2011 年第 10 期
(总第 376 期)
A 股市场的风险与特征因子
潘莉徐建国
(北京大学国家发展研究院，北京 1∞871)
No. 10 , 20 1 1
General No. 376
摘 要:本文研究 A 股回报率的规律，探索构建适用于 A 股市场的因子模型，这一模型不
同于发达市场如美国股市的三因子模型。 在系统研究 A 股市场上贝塔系数、股票市值、市盈
率、市净率、杠杆率、流通股比率对回报率的影响后，我们发现股票市值、市盈率对回报率的影
响显著，杠杆率对回报率的影响前期较强，近期减弱，其余因素无显著影响。市场平均回报率、
股票市值和市盈率三个因子可以解释 A 股回报率变化的 90% 以上。 控制了这三个因子以后，
其他因素对 A 股回报率元显著影响。 在确立了 A 股市场的三因子模型后，我们进一步考察股
票市值和市盈率是风险因子还是特征因子。 证据表明，股票市值背后既有风险也有特征因素，
而市盈率对回报率的影响只与股票特征有关。
关键词 :A 股回报率;股票市值;因子模型;市盈率
JEL 分类号 :G1O ;G12;G14 文献标识码:A 文章编号: 1∞2 -7246(2011) 10 -0140 -15
一、引言
20 世纪 60 -70 年代， Sharpe ( 1964 )、 Lintner ( 1965 )、 Black ( 1972 )提出资产定价模型
(CAPM) .核心是投资的高回报必然伴随着高风险，贝塔风险系数应该能够完全解释股票
回报率的差异。 该模型提出之后，众多研究用美国市场的数据进行实证检验，发现贝塔风
险系数之外的一系列股票特征与回报率有关，与上述预言相悖。 Banz( 1981) 、 Bhandari
(1988) 、 Stattma叫 1980) 、 Basu( 1983) 分别发现股票市值、杠杆率、市净率、市盈率在控制
贝塔风险系数后对股票回报率有影响。 Fama 和 French ( 1992) 将上述所有的因素综合考
虑，发现股票市值、市净率与股市总体平均回报率一起，是影响美国股市回报率的最重要
因子，其余因素都可以被涵盖在这三个因子之内。 Fama 和 French ( 1993 )认为股票市值和
市净率对回报率的影响是由这两个因子背后所代表的系统风险导致。 其后，这三个因子
成为实证研究当中计算风险溢价的基准，且有大量研究尝试挖掘其背后的风险因子和作
收稿日期 :2011 -05 -29
作者简介:潘 莉，北京大学国家发展研究院博士生， Email: pollyl024@gmail. com.
徐建国，北京大学国家发展研究院副教授， Email :jgxu@.
140
2011 年第 10 期 A 股市场的风险与特征因子 141
用机制。另一方面的观点认为这两个因子对回报率的影响只是由这类股票的共同特征决
定，并不构成系统性的风险因子( Daniel 和 Titman ， 1997 )。
近年来我国股市规模日渐扩大，2010 年底 A 股市场总市值已经超过 万亿，位居
全球第二，在企业融资、公司治理和宏观经济中的作用越来越重要。因此，研究我国股市
回报率的规律，总结重要的影响因子，探究背后的原因，是必要的和有意义的。仔细分析
已有文献，我们发现现有文献主要存在三方面的不足。
首先，多数研究只考虑 Fama 和 French ( 1992) 发现的在美国股市起作用的两个因
子一股票市值和市净率。①然而，我国的经济制度、宏观环境、公司经营模式、股市发展阶
段等与美国市场相比有很大差异，美国市场的规律不一定能照搬到我国市场上。 因此，除
了在美国市场上发现的影响因素外，还应该考虑在美国市场上不起作用，或是被市值和市
净率替代了的其他因素，比如市盈率、杠杆率、流通股比率等。
其次，现存文献研究的时间段大都处在股票市场的早期，时间较短。②我国经济和技
资环境变化较快，股市处在迅速发展阶段，市场参与者对股市的认识变化很快，股市规律
也会有较快的变化。因而回报率的影响因素和影响方式也会发生变化，早期的研究结论并
不一定仍然成立，且时间段过短也会影响现象的稳定性。 考虑到股市早期的剧烈波动，本文
选择 1995 -2010 作为研究的时间段，且进一步研究子时间段中规律的稳定性和差异性。
最后，现有文献大都止步于找出影响因素而没有进一步讨论背后的原因，例外的是吴
世农和许年行(2004) ，该文认为股票市值和市净率对回报率的作用是由其背后的系统风
险引起，而非这类股票的特征导致。然而，该文并没有事先从实证上确定市净率对回报率
是否存在影响，也没有对其他潜在因素进行讨论，且研究时间段处于股票市场建立的早期
(1 995 -2∞2) 。本文在分析各种因素对回报率的影响后，确定影响中国股市的因子模
型，并分析这些因子是由风险导致或是特征引起，且把研究区间延伸到 2010 年。
综合上述考虑，本文系统研究 1995 -2010 年 A 股市场上个股的贝塔风险系数、股票
市值、市盈率、市净率、账面杠杆率、市场杠杆率、流通股比率对回报率的影响，确定影响 A
股市场的重要因素，并在此基础上提炼 A 股市场的因子模型，最后讨论各因子对回报率
影响的原因，主要发现如下:
第一，股票市值、市盈率和账面杠杆率对个股回报率具有显著影响。其中，股票市值
与回报率显著负相关;市盈率与回报率显著负相关，但在市盈率较高时出现微弱翘尾现
象;杠杆率与回报率显著正相关，但在近期作用减弱，且市场杠杆率作用被股票市值和市
盈率替代。 贝塔风险系数对回报率元影响。 这与以前对中国市场的研究发现一致(例
如，吴世农和许年行，2∞4;Wang 和 Xu ， 2∞4) 。 市净率与回报率只在 2002 -2005 出现略
①参见汪炜和周宇 (2002) ，朱宝宪和何治国 (20但) , Drew , Naughton 和 Veeraraghavann ( 2003 ) , Wang 和 Xu
(2004) ，黄娟等(2007) ,Gan , Hu , Li 和 Liu(2009) 。
② 苏冬蔚和麦元勋(2004)、石予友等(2∞8)分别研究 1999 -2003 、 1999 -2002 年间的股市回报率的影响因素，
最近的 Gan ， Hu ，Li和 Liu(2009)研究的时间段 1996 -2005 也只有 10 年时间 。
142 4、-'仔也 总第 376 期
微显著的负相关现象，这部分解释了 Wa吨和 Xu(2004 )在 1996 - 2002 时间段上没有发
现市净率的作用，而 Gan ， Hu ， Li 和 Liu(2009 )研究 1996 -2005 时间段时发现市净率与回
报率存在显著负相关关系。流通股比率只在 2002 -2005 年对回报率有显著负影响，在控
制其他因素后影响减弱。
第二，影响 A 股市场的系统性因子为市场平均回报率、股票市值和市盈率。我们按
照 Fama 和 French( 1993) 的方法构造了四个因子:市场平均回报率、股票市值、市盈率和
账面杠杆率，将这四个因子用于回报率的解释。结果显示，市场因子对回报率的解释力很
强，股票市值因子和市盈率因子也显著增加对回报率的解释力，在此基础上账面杠杆率因
子的解释力增加有限。最后我们确定影响中国 A 股市场的三因子为市场、股票市值和市
盈率，三个因子可以解释中国 A 股回报率变动的 939毛以上。控制了这三个因子后，截距
项不显著，说明其余因素不再显著影响回报率。与美国市场相比，我国市场上市盈率替代
了市净率。
第三，股票市值对回报率的影响由其伴随的系统风险导致，同时也受到股票特征的影
响。 1997 - 2010 股票市值与回报率显著负相关，这与以往多数文献的发现一致。吴世农
和许年行(2004)在分析原因时认为是由市值背后的风险导致，本文认为风险不能完全解
释市值的影响。在控制了股票特征后，对股票市值因子的承载越大，股票的回报率越高，
说明股票市值至少部分反映了系统性的风险。同时，控制对市值因子的承载后，股票大小
这一特征依然影响回报率，说明股票市值对回报率的影响不完全由系统风险导致，还包含
特征影响的因素。
第四，市盈率对回报率的影响由这类股票的特征引起，不构成系统性的风险因子。市
盈率是衡量一只股票表现的重要指标，但在实证分析中并未引起足够的重视。我们发现
在控制了股票的特征以后，对市盈率因子的承载对回报率没有影响，因此市盈率对回报率
的作用支持特征理论而不是风险理论。高市盈率的股票伴随着低回报率，是由于这类股
票得到投资者的过度青睐，价格已经很高，因此未来的回报率反而不高。
本文的主要贡献有三方面。首先，系统地研究了 A 股个股回报率的规律，发现了股
票市值、市盈率和杠杆率三个重要影响因素。其次，综合分析几个因素的共同作用，提出
了中国股市的、不同于美国市场的三因子模型。这→模型为未来研究中国股市的回报率，
特别是风险分析，打下了基础。最后，进一步分析了不同因子对回报率影响的背后原因。
股票市值的影响既有系统风险的因素，也有股票特征的因素，而市盈率的影响主要由股票
共同特征引起，并不代表系统性的风险因素。
二、数据.和初步分析
(一)数据
本文数据来自 CSMAR。个股的月回报率(经过分红分拆调整)、流通市值、总市值数
据来自 CSMAR 的股票市场交易数据库，总资产、净资产、净收入数据来自 CSMAR 的上市
Wl1年第 10 期 A 股市场的凤险与特征因子 143
公司财务报表数据库。 我们去除了每只股票上市之后前 6 个月的数据，以去除新上市股
票价格异常行为对结果的影响。股票市场建立初期的股票数量少，波动大，规律不稳定，
因此我们将研究的时间区间选为 1995. 1 - 2010. 12 。
在 1995. 1 - 2010. 12 期间每 6 个月(1 -6 月，7 -12 月)为一期，每期每只股票有两类
数据:回报率和潜在影响因素。 回报率( Ret) 即股票在 t 期内的 6 个月回报率，我们要求
一支股票在 6 个月内的回报率数据至少有 4 个。潜在影响因素有 7 个，分别为贝塔风险
系数( Beta) 、股票市值(SÌze) 、市盈率(PE) 、市净率(MB) 、账面杠杆率( LB) 、市场杠杆率
(LM) 、流通股比率(Float) ，在 t 期的 6 个月内这些变量保持不变。
其中，J]:!塔风险系数( Beta) 用 t 期前 36 个月的回报率估计得到，要求至少有 24 个月
的回报率数据，否则记为缺失 。 股票市值(sÌze) 为 t -1 期的期末总市值;市盈率( PE) 为 t
-1 期的平均月总市值与 t -1 期净收入(E ，利用年报净收入减去半年报净收入得到下半
年净收入，然后将半年净收人乘以 2 年化得到)的比率;市净率(MB) 为 t - 1 期的平均月
总市值与 t - 1 期期末净资产(BE) 的比率;账面杠杆率(LB) 为 t -1 期期末总资产与 t - 1
期期末净资产的比率;市场杠杆率(LM) 为 t-l 期期末总资产与 t - 1 期平均月总市值的
比率;流通股比率( Float) 为 t - 1 期平均月流通市值与 t - 1 期平均月总市值的比率。如
果 t -1 期期末财务报表中某只股票数据缺失，则在 t 期中将该股票信息删除，另外剔除每
期中 BE仨0 或 E仨0 的观测。 由于在 t 期估计影响因子 Beta 需要用到过去至少 24 个月
的数据，所以实际的研究样本为 ，共 168 个月 。
文中的市场回报率是等值加权平均回报率，无风险利率为月度活期存款利率。 需要
特别指出的是，这 7 个潜在影响因素都是上期的数据，因此我们分析的是这些因素对股票
回报率的预测作用。
(二)分组分析:单变量
1997. 1 - 2010. 12 每个月，按照该月影响因素，包括贝塔风险系数( Beta) 、股票市值
(Size) 、市盈率(PE) 、市净率( MB) 、账面杠杆率 (L町、市场杠杆率 (LM) 、流通股比率
(Float) ，从小到大等量分为 10 组，每组股票构成一个投资组合，计算各个组合的等值加
权平均回报率，得到各个组合 1997. 1 - 2010. 12 的月回报率时间序列，最后计算每个组合
的平均月回报率(% )及最大组和最小组的平均回报率差值(%) ，括号中为 t 值，见表 1 。
表 1 单变量分组得到的投资组合的平均月回报率(%)
2 3 4 5 6 7 8 9 大 大小差
Beta 1. 78 1. 81 2. 20 2. 27 2. 19 1. 93 1. 87 1. 87 1. 84 1. 96 o. 17 (0. 46)
Size 3. 17 2. 31 2. 14 1. 91 1. 74 1. 69 1. 50 1. 38 1. 24 -1. 93 (3. 54 )
PE 3. 22 2. 63 1. 99 1. 96 1. 55 1. 66 1. 52 1. 45 1. 58 - 1. 63 (3. 91 )
MB 2. 05 2. 19 2. 11 2. 06 1. 76 1. 73 1. 41 (1. 81)
LB 1. 82 1. 97 1. 83 1. 91 1. 94 1. 92 1. 95 2. 15 (1. 90)
LM 1. 49 1. 69 1. 78 2. 00 2. 15 1. 91 2. 07 (2. 41)
Float 1. 84 1. 84 1. 97 2. 16 1. 85 1. 90 2. 16 0. 24 (0. 71)
144 4、 htlf 也 总第 376 期
从表 1 看出，股票市值、市盈率、市净率、账面杠杆率、市场杠杆率对回报率的影响较
强，贝塔风险系数、流通股比率对回报率的影响较弱①。
贝塔风险系数( Beta) 对回报率无影响。从 Beta 最低到最高组，月回报率上升了
% ， t 值只有 ，在统计上不显著，子样本分析表明在各个子区间上贝塔风险系数
对股票回报率的影响都不显著，这与资产定价模型(CAPM) 的核心预测，即"风险越大，回
报率越大"不一致，但是与成熟股票市场如美国的发现是一致的(Fama 和 French , 1992 ) 。
股票市值与回报率显著负相关，大股票比小股票月回报率低了1. 93% ， t 值为 ，
在统计上高度显著。 这一规律与美国市场是一致的 (Banz ， 1981 j Fama 和 French ， 1992) ,
与以前中国股市上的发现也一致(Wang 和 Xu ,2004; Gan , Hu , Li 和Liu ， 2009) 。进一步的
子样本分析表明这一规律在我国市场上很稳定，其中 1997 -2001 大股票比小股票的月回
报率低了 3. 839毛， 2002 - 2005 高了 毛， 2006 - 2010 低了 毛， t 值分别为 、
1. 15 ~2. 29 0 2002 - 2005 年间大小股票回报率差异反了过来，但是并不显著。
市盈率与回报率呈显著且稳定的负相关关系，但在市盈率很高时出现微弱的翘尾现
象。 1997 - 2010 ，市盈率从最低组到最高组，回报率下降了1. 63% ， t 值高达 ，高度显
著。 需要注意的是，回报率并不是随着市盈率上升而单调下降，而是存在一个翘尾的现
象。 从最低组到第 9 组，回报率从 % 下降到1. 459毛;从第 9 组到最高组，回报率从
1. 45% 反弹到1. 589岛，如果分组个数增加，翘尾现象更明显。 上述规律，包括翘尾现象，
在各子样本中均稳定出现。
市净率对回报率影响不显著。 1997 - 2010 年，市净率从最低组到最高组回报率下降
了。.649毛，但是从最低组到第 7 组，回报率几乎未变，第 7 组到最高组回报率下降了
。.659岛， &11 回报率的下降主要发生在市净率较高的三个组中。 市净率在美国和日本市场
上均对回报率有很强的预测力( Rosenberg , Reid 和 Lanstein ， 1985 j Chan , Hamao 和Lakon
ishok , 1991) ，但在我国股市上则不然。 Wang 和 Xu(2004 )在 1996 - 2002 时间段上没有
发现两者显著的相关性 jGan ， Hu ， Li 和Liu(2009) 研究 1996 - 2005 时间段时发现市净率
与回报率存在显著负相关关系。子样本分析帮助我们找到了上面两个文献不一致的原
因 。 在 1997 -2001 年期间，回报率从最低组到第 7 组上升了 % ，从第 7 组到最高组
下降了 % ，整体上不呈现相关性。在 2002 -2005 年期间，回报率从最低组到最高组
稳定地下降了1. 15% 0 于是当时间区间选为 1997 - 2005 年时，2002 - 2005 年间的样本
使得 Gan ， Hu ， Li 和 Liu(2009)得到了市净率与回报率之间的负相关关系。然而，在最近
的 2006 -2010 年，回报率在高低市净率组之间只相差了 ，且不显著， t 值只有1. 29 。
杠杆率与回报率有正相关关系，其中市场杠杆率的作用比账面杠杆率要强一些。
1997 - 2010 年，回报率在最低最高账面杠杆率组之间上升了 % ，在最低最高市场杠
杆率之间上升了 O. 789毛，前者的 t 值为1. 9 ，后者的 t 值达到了 。 子样本分析显示杠杆
率对回报率的作用在近期减弱，高低杠杆率组合的回报导豆差近年来不显著。杠杆率指标
① 限于篇幅，子样本结果以及文中提到的一些其他具体分析结果未报告，有兴趣读者请来信索要。
2011 年第 10 期 A 股市场的风险与特征因子 145
与股票回报率的相关性在研究中国股票市场的文献中较少被采用，部分是因为投资者对
公司的会计信息信任度较低。在美国市场上杠杆率与回报率有显著正相关作用( Bhan-
dari , 1988) ，显示高杠杆的企业风险更高。 Fama 和 French ( 1922 )认为杠杆率对回报率的
影响可以用市净率的作用来替代。
流通股比率对回报率在总体上没有显著的影响，只在 2002 -2005 年间呈现出显著的
负面影响。 2002 -2005 年，流通股比率从最低组到最高组，回报率下降了 毛，差异的
t 值为 。 一个可能的解释是流通股比率高的股票在面临可能的改革时风险低，因而
回报率低。 2002 -2005 年，人们预期"非流通股解禁"改革即将发生，所以流通股比率低
的股票面临更大的"股权稀释"风险，因而回报率较高。
(三)分组分析:双变量
我们需要考察的一个问题是在控制了市值和市盈率变量以后，其他变量是否依然对
回报率有显著影响。为了回答这个问题，我们采用双变量分组，即每个月把股票按照该月
市值(Size)从小到大等量分 5 组，同时按照该月 Beta( 或陀、MB ，LB 、 LM 、 Float) 从小到大
等量分 5 组，构成 25 个投资组合，计算组合的月等值加权平均回报率，得到各个组合
1997. 1 的月回报率时间序列，然后计算组合的平均月回报率，以及最高最低两
组的差值。 表 2 报告了对股票市值和市盈率进行上述分组的结果，括号中为 t 值。
表 2 按照市值和其他备影响因素交叉分组得到的投资组合平均月回报率( % )
市盈率分组
d总 低 2 3 4 高 高低差
，总 1. 76 1. 59 1. 52 -1. 41 ()
2. 83 3. ∞ 2. 78 2. 44 - 1. 76 (4. 24 )
市值分组 2 2. 15 1. 89 1. 52 - 1. 92 () 3 1. 82 3. 25 1. 95 1. 74 1. 17 1. 17 -2. 08 ()
4 1. 59 1. 81 1. 20 1. 09 O. 76 - 1. 88 (4. 04 )
大 1. 31 1. 29 O. 86 -1. 71 ()
大小差 -1. 60 -1. 54 ( ) ( ) (3. 53 ) (4. 18) ( ) ()
从表 2 可以看出，在控制了股票市值以后，市盈率对回报率依然有显著的负影响。 其
余分组的结果中，杠杆率的影响虽然依然存在，但并不总是显著;市净率只在次小的股票
中有影响;贝塔风险系数和流通股比率对回报率元显著影响。 另外，在控制其他变量以
后，股票市值的作用依然显著，进一步佐证了市值的重要影响。 值得注意的是，在市值与
市盈率的分组结果中，回报率的差异强于一维分组。在单独对市值(或市盈率)分 5 组
时，回报率在高低组之间的差异为-1. 60( 或-1. 41)，而控制了市盈率(市值)后对市值
(市盈率)分 5 组，回报率在高低组之间的平均差异为- 2. 01 ( - 1. 87) 。说明股票市值和
146 4、 h 1lf也 总第 376 期
市盈率对回报率的作用不但不相互抵消，还有相互增强的可能性。 这个变化由市盈率与
股票市值的负相关性导致。①股票市值上升，市盈率会下降，前者导致回报率下降，后者导
致回报率上升，两者会产生中和作用，所以单个变量对回报率的影响比不上控制完另外一
个变量后的影响大。由此，我们初步认为股票市值和市盈率是影响我国股市的重要因素。
三、影响因素的回归分析
(一)实证方法
本节用 Fama 和 MacBeth ( 1973 )的回归方法对第二部分观察到的现象进行进一步检
验，这一方法在文献中运用广泛。 具体地， 1997. 1 到 2010. 12 的每个月，将所有股票的月
回报率对 7 个影响因素中的一个或几个做回归，得到长度为 168 个月的时间序列，用该序
列的均值和 t 值来度量影响因子和回报率的相关性。回归之前，我们对影响因子数据作
下述处理以减小极值点对回归结果的影响。做了极值处理以后，股票市值(Size) 、市盈率
(PE) 、市净率(MB) 、账面杠杆率( LB) 、市场杠杆率(LM) 的分布都存在明显的右偏，因此
我们对这些变量进一步进行对数化调整。
(二)实证结果
表 3 报告按 Fama 和 MacBeth ( 1973 )方法回归的结果，我们采取逐步增加变量的方
法。 首先我们来看单变量回归，结果显示股票市值、市盈率、账面杠杆率和市场杠杆率对
回报率都有显著影响，而贝塔风险系数、市净率、流通股比率的影响都不显著。其中，市盈
率在加入了处理前文观察到的在市盈率较高时出现的回报率翘尾现象的虚拟变量 D 以
后依然显著。 具体而言，每月将股票按照市盈率从小到大等量分 10 组，如果股票被分在
第 10 组，则 D = 1 ，否则 D =O O~此外，市场杠杆率的影响比账面杠杆率要强。 子样本分析
表明，股票市值和市盈率对回报率的影响十分稳定，账面和市场杠杆率对回报率作用在近
期变弱，贝塔风险系数对回报率始终无影响，市净率和流通股比率在 2002-2005 年间对
回报率产生显著负影响，这些发现与上文中的排序分析的结果是一致的。
接下来我们来看控制了贝塔系数和股票市值之后，还有哪些变量显著影响回报率
(回归 8 -12) 。虽然贝塔系数不显著，但是鉴于 CAPM 模型的广泛影响，我们依然控制贝
塔系数(事实上，控制贝塔与否不影响其他变量的回归结果) 。 结果显示，市盈率、市场杠
杆率、账面杠杆率仍显著，而贝塔系数、市净率、流通股比率仍不显著。
市盈率加人后，与单独回归相比，股票市值的系数由 变成 ，市盈率的系
数由 变成 ，翘尾幅度由1. 22 变成1. 40 ，说明市值和市盈率对回报率的影响
彼此加强，与上文中双变量排序的结果一致。 市净率加人后，市值的系数与单独回归时相
比几乎没变化，但市净率的系数由 变为 ，作用显著减弱。说明原来所观察
① 1997 -2010 ，市值规模与市盈率的相关系数分别为 0
② 我们也对市净率进行了类似的虚拟变量分析，但作用不显著。
2011 年第 10 期 A 股市场的凤险与特征因子 147
到的市净率对回报率的影响部分是由市净率与股票市值的关系引起，所以在控制股票市
值后，影响进一步减小了。此外，股票市值和市盈率两个重要影响因素，可以分别独自解
释股票回报率变化的 % 和 % ，和贝塔系数一起可以解释回报率变化的 % 。 如
果再加人账面和市场杠杆率(回归 13 和 14) ，解释率可以上升到 % 和 % ，但市场
杠杆率的系数在控制了市值和市盈率后不再显著。
表 3 回报率对股票特征的 Fama - Macbeth 回归
Beta Ln( Size) Ln( PE) D1 Ln( MB) Ln( LB) Ln( LM) Float R2 (% )
1. 92 (0. ω)
2 ()
3
1. 22
(4. 67) ( )
4 1. 41 ( 1. 93 )
5 0. 28 0. 40 (2. 13)
6 1. 17 ()
7 ( )
8 1. 40 ( ) ( ) () ( ) 7. 18
9 ( ) ( ) ( 1. 13) 6. 53
10 0. 34 (0. 18) ( ) ( ) 5. 73
11
(0. 16) () ( )
12
( ) ( ) ( )
13 1. 42 ( ) () () ( 6. 倒) ( ) ()
14 -0. 87 1. 42 (0. 95) () (7. 13) () ( ) ( 1. 05) 8. 67
15 -0. 88 1. 45 ( ) () (7. 13) ( ) () ( ) (1. 10) 9. 17
可以看出，重要的因素除贝塔风险系数外还有股票市值、市盈率以及两个杠杆率。 其
中市值、市盈率都很稳定，控制这二者后市场杠杆率不显著，账面杠杆率相对较为重要。
148 4、.，.，何也 总第 376 期
在进行子样本分析时，账面杠杆率对回报率的影响只在前期显著，近期变弱。具体地，控
制贝塔风险系数、股票市值、市盈率、市净率、流通股比率后(控制市净率和流通股比率与
否对回归结果影响甚微) ，账面杠杆率的系数在 1997 - 2003 为 (t 值为 ) ，在
2004 -2010 只有 O. 19 (t 值为1. 11) ，系数减小一半，说明账面杠杆率的作用不稳定。下
文中将用 Fama 和 French ( 1993 )的方法进行时间序列分析，从股票市值、市盈率、账面杠
杆率这些候选因素中，结合市场平均回报率筛选构建影响 A 股回报率的因子模型。
四、A 股市场的因子模型
横截面分析显示对 A 股回报率有显著影响的因素为股票市值、市盈率和账面杠杆
率。 下面将按照 Fama 和 French ( 1993 )的方法构造与股票市值、市盈率、账面杠杆率对应
的 5MB 、LMH 、 LEV 因子，构造投资组合对上述因子以及市场平均回报率的时间序列进行
回归分析，从而构建影响 A 股市场的因子模型。我们的结论是市场平均回报率、股票市
值、市盈率是影响中国 A 股市场的因子。
中每个月，将所有股票分别按照股票市值( 5ize) 、市盈率( PE) 、账
面杠杆率( LB)从小到大等量分 3 组，这三个分类是独立进行的。 根据这三个分类，所有
股票被分为 27 个投资组合，每个月计算组合的等值加权平均回报率，即构造了 27 个时间
序列，这 27 个序列减去活期存款利率后作为回归分析的被解释变量。
解释变量分别为市场、股票市值、市盈率、账面杠杆率对应的因子 MKT 、 5MB 、 LMH 、
LEV 。 其巾 MKT 为等值加权平均回报率减去活期存款利率的时间序列。 5MB 、LMH 、LEV
仿照 Fama 和 French ( 1993 )的方法构造，是控制其他两个维度以后，大小股票、高低市盈
率、高低杠杆率组合间回报率的差异。 依次将 MKT 、 5MB 、 LMH 、 LEV 加入对 27 个组合回
报率的回归方程中，结果的统计分析见表 4 第一部分 4 -1。 四个因子按照对回报率解释
的贡献排序为市场(MKT) 、市值(5MB) 、市盈率(LMH) 、账面杠杆率 (LEV) ，且在控制了
市场、市值和市盈率三个因子后，截距项不显著。具体来看，单个市场因子对回报率回归
的系数显著，R2 平均为 % ，截距项显著的个数为 15 0 在市场因子基础上分别加入市
值、市盈率、账面杠杆率因子，市场因子的系数依然全部显著，市值、市盈率、账面杠杆率因
子系数显著个数分别为 19 、 18 、 15 ，截距项显著的个数分别为 15 、 14 、 17 ， R2 平均上升
% 、1. 2% 、% 。在市场和市值基础上分别加入市盈率和账面杠杆率因子， R2 平均
上升 1. 1% 、% ，市盈率因子显著系数个数为凹，账面杠杆率显著系数个数为 18 0 值得
注意的是在加入市盈率因子后截距项显著个数降到 5 ，而加入账面杠杆率后截距项依然
有超过一半是显著的，说明在控制了市场、市值和市盈率三个因子后，其他因素不再影响
回报率。 最后在市场、市值、市盈率基础上加入账面杠杆率因子，截距依然不显著， R2 平
均上升 % ，上升幅度很小，不足 1 个百分点。
上述回归的因变量时间序列是按照股票市值、市盈率和杠杆率分组构建的投资组合，
而股票市值、市盈率和杠杆率又用来构建自变量，一个潜在的疑虑是自变量和因变量二者
2011 年第 10 期 A 股市场的凤险与特征因子 149
之间有植人的关系。回答这个问题有两个办法，一是找其他变量替代这三个变量进行同
样的回归，如果没有发现表 4 - 1 中的关系(即因子可以显著解释因变量时间序列的变很
高) ，就可说明表中规律并不是植人的。实际上，杠杆率的效果很差，已经帮助说明了这
一点。其次是使用其他方法构建投资组合的回报率作为回归的因变量进行进一步验证。
为此，我们将所有个股按照行业重新分成 49 个投资组合，并依次将 MKT、 5MB ， LMH 、 LEV
加入这 49 个组合回报率的回归方程中，结果的统计分析见表 4 第二部分 4 - 110 四个因
子中对回报率解释的贡献率排序依然是市场、股票市值、市盈率、账面杠杆率，与 4 -1 相
同。因子对行业组合的解释力比上述 27 个组合要略小，但依然显著，且解释率依然很高，
超过 80% ，比 4 斗中下降了约 10 个百分点。值得注意的是，如果我们比较 4 - 1 与 4-11
的第一行，解释率也是相差了大约 10 个百分点，也就是说这一差别主要是因为行业组合
回报率的分散率更大导致，而不是加入的股票市值、市盈率等因子的额外解释力下降。表
4-11 中截距项大多不再显著，佐证因子模型可以很好解释行业组合的回报率。
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
截距
表 4 Fam啤和 French ( 1993 )四因子分析结果统计
#of
MKT 5MB LMH LEV
R2 (%)
均值 标准差
4 -1:按照股票市值、市盈率、账面杠杆率独立交叉分组构成的 27 个投资组合
15 27
15 27 19 92. 16
14 27 18 90. 70 3. 23
17 27 15 90. 11
5 27 18 19
17 27 18 18
6 27 18 21 18 93. 70
4 - II:按照行业分类构成的 49 个投资组合
49 79. 35 9. 82
7 49 22 9. 15
7 49 19
2 49 14 79. 80 9. 73
7 49 22 16 81. 00
7 49 23 10 80. 79 9. 13
7 49 23 4 6 81. 28 8. 87
根据上述分析以及横截面回归中账面杠杆率作用不稳定的证据，A 股市场的影响因
子为市场平均回报率、股票市值和市盈率。下面我们讨论三因子时间序列回归的具体结
150 4、.，.，仔也 总第 376 期
果，其中回归的各解释变量因子同表 4，被解释变量构造如下。 1997. 1 - 2010. 12 每月，将
所有股票分别按照股票市值、市盈率从小到大等量分 5 组，根据这两个分类，所有股票被
分为 25 个投资组合，每个月计算组合的等值平均加权回报率，即构造了 25 个时间序列，
这 25 个序列减去活期存款利率的时间序列将被用来作为回归分析的被解释变量。
单独对市场平均回报率回归，R2 最低 % ，最高为 % ，平均 % ，美国股市
上市场对回报率的解释力界于 60% - 90% ，平均 % (Fama 和 French ， 1993 )。
Morck , Yeung 和 Yu(2000) 发现与发达国家相比，股票价格在发展中国家更倾向于一致地
变化，即与市场总体变化更相关。市场对我国个股的解释比例高于美国股市也验证了这
一点。在市场因素基础上分别加入市值、市盈率因子-SMB 、 LMH ，系数大多显著， R2 平
均提高 % 、1. 7% ，且消除了市场单独作用时截距随市值、市盈率单调变化的趋势。①三
个因子共同作用时解释力达到 949毛，截距项不再显著，也不再与市值、市盈率存在单调性
的关系，说明在控制了市场、股票市值和市盈率三个因子后，其他因素不再影响回报率。
五、A 股市场三因子对回报率影响的原因分析
现有对因子解释的理论主要分两大类，一类是以 Fama 和 French ( 1993 )为代表的风
险理论，认为影响因子对回报率的作用主要是由其蕴含的系统风险导致;另一类是以
Daniel 和 Titman ( 1997 )为代表的股票特征理论，认为影响因子决定公司的特征，影响投资
者的偏好，决定股票的收益。由 Fama 和 French ( 1993 )的理论，根据股票市值、市净率构
造的因子 5MB 、LMH 代表了企业基本面的风险如破产风险。当 5MB 、LMH 前的系数显著
时，证明风险在背后起作用。 Daniel 和 Titman ( 1997 )认为，即使系数显著，也不能证明风
险起作用，他们认为如果风险起作用，那么回报率就应该在控制影响因素之后，与影响因
素的承载成正相关，如果不然，那么就只是与股票的特征相关，而与风险无关。
下文将股票按照两个特征一一股票市值和市盈率分组，再在组内分别按照这两个因
子的承载分组，讨论确定了股票特征后，因子承载对回报率是否依然有影响。 1997. 1 -
，每 6 个月一期，每只股票过去 24 个月的回报率对三要素 MKT 、 5MB 、 LMH 回归
得到对各个要素的承载(三要素的构造同表的，分别记为 Beta 、 s 、h。然后每个月将所有股
票分别按股票市值、市盈率从小到大等量分 3 组，所有股票被分为 9 个投资组合后，每组内
部再按照 s(或 h)分为 5 组，构成 45 个投资组合，每月计算组合的等值平均加权回报率，最
后计算每个投资组合月平均回报率以及最高最低两组的差值，括号内为 t 值，见表 50
纵观表 5 ，控制股票特征以后，市值承载(s) 与回报率呈明显正相关关系，而市盈率承
载( h) 与回报率呈现微弱负相关关系。根据 Daniel 和 Titman ( 1997 )的理论，在控制特征
后，如果回报率与因子承载呈正相关，那么该因子对回报率的影响与背后的风险有关。 9
① 只加入市场因子回归时，固定股票市值，市盈率从最低到最高组，截距项回报率下降;固定市盈率，股票市值
从小到大，截距项回报率下降。
2011 年第 10 期 A 股市场的凤险与特征因子 151
个投资组合内部，随着市值承载(s) 增加，最大组和最小组的回报率差值均为正，且平均
增加了 % ，说明股票市值影响回报率的原因可能是由系统风险导致。相比较而言，
随着市盈率承载( h)增加，回报率趋于下降，平均下降了 % ，大多差值不显著，变化不
单调，说明市盈率影响回报率的原因更多是由特征引起，背后的风险因素不显著。
表 5 股票市值、市盈率及其因子承载对回报率的交叉影响
市值承载 s
市值 市盈率
2 3 4 大 大小差
3. 70 3. 21 3. 45 0. 43 (1. 08)
2 2. 86 ()
3 1. 73 (2. 03)
2 2. 77 2. 88 (1. 72)
2 2 1. 36 1. 65 1. 64 1. 90 1. 92 (1. 64)
2 3 1. 20 1. 06 1. 07 1. 21 1. 44 ()
3 1. 43 1. 49 (1. 48)
3 2 0. 69 1. 19 1. 30 1. 34 (1. 68)
3 3 0. 61 1. 03 0. 56 0. 26 ()
市盈率承载 h
市值 市盈率
2 3 4 大 大小差
3. 74 3. 02 ()
2 2. 71 2. 13 (0. 31)
3 1. 90 - O. 27 (0. 88 )
2 2. 73 ()
2 2 1. 66 1. 83 1. 64 1. 75 1. 55 - O. 11 (0. 33 )
2 3 1. 25 1. 46 1. 29 1. 16 (1. 41)
3 1. 46 1. 83 1. 76 1. 97 (1. 29)
3 2 1. 38 1. 06 O. 75 1. 35 一 (1. 29)
3 3 1. 09 ()
表 6 将三个因子的承载加入 Fama 和 MacBeth ( 1973 )的回归方程中，正式检验因子承
载与回报率的相关性。首先看各个因子承载对回报率的单独影响(回归(1) -(3)) ，贝
塔风险系数和市盈率因子承载的影响都不显著，而市值因子承载对回报率有显著的正向
影响。由于对各个因子的承载和股票特征本身存在很强的相关性，①所以回归 (5) 和 (6)
在控制了股票特征后看因子承载对回报率的影响。市值因子的承载系数从 减小到
，减小了一半，但是依然高度显著( t 值为 ) ，而市盈率因子的承载对回报率仍没
① 5MB 与Log( 5ize) 、Log(PE) 的相关系数分别为 、 ， LMH 与Log( Size) 、Log( PE) 的相关系数分别为
、 。
152 4、"销也 总第 376 期
有影响，说明市值因子背后隐含系统风险，而市盈率因子没有。最后将所有特征因子及和
因子承载一起回归(回归 (7)) ，发现在控制了市值因子和市盈率因子的承载之后，市值和
市盈率对回报率的影响仍显著，说明市值和市盈率对回报率的影响支持特征理论。综上，
市值因子对回报率的影响同时兼有风险和特征的因素，而市盈率对回报率的作用主要是
由股票特征引起。
表 6 回报率对因子和因子承载的 Fama - MacBeth 回归
截E巨 Beta h Ln( Size) Ln(PE) R2 (% )
1. 92
1. 18 () ()
2 1. 91 1. 60 (2. 39) ( )
1. 91
1. 57 3 ( ) (1. 21)
4 () (4. 18) ( )
4. 51 5 ( ) ( ) () ( )
5. 89 6 () (1. 31) (4. 13) ( )
4. 18 一 7 () (1. 21) () (1. 27) () (7. 13)
六、小结
本文系统研究 A 股回报率的规律，构建了适用于 A 股市场的因子模型，这一因子模
型包含市场平均回报率、市值、市盈率三个因子，不同于美国市场的因子模型。然后我们
探索市值、市盈率因子背后的风险与特征因素，发现股票市值背后既有风险也有特征因
素，而市盈率对回报率的影响由股票特征导致，与风险无关。本文研究为未来研究 A 股
的回报率，特别是风险分析，打下基础;本文研究也为未来进一步的研究工作提供了一些
可能的方向 O 首先，股票市值作为一个回报率的重要因子，具有风险与特征的双重特性，
未来的研究可以进一步挖掘背后的风险机理，探索到底是什么因素导致股票市值代表一
种不可以分散的系统风险，说明作用的机制，并提供可能的实证检验。其次，股票市值对
回报率的影响也有非风险的因素，而市盈率对回报率的影响虽然显著，但是背后并没有风
险的因素，完全是特征的因素。这两个特征的具体影响回报率的机制值得研究。一个可
能性是市场投机的因素导致高市盈率股票价格过高，过高估价导致未来的低回报率，但是
这一假想需要进一4步的研究发掘证据来支持。
2011 年第 10 期 A 股市场的风险与特征因子 153
参考文献
[1 J 黄娟、黄益建、王擎，2∞7 ，(规模效应和价值效应的再检验>>，(经济与管理研究》第 10 期 83 -88 页。
[2J 石予友、仲伟周、马骏、陈燕，2008 ，(股票的权益比、账面市值比及其公司规模与股票投资风险>>，(金融研究》第 6
期 122 -129 页。
[3J 苏冬蔚、麦元勋，2004 ，(流通性与资产定价:基于我国股市资产换手率与预期收益的实证研究>>，(经济研究》第 2
期 95 -105 页。
[4J 汪炜、周字，2002 ，(中国股市规模效应和时间效应的实证分析>>，(经济研究》第 10 期 16 -94 页。
[5J 吴世农、许年行，2004 ， (资产的理性定价模型和非理性定价模型的比较研究一一基于中国股市的实证分析>>，(经
济研究》第 6 期 105 -116 页。
[6J 于增彪、梁文涛，2004 ，(股票发行定价体制与新上市 A 股初始投资收益>>，(金融研究》第 8 期 51 -58 页。
[7J 朱宝宪、何治国，2∞2 ，(。值和账面市值比与股票收益关系的实证研究>>，{金融研究》第 4 期 71 -79 页。
[8 J Banz , Rolf W. , 1981 , "ηle Relation between Retum and Market Value of Common Stocks" , loumal of Financial Eco-
nomics Vol. 9 , -18.
[9JB酬， Sanjoy , 1983 ，叮he Relationship between Eamings Yield , Market Value and Retum for NYSE Common Stocks:
Further Evidence" , loumal of Financial Economics Vol. 12 , pp. 129 -156.
[10 J Bhandari , Laxmi Chand , 1988 , "Debt/Equity Ratio and Expected Common Stock Retums: Empirical Evidence" , lour-
nal of Finance Vol. 43 , pp. 507 - 528.
[ 11 J Black , Fischer , 1972 , "Capital Market Equilibrium with restricted borrowing" , loumal of Business Vol. 45 , pp. 444 -
455.
[12JChan Kalok , lunbo Wang , and K. C. John Wei , 2∞4 ， "Underpricing and Long - Term Performance of IPOs in China" ,
Joumal of Corporate Finance Vol. 10 , pp. 409 - 430
[ 13 J Chan , Louis K. , Yasushi Hamao and losef Lakonishok , 1991 , "Fundamentals and stock retums in Japan" , Joumal of
FinanceVol. 46 , -1789.
[14 J Cheung Y阻 -leu吨， Zhiwei Ouyang , and Weiqiang Tan , 2009 , "How Regulatory Changes AfIect IPO Underprici吨 m
China" , China Economic Review Vol. 20 , pp. 692 - 702.
[15 J Daniel , Kent and Sheridan Titman , 1997 , "Evidence on the Characteristics of Cross Sectional Va口at
t阳un口m咀18" , Jou山1且mτ咀la叫l of Finance Vol. 52 , pp. 1 - 33.
[ 16 J Drew , Michael 丑， Tony Naughton and Madhu Veeraraghavann , 2003 , "Firm Size , Book - to - Market Equity and Secu-
rity Retums: Evidence from the Shanghai Stock Exchange" Australian loumal of Management VoL 28 , pp. 119 -140.
[17 J Fama , Eugene 丑， and Kenneth R. French , 1992 , "ηle Cross - Section of Expected Stock Retums" , Joumal of Fi-
nance Vol. 47 , pp. 427 -465.
[ 18JF田na ， Eugene F. , and Kenneth R. French , 1993 , "Common Risk Factors in the Retums on Stocks and Bonds" , Jour-
nal of Financial Economics Vol. 33 , pp. 3 - 56.
[ 19 J Fama , Eugene F. , and James MacBeth , 1973 , "Risk , Retum and Equilibrium: Empirical Tests" , loumal of Political
Economy Vol. 81 , pp. 607 -636.
[ 20 J Gan , Christopher , Baidi
154 4、"1If也 总第 376 期
nance Joumal Vo l. 2 , pp. 165 - 199
[ 23 J Morck , Randall , Bemard Yeu吨， and Wayne Yu , 20∞， The infonnation content of stock markets: why do emerging
markets have synchronous stock price movements? Joumal of Financial Economics Vol. 58 , pp. 215 - 260
[24 ] Riuer 1. , 1991 , "The Long - Run Perfonnance of Initial Public Offerings" , Joumal of Finance Vol. 46 , pp. 3 - 27.
[ 25 ] Rosenberg , B凹， Kenneth Reid and Ronald Lanstein , 1985 , "Persuasive evidence of market inefficiency" , Joumal of
Portfolio Management Vol. 9 , pp. 18 - 28
[26 ] Sha甲e ， William F. , 1964 , Capital asset prices: a theoηof market equilibrium under conditions of 口味， Journal of Fi-
nance Vol. 19 , pp. 425 - 442
[27]Scattman , Dennis , 1980 , "Book Values and Stock Returns" , The Chicago MBA: A Joumal of Selected Papers Vol. 4 ,
pp. 25 -45.
[28] Wang , Fenghua and YexωXu ， 2004 , "What Detennine Chinese Stock Returns?" Financial Analysts Journal Vol. 60 ,
-77.
Abstract: The paper studies the factors affecting cross sectional returns in China's A -share stock marke t. After
comprehensively examining the performance of beta , SJze , price-earnings ratio , book-to-market ratio , leverage
ratio , and float ratio portfolios , the authors found the robust and significant effect of size , price-earnings ratio on
the stock returns. Leverage ratio also helps explain the stock returns but the effect varies over time periods. The
remaining variables do not help explain the stock returns. It Îs also found that lhe aggregate market return , size ,
and price-to-earnings ratio capture over 90% of the variations in cross sectional stock retums. These three fac-
tors differ from the three factors in the U. S. marke t. Moreover , the authors prove that the size factor has both a
risk component and a characteristics component , while the price-to-earnings factor does not represent systematic
risks.
Key Words: Return , Size , Factor model , Price-earnings ratio
(责任编辑:王鹏) (校对 :WH)
