您好, 访客   登录/注册

公司特征是否和收益率成非线性关系?

来源:用户上传      作者:魏杰 文欣�h

  摘 要:资产定价领域已成为金融学研究的热点。与传统因子模型不同,本文提出了加权非线性因子模型,将公司特征的未知函数作为因子载荷,时变的因子收益作为权重,研究股票超额收益率与公司特征之间是否存在非线性关系,以及模型对我国股票市场的适用性和解释力度。选取1995年7月―2020年6月我国A股上市公司的财务数据,考虑公司规模特征、价值特征和动量特征,采用核函数回归方法同时估计出因子载荷和因子收益,结果发现三个特征都是显著的,并且动量特征与收益率成非线性关系。此外,与美国股票市场相比,本文模型更加适用于中国股票市场,解释力度更强;与Fama-French三因子模型相比,本文估计误差更小。本文提出的模型在基本面分析和因子投资策略领域中具有借鉴意义。
  关键词:股票市场;加权非线性因子模型;非参估计;资产定价
  中图分类号:F830.91 文献标识码:B 文章编号:1674-2265(2022)05-0080-09
  DOI:10.19647/j.cnki.37-1462/f.2022.05.011
  一、引言
  在我国金融市场中,股票超额收益率的决定因素一直是资产定价领域研究的热点。最为大众所接受的是Fama和French(1993)[1]提出的三因子模型(以下简称FF三因子模型),他们通过构建投资组合研究了公司特征与横截面收益率之间的线性关系,而本文利用非参数估计方法,将公司特征的函数作为因子载荷进行估计,研究公司特征与股票收益率之间的非线性关系。目前,国内文献鲜少运用非参数估计方法,资产定价方向的研究主要分为两类:第一类是通过增加新的因子,构建投资组合,研究流动性风险、投资者情绪、公司治理、全要素生产率对收益率的影响(宋光辉等,2017;齐岳等,2020;张少华和陈慧玲,2021;李双琦等,2021;周学伟等,2020)[2-6];第二类是采用机器学习方法研究多因子选股对交易策略的影响(干伟明,2018;周亮,2021)[7,8]。
  资产定价模型的解释力度在不同国家存在差异,田利辉和王冠英(2014)[9]发现我国和美国金融市场的定价因子具有较大差异。Connor等(2012)[10]提出非参因子模型同时估计公司特征函数和因子收益,这种模型在中国股市的适用性也有待验证。
  本文以1995年7月―2020年6月的中国股市收益率月度数据为样本,根据公司市值和账面市值比特征构建资产定价模型,其中,将公司特征形成的未知函数作为因子模型中的因子载荷,采用非参估计核函数回归方法,同时估计出特征函数和因子收益,回归结果显著,证明了股票收益率和公司特征之间确实存在非线性关系。此外,本文还和美国股市进行对比,实证结果发现本文构建的模型对中国股市的解释力度更大、误差更小。本文提出的模型适用于公司特征数较多、无法构建投资组合及高维面板数据的情况。
  本文的主要贡献在于:第一,研究范围更广。传统因子模型采用排序方式进行分组,只研究了变量间的线性关系。而本文提出的加权非线性因子模型包括传统因子模型的研究范围,把因子载荷看作公司特征的未知函数,函数形式可以是任意的。第二,更符合实际情况。传统因子模型假设因子载荷是已知的,在组内是不变的,根据因子载荷估计因子收益。而本文模型中因子载荷是未知的,也需要估计。第三,本文模型可以解决维度诅咒问题,当传统因子模型出现高维数据时,由于构建投资组合个数有限,过高的维度会导致参数无法估计。本文通过对高维数据进行迭代估计,从而实现降维,可以研究连续变量。第四,本文对传统的三因子模型进行深入探讨,丰富了我国股票超额收益和公司特征存在非线性关系方面的研究。由于我国金融市场还不是有效市场,本文研究发现公司特征对超额收益有非线性影响,可以为基本面分析中国股市的超额收益提供依据。此外,最近较流行的多因子投资策略也是通过分析各种因子实现套利,所以本文提出的因子模型可以作为参考。
  二、文献综述
  古今中外,关于资产定价模型理论研究的文献非常多,从单因子模型发展到八因子模型。Sharpe(1964)[11]、Lintner(1965a;1965b)[12,13]等提出的模型是最早的单因子模型,用以研究资产收益率和市场系统性风险的关系。但是他们没有考虑规模效应和价值效应。于是,Fama和French(1993)[1]提出FF三因子模型,研究市场、规模、价值因子对股票超额收益率的影响。后来,学者们又引入动量因子(Carhart,1997)[14]、流动性因子(Pastor和Stambaugh,2003)[15]构建四因子模型,而Novy-Marx(2013)[16]把四因子模型中的规模因子换成盈利因子进行研究。Fama和 French(2015;2016)[17,18]在FF三因子模型基础上引入公司的盈利和投资因子,发现价值因子是“冗余”变量。Hou等(2015a;2015b)[19,20]t提出新的考虑规模、投资、盈利因子的资产定价模型。六因子和八因子模型也相继被提出,发现模型可以提高解释力(Barillas和Shanken,2018; Sko?ir和Loncarski,2018)[21,22]。最近几年,用资产定价模型来研究我国股票市场的文献也逐渐增加,主要集中在资产定价模型对比、模型的实证检验以及多因子选股策略等领域。赵胜民等(2016)[23]发现FF三因子模型比五因子模型更适合我国股市。李志冰等(2017)[24]检验了Fama-French五因子模型在我国股权分置改革前后的因子显著性。Liu等(2019)[25]提出了适合中国的价值因子、规模因子来解释股市的异象,如用净利润与市价比代替账面市值比。但他们都只研究了因子和超额收益率的线性关系,没有扩展到一般情况,未关注公司特征的函数与收益率之间的非线性关系。
  国外学者认为因子和资产回报率之间可能存在非线性的关系,于是提出了非线性因子模型。Connor和Linton(2007)[26]改进因子模型的估计方法,把公司特征的函数作为因子载荷,进行非参核回归,同时估计特征函数和因子收益,以核函数为权重,通过格点将规模特征和价值特征对应在一定区间内,构建模仿FF三因子的投资组合,证明了因子收益的估计量比其更有效。但是这种构建投资组合的方法只考虑了离散变量的情况,不能解决因子面临的维度诅咒问题。他们进一步完善估计方法,放松限制,考虑在高维面板数据下,在连续变量存在时变情况下同时估计因子收益和因子特征函数(Connor和Linton,2012)[10]。这种非参估计方法比线性回归和构建组合方法的适用范围更广,不用构建投资组合,不用考虑因子个数,适用所有情况,还能解决维度诅咒问题。

nlc202206231440



转载注明来源:https://www.xzbu.com/3/view-15434387.htm

相关文章