非系统风险及股票预期收益探究.docVIP

非系统风险及股票预期收益探究【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。 【关键词】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。 R=γ+γEIVOL+γEX+ε i=1，2，…，Nt t=1，2，…，T 自变量表示股票i在t期已经实现的收益率，E[.]代表基于t期的信息预测的函数。IVOL代表股票i在t期的非系统波动率，EIVOL代表基于t-1期的信息，对股票i在t期的非系统波动率的预测。X代表其他的解释变量。Nt代表在t期股票总共的数量，T代表总共的时期数。原假设为γ=0，也就是说，非系统风险没有被定价。现有的研究对他的假设是多样化的，例如Merton（1987）预测γ0。 估计预期的非系统波动率EIVOL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，SM