多因子模型在资产定价中的实证检验.docxVIP

多因子模型在资产定价中的实证检验

一、引言

资产定价是金融研究的核心议题之一，其本质是探索资产收益与风险的内在关系。从早期的资本资产定价模型（CAPM）到如今的多因子模型，资产定价理论始终围绕“如何更准确地解释资产收益差异”这一问题不断演进。多因子模型通过引入多个风险因子，突破了CAPM仅依赖市场风险单一因子的局限性，能够更全面地捕捉市场中的异质风险，因此在学术研究和投资实践中得到广泛应用。本文以多因子模型为研究对象，通过实证检验分析其在资产定价中的有效性，旨在为模型的实际应用提供经验证据，并探讨其理论价值与实践意义。

二、多因子模型的理论基础与发展脉络

（一）从单因子到多因子：模型演进的逻辑

资产定价理论的发展始终与市场观察到的“异常现象”密切相关。CAPM作为首个系统的资产定价模型，提出资产的超额收益仅由市场风险（β系数）决定，这一简洁的结论在早期得到了部分实证支持。但随着研究深入，学者们发现了诸多CAPM无法解释的现象：如小市值股票长期跑赢大市值股票（规模效应）、高账面市值比股票收益高于低账面市值比股票（价值效应）、过去一段时间表现好的股票未来持续表现好（动量效应）等。这些“异常现象”表明，市场中存在CAPM未涵盖的风险因子，多因子模型的提出正是为了修正这一缺陷。

（二）经典多因子模型的核心框架

在多因子模型的发展中，Fama和French的研究具有里程碑意义。1993年，他们提出三因子模型，将市场因子（MKT）、规模因子（SMB）和价值因子（HML）纳入模型，其中SMB反映小市值与大市值股票的收益差，HML反映高账面市值比与低账面市值比股票的收益差。三因子模型对美国股市的实证结果显示，其对股票收益的解释力远高于CAPM，能够覆盖规模效应和价值效应。此后，Fama和French在2015年进一步扩展为五因子模型，新增了盈利因子（RMW，高盈利与低盈利股票的收益差）和投资因子（CMA，低投资与高投资股票的收益差），试图解释盈利效应和投资效应。除Fama-French系列模型外，Carhart于1997年提出的四因子模型加入了动量因子（UMD，过去赢家与输家股票的收益差），进一步提升了对短期收益持续性的解释能力。这些模型的共同特点是通过多个经济意义明确的因子，构建起更贴近市场实际的定价框架。

（三）因子选择的经济学逻辑

多因子模型的关键在于因子的选择需具备明确的经济学解释。市场因子反映系统性风险，是所有资产共享的风险源；规模因子可能与小公司信息不透明、流动性差有关，投资者要求更高风险溢价；价值因子与“价值股被低估”的市场非理性行为或价值股面临的财务困境风险相关；动量因子则可能源于投资者对信息的反应不足或过度反应；盈利因子和投资因子分别反映公司盈利能力和投资政策对收益的影响。这些因子从不同维度刻画了资产面临的独特风险，共同构成了多因子模型的理论基础。

三、实证检验的方法设计与数据准备

（一）研究目标与假设设定

本文的核心目标是检验多因子模型对我国股票市场收益的解释能力。具体而言，需验证以下假设：（1）多因子模型的各因子（市场、规模、价值、动量等）在统计上显著，且符号与理论预期一致；（2）多因子模型对股票收益的解释力（以R2衡量）高于单因子CAPM；（3）不同市值或风格组合的收益差异能被多因子模型有效捕捉。

（二）数据来源与样本筛选

研究数据选取我国A股市场的股票交易数据和财务数据。为保证样本的代表性和稳定性，剔除了ST股、*ST股及上市未满一年的新股，最终保留约3000只股票作为研究样本。数据时间跨度覆盖多个完整的市场周期（具体时间范围根据实际数据可得性调整），以避免单一市场环境对结果的干扰。市场组合收益率采用沪深300指数收益率，无风险利率以同期国债收益率替代。

（三）因子构造与变量定义

市场因子（MKT）：计算为市场组合超额收益率（市场组合收益率减去无风险利率）。

规模因子（SMB）：按流通市值将股票分为大市值（前30%）和小市值（后30%）两组，分别计算两组的平均收益率，SMB为小市值组收益率减去大市值组收益率。

价值因子（HML）：按账面市值比（B/M）将股票分为高B/M（前30%）和低B/M（后30%）两组，HML为高B/M组收益率减去低B/M组收益率。

动量因子（UMD）：以过去12个月（剔除最近1个月）的收益率为排序指标，将股票分为赢家（前30%）和输家（后30%）两组，UMD为赢家组收益率减去输家组收益率。

（四）检验步骤与模型设定

实证检验分为三个阶段：第一阶段进行描述性统计分析，观察各因子的均值、标准差及收益分布特征；第二阶段分析因子间的相关性，避免多重共线性问题；第三阶段以投资组合超额收益率为被解释变量，以各因子为解释变量进行横截面回归，通过t检验判断因子显著性，通过R2比较模型解释力。投资组合的构建采用