三因素模型定价.中国与美国有何不同?*田利辉王冠英张伟内容摘要Fama-French三因素模型是资产定价的经典模型，在资本市场实践中广为应用。对比检验中美两国股票组合同期收益率，本文发现中国股市系统性风险突出，存在着市值规模效应，但账面市值比效应并不显著。中国股票纽合的收益率是能够被市场风险溢价和市值规模效应的二因素模型较好诠释的O较之美国股市，中国政策信息影响频仍，个月是对市场的变化敏感，但是中国投资者对于上市公司的成长性关注尚且不足。这就是说，相对于美国股市而言，中国股市的资源配直功能尚未完全实现。关键词:资产定价系统性风险Fama-French三因素模型中图分类号F831文献标识码~A51言近年来，Fama-French兰因素模型成为资产定价的主要模型之一。该模型认为，股票组合的回报率是由市场风险溢价市值规模和市净旦在三个因素决定的主因素模型起源于美国成熟的股票市场，其风险因子反映了美股回报率的影响因素。在新兴市场上，Morck, Yeung & Yu (2000)认为，市场风险应该更加突出O当前，中国股市尚不成熟，系统风险主导市场，被公众称为"政策市"。经典的Fama-French兰因素模型是否适用于中国股市?本文对比检验中美两国股市，分析两国股票回报率具体影响因素的不同并且结合中国股市特征讨论解释中美股市定价因素的差异。股票投资风险历来是学界与商界关注的重点人们希望在获得收益的同时尽量规避投资风险。Markowitz的证券组合理论指出股票风险由系统风险和非系统风险两部分组成。系统风险和市场环境有关，衡量市场行情变化引起的股票收益率的波动，对所有股票均会造成影响，即股票的市场风险;非系统风险是指某些相关因素对个别股票造成损失的可能性可以通过分散化技资降低或避免0Sharpe (1964) & Lintner (1965)认为，市场风险是股票风险的唯一来源，并且提出了资本资产定价模型(CAPM)。之后的很多实证研究发现，CAPM模型不能完全解释个股回报率差异。Banz(1981) 发现，小盘股投资组合比大盘股具有更高的回报率。Stattman(1980)认为，账面市值比代表公司增长'性，同时发现价值型股票组合的收益通常高于成长型组合。Fama& French (1992)指出，市值与账面市值比这两个简单的变量能够联合反映公司规模、公司价值效应、杠杆率和每股收益的特征。汇集上述文献观点，Fama & French (1993)在CAPM基础上，提出了股票定价三因素模型。作者简介:田利辉，伦敦大学伦敦商学院金融学博士，南开大学金融发展研究院教授(博导)，副院长(主持工作);王冠英"天津大学管理与经济学部讲师:张伟，西南财经大学会计学院讲师。*基金项目:本文为国家自然科学基金()和教育部重大课题攻关项目(13JZD006)的研究成果。2014’7 国际金融研究37事
从此，大量学者从不同角度探讨三因素对股票收益的影响及预测效果。Pontiff& 5chall (1998) 认为账面价值可以作为衡量公司期望收益的代理变量因此账面市值比对预测股票收益率有显著作用。Lewellen(1999)从时间序列的角度，考察账面市值比、收益和风险的关系，指出账面市值比对期望收益有很强的预测能力。Ali，Hwang & Trombley (2003)发现，高波动率、高交易成本以及投资者专业水平较低的股票组合账面市值比效应更为显著。Lewellen& Na gel (2006)指出，股票存在价值效应与动量效应等资产定价异象条件CAPM模型不能完全解释。Fama& French (2008) 认为股价和账面价值的变化均能预测股票期望收益然而账面市值比会抵消这两个因素独立的影响。Fama& French (2012)检验了北美、欧洲、日本和亚太地区的股票收益率，发现了普遍的账面市值比溢价;除了日本之外各国和地区账面市值比溢价程度随着市值的增加而降低。在西方文献之中，兰因素模型定价的研究绝非过时。具体到同内，黄兴旺、胡四修和郭军(2002)得出账面市值比因子解释力度不高O与此相反，朱宝宪和何治国(2002)、吴世农和许年行(2004)均发现了显著的账面市值比效应。账面市值比效应是否显著尚元定论，而且上述文献专注于研究中国股市早期样本数据。此外，中国某些学者试图提出新的多因素定价模型。石予友、仲伟周、马骏和陈燕(2008)采用聚类分析的方法，研究股票权益比、账面市值比和公司规模对股票风险的影响。潘莉和徐建国(2011)研究A股市场风险和特征因子，提出市场风险、市值、市盈率三因子模型O许年行、洪涛、吴世农和徐信忠2(2011 )对个股收益率对CAPM与兰因素模型的回归R进行分组从信息传递与投资者心理的角度，探讨中国股市同涨同跌的生成机制。王茵田和朱英姿(2011)建立了基于市场风险溢价、账面市值比、盈利股价比、现金流股价比、投资资本比、工业增加值变化率、回购利率和期限利差的八因素模型oLin, Wang & Cai (2012)证明Fama-French兰因素模型能够包含潜在风险因素的影响并合理解释中国股票组合超额收益。然而，国内学者大多直接检验三因子模型或对其进行扩展，对三因素模型的定价效果、内涵及其蕴含的股市特征均缺乏较为详尽的论述。此外，三因素模型在中国与发达国家股票市场的应用有何差异仍未有直观对比的结论同时由于早期学者对账面市值比效应存在争论，也需要进一步检验账面市值比效应。本文试图弥补这一基础性的研究工作。本文分析1994年7月至2013年6月同期的中美两国股市数据我们发现向美国股市相比中国股票市场风险更加突出，价值溢价不显著。回顾中国股票市场政策调控的制度背景，中国股票的走势很大程度取决于政策调控和宏观经济风险而非成长性。本文通过三因素模型在中美两国的比较检验，实证说明了中国股市的"政策市"特征，探讨了导致系统风险突出的形成机制，指出了频繁的政策干预是加剧市场风险的原因中国股市资源配置的功能尚未实现。本文余下部分安排如下第一部分进行中美股市收益率数据描述.第二部分通过实证检验对比中美两国股市;第三部分简要回顾中国"政策市"的制度背景并检验政策信息对模型定价效果的影响;最后总结全文。一、数据描述本文通过Fama-French三因素模型检验中美两国股市月度交易数据由于三因素模型t时期的解释变量是通过对t-1期数据划分组合来构造，且1993年以前上市公司过少，因此本文选取沪深两市A股上市公司1994年7月至2013年6月228个月的月度交易数据作为样本，样本数据来源于国泰安数据库和个人主页。市场超额收益率(RMRf)为沪深两市A股流通市值加权指数的月度收益率减去3个月期定期储蓄利率所折算的月利率。市值(ME)为流通股股数与股票价格的乘积，账面价值(BE)为上年末财务报表中的股东权益。5MB与HML按照Fama& French (1993 )的方式进行构造。38国际金融研究2014’7
糊糊皿E罩罩'表1描述了中美两国解释变量RMRf、5MB和HML的月度数据特征。中国股市RMRf平均值为%，市场风险溢价高于投资其他无风险产品(国债年利率一般为4%-10%)。市场溢价标准差为，远高于美国的，而月度平均收益并不显著大于o(t=)，这在一定程度上反映了中国股市波动剧烈、牛熊市交替频繁的"猴市"特征。中国股市5MB的平均值为%，小盘股平均收益显著高于大盘股(t=)，HML平均值仅为毛高账面市值比股票组合与低账面市值比股票组合收益差别甚小(t=)。相比之下，美国市值因子并不显著大于O这说明美国规模效应逐步减弱。该结论也印证了5chwert(2003)的观点。美国股市HML平均值毛，显著大于零，价值投资理念在成熟的股票市场更加为投资者所接受。表1申美股市1994年7月至2013年6月月度数据解释变量描述统计Explanatory variables ( % ) Correlations:中国美国Mean Std. T RMRf 5MB HML RMRf 5MB HML RMRf 中国5MB HML RMRf 一 美国5MB HML 一 一 表2描述了中美两国1994年7月至2013年6月市值/账面市值比25技资组合月度收益统计结果。t(5-B)代表小盘股组合与大盘股组合收益率之差的平均值t检验值。中国股市25个投资组合的月度收益从毛到%，高于美国股市组合收益率(毛%)。控制账面市值比的影响后，中国股市5组最低市值组合与最高市值组合收益差从毛到%，市值效应显著。而中国股市账面市值比分组中最低账面市值比的5组月度收益从毛到毛最高账面市值比的5组月度收益从%到毛。控制市值的影响后，5组最高账面市值比组合与最低账面市值比组合收益差从毛到毛，均与O无显著差异。对比美国市场25组投资组合，控制市值影响后，美国5组最高账面市值比组合与最低账面市值比组合收益差从%到%，存在显著的账面市值比溢价。美股组合平均收益普遍低于中国股市，这是由于美国股市较为成熟，多年来股市变动相对较小，而中国在建立初期经历了疯涨的阶段。表1与表2初步说明，中国股市波动较为剧烈，存在小盘股溢价，而账面市值比溢价并不显著。表2中美股市1994年7月至2013年6月市值/账面市值比25投资组合收益均值(百分比)统计中国股市Low 2 3 4 High H-L t (H-L) Small 2 3 4 一 S-B nfa nfa t (S-B) n/a nfa 美国股市Small 2 3 4 Big S-B 一 旷a旷at (S-B) 一 n/a nfa 国际金融研究39能
E-明E最二、三因素回归:申美对比本节采用Fama& French (1993)的时间序列回归方法，对比中美两国三因素定价模型回归结果差异，分析两国股市的不同特征。具体地，按上节所述构造方法，我们得到RMRf、5MB、HML从1994年7月至2013年6月228个月的时间序列数据并用25组超额收益的时间序列对其回归。我们用Fama-French芒因素模型检验中国股票市场数据总结分析中国股票市场的特征。此外，中国股市"政策市"特征明显，市场风险较西方国家尤其突出。为了更加清晰地反映中国股市特点，我们管中窥豹运用美国同期的月度数据进行回归并和中国股市回归结果对比。为检验各因素在中美两国股票市场的解释力如何我们在表3列示25个组合超额收益对RMRf、25MB、HML的不同组合方式回归的结果统计。中国25组合主因素回归平均R为%，没有截距项显著异于零，标准差为，兰因素基本能够解释中国股市超额回报率。中国三因素回归中，25组合RMRf系数的平均值为系数平均值为均显著为正。对比美国三因素回归结果，美2国三因素平均R比中国低约109毛主要差别体现在市场风险CAPM能够解释中国股票组合收益率的%，但只能解释美国股票组合收益率的毛。为检验各定价因子在整体上是否显著异于0，我们对25个组合的回归系数再进行平均值t检验。中同25组合回归的HML系数平均值为，并不显著异于0美国HML仅有2组不显著且美国25组合HML平均回归系数显著大于0。在此基础02上，我们去掉HML项，考察CAPM+SMB的效果。中国股市两因素模型回归平均R为%，与三因素解释力相差毛没有截距项显著两因素模型在中国同样能够解释超额收益。美国在去2掉账面市值比因子后，两因素回归平均R为%，下降%且25组合回归截距项平均值显著大于O这说明两因素不能涵盖美国股市收益率的潜在风险因素。RMRf 25 5MB HML 22 Intercept o7 6 Panel B. 25组合回归系数平均值统计 1.仰 RMHf () () () () () () () () SMR () () () () HML () () () () Intercept () () () () () () () () 均值 标准差 如前所述，中国股市政策干预偏多，加剧了市场风险，股市同涨同跌的现象较别国更为显著。基2于此特点，我们考察市场风险，单独检验CAPM模型的解释能力。中国CAPM回归平均R为%，比兰因素下降毛，截距项显著的个数为6，仍有很强的解择力。美国CAPM回归平均R为毛，比兰因素回归R减少毛，比中国组合低毛。从模型拟合预测的角度看，CAPM模摆40国际金融研究
做Ð~~型在中国比美国更加适用。Fama& French (2012)研究结果表明CAPM在日本、亚太和欧洲股票组2合的平均R为299毛、499毛和66峙，其解释力同样远低于中国。这反映了中国股票市场个股缺乏个性，市场风险尤其突出的特点。考察HML对CAPM的边际贡献中国股市两因素模型平均解释力比CAPM仅高出%而美国HML的边际贡献高达%，边际解释能力约为中国的5倍。美国股票组合的回归一定程度印证了Stattman (1980 )的结论，而中国股市有其自身特点，账面市值比溢价并不显著。HML代表股票的增长性溢价，高账面市值比组合为价值型股票组合，低账面市值比组合为成长型股票组合。HML贡献偏低说明中国投资者对股票成长性关注不足。通过解释变量各种组合的回归以及与美国同期股票收益回归对比，从整体上我们得出，去掉HML之后的两因素模型同样能够解释中国股市超额收益。中国股市市场风险尤其突出，占据主导地位。中国存在市值规模效应，但不存在账面市值比效应。那么，中美股市三因素定价差异是否是由多空市场周期的不同导致的呢?我们按照何兴强和周开国(2006)的标准对中国股市划分牛熊市两个阶段，其中牛市为126个月，熊市为102个月O此外，为了考察不同时间段的影响，我们还将样本期划分为1994年7月至2003年12月、2004年1月至2013年6月两部分再对中美股市进行检验对比。表4的结果表明，无论市场处于哪种行情、哪个阶段，中国股票市场风险均为主导风险，25组合HML的回归系数平均值均不显著异于0。这一结论与大多研究发达股票市场的西方学者观点相4悖(Pontiff&S chall, 1998; Lewellen, 1999; Ali et al., 2003)。究其原因，中国股市缺乏个性，政策导向与舆论炒作左右股票走势，而公司本身的特征却容易被人忽略。表4申美股市25组合子样本检验结果统计Panel A.中国股市不同市场行情下检验牛市熊市2 2 RMRf 5MB HML R(%) RMRf 5MB HML R(%) 二因素No. of Itl> 25 25 16 25 23 7 平均系数() () () () () () CAPM No. of Itl> 25 25 平均系数() () 平均比重(%) Panel B.中美股市不同时期子样本检验1994年7月至2∞3年12月2∞4年1月至2013年6月2 2 RMRf 5MB HML R(%) RMRf 5MB HML R(%) 中国.三因素No. of Itl> 25 23 11 25 23 13 平均系数() 。.19)() () () () CAPM No. of Itl> 25 25 平均系数() () 美国.三因素No. of Itl> 25 24 20 25 19 16 平均系数() () () () () () CAPM No. of ItI> 25 25 平均系数() () P’anel C. 25组合各因素平均比重%(半偏相关系数平方%)1994年7月至2∞3年12月2∞4年1月至2013年6月中国股市美国股市2014'7国际金融研究刷新
政策信息对股市的影响--、自中国股票市场成立至今股市没有能够离开政府这只"有形之于"的调控(田利辉，2010)。中国股市整体走向很大程度受到政策影响本节将进一步说明政策干预是加剧系统性风险的重要原因，并对此进行分析。我们采用许均华、李启亚等(2001)的分类方式，筛选中国股市的政策事件，并利用Wichern，Miller, & Hsu (1976)的方法寻找上证综指的异常波动点。①我们在方差增加点中，确定股票重大政策事件，进而研究模型在重大政策事件发生的时段的定价效果。具体地，我们选取1994年7月至2013年6月的日交易数据，构建市值/账面市值比25个投资组合与FamaFrench日三因子，在政策信息的发布日进行检验。为充分考虑消息提前泄露的可能以及信息的滞后影响我们将政策公布日的前后5个交易日均作为政策事件发生日再次检验并对比其他时段的回归结果。表5的PanelA中除去信息公布当日，25组合HML平均回归系数在10%水平显著外，其他时段HML系数均不显著。这进一步证明了成长性在中国不受关注。对比CAPM的回归结果，22全样本25组合R平均值为%而在重大政策公布当日，R高达%。即使考虑前后5日的影响，CAPM解释力也能够达到%的水平，显著高于全样本和政策公布日之外的模型解释力。在信息公布日，5MB和HML对模型解释力的边际贡献低于其他日期oPanel B表明，在信息公布日和公布日前后5个交易日HML在25个组合中的平均比重低于全样本及其他时段的平均值。频繁的政策干预加剧了股票市场的系统性风险，并导致投资者对成长性有所忽视。表5政策信息对定价效果的影晌FF 。R阳() () () () () () () () 白、m() () () () 。啊4() () () (一)平均 Panel B. 25组合各因素平均比重0/0(半偏相关系数平方)RMRf 5MB HML 注:括号内数值为25个组合的回归系数平均值的t检验值。中国股票市场具有"新兴加转轨"的特征。相对于具有200余年历史的美国股市而言，中国股票市场系统性风险突出，成长性投资策略并不适用，可能受以下因素的影响。从制度背景的角度来看，中国股市制度和执法还不够成熟、规范。中国股市建立初衷是为国有企业融资解因，是计划经济体制向市场经济体制转轨过渡的产物。由于建立初期改革不配套和制度设计上的局限，中国股票市场还存在一些深层次的问题和结构性矛盾，具有一定的计划经济色彩，市场功能尚且不能充分发挥。美国的股票市场经历长期发展，法规较为健全、监管较为严密，信息也我们并没有选择深证成指。我们认为，一方面重大政策对两市均有显著影响，上证综指足以反映市场的影响;另一方面，在研究指数波动时，沪深300指数历史较短，若采用人为构造的两市加权指数则缺乏权威性O相关讨论与研究方法可以参考许均华、李启亚等(2001)，这里不再赘述。42国际金融研究2014’7
较为透明，政府较少对股市进行干预。高度市场化以及严格的法律约束造就了美国股市关注公司成长性，以巴菲特为首的价值投资者能够通过长期价值投资获得丰厚回报。从监管机构的角度来看，中国证监会缺乏独立性，存在职能错位(田利辉、张伟和王冠英，2013; Tia叽2011)。作为证券市场的监管机构，其主要职责是维护市场的正常运行。股票投资者在信息上处于弱势，且力量相对分散，这使得投资者尤其是散户在证券市场上长期处于不利地位，这就需要一个能够代表投资者利益的组织来规范市场的运作，包括信息的披露、交易规则的制定、对上市公司的监督等。中国证监会在行政序列中属于国务院直属的正部级事业单位，经费开支主要来源于国务院财政拨款。人员组成上，证监会主席等须由国务院任命，而且编制方案亦由国务院确定。由此可见，中国证监会在行使自身职责中往往背上沉重的政治包袱，配合政府制定各项政策调控证券市场，从而加剧了系统性风险。从投资机构的角度来看，产品结构不合理、创新能力不足是中国基金业面临的重大问题，行业同质化现象严重。譬如，多数指数基金产品的样本股几乎选自沪深300样本股，且很多指数基金产品如果两两比较，其成分股至少有七八成的雷同。①由于监管严格，监管层对基金创新持较为谨慎的态度，创新产品很难通过，基金公司根据市场需求以及自身特点开发各种类型产品的能动性受到抑制。此外，中国债券和衍生品市场方兴未艾，技资品种单一同样加剧了市场风险(赵丽和高强，2013)。从投资者的角度来看，中国投资者以散户为主体，普遍缺乏专业训练，追逐短期利益，交易换手频繁，长期价值投资理念淡漠(田利辉和王冠英，2014)。由于中国股市信息披露机制尚且不完善，投资者信息渠道不畅通，缺乏判断依据，过度依赖政府舆论，政策信息的来临往往使投资者"趋之若莺或如"惊弓之鸟"。政府造成的市场风险通过投资者的过度交易行为被进一步放大。综上，频繁的政府干预是系统性风险突出、成长性被忽视的重要原因。中国股票收益率走势与市场高度相关，股市资源配置功能尚未充分体现。四、总结与建议本文运用时间序列回归方法，检验1994年7月至2013年6月两国股市月度回报率数据，比较研究中美两国股市Fama-French三因素模型的适用性。三因素模型能够很好地解释中美两国投资组合的超额收益，然而其在中美股市的适用性有所差异。中国市场风险较其他因素尤为显著，5MB对小盘股具有一定解释力度但是HML则没有显著性。我们进一步考察各解释变量单独对组合超额收益的贡献，证明中国股票市场风险比美国更加突出账面市值比因素对中国股票回报率的解释能力远远低于美国。本文的实证结果对于中国的账面市值比效应的学术之争给予了回答。具体而言，中国股市的市场风险尤其突出，股票收益率对市场风险的敏感性高于美国;中国股票账面市值比溢价不显著根据增长性进行股票投资的策略在中国并不能获取超额收益CAPM模型在中国比美国更加适用，HML的解释能力中国远远低于美国。这种差异来自中国股市的"政策市"特征，这种差异也导致了长期持股和价值投资的回报在中美相去甚远。Fama--French三因素模型是根据美国股票市场特征得出的。西方较为成熟的股票市场倡导价值投资，关注公司特性，由此产生了刻画上市公司"遗传信息"的主因素模型。中国股票市场起步较晚，设立之初就带有浓厚的计划经济色彩，政府行政力量渗透到股票市场的多个方面。处于初级阶段的市场需要政策的引导调控来控制其风险，政府干预加大了市场风险，加剧了中国股市齐涨共跌的现象。同时，中国的散户投资者大多并非专业人士，存在跟风炒作的现象;机构投资者以基金为主，同质化问题突出，往往随市场行情进行趋势投资。因此，上市公司本身的经营水平和成长性往①参见2009年11月16日《证券日报》。2014-7 国际金融研究43黯
黯矗..整 往被忽视，公司的个别风险常常被忽视;这样，中国个股和组合的走势都与大盘走势高度相关。股票市场的资源配置功能难以充分实现O宏观形势和政策导向成为人们炒股关注的重点在中国市场风险由于政策干预和投资者结构而被放大，而投资者更倾向于关注宏观经济风险，对公司业绩及成长性不甚关心O中同股票市场随着政策消息走，个股缺乏个性。多数投资者在购买股票时更多关注的是当前经济走向与政策新闻，对上市公司成长性和经营状况却漠不关心这就造成了个股逆势上扬、一枝独秀现象罕见的特征。我们的回归结果印证了这一现象。在一定程度上，本文的实证结果指出了中国股市的系统性风险过高，分散化投资不能降低总体风险。首先，中国股市CAPM模型仍有很强的解释能力，市场风险占据主导。股市往往是"一荣俱荣，一损俱损"。证券组合理论的投资模式在中国难以控制风险难以获得丰厚回报。其次，我们发现，小盘股市值溢价较为显著O这可能反映了中国股市存在炒作小盘股的庄家现象。再次，账面市值比溢价不显著则说明中国股民投资往往更愿意相信政策导向却并不十分看重公司前景。所以，建议政府逐渐减少行政干预，通过市场自身作用防控风险;同时建议监管部门加大监督力度，打击内幕交易与操纵股价等庄家行为。只有中国股市改变了"政策市"的状况，才能实现资本资源的优化配置。也就是说，多"监"少"管让"政府的归政府，市场的归市场"!(责任编辑辛本胜)参考文献:[1]何兴强，周开国.牛、熊市周期和股市间的周期协同性[J].管理世界，2006 (4): 35-40 [2]黄兴旺，胡四修，郭军.中国股票市场的二因素模型口].当代经济科学，2002 (5): 50-58 [3]潘莉，徐建国.A股市场的风险与特征因子[1].金融研究，2011 (10): 140-154 [4]石予友，仲伟周，马骏，陈燕.股票的权益比、账面市值比及其公司规模与股票投资风险日].金融研究，2008 (6): 122-129 [5]王茵田，朱英姿.中国股票市场风险溢价研究口].金融研究，2011 (7): 152-166 [6]田利辉.金融管制、投资风险和新股发行的超额抑价口].金融研究，2010 (4): 85-100 [7]回利辉，张伟，王冠英.新股发行:渐进式市场化改革是否可行[J].南开管理评论，2013 (2): 116-132 [8]田利辉，王冠英.我国股票定价五因素模型:交易量如何影响股票收益率口].南开经济研究，2014 (2): 52-72 [9]吴世农，许年行.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[1].经济研究，2004 (6): 105-116 [10]许均华，李启亚等.宏观政策对我国股市影响的实证研究[J].经济研究，2001 (9): 12-21 [11]许年行，洪涛，吴世农，徐信忠.信息传递模式、投资者心理偏差与股价"同涨同跌"现象[J].经济研究，2011 (4): 135-146 [12]赵丽，高强.国外公司债券定价模型研究评述[J].国际金融研究，2013 (8): 53-59 [13]朱宝宪，何治国.ß值和账面市值比与股票收益关系的实证研究口].金融研究，2002 (4): 71-79 [14] Ali A., Hwang L, Trombley M. Arbitrage Risk and the Book-to-market Anomaly[J]. Joumal ofFinancial Economics, 2∞3， 69 (2): 355-373 [15] Banz R. The Relationship between Retum and Market Value of Common Stocks [.几Joumalof Financial Economics, 1981, 9 (1): 3-18 [16] Dean W., Robert B., Der-Ann H. Changes of Variance in First-order Autoregressive Time Series Models-with an Application[J]. Joumal of the Royal Statistical Society: Series C (Applied Statistics), 1976, 25 (3): 248-256 [17] Fama E., French K. The Cross-section of Expected Stock Retums [J]. Joumal of Finance, 1992, 47 (2): 427-465 44国际金融研究
(18] Fama E., French K. Common Risk FactoTS in the Retums on Stocks and Bonds [1]. Joumal of Financial Economies, 1993. 33 (1): 3-56 [19] Fama E., French K. Average Retums, B/M and Share Issues (1). Joumal of Finance, 2008, 63 (6): 2971-2995 [20] F’ama E., French K. Size, Value and Momentum in Intemational Stock Retums [1]. Joumal of Financial Economics, 2012, 105 (3): 457-472 [21] Lewellen J. The Time-series Relations among Expected Retum, Risk, and Book-to-market [J]. Journal of Financial Economies, 1999, 54 (1): 5-43 [22] Lewellen J., Nagel S. The Conditional CAPM Does not Explain Asset-pricing Anomalies口).Joumal of Financial Economics, 2006, 82 (2): 289-314 [23] Lin J., Wang M., Cai 1. Are the Fama-French Factors Good Proxies for Latent Risk Factors? Evidence from the Data ofSHSE in China[J]. Economics Letters, 2012, 116 (2): 265-268 [24] Lintner J. The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets[J]. Review of Economics and Statistics, 1965, 47 (1): 13-37 [25] Morck R., Bernard Y., Yu W. The Information Content of Stock Markets: Why Do Emerging Markets Have Synchronous Stock Price Movements[J]. Journal of Financial Economics, 20∞， 58 (1): 215-260 [26] Pontiff 1., Schall 1. Book-to-market Ratios As Predictor百ofMarket Returns [J). Journal of Financial Economics, 1998, 49 (2): 141-160 [27] Schwert G. Anomalies and Market Efficiency[M]. Handbook of the Economics of Finance, Amsterdam, Netherlands: North-Holland, 2∞3 [28] Sharpe W. Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk [J). Journal of Finance, 1964, 19 (3): 425-442 [29] Stattman D. Book Values and Stock Returns [R]. The Chicago MBA: A Joumal of Selected Paper毡，1980 (4): 25-45 [30] Tian 1. Regulatory Underpricing: Determinants of Chinese Extreme IPO Returns [J]. Journal of Empirical Finance, 2011, 18 (1): 78-90 Abstract: The classic Fama-French three-factor model is based on the American stock markets, but it is also widely used by the investment professionals in China. Examining the portfolio returns during the same period of the Chinese and American stock markets, we find that the market risks in China are dominant. We also show that there exist the size effects in China, while the book-to-market effects are not significant. Therefore, the two-factor model with the market factor and the size factor works better in tbe Chinese stock market. Compared with the United States, tbe government po\icies related to the stock market change仕equently，the retums of individual shares are highly sensitive to the market changes. As the factor of firm growth is insignificant in share pricing in China, the Chinese stock market has not been able to optimize tbe distribution of capital resources. Keywords: Asset Pricing; Systematic Risk; Fama-French Three-factor Model 2014’7 国际金融研究45如
