股价组成理论与因素定价模型
风险资产的收益率分布是单一变量贝塔值的线性函数，贝塔值是某项资产与市场组合的协方差与市场组合方差之比，贝塔系数为证券风险的唯一度量。对于夏普的单因素模型的早期检验趋向于支持其正确性，例如经典的Black,Jensen,Scholes(1972)和Fama,MacBeth(1973)的研究，发现高贝塔值的股票倾向于比低贝塔值的股票获得更高的平均收益，并且这一关系近似是线性的。单因素模型认为如果一个组合的贝塔值大于1，其回报高于市场；如果组合的贝塔值小于1，由于你选择承担较小的风险，你的预期回报小于市场。这一个理论很简洁，但是在实践中，并不一直有效。在l980～1990年，一些对于单因素模型的“例外”相继被发现。首先，Banz(1981)发现了“规模效应”，即低市值的股票具有比单因素模型可解释的更高的收益率。其次，一些研究者发现了“价值效应”，平均收益可以被账面价值和市场价值之间的比率预测。
诸如此类的发现使单因素模型在实际运用中大受局限，于是单因素模型逐渐让位于三因素模型。三因素模型是由法玛和法兰奇共同提出的，和单因素模型有一个共同的因素，即市场因素。但是三因素模型还有另外两个因素，即规模因素和价值因素。这个模型允许我们除了测量投资组合对市场因素的敏感性外还可以测量对规模因素和价值因素的敏感性。如果考虑所有这些因素时，几乎所有分散化的股票组合的贝塔值都成为1，即它们暴露于市场的风险程度几乎相同。但是这些分散化的投资组合在价值和规模风险方面的暴露的程度相互之间并不相同，通过三因素模型，我们可以对价值和规模方面的附加风险加以估价。事实上，在单因素模型中贝塔值不等于1，是因为价值和规模等因素被排除在外，它们对投资组合构成的风险被视同附加市场风险，有人甚至认为波动的真正原因就是规模和价值方面的差异。
2．2因素定价模型
我们认为：随着市场研究人士对因素模型不断进行修正，因素模型系列同均值方差模型的内在联系越来越薄弱了。马柯威茨的均值方差模型对市场作出了过多的假设，距离市场现实有较大距离，使其在实用性方面受到很大影响。因素模型减少了部分假设，更多地考虑到市场的实际，因而在实用性方面已有很大提高。但由于缺乏新的理论支撑，因素模型系列始终局限在均值方差的形式下，即以收益率的均值作为刻画的对象。但直观地看，价格是投资者首先关注的，价格的变动才产生了收益。也就是说，价值因素也好、规模因素也好，当它经过投资者大脑的时候，投资者“算计”的是价格是否合适，并非收益率是否合适。所以，尽管收益率和方差构成了“绝配”，同因素构成“绝配”的却应该是价格。
根据“股价构成理论”，P=P1＋P2，其中P为股价、P1为投资价值、P2为投机价值。但在现实应用中，P1和P2的值难以确定。这里我们可借用因素模型的思想，分别将P1和P2用某一个或多个因素表示。这样股价P和比较抽象的P1、P2的关系就转化为股价P同比较具体的若干因素之间的关系，便于我们计算。
例如，我们假设P1受r1、r2┅rm等m个因素的影响；P2受k1、k2┅kn等n个因素的影响，则P受这m＋n个因素的影响。经过因素筛选，排除次要的、相关的因素，得到若干相互独立的重要因素：x1、x2┅xq。接下来我们就可以利用计量经济学方法，建立股价P同这q个重要因素关系的模型：P＝a0＋a1x1＋a2x2＋┅＋aqxq，这就是因素定价模型的一般形式。
我们认为：不同的市场有不同的特点，例如中国股市同美国股市在市场规模、上市公司信息披露质量、市场监管水平、投资者心理素质、投资理念等诸多方面存在差异；同一个市场在不同的阶段也有不同的特点，企图用一个具体模型描述所有市场的行为是徒劳的。不同的市场应该允许有不同的因素定价模型，模型中的因素可以通过实证方法来确定。根据P1的定义，投资价值P1受每股收益和预期收益增长率的影响，而预期收益增长率主要受行业属性、利润构成、产品市场占有率等因素的影响；根据P2的定义，投机价值P2主要受股票市场总体价格水平（即股指）、公司总股本、流通股本、股本结构和产品特殊性等因素的影响。针对具体的股票集合，我们运用计量经济方法考查股价P和这些因素的关系、确定影响因素并估计参数，就可建立这一股票集合的因素定价模型。
作为一个例子，下面以我国A股市场的医药板块作样本，建立医药行业股票的因素定价模型。之所以选取同一个行业的股票，是为了排除“行业属性”这一因素，以简化计算过程。 2.2.1数据来源及因素筛选
我们以2001年11月8日的数据为准。医药类上市公司共有61家，因数据不足和业绩亏损去掉15个，最后还剩样本为46个。为了弄清医药股的价格决定机制，除因变量“价格”指标外，我们第一步选取的自变量因素有“最近每股收益”（按上半年利润和11月8日的总股本推算的每股年收益）、“最近流通股本”、“最近总股本”
经过反复试验，我们发现流通股本和最近每股收益两个指标与价格拟合得最好，原来我们以为比较重要的增长率等指标被逐一排除了，这可能是由于A股市场很难找到持续增长的上市公司，以致于我国投资者不太重视成长性。以下是最终筛选的因素及相应的数据。
本文链接地址：http://www.oyaya.net/fanwen/view/141361.html
诸如此类的发现使单因素模型在实际运用中大受局限，于是单因素模型逐渐让位于三因素模型。三因素模型是由法玛和法兰奇共同提出的，和单因素模型有一个共同的因素，即市场因素。但是三因素模型还有另外两个因素，即规模因素和价值因素。这个模型允许我们除了测量投资组合对市场因素的敏感性外还可以测量对规模因素和价值因素的敏感性。如果考虑所有这些因素时，几乎所有分散化的股票组合的贝塔值都成为1，即它们暴露于市场的风险程度几乎相同。但是这些分散化的投资组合在价值和规模风险方面的暴露的程度相互之间并不相同，通过三因素模型，我们可以对价值和规模方面的附加风险加以估价。事实上，在单因素模型中贝塔值不等于1，是因为价值和规模等因素被排除在外，它们对投资组合构成的风险被视同附加市场风险，有人甚至认为波动的真正原因就是规模和价值方面的差异。
2．2因素定价模型
我们认为：随着市场研究人士对因素模型不断进行修正，因素模型系列同均值方差模型的内在联系越来越薄弱了。马柯威茨的均值方差模型对市场作出了过多的假设，距离市场现实有较大距离，使其在实用性方面受到很大影响。因素模型减少了部分假设，更多地考虑到市场的实际，因而在实用性方面已有很大提高。但由于缺乏新的理论支撑，因素模型系列始终局限在均值方差的形式下，即以收益率的均值作为刻画的对象。但直观地看，价格是投资者首先关注的，价格的变动才产生了收益。也就是说，价值因素也好、规模因素也好，当它经过投资者大脑的时候，投资者“算计”的是价格是否合适，并非收益率是否合适。所以，尽管收益率和方差构成了“绝配”，同因素构成“绝配”的却应该是价格。
根据“股价构成理论”，P=P1＋P2，其中P为股价、P1为投资价值、P2为投机价值。但在现实应用中，P1和P2的值难以确定。这里我们可借用因素模型的思想，分别将P1和P2用某一个或多个因素表示。这样股价P和比较抽象的P1、P2的关系就转化为股价P同比较具体的若干因素之间的关系，便于我们计算。
例如，我们假设P1受r1、r2┅rm等m个因素的影响；P2受k1、k2┅kn等n个因素的影响，则P受这m＋n个因素的影响。经过因素筛选，排除次要的、相关的因素，得到若干相互独立的重要因素：x1、x2┅xq。接下来我们就可以利用计量经济学方法，建立股价P同这q个重要因素关系的模型：P＝a0＋a1x1＋a2x2＋┅＋aqxq，这就是因素定价模型的一般形式。
我们认为：不同的市场有不同的特点，例如中国股市同美国股市在市场规模、上市公司信息披露质量、市场监管水平、投资者心理素质、投资理念等诸多方面存在差异；同一个市场在不同的阶段也有不同的特点，企图用一个具体模型描述所有市场的行为是徒劳的。不同的市场应该允许有不同的因素定价模型，模型中的因素可以通过实证方法来确定。根据P1的定义，投资价值P1受每股收益和预期收益增长率的影响，而预期收益增长率主要受行业属性、利润构成、产品市场占有率等因素的影响；根据P2的定义，投机价值P2主要受股票市场总体价格水平（即股指）、公司总股本、流通股本、股本结构和产品特殊性等因素的影响。针对具体的股票集合，我们运用计量经济方法考查股价P和这些因素的关系、确定影响因素并估计参数，就可建立这一股票集合的因素定价模型。
作为一个例子，下面以我国A股市场的医药板块作样本，建立医药行业股票的因素定价模型。之所以选取同一个行业的股票，是为了排除“行业属性”这一因素，以简化计算过程。 2.2.1数据来源及因素筛选
我们以2001年11月8日的数据为准。医药类上市公司共有61家，因数据不足和业绩亏损去掉15个，最后还剩样本为46个。为了弄清医药股的价格决定机制，除因变量“价格”指标外，我们第一步选取的自变量因素有“最近每股收益”（按上半年利润和11月8日的总股本推算的每股年收益）、“最近流通股本”、“最近总股本”
、“最近三年净利润平均增长率”、“主营业务利润占总利润的比例”等指标（由于是横截面数据，暂时还未考虑股指因素）。
经过反复试验，我们发现流通股本和最近每股收益两个指标与价格拟合得最好，原来我们以为比较重要的增长率等指标被逐一排除了，这可能是由于A股市场很难找到持续增长的上市公司，以致于我国投资者不太重视成长性。以下是最终筛选的因素及相应的数据。
《股价组成理论与因素定价模型(第2页)》
★读了本文的人也读了：