非系统风险和股票预期收益研究.docx

    非系统风险和股票预期收益研究    曾幸幸（中南财经政法大学武汉学院，湖北　武汉　430079）【摘 要】本文选用2001年至2008年在上海证券交易所上市交易的211支股票的月度数据，对个股的非系统风险和股票预期收益之间的关系进行了实证研究对于非系统风险的估计，本文采用了直接法，即对个股按照Fama的三因素模型进行回归，回归结果中的残差即为个股所面临的非系统波动率也即非系统风险在得到个股的非系统波动率之后，本文将个股的公司规模因素、换手率因素、账面市值比因素以及滞后一期的非系统波动率作为自变量，个股的超额收益率作为因变量来研究股票的非系统风险和预期收益之间的关系实证结果表明个股的非系统风险与预期收益之间是显著为负的关系，即若个股的非系统风险越大，则其预期收益越低Keys】非系统风险；预期收益；三因素模型非系统风险是指公司特有的风险，所以也可以被叫做公司特有风险由定义可知，非系统风险是独立于一般的市场变化的本文研究的目的是验证投资者是否对其所承担的非系统风险得到补偿从理论的角度，风险和收益应该是同时期的，投资者获得当期的收入并承担当期的风险因此，非系统波动率就是可以代表非系统风险的一个很好的变量，如果他是可以被定价的，本文期望从实证研究中得到预期收益和预期的非系统波动率之间是正的关系。

然而，预期的非系统风险和非系统波动率都是不能被观测到的传统的方法是，在横截面回归中使用已经实现的收益作为因变量，他等于预期的收益加上随机误差项预期的非系统风险和其他控制变量作为自变量估计预期的非系统波动率是比较困难的如果非系统波动率是遵循严格的随机游走，就可以简单的使用滞后变量作为预期值的估计在这种情况下，非系统风险类似于一些公司特征，例如公司规模、账面市值比等Fama和French（1992）曾使用t-1年的公司规模和账面市值比来解释t年的收益率白仲林在其著作《面板数据的计量经济分析》中提到，微观面板不需要处理非平稳问题，特别是每个家庭或个体的时期数T较短时本文采用的是微观面板数据来估计非系统波动率，并且时期数相对较短，故不需要处理非平稳的问题本文选取了在上海证券交易所上市交易的211支股票从2001～2008年8年的数据进行分[来自wwW.lw5U.com]析，数据来源为国泰安数据库和锐思数据库这211支股票为上交所上市的股票中剔除了2001～2008年数据不全的股票、金融股（金融企业会计准则与一般企业会计准则不同）、ST股和*ST股而得到的本文均采用月度数据，但股东权益采用的是每年度资产负债表中的所有者权益合计指标，并用该值表示当年每个月的股东权益指标。

月个股总市值、考虑现金红利再投资的月个股回报率和市场收益率均为直接下载得到换手率由每个月的成交量除以流通总股数计算得到无风险利率由锐思数据库中直接下载得到本文借鉴Fama-French的方法，以2001年7月到2002年6月为一个周期，2001年7月的每个股票的账面市值比（BE/ME）由2000年的股东权益除以2000年12月份即滞后了6各月的市值得到HML、SMB均为计算得到HML指标的计算方法为：在每个月，将所有股票按照账面市值比（BE/ME）进行由高到低的排序，按照Fama（1996）的方法，在2001年的6月份，将BE/ME最高的30%股票分为第一组，BE/ME最低的30%股票分为第二组，剩余的40%股票为第三组分别计算第一组股票的平均收益率和第二组股票的平均收益率，前者减去后者即为当月每个股票所对应的HML指标的值依此方法，计算2001～2008每个月的HML指标的值SMB指[来自www.lW5u.Com]标的计算方法为：在每个月，将所有股票以总市值的中位数为分界点分为两组，即总市值低的小规模公司为一组，总市值高的大规模公司为另一组，前者减后者即为当月每个股票的SMB指标依此方法，计算2001～2008每个月的SMB指标的值。

一、非系统风险的估计本文对非系统风险的估计由Fama的三因素模型得到在每个月对每支股票的超额收益按照Fama的三因素模型进行回归分析，所得到的残差即为非系统波动率Rit-rt=ait+bit（Rmt-rt）+sitSMBt+hitHMLt+ε其中，Rit是个股收益率，rt是无风险利率，Rmt是市场收益率，SMBt是每个月小公司的平均收益率与大公司的平均收益率的差，HMLt是每个月账面市值比高的公司与账面市值比低的公司的平均收益率的差ait是截距项，bit、sit、hit是系数，ε是残差，即非系统波动率实证结果表明，市场因素也即CAPM模型中的系统性风险对股票收益的影响是显著为正的，系数为0.9779公司规模因素对股票预期收益的影响是显著为正的，系数为0.0953但账面市值比因素对股票收益的影响并不显著，t值较小，并没有通过检验二、非系统风险和股票收益率的关系本文按照Fama-MacBeth的方法，以股票收益率为自变量，非系统波动率和公司特征为因变量采用两个模型进行回归分析其中一个以滞后一期的非系统波动率IVOLt-1和公司特征为自变量，另一个以同期的非系统波动率IVOLt和公司特征为自变量。

本文通过研究t-1期股票非系统风险对t期股票收益的影响来说明非系统波动率对股票预期收益的影响Banz(1981)研究发现公司规模因素是解释股票收益的较好的变量Stattman（1980）和Rosenberg，Reid，Lanstein（1985）研究发现美国的股票收益率是与账面市值比呈显著为正的关系的Chan，Hamao和Lakonishok（1991）通过对日本股票数据的研究发现，账面市值比因素对于解释股票收益率是显著的故本文选择公司规模、账面市值比以及表示流动性的换手率作为因变量由于公司规模、账面市值比、换手率的分布均不服从正态分布，故将这些指标均取对数，使其较接近于正态分布Rit-rt=ait+bitlnMEit+citln（BE/ME）it+ditlnTURNit+eitIVOLit其中，Rit是每个月每个股票的收益率，rt是每个月的无风险利率，ait是截距项，MEit是每个月每个股票的账面值，（BE/ME）it是每个月每个股票的账面市值比，TURNit是每个月每个股票的换手率，IVOLit是每个月每个股票的非系统波动率DW=1.7988 i=1，2，3，…，211 t=1，2，3，…，96以滞后一期的非系统波动率IVOLi-1和公司特征为自变量进行回归分析的结果如下表所示：DW=1.9389 i=1，2，3，…，211 t=1，2，3，…，96 实证结果表明，t-1期的非系统风险对t期的股票收益率的影响为负，值为-0.0786，即个股的非系统风险对其预期收益的影响为负。

这个结果与Ang，Hodrick，Xing and Zhang （2006）的研究结果是一致的账面值的系数显著为-0.0120，说明公司规模对股票预期收益的影响是显著为负的，即公司规模越小，则其股票是超额收益率越高，也即小公司的股票收益率较高换手率指标代表了流动性，该指标的系数显著为正的0.0067，说明交易越活跃的股票的收益率越高Ang，Hodrick，Xing andZhang（2006）认为非系统风险对股票预期收益负的影响可以解释为小公司的收益翻转所致小公司在t-1期较高的非系统波动率会取得t-1期较高的收益率，由第一个回归分析可知，同期的非系统风险对股票收益率的影响是显著为正的，并且数值接近于1，但小公司在t-1取得的较高收益率并不会持续到下一时期，在t期只会得到较低的收益率，所以t-1期的非系统波动率对t期的股票收益率的影响是负的因此，理论上可以通过构造投资组合来进行套利，通过卖出非系统波动率较高的股票并买入非系统波动率较低的股票获得收益参 考 文 献[1]白仲林．面板数据的计量经济分析[M]．天津：南开大学出版社，2008[2]陈健．中国股市非系统风险被定价的实证研究[J]．南方经济．2010（7）[3]陈健，曾世强，李湛．基于非系统风险被定价的资本资产定价模型[J]．管理工程学报．2009（3）[4]邓长荣，马开永．三因素模型在中国证券市场的实证研究[J]．管理学报．2005（9）[5]陈娟．对中国股市有效性及波动性的实证检验[J]．企业导报．2009（3）[6]高铁梅．计量经济分析方法与建模[M]．北京：清华大学出版社，2006[7]顾岚，薛继锐，罗立禹，徐悦．中国股市的投资组合分析[J]．数理统计与管理．2001（5）  -全文完-。