资产定价模型中的横截面异常研究.docxVIP

资产定价模型中的横截面异常研究

引言

清晨的证券交易所大厅里，交易员盯着屏幕上跳动的数字，基金经理翻看着最新的研报——他们都在寻找一个共同的答案：资产价格究竟如何被定价？从学术界到实务界，资产定价模型始终是解开这个谜题的核心工具。无论是早期的CAPM（资本资产定价模型），还是后来的Fama-French三因子、五因子模型，这些理论都试图用简洁的数学公式捕捉市场运行的规律。但现实总比理论更生动：当小市值股票长期跑赢大市值股票，当低波动资产的收益竟高于高波动资产，当“价值股”（低市净率）持续战胜“成长股”（高市净率）……这些现象像一个个问号，叩击着传统模型的边界。它们被称为“横截面异常”，即资产收益在横截面上（同一时间不同资产间）无法被现有模型解释的超额部分。

为什么这些异常会出现？它们是市场无效的证据，还是模型遗漏了关键风险因子？是投资者非理性行为的产物，还是数据挖掘的偶然结果？对这些问题的追问，不仅推动着资产定价理论的迭代，更直接影响着投资者的决策逻辑。本文将沿着“概念-现象-成因-争议-展望”的脉络，展开一场关于横截面异常的深度探讨。

一、资产定价模型与横截面异常的基本概念

要理解横截面异常，首先需要明确资产定价模型的核心目标。简单来说，这类模型试图回答：在风险给定的情况下，资产的预期收益应该是多少？其底层逻辑是“风险-收益对等”——承担更高风险的资产，应获得更高的预期收益。以最经典的CAPM为例，它用“β系数”（资产收益与市场组合收益的协方差）衡量系统性风险，认为资产的预期收益仅由β决定，其他因素（如市值、估值）不应解释收益差异。

但现实中的市场像一面棱镜，总在理论的“白光”下折射出更多颜色。所谓“横截面异常”，正是那些无法被模型预测的收益模式。例如，若CAPM成立，所有股票的收益应仅与β相关；但实际中，小市值股票（即使β相近）长期收益更高，这就构成了“规模异常”。类似地，低市净率股票（价值股）的收益高于高市净率股票（成长股），形成“价值异常”；过去12个月表现好的股票未来3-12个月继续上涨，形成“动量异常”……这些异常现象像一把标尺，不断检验着模型的解释力。

需要强调的是，“异常”并非绝对的“错误”，而是相对的“未被解释”。它可能意味着模型存在缺陷（如遗漏了关键风险因子），也可能反映市场的非有效（如投资者非理性行为导致价格偏离），甚至可能是数据统计的“偶然产物”（如样本选择偏差）。因此，对横截面异常的研究，本质上是一场理论与现实的对话——我们既要用现实检验理论，也要用理论重新审视现实。

二、经典横截面异常现象的梳理与验证

从20世纪60年代CAPM提出至今，学者们在全球股市中发现了数十种横截面异常。这些异常有的如“常青树”般持续存在，有的则随市场环境变化逐渐弱化，但它们共同构成了理解市场运行的重要线索。以下选取最具代表性的四类异常，展开详细分析。

2.1规模效应：小公司的“逆袭”

最早被系统记录的横截面异常，当属“规模效应”。上世纪80年代，学者们通过对美国股市的长期数据研究发现：剔除β影响后，市值较小的公司股票收益显著高于大市值公司。打个比方，若将股票按市值从小到大分为10组，最小的1组（小市值股）年化收益可能比最大的1组（大市值股）高出3%-5%。这种现象在全球主要市场（如欧洲、亚太）均被验证，甚至在债券、商品等其他资产类别中也有类似表现。

但规模效应并非“稳赚不赔”的神话。后续研究发现，其强度随时间波动：在市场流动性紧张时更显著（小公司融资难，风险溢价更高），在机构投资者占比提升后有所减弱（大资金更偏好流动性好的大市值股，推高其价格）。更有意思的是，当“规模效应”被广泛关注后，部分投资者开始专门投资小市值股，反而缩小了大小市值股的收益差——这恰恰体现了市场对信息的“自我修正”。

2.2价值效应：便宜的“好货”

“价值效应”与“成长效应”的对立，是投资界永恒的话题。这里的“价值股”通常指市净率（PB）、市盈率（PE）等估值指标较低的股票，它们往往被市场“低估”；“成长股”则因高预期增长享受高估值。但实证显示，价值股的长期收益普遍高于成长股。例如，将股票按PB从低到高分为10组，PB最低的1组（价值股）年化收益可能比PB最高的1组（成长股）高出2%-4%。

这种现象最初被视为市场非理性的证据：投资者可能过度乐观于成长股的未来前景，推高其价格，导致后续收益不及预期；同时低估价值股的基本面，忽视其潜在的盈利修复空间。但也有学者提出“风险补偿”解释：价值股往往属于传统行业（如能源、制造），面临更大的经营风险（如技术变革、需求萎缩），高收益是对这些风险的补偿。究竟是“市场错误”还是“风险溢价”？这一争论至今未休。

2.3动量效应：“强者恒强”的秘密

与价值效应关注“估值高低”不同，动量效应聚焦“价格趋势”：过去3-12