表進(jìn)行調(diào)整形成供給矩陣,將其轉(zhuǎn)化為對稱矩陣并進(jìn)行稀疏化來構(gòu)造生產(chǎn)網(wǎng)絡(luò)。該生產(chǎn)網(wǎng)絡(luò)屬于非加權(quán)無向網(wǎng)絡(luò),具有時(shí)變對稱且主對角線元素為零等特征,能夠反映行業(yè)間緊密關(guān)聯(lián),但無法反映行業(yè)之間相互作用的方向及力度。金融市場中普遍采用加權(quán)有向網(wǎng)絡(luò)[5,16],以便更為真實(shí)地反映部門(或行業(yè))間的相互作用。因此,在上述研究思路獲得供給矩陣的基礎(chǔ)上,本文直接對供給矩陣行標(biāo)準(zhǔn)化得到生產(chǎn)網(wǎng)絡(luò)。所得生產(chǎn)網(wǎng)絡(luò)為時(shí)變非對稱矩陣,且矩陣中的元素反映了一個(gè)行業(yè)對另一行業(yè)作用的力度即加權(quán)有向網(wǎng)絡(luò),更適用于行業(yè)收益率的研究。

(2)網(wǎng)絡(luò)與資產(chǎn)價(jià)格的關(guān)系研究。國內(nèi)外關(guān)于網(wǎng)絡(luò)與資產(chǎn)價(jià)格的文獻(xiàn)眾多,按照網(wǎng)絡(luò)劃分主要包括生產(chǎn)網(wǎng)絡(luò)[12-13,17]、相關(guān)系數(shù)網(wǎng)絡(luò)[18]、機(jī)構(gòu)投資者抱團(tuán)網(wǎng)絡(luò)[19]、現(xiàn)金流網(wǎng)絡(luò)[20]、交叉持股網(wǎng)絡(luò)[21]及信息網(wǎng)絡(luò)[22]等。按照計(jì)量方法的選擇可分為傳統(tǒng)資產(chǎn)定價(jià)方法和空間計(jì)量方法。其中,傳統(tǒng)資產(chǎn)定價(jià)方法主要是利用網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造相應(yīng)指標(biāo)(例如網(wǎng)絡(luò)集中度等),并將該指標(biāo)通過長短組合的形式形成網(wǎng)絡(luò)因子,且結(jié)合組合分析方法或Fama Mabetch估計(jì)方法來驗(yàn)證所構(gòu)造網(wǎng)絡(luò)因子的有效性。該方法的本質(zhì)是將網(wǎng)絡(luò)視為一種系統(tǒng)性風(fēng)險(xiǎn),研究其對資產(chǎn)價(jià)格的影響,能夠很好地度量網(wǎng)絡(luò)對收益率的影響,但無法研究其他系統(tǒng)性風(fēng)險(xiǎn)因子與網(wǎng)絡(luò)之間的反饋?zhàn)饔脤Y產(chǎn)價(jià)格的影響,易混淆系統(tǒng)性風(fēng)險(xiǎn)的來源。

空間計(jì)量方法將網(wǎng)絡(luò)矩陣視為空間加權(quán)矩陣,并嵌入因子模型。該方法包含行業(yè)間的橫截面關(guān)系,在一定程度上避免了傳統(tǒng)因子模型所產(chǎn)生的誤設(shè)問題,且可以依據(jù)空間效應(yīng)分解方法研究網(wǎng)絡(luò)結(jié)構(gòu)對各因子的作用,能夠更有效地度量系統(tǒng)性風(fēng)險(xiǎn)的來源。這方面的研究主要有:Bonaccolto等[23]探索了包含因果關(guān)系與分位數(shù)因果關(guān)系的多層網(wǎng)絡(luò),并研究其對美國股票市場的影響；Kou等[3]通過將空間作用加入經(jīng)典資產(chǎn)定價(jià)模型提出了空間套利定價(jià)理論,其利用國家間的資本距離作為空間加權(quán)矩陣,研究了歐洲股票市場。國內(nèi)關(guān)于這方面的研究較少,張玉華等[24]在S-CAPM 模型基礎(chǔ)上,利用股票行業(yè)分類作為空間加權(quán)矩陣,研究了空間面板數(shù)據(jù)模型對股票收益率的影響,但并沒有深入研究系統(tǒng)性風(fēng)險(xiǎn)的來源。與上述文獻(xiàn)不同,本文研究時(shí)變生產(chǎn)網(wǎng)絡(luò)對資產(chǎn)價(jià)格作用,且假設(shè)網(wǎng)絡(luò)依賴參數(shù)時(shí)變來刻畫中國產(chǎn)業(yè)結(jié)構(gòu)變化帶來的影響,構(gòu)建了基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型。

(3)生產(chǎn)依賴型資產(chǎn)定價(jià)理論的相關(guān)文獻(xiàn)。本文的研究與生產(chǎn)依賴型資產(chǎn)定價(jià)理論相關(guān),這方面的研究主要有文獻(xiàn)[25-28]等。這些文獻(xiàn)分別從不同角度研究了生產(chǎn)與資產(chǎn)價(jià)格之間的關(guān)系,但較少關(guān)注生產(chǎn)部門之間的相互作用即生產(chǎn)網(wǎng)絡(luò)對資產(chǎn)價(jià)格的影響,僅文獻(xiàn)[12-13]中從生產(chǎn)的水平和垂直視角探討了生產(chǎn)網(wǎng)絡(luò)對美國資本市場的作用機(jī)理。國內(nèi)關(guān)于生產(chǎn)型資產(chǎn)定價(jià)的研究較少,朱小能等[29]利用現(xiàn)值模型將生產(chǎn)系統(tǒng)性風(fēng)險(xiǎn)因子分解為現(xiàn)金流貝塔和折現(xiàn)率貝塔,并首次研究了生產(chǎn)型資產(chǎn)定價(jià)模型在中國金融市場的適用性,研究表明,生產(chǎn)-現(xiàn)金流貝塔是中國股市的重要定價(jià)因子。劉維奇等[30]研究了勞動成本占比對股票市場定價(jià)的影響,發(fā)現(xiàn)其為顯著的定價(jià)因子。與文獻(xiàn)[29-30]中的研究不同,本文從生產(chǎn)網(wǎng)絡(luò)視角研究其對資產(chǎn)價(jià)格的影響,豐富了中國資產(chǎn)定價(jià)的研究視角。

2 空間因子模型

2.1 傳統(tǒng)因子模型

考慮如下因子模型:

式中:yt為t時(shí)刻N(yùn) ×1維超額收益率向量；Ft=(f1t,f2t,…,fKt)′為t時(shí)刻K×1維共同風(fēng)險(xiǎn)因子向量；B=(β1,β2,…,βN)′為N×K維因子載荷矩陣,βi=(βi1,βi2,…,βiK)為第i個(gè)資產(chǎn)對共同風(fēng)險(xiǎn)因子Ft的載荷。

選擇不同F(xiàn)t可得到不同的因子模型:當(dāng)Ft=(市場超額收益率)時(shí),對應(yīng)于CAPM 模型(簡記為CAPM)；當(dāng)時(shí),對應(yīng)于Fama French 3因子模型(簡記為FF3)；當(dāng)

時(shí),對應(yīng)于Carhart 4因子(簡記為C4)；當(dāng)

時(shí),對應(yīng)于Fama French 5因子模型(簡記為FF5)。

2.2 不變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型

眾多研究表明,傳統(tǒng)因子模型僅能刻畫不可分散的系統(tǒng)性風(fēng)險(xiǎn),忽視了微觀沖擊通過資產(chǎn)間網(wǎng)絡(luò)所帶來的累計(jì)影響,易造成模型誤設(shè)(內(nèi)生性問題),進(jìn)而影響風(fēng)險(xiǎn)暴露的估計(jì)及混淆系統(tǒng)性風(fēng)險(xiǎn)的來源[3,7-8]。空間因子模型通過將資產(chǎn)間網(wǎng)絡(luò)嵌入傳統(tǒng)因子模型,在一定程度上彌補(bǔ)了傳統(tǒng)因子模型的上述缺陷。

不變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型建模如下:

式中,yit、Ft及βi=(βi1,βi2,…,βiK)如式(1)所述。空間項(xiàng)刻畫了其他資產(chǎn)超額收益率對資產(chǎn)i的同期影響,捕捉了資產(chǎn)間的同期相關(guān)性,其中,為超額收益率與空間權(quán)重ωij的加權(quán)平均值,ρ是網(wǎng)絡(luò)依賴參數(shù)。這些權(quán)重形成空間加權(quán)矩陣:W=(ωij)i,j=1,2,…,N,且假設(shè)對于任意i、j,有ωij≥02)模型允許ωii ≠0(i=1,2,…,N),正如Ozdagli等(2021)所論述,通過簡單變換將其變?yōu)橹鲗蔷€元素為零的空間加權(quán)矩陣。假設(shè)主對角線元素不為零,更符合金融領(lǐng)域的網(wǎng)絡(luò)結(jié)構(gòu)特征,

為方便分析,將式(2)表示為向量形式:

式中,εt=(ε1t,ε2t,…,εNt)′為誤差向量,其均值為零向量,協(xié)方差矩陣為:

與式(1)相比,空間因子模型主要增加了ρWyt,將其移至方程左邊,并方程兩邊同時(shí)乘以(IN -ρW)-1即可轉(zhuǎn)換為簡化形式:其中:

與模型式(1)的關(guān)鍵差別在于簡化形式的殘差項(xiàng)為(IN-ρW)-1εt,由于W主對角線以外元素可能不為零,故該殘差項(xiàng)是空間相關(guān)的。傳統(tǒng)因子模型因遺漏了資產(chǎn)間的空間依賴性,可能造成風(fēng)險(xiǎn)暴露的估計(jì)值出現(xiàn)一定的偏誤3)Giglio等(2021)證明遺漏因子可能會造成風(fēng)險(xiǎn)暴露beta及風(fēng)險(xiǎn)價(jià)格lambda的估計(jì)出現(xiàn)偏誤,嚴(yán)重時(shí)會影響估計(jì)的顯著性及符號,且混淆了系統(tǒng)性風(fēng)險(xiǎn)的來源。

2.3 基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型

為了研究生產(chǎn)網(wǎng)絡(luò)對中國因子定價(jià)模型的影響,使用投入產(chǎn)出表計(jì)算生產(chǎn)網(wǎng)絡(luò)矩陣。為了更全面地考查生產(chǎn)網(wǎng)絡(luò)的作用,依據(jù)統(tǒng)計(jì)局公布的4次投入產(chǎn)出表(2002、2007、2012及2017年)構(gòu)建時(shí)變空間加權(quán)矩陣:Wt=(ωijt)i,j=1,2,…,N,以捕捉經(jīng)濟(jì)中行業(yè)相對重要性的變化。并且,為更全面地捕捉此變化對行業(yè)收益率的影響,假設(shè)網(wǎng)絡(luò)結(jié)構(gòu)依賴參數(shù)ρt為時(shí)變過程,其狀態(tài)方程服從如下隨機(jī)游走過程4)假設(shè)空間依賴參數(shù)服從隨機(jī)游走過程是構(gòu)造時(shí)變性的一種常用方式:

基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型為

將式(5)表示為向量形式:

為了估計(jì)模型式(4)與式(6),需要求對任意t時(shí)刻都有IN-ρtWt為可逆矩陣。由于Wt為非對稱空間加權(quán)矩陣,借鑒Aquaro等[31]可證明,當(dāng)ρt在(1/rt,min,1)上,IN -ρtWt是可逆的,其中,rt,min為Wt的負(fù)實(shí)數(shù)特征值中最大特征值。

2.4 整體風(fēng)險(xiǎn)暴露及分解

針對模型式(5)進(jìn)行變形可得

式中,α*和如前所述。借鑒傳統(tǒng)因子模型,定義在t時(shí)刻行業(yè)超額收益率對因子的總風(fēng)險(xiǎn)暴露為(IN -ρtWt)-1B。為了探討系統(tǒng)性風(fēng)險(xiǎn)的來源,借鑒文獻(xiàn)[9],利用(IN -ρtWt)-1的泰勒展開式(即(IN-ρtWt)-1=IN+ρtWt+(ρtWt)2+…),將總風(fēng)險(xiǎn)暴露分解為直接風(fēng)險(xiǎn)暴露和網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露。具體定義如下:

(1)行業(yè)超額收益率對因子的直接風(fēng)險(xiǎn)暴露矩陣為B,即總風(fēng)險(xiǎn)暴露展開式的第1項(xiàng)。其中,B=(βk)k=1,2,…,K,βk為N×1維列向量,表示行業(yè)超額收益率對第k個(gè)因子的風(fēng)險(xiǎn)暴露向量,可以發(fā)現(xiàn),直接風(fēng)險(xiǎn)暴露矩陣是常數(shù),不隨t變化。進(jìn)一步定義平均直接風(fēng)險(xiǎn)暴露為為行業(yè)超額收益率對第k個(gè)因子的風(fēng)險(xiǎn)暴露的平均值。

(2)t時(shí)刻行業(yè)超額收益率對因子的網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露矩陣為總風(fēng)險(xiǎn)暴露減去直接風(fēng)險(xiǎn)暴露[(IN -ρtWt)-1-IN]B,度量了因生產(chǎn)網(wǎng)絡(luò)的作用使得行業(yè)超額收益率對因子的風(fēng)險(xiǎn)暴露。定義平均網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露為網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露關(guān)于行業(yè)i的平均值。進(jìn)一步定義網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露比例為網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露占總風(fēng)險(xiǎn)暴露比例×100,以度量網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露的份額。

2.5 估計(jì)方法的選擇

假設(shè)網(wǎng)絡(luò)依賴參數(shù)ρt為時(shí)變參數(shù),增加了模型估計(jì)的難度,因此,借鑒Hauzenberger等[32]的研究,使用貝葉斯估計(jì)方法估計(jì)模型式(4)和式(6)。其中,對于網(wǎng)絡(luò)依賴參數(shù)ρ0 的初始狀態(tài),選擇先驗(yàn)對于網(wǎng)絡(luò)依賴參數(shù)的狀態(tài)新息方差,假設(shè)溫和的信息逆gamma先驗(yàn)?2～G-1(c?,d?),且c?=3,d?=0.03；測量方程誤差方差指定為獨(dú)立逆高斯先驗(yàn)1(cσ,dσ),且cσ=dσ=0.01。式(6)所對應(yīng)的對數(shù)似然函數(shù)為

2.6 實(shí)證設(shè)計(jì)

研究思路:首先,利用MoranI檢驗(yàn)對傳統(tǒng)因子模型的殘差進(jìn)行空間相關(guān)性檢驗(yàn)。由2.2 節(jié)所述,空間因子模型與傳統(tǒng)因子模型的主要差別在于殘差項(xiàng)是否存在空間自相關(guān),因此,有必要進(jìn)行殘差的空間相關(guān)性檢驗(yàn)。為了防止因殘差項(xiàng)含有共同因子導(dǎo)致檢驗(yàn)失效,本文考慮更全面的因子模型,即CAPM、Fama French 3因子(簡記為FF3)、Carhart 4因子(簡記為C4)及Fama French 5因子模型(簡記為FF5)5)穩(wěn)健性檢驗(yàn)中考慮了目前國內(nèi)其他具有影響力的因子,如流動性因子、情緒因子。其次,利用業(yè)績度量指標(biāo),比較各因子下的傳統(tǒng)因子模型、基于生產(chǎn)網(wǎng)絡(luò)的不變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型以及基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型的業(yè)績。最終,研究得到生產(chǎn)網(wǎng)絡(luò)對系統(tǒng)風(fēng)險(xiǎn)暴露的影響。

3 生產(chǎn)網(wǎng)絡(luò)構(gòu)建及實(shí)證分析

3.1 生產(chǎn)網(wǎng)絡(luò)構(gòu)建

(1)數(shù)據(jù)選擇。對于生產(chǎn)網(wǎng)絡(luò)數(shù)據(jù)的選取,根據(jù)《國民經(jīng)濟(jì)行業(yè)分類》標(biāo)準(zhǔn)、證監(jiān)會《上市公司行業(yè)分類指引(2012版)》對2002、2007、2012和2017年的投入產(chǎn)出表進(jìn)行統(tǒng)一調(diào)整,使得投入產(chǎn)出表中的部門與證監(jiān)會行業(yè)分類標(biāo)準(zhǔn)中的行業(yè)盡可能對應(yīng),并且在時(shí)間趨勢上保持一致。為了降低噪音影響,并與行業(yè)股票收益率數(shù)據(jù)保持一致,通過合并、刪除等調(diào)整方式最終得到54個(gè)有效行業(yè)(見附錄A)。另外,由于投入產(chǎn)出表數(shù)據(jù)一般在調(diào)查后第3年公布,且其能夠準(zhǔn)確度量反映一段時(shí)期行業(yè)間經(jīng)濟(jì)聯(lián)系,對于每一調(diào)查年份的投入產(chǎn)出表,將其與調(diào)查后的1～4年對應(yīng),目的是盡可能還原經(jīng)濟(jì)現(xiàn)實(shí)的同時(shí)能夠捕捉不同時(shí)期行業(yè)變化情況。

選擇A 股全體股票,且對股票收益率數(shù)據(jù)做如下處理:①對于證監(jiān)會規(guī)定的特殊狀態(tài)(ST、*ST、PT、退市)股票進(jìn)行刪除；②對于IPO 現(xiàn)象,為消除新上市股票價(jià)格異常行為對結(jié)果的影響,刪除所有股票上市后最初120個(gè)交易日的交易數(shù)據(jù)[33]。依據(jù)構(gòu)建生產(chǎn)網(wǎng)絡(luò)數(shù)據(jù)中的行業(yè)劃分,結(jié)合證監(jiān)會《上市公司行業(yè)分類指引(2012版)》對中國上市公司進(jìn)行分組,并依據(jù)行業(yè)內(nèi)股票流通市值加權(quán)形成各行業(yè)月度收益率。在此基礎(chǔ)上,減去無風(fēng)險(xiǎn)利率得到所選行業(yè)的月度超額收益率,其中無風(fēng)險(xiǎn)利率為人民銀行公布的人民幣3 個(gè)月整存整取利率。由于2000年以前上市公司數(shù)量不足1 000家,為確保足夠多的股票數(shù)量且鑒于投入產(chǎn)出表數(shù)據(jù)自2002年開始,本文選擇數(shù)據(jù)區(qū)間為2002-01～2021-036)后面對其進(jìn)行穩(wěn)健性檢驗(yàn),檢驗(yàn)結(jié)果類似,以便更全面地研究生產(chǎn)網(wǎng)絡(luò)下的因子定價(jià)模型。數(shù)據(jù)來自國泰安和銳思數(shù)據(jù)庫。考慮到極端值可能引致的偏差,對所有連續(xù)性變量在1%和99%水平上進(jìn)行縮尾處理。

(2)構(gòu)建生產(chǎn)網(wǎng)絡(luò)。為了構(gòu)建生產(chǎn)網(wǎng)絡(luò)并識別行業(yè)關(guān)聯(lián),主要使用投入產(chǎn)出表中最核心的部分,即由各部門的中間投入與中間使用交叉形成的部分。由于投入產(chǎn)出表行與列部門名稱、數(shù)量、順序完全對應(yīng),故中間投入與中間使用交叉形成N階方陣Z,N為部門數(shù)量。方陣中的每個(gè)元素zij表示部門j對部門i的直接消費(fèi)總額。借鑒文獻(xiàn)[14-15],使用矩陣Z中的zij除以行業(yè)j的總投入得到標(biāo)準(zhǔn)化矩陣S。供給矩陣S中的每個(gè)元素反映了j部門生產(chǎn)單位產(chǎn)品對i產(chǎn)品的直接消耗。與上述文獻(xiàn)不同,本文直接將標(biāo)準(zhǔn)化矩陣S進(jìn)行行正規(guī)化,得到生產(chǎn)網(wǎng)絡(luò)所需的空間權(quán)重矩陣。所獲得的空間權(quán)重矩陣是非對稱時(shí)變,且主對角線元素不為1,每行之和為1,這有利于本文研究網(wǎng)絡(luò)傳染效應(yīng)對行業(yè)收益率的影響。

由2017年的生產(chǎn)網(wǎng)絡(luò)(見圖1)可知,石油和天然氣開采業(yè)、鐵路、船舶、航空航天和其他運(yùn)輸設(shè)備制造業(yè)、專用設(shè)備制造、鐵路運(yùn)輸業(yè)、水上運(yùn)輸業(yè)、道路運(yùn)輸業(yè)以及商務(wù)服務(wù)業(yè)專業(yè)技術(shù)服務(wù)業(yè)等行業(yè)處于網(wǎng)絡(luò)的核心,而畜牧業(yè)、農(nóng)副食品加工業(yè)、紡織業(yè)、化學(xué)纖維制造業(yè)以及廢棄資源綜合利用業(yè)等行業(yè)處于網(wǎng)絡(luò)的邊緣。

3.2 模型估計(jì)及評價(jià)

(1)傳統(tǒng)因子模型殘差的空間相關(guān)性檢驗(yàn)。正如2.2節(jié)所述,空間因子模型簡化形式與傳統(tǒng)因子模型的核心差別在于傳統(tǒng)因子模型的殘差項(xiàng)是相互獨(dú)立的,即傳統(tǒng)因子模型不存在空間相關(guān)性。借鑒空間計(jì)量經(jīng)濟(jì)學(xué)的研究思路,采用Moran’sI統(tǒng)計(jì)量檢驗(yàn)傳統(tǒng)因子模型的殘差是否存在空間相關(guān)性。由于本文選擇的時(shí)變生產(chǎn)網(wǎng)絡(luò)已進(jìn)行行標(biāo)準(zhǔn)化,故Moran’sI可以表示為:其 中:et為t時(shí)刻N(yùn)個(gè)行業(yè)的殘差向量,其維度為N ×1；Wt為t時(shí)刻的生產(chǎn)網(wǎng)絡(luò)矩陣。Moran’sI空間相關(guān)性檢驗(yàn)的原假設(shè)為:H0:Y=Xβ+ε,即不存在空間相關(guān)性。在零假設(shè)E[I]=0下,Moran’sI檢驗(yàn)為為了消除因遺漏共同因子造成殘差相關(guān)的影響,選擇CAPM、FF3 因子、C4因子及FF5因子模型進(jìn)行檢驗(yàn)。

通過估計(jì)CAPM、FF3因子、C4因子及FF5因子模型得到相應(yīng)的參數(shù)估計(jì),并計(jì)算各模型殘差的空間相關(guān)性檢驗(yàn),結(jié)果如表1所示。由表1可以發(fā)現(xiàn),從54個(gè)行業(yè)平均來看,市場超額風(fēng)險(xiǎn)、SMB 所對應(yīng)系數(shù)是顯著的,而其他因子并不顯著。另外,依據(jù)Moran’sI檢驗(yàn)可以發(fā)現(xiàn),在95%置信區(qū)間上,所有模型存在顯著空間相關(guān)的個(gè)數(shù)均達(dá)到226 以上,占比達(dá)0.98,其中整個(gè)樣本為231,表明絕大部分時(shí)間各傳統(tǒng)因子模型的殘差項(xiàng)存在空間相關(guān)性。這充分說明,傳統(tǒng)因子模型忽視了空間相關(guān)性,造成模型存在非常大的誤設(shè)風(fēng)險(xiǎn),進(jìn)而可能導(dǎo)致對因子的風(fēng)險(xiǎn)暴露(beta)的估計(jì)存在偏誤。

表1 模型估計(jì)結(jié)果

(2)空間因子模型的估計(jì)結(jié)果。由空間相關(guān)性檢驗(yàn)發(fā)現(xiàn),傳統(tǒng)因子模型的殘差存在一定的空間相關(guān)性,易造成誤設(shè)模型,故選擇空間因子模型。為準(zhǔn)確估計(jì),使用貝葉斯估計(jì)方法,利用包含向前濾波向后抽樣(FFBS)的MCMC抽樣算法得到條件后驗(yàn)分布。具體結(jié)果如表2所示。

表2 空間因子模型的估計(jì)結(jié)果

首先,考慮基于生產(chǎn)網(wǎng)絡(luò)的不變空間因子模型(SCAPM、SFF3、SC4 及SFF5 模型)的估計(jì)結(jié)果。由此發(fā)現(xiàn),各模型的網(wǎng)絡(luò)依賴參數(shù)(ρ)的估計(jì)值均為負(fù)值,95%置信區(qū)間上顯著,且滿足IN -ρWt為非奇異的條件(見附錄B)。由于網(wǎng)絡(luò)依賴參數(shù)表示各資產(chǎn)對來自相鄰資產(chǎn)的沖擊在橫截面和時(shí)間上的平均反應(yīng),其估計(jì)值為負(fù)表明其他行業(yè)收益率對該行業(yè)的影響是負(fù)的。這與經(jīng)濟(jì)理論不符,理論上,行業(yè)間聯(lián)系越緊密,某個(gè)行業(yè)的局部沖擊會通過網(wǎng)絡(luò)放大效應(yīng)更容易形成系統(tǒng)性風(fēng)險(xiǎn),投資者承擔(dān)此風(fēng)險(xiǎn)需要更高補(bǔ)償,因此,預(yù)期未來具有更高收益率。并且,因?yàn)閥t與Wtyt的相關(guān)性為正7)計(jì)算皮爾遜相關(guān)系數(shù)發(fā)現(xiàn),54個(gè)行業(yè)超額收益率與空間項(xiàng)的相關(guān)系數(shù)均大于0.5,最低為0.68。限于篇幅,未列相關(guān)系數(shù)表,所以網(wǎng)絡(luò)依賴參數(shù)估計(jì)值為負(fù)不符合研究事實(shí)。究其原因是,近20年中國產(chǎn)業(yè)結(jié)構(gòu)發(fā)生了重大變化,假設(shè)網(wǎng)絡(luò)依賴參數(shù)為常數(shù)則無法刻畫生產(chǎn)網(wǎng)絡(luò)變化對行業(yè)超額收益率的影響。

其次,考慮基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型(tvSCAPM、tvSFF3、tvSC4及tvSFF5模型)的估計(jì)結(jié)果。由表2可以發(fā)現(xiàn),在控制其他因子的情形下,網(wǎng)絡(luò)依賴參數(shù)估計(jì)值的均值位于0和1之間,且在95%置信區(qū)間上顯著。繪制各模型網(wǎng)絡(luò)依賴參數(shù)估計(jì)值的時(shí)間序列變化情形(見圖2),發(fā)現(xiàn)大部分時(shí)期各模型的ρt估計(jì)值均顯著大于零且隨時(shí)間變化幅度較大,而其他時(shí)期估計(jì)值雖為負(fù)但在95%置信區(qū)間上不顯著,且各模型ρt的估計(jì)值均滿足IN -ρtWt為非奇異條件(見附錄B)。這說明,假設(shè)時(shí)變的網(wǎng)絡(luò)依賴參數(shù)是合理的,符合中國資產(chǎn)定價(jià)的研究,也表明了行業(yè)收益率對各因子的風(fēng)險(xiǎn)暴露部分來自于更高階的網(wǎng)絡(luò)效應(yīng)。另外,各模型ρt的估計(jì)值變化趨勢基本一致,唯獨(dú)tvSCAPM 模型的估計(jì)值差別最大,主要原因是,tvSCAPM 模型僅包含了市場超額收益率,可能遺漏了其他重要的解釋變量,而該解釋變量與空間項(xiàng)相關(guān)。

(3)各模型業(yè)績評價(jià)。假設(shè)資產(chǎn)定價(jià)模型能夠完全捕捉預(yù)期收益率,則截距項(xiàng)α應(yīng)不顯著異于零。由于GRS統(tǒng)計(jì)量僅適用于線性因子模型[34],無法用于檢驗(yàn)空間因子模型,故選擇如下指標(biāo)對比各模型的優(yōu)劣:①截距項(xiàng)的平均L1范數(shù)A(|α|)；②截距項(xiàng)的平均L2范數(shù)A(α2)；③均方誤差(RMSE)。其中,前兩個(gè)指標(biāo)為截距項(xiàng)α的一階、二階[35],反映了行業(yè)收益率中不能被模型所解釋部分的規(guī)模,第3個(gè)指標(biāo)使用誤差項(xiàng)進(jìn)行評價(jià)能直接反映模型對行業(yè)超額收益率的偏離程度。上述3個(gè)指標(biāo)在不同程度上度量了行業(yè)收益率不能被風(fēng)險(xiǎn)模型所解釋的比例,越小表明模型擬合效果越好。具體結(jié)果如表3所示。

表3 模型業(yè)績對比

依據(jù)上述指標(biāo)發(fā)現(xiàn),對于各因子而言,基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型的業(yè)績最好,其次為傳統(tǒng)因子模型,最次為基于生產(chǎn)網(wǎng)絡(luò)的常數(shù)空間因子模型。這主要是因?yàn)?相比發(fā)達(dá)國家,近年來中國產(chǎn)業(yè)結(jié)構(gòu)發(fā)生了重大調(diào)整,造成依據(jù)投入產(chǎn)出所形成的生產(chǎn)網(wǎng)絡(luò)也發(fā)生了較大變化,此時(shí)假設(shè)空間依賴參數(shù)ρ為常數(shù)不符合經(jīng)濟(jì)現(xiàn)實(shí),也導(dǎo)致了基于生產(chǎn)網(wǎng)絡(luò)的不變空間依賴參數(shù)的空間因子模型業(yè)績較差的事實(shí)。相反,考慮空間依賴參數(shù)時(shí)變的空間因子模型,能更好地捕捉生產(chǎn)網(wǎng)絡(luò)溢出效應(yīng)的改變,因此業(yè)績更好。同時(shí),與傳統(tǒng)因子模型業(yè)績相比,嵌入生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型有助于提高業(yè)績。這說明,生產(chǎn)網(wǎng)絡(luò)溢出效應(yīng)對因子模型具有一定的作用。

3.3 基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變網(wǎng)絡(luò)依賴參數(shù)的空間因子模型的網(wǎng)絡(luò)效應(yīng)分析

(1)平均效應(yīng)分析。為探討生產(chǎn)網(wǎng)絡(luò)溢出效應(yīng)對中國因子定價(jià)模型的作用,依據(jù)式(7)計(jì)算了行業(yè)收益率對各模型因子的平均總風(fēng)險(xiǎn)暴露,并將其分解為平均直接風(fēng)險(xiǎn)暴露和平均網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露(見表4)。tvSCAPM、tvSFF3、tvSC4和tvSFF5模型中超額市場收益率因子的平均網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露分別為0.77、0.19、0.18和0.17,占平均總風(fēng)險(xiǎn)暴露比例分別為75.52%、19.00%、17.84%和17.33%,均為正且顯著。這表明了生產(chǎn)網(wǎng)絡(luò)放大行業(yè)收益率對市場風(fēng)險(xiǎn)因子的風(fēng)險(xiǎn)暴露,投資者承擔(dān)市場風(fēng)險(xiǎn),需要更高的溢價(jià)作為補(bǔ)償。另外,tvSCAPM 模型中市場風(fēng)險(xiǎn)因子的平均網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露及占整體效應(yīng)比例與其他模型相差較大,可能是由于該模型遺漏了其他重要風(fēng)險(xiǎn)且該風(fēng)險(xiǎn)與空間項(xiàng)Wtyt存在顯著正相關(guān)8)許多文獻(xiàn)已經(jīng)證明在A 股市場上,三因子、五因子等模型比CAPM 模型更具解釋能力[30,33]。

表4 基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間依賴參數(shù)空間因子模型的直接效應(yīng)、網(wǎng)絡(luò)效應(yīng)分析

同樣,各模型中SMB 的平均網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露分別為0.13、0.11和0.09,占平均總風(fēng)險(xiǎn)暴露比例分別為19.19%、18.33%和17.48%,均為正且顯著。這也說明,生產(chǎn)網(wǎng)絡(luò)放大行業(yè)收益率對SMB 的風(fēng)險(xiǎn)暴露,投資者承擔(dān)該系統(tǒng)性風(fēng)險(xiǎn),需要更高的溢價(jià)作為補(bǔ)償。

與市場風(fēng)險(xiǎn)和SMB 因子不同,各模型中HML、動量因子(UMD)及投資因子(RMW)的平均網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露均為負(fù)、占比為正且顯著。由于總效應(yīng)為負(fù),這表明,生產(chǎn)網(wǎng)絡(luò)放大了行業(yè)收益率對HML、UMD 及RMW 的風(fēng)險(xiǎn)暴露,投資者愿意為套保此類風(fēng)險(xiǎn)支付更高的溢價(jià)。而tvSFF5模型中盈利因子(CMA)的直接暴露、平均網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露、總風(fēng)險(xiǎn)暴露及占比均不顯著,表明生產(chǎn)網(wǎng)絡(luò)對該因子沒有顯著影響。同時(shí),這也與李志冰等[33]的研究結(jié)論一致,可能是因股權(quán)分置問題扭曲了中國資本市場定價(jià)機(jī)制,使得CMA 呈現(xiàn)出冗余現(xiàn)象。

(2)直接效應(yīng)和網(wǎng)絡(luò)效應(yīng)的時(shí)變性分析。在生產(chǎn)網(wǎng)絡(luò)和網(wǎng)絡(luò)依賴參數(shù)時(shí)變的情形下,行業(yè)收益率對各因子的總風(fēng)險(xiǎn)暴露、網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露也隨時(shí)間變化,而直接風(fēng)險(xiǎn)暴露保持不變。以tvSFF3 模型為例,分析行業(yè)收益率對市場風(fēng)險(xiǎn)、SMB 及HML 的風(fēng)險(xiǎn)暴露(見圖3～5)。各圖從上至下實(shí)線分別表示總風(fēng)險(xiǎn)暴露、直接風(fēng)險(xiǎn)暴露、網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露及百分比(網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露/總風(fēng)險(xiǎn)暴露×100),其中陰影部分表示置信度為95%的置信區(qū)間。由圖3～5可知行業(yè)收益率對市場風(fēng)險(xiǎn)、SMB的網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露分別在0.19和0.13上下波動,占總風(fēng)險(xiǎn)暴露的比例分別在19.00%和19.19%上下波動；而行業(yè)收益率對HML的網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露為負(fù)且在-0.01上下波動,占總風(fēng)險(xiǎn)暴露的比例在19%上下波動。

綜上所述,行業(yè)收益率對各因子的網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露時(shí)變、占總風(fēng)險(xiǎn)暴露比例均達(dá)19%且顯著。這表明,生產(chǎn)網(wǎng)絡(luò)具有放大行業(yè)收益率對因子的風(fēng)險(xiǎn)暴露的作用。究其原因是:某行業(yè)收益率對因子的風(fēng)險(xiǎn)暴露,既來自于該行業(yè)收益率對風(fēng)險(xiǎn)因子的直接暴露,又來自于因生產(chǎn)網(wǎng)絡(luò)使得各行業(yè)收益率相關(guān),進(jìn)而來自于其他行業(yè)收益率對該因子的風(fēng)險(xiǎn)暴露傳染至該行業(yè),通過這種反饋效應(yīng)使得生產(chǎn)網(wǎng)絡(luò)信息溢出放大了行業(yè)收益率對因子的風(fēng)險(xiǎn)暴露。

3.4 穩(wěn)健性檢驗(yàn)

(1)時(shí)變空間因子模型的分時(shí)檢驗(yàn)。股權(quán)分置問題造成了流通股股東與非流通股股東之間長期存在利益分割[36],嚴(yán)重扭曲了中國資本市場的定價(jià)機(jī)制[37-38],可能對本文結(jié)果產(chǎn)生一定的影響,因此,本文考慮股權(quán)分置改革后的樣本(2007-01～2021-03,共計(jì)165個(gè))做穩(wěn)健性檢驗(yàn),檢驗(yàn)結(jié)果見附錄C。由附表3～5可以發(fā)現(xiàn),股權(quán)分置改革完成后,傳統(tǒng)因子模型仍然存在一定的空間相關(guān)性,且基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型能夠提高解釋業(yè)績,與前面結(jié)論基本一致。

(2)其他因子模型的檢驗(yàn)。3.2節(jié)通過MoranI檢驗(yàn)證明CAPM、FF3、C4及FF5因子定價(jià)模型的殘差均存在空間相關(guān)性,那么,是否這些模型遺漏了重要的解釋變量造成殘差存在空間相關(guān)性? 為回答此問題,將中國資產(chǎn)定價(jià)研究中常用的流動性因子、情緒因子嵌入,進(jìn)行穩(wěn)健性檢驗(yàn),相關(guān)結(jié)果見附錄D 中附表6～8。發(fā)現(xiàn):加入流動性因子、情緒因子的傳統(tǒng)因子定價(jià)模型的殘差仍然存在空間相關(guān)性,且基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間結(jié)構(gòu)依賴參數(shù)的空間因子模型業(yè)績更佳,與前面結(jié)論基本一致。

4 結(jié)論

將生產(chǎn)網(wǎng)絡(luò)嵌入傳統(tǒng)因子定價(jià)模型,結(jié)合中國產(chǎn)業(yè)結(jié)構(gòu)出現(xiàn)重大調(diào)整的事實(shí),構(gòu)造了時(shí)變空間因子定價(jià)模型,并借鑒Acemoglu等[10]提出的分解方法將行業(yè)收益率對因子的總風(fēng)險(xiǎn)暴露分解為直接風(fēng)險(xiǎn)暴露和間接風(fēng)險(xiǎn)暴露。主要結(jié)論如下:

(1)通過對傳統(tǒng)因子定價(jià)模型(CAPM、FF3、C4及FF5)的殘差進(jìn)行檢驗(yàn),發(fā)現(xiàn)均存在顯著的空間相關(guān)性,并且基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型估計(jì)所得的網(wǎng)絡(luò)依賴參數(shù)顯著。這說明,對于中國行業(yè)收益率而言,采用傳統(tǒng)因子定價(jià)模型會導(dǎo)致模型誤設(shè),而采用空間因子模型更符合中國資產(chǎn)定價(jià)研究。

(2)通過3個(gè)業(yè)績指標(biāo)分析發(fā)現(xiàn),對于各因子模型而言,基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型的業(yè)績最佳,其次為傳統(tǒng)因子模型,最次為基于生產(chǎn)網(wǎng)絡(luò)的常數(shù)空間因子模型。主要原因是,相比發(fā)達(dá)國家,近年來中國產(chǎn)業(yè)結(jié)構(gòu)發(fā)生了重大調(diào)整,生產(chǎn)網(wǎng)絡(luò)也發(fā)生了較大變化,使得假設(shè)空間依賴參數(shù)時(shí)變更符合中國經(jīng)濟(jì)現(xiàn)實(shí)。

相比傳統(tǒng)因子定價(jià)模型,基于生產(chǎn)網(wǎng)絡(luò)的時(shí)變空間因子模型更符合中國行業(yè)收益率的研究,說明生產(chǎn)網(wǎng)絡(luò)的溢出效應(yīng)對中國資產(chǎn)價(jià)格具有一定的解釋能力。這與近期從生產(chǎn)角度研究中國資產(chǎn)定價(jià)的文獻(xiàn)相印證,同時(shí)豐富了中國資產(chǎn)定價(jià)的研究視角——生產(chǎn)網(wǎng)絡(luò)視角。

(3)通過對因子的風(fēng)險(xiǎn)暴露進(jìn)行分解,發(fā)現(xiàn)行業(yè)收益率對各因子的網(wǎng)絡(luò)風(fēng)險(xiǎn)暴露時(shí)變、占總風(fēng)險(xiǎn)暴露比達(dá)17%以上,且均顯著。這說明了生產(chǎn)網(wǎng)絡(luò)的溢出效應(yīng)能放大行業(yè)收益率對因子的風(fēng)險(xiǎn)暴露,同樣說明傳統(tǒng)因子定價(jià)模型會低估因子的風(fēng)險(xiǎn)暴露的絕對值。對于政策制定者而言,正確理解資產(chǎn)對各系統(tǒng)性風(fēng)險(xiǎn)的暴露是制定相關(guān)政策的前提。

附錄A

所選行業(yè)。

附表1 所選行業(yè)名稱及序號

附錄B

網(wǎng)絡(luò)依賴參數(shù)的可行范圍。

附表2 網(wǎng)絡(luò)依賴參數(shù)的可行范圍

附錄C

股改后樣本的檢驗(yàn)。

附表3 模型估計(jì)結(jié)果

附表4 模型估計(jì)結(jié)果

附表5 模型業(yè)績對比

附表6 各模型估計(jì)結(jié)果及檢驗(yàn)

附錄D

其他因子的檢驗(yàn)。

附表7 空間因子模型估計(jì)結(jié)果

附表8 模型業(yè)績比較