CAPM模型的时间序列与截面检验.docxVIP

CAPM模型的时间序列与截面检验

一、引言：CAPM模型的理论价值与检验意义

资本资产定价模型（CAPM）自提出以来，始终是资产定价领域的核心理论工具。它通过简洁的线性关系——资产的预期收益仅由其系统性风险（β系数）决定，构建了风险与收益的桥梁，为投资组合选择、资产估值及风险管理提供了理论依据。然而，理论的有效性需通过实证检验验证：若模型与实际市场数据高度吻合，其指导意义将得到强化；若存在显著偏差，则需反思假设条件或拓展模型框架。

在CAPM的实证研究中，时间序列检验与截面检验是两大核心方法。前者从纵向时间维度观察资产收益与风险的动态关系，后者从横向截面维度比较同一时期不同资产的风险溢价差异。二者既独立验证模型的不同侧面，又相互补充，共同构成对CAPM的多方位“体检”。本文将围绕这两种检验方法的原理、操作与结果展开，探讨其如何揭示CAPM的适用性与局限性。

二、CAPM模型的基本逻辑与检验框架概述

理解CAPM的检验逻辑，需先回溯其核心假设与均衡结论。CAPM基于一系列理想化假设：投资者均为理性均值-方差优化者，对资产收益的概率分布具有同质预期，市场无摩擦（无税收、无交易成本），且存在无风险资产可供借贷。在这些假设下，市场达到均衡时，所有投资者的最优风险组合将收敛于“市场组合”（包含所有风险资产的价值加权组合）。此时，任意资产i的预期收益可表示为：其收益等于无风险利率加上该资产系统性风险（βi）与市场风险溢价（市场组合收益与无风险利率之差）的乘积。

这一结论的关键推论是：资产的超额收益（实际收益减去无风险利率）仅由其β系数决定，与非系统性风险无关；若市场均衡成立，所有资产的超额收益应恰好被β系数解释，不存在无法被模型解释的“异常收益”（即α系数应为零）。时间序列检验与截面检验的核心，正是围绕这两个推论展开——前者验证“α是否为零”，后者验证“β是否能完全解释横截面的收益差异”。

三、时间序列检验：从单资产到组合的动态验证

时间序列检验是CAPM最早被应用的实证方法，其核心思路是：选取某一资产或资产组合的历史收益数据，通过时间序列回归分析，检验其实际收益是否与模型预测的收益一致。

（一）时间序列检验的基本原理与方法步骤

时间序列检验的操作可分为四步：首先，确定研究样本，通常包括无风险资产（如国债）、市场组合代理变量（如股票指数）及待检验的风险资产（如个股或投资组合）；其次，计算各资产的超额收益（即实际收益减去无风险利率）；再次，对每个资产或组合进行回归分析，模型形式为：

“某资产超额收益=α+β×市场组合超额收益+残差”

其中，α代表无法被β解释的异常收益，β代表资产的系统性风险；最后，通过统计检验（如t检验）判断α是否显著不为零——若所有资产的α均不显著，则支持CAPM；若存在显著的α，则说明模型存在偏差。

值得注意的是，直接对个股进行时间序列检验时，由于个股收益包含大量非系统性风险（残差项方差大），β系数的估计误差较大，可能导致检验效力不足。因此，早期研究（如Black、Jensen与Scholes的经典检验）通常将个股按β系数排序，构建10-20个分散化投资组合。组合的非系统性风险相互抵消，β估计更稳定，检验结果更可靠。

（二）经典研究与实证结果分析

1972年，Black、Jensen与Scholes（BJS）发表了首篇具有里程碑意义的时间序列检验研究。他们选取纽约证券交易所（NYSE）的股票作为样本，按历史β系数将股票分为10个组合（β从低到高排序），并对每个组合进行时间序列回归。结果发现：高β组合的α系数为正（但不显著），低β组合的α系数为负（部分显著）；市场风险溢价（即回归中β的系数）的估计值低于理论预期。这一结果表明，CAPM的预测与实际市场存在偏差——低β资产的实际收益高于模型预测，高β资产的收益则略低，模型对收益的解释力有限。

后续研究进一步扩展了检验范围。例如，Fama与French在1992年的研究中，不仅检验了β的解释力，还引入市值、账面市值比等变量。他们发现，在控制市值与账面市值比后，β与股票收益的相关性大幅减弱，甚至不再显著。这一结果挑战了CAPM的核心结论——系统性风险β并非唯一的收益驱动因素，市场中存在其他未被模型捕捉的“异常因素”（如小公司效应、价值股效应）。

（三）时间序列检验的优势与局限性

时间序列检验的优势在于其直观性与动态性。它直接反映了资产收益在不同时间点的表现，能够捕捉市场环境变化对风险溢价的影响（如经济周期、政策调整等）。通过观察α系数的时间序列波动，研究者还可分析模型偏差的持续性——若α仅在特定时期显著，可能是短期市场异常；若长期存在，则更可能指向模型本身的缺陷。

然而，时间序列检验也存在局限性。其一，“市场组合”的代理变量问题（即“Roll批判”）：CAPM中的市