基于技术进步角度对三因子模型的改进与实证检验

基于技术进步角度对三因子模型的改进与实证检验

摘要：FF三因子模型是关于股市收益率决定因素的标准模型, 认为股票的收益率可以由市场超额收益、规模和账面市值比这三个因子进行解释，这个模型已经在西方股票市场上得到多方检验，在中国A股市上也有了较多的研究，但在创业板市场上的研究有限，由于创业板的自身特点，与其他股票市场存在着巨大差异。那么,这个模型能否合理解释创业板收益率中国股票市场具有高发展、高投资、高风险的特点,是值得研究的问题。由于创业板中的公司大多是高新行业，对于技术进步有着较高要求，投资者对于这些公司的研发投入非常看重，所以研发投入对创业板股票收益率也有着举足轻重的影响。

为了证明上述观点,引入技术因子,对标准FF三因子模型进行了改进,并进行了实证检验，实证检验的结果表明, 改进后的模型解释能力更强。

一、问题提出文献综述

一般认为，市场行为虽然并不完全符合经济学的理性人假设，但随着市场的不断发展成熟，市场行为将日趋理性化。发达国家的证券市场已经经历数百年的发展，达到了较为成熟合理性的阶段，并在成熟市场的基础上建立起来了现代金融理论。资产定价作为金融学的核心问题，一直伴随着金融市场的发展而发展。从证券市场存在的第一天起，投资者就试图预测股票价格的未来变化。在对现实经济系统进行各种各样简化的基础上，国内外学者构建了多种证券定价理论和模型，试图刻画资产价格的变化过程。

60年代，夏普、林特纳等推导出著名的资本资产定价模型（CAPM），该模型在所有投资者具有相同效用函数的假定下，证明了市场的证券组合收益率是均值-方差有效的。资本资产定价模型（CAPM）问世后，许多数据检验证明了CAPM模型缺乏说服力，许多影响股票收益的其他因素陆续被发现。

Fama 和French(1992，1993，1996，1997，1998)认为，CAPM将证券超额回报率简单看成市场证券组合回报率的线性函数太过于简化，应该考虑其他一些风险因素，考虑到绝大多数的均值回报异常现象彼此相关，他们引入了小公司股票组合回报与大公司股票组合回报的差、高账面价值/市值的公司股票组合回报与低账面价值/市值的公司股票组合回报的差，这两个因素与市场组合的超额回报一起能够很好地解释大部分的CAPM异常现象，最终将资产定价从CAPM的单因子（市场组合超额回报）模型扩展到三因子（F-F三因子）模型。

由于FF三因子模型解决了大部分的CAPM异常现象，引起了其他研究人员的广泛关注，已经有较多研究表明FF三因子模型在A股市场上的有效性，对于创业板的研究，还比较少，曹海啸研究三因子模型对于创业板收益波动的有效性进行研究，结果发现CAPM 在创业板表现出较弱的适用性，且创业板显现出一定的规模效应和价值效应，但三因子模型最终的解释力还是不高（曹海啸，2013）。为了探索影响创业板股票收益的其他未被考虑的因素，先将流动性因素加入模型研究标准的和经流动性修正后的因子模型在创业板市场的解释力，发现修正后的模型的解释力度并没有显著增强，标准的FF 三因子模型可以更好地解释创业板的股票收益（李海涛和魏洁，2015）。

另一方面，有许多学者研究发现，技术进步与创新对于一个公司的前景与发展都有着很大的影响，Bloch（2008）以丹麦1989—2001 年间的公司数据为样本，表明了研发资本与企业价值呈正相关关系。Chin-Taichen（2014）对31家以电脑及周边材料为主业的科技公司的研发费用投入与企业绩效进行评估，研究发现企业绩效低的公司一般研发投入费用率也比较低。Afework G.，Kassa R（2014）研究了企业创新与企业绩效之间的关系，研究得出随着创新投入的增加，企业绩效盈利能力水平也随之提升。除此之外，还有许多学者考虑到了技术创新能力的滞后性，如Pemman（2002）对于企业近期的技术创新能力与企业未来的超额回报率进行了相关性分析，证实两者具有显著的相关性。刘爱玲（2015）将企业管理

创新能力分为研发、经营、制度、人员四个维度，运用因子分析、多元回归分析对管理创新能力与企业绩效之间的关系进行了探讨。张英明（2017）将创新能力分为三个维度：创新投入能力、创新产出能力以及创新环境支持能力，通过主成分分析法与多元回归线性分析，将创新能力指标与企业价值构建了关系，从而得出创新能力指标对企业价值的影响程度，并提出有效性建议。

总结国内外文献可以发现，目前运用Fama-French三因子模型对中国创业板市场的研究具有以下缺陷：

（1）对于FF 三因子模型在国内相关市场的研究还不是很多，大多数的研究对象重点是主板市场，专门研究创业板的股票收益还是不够丰富，根据仅有的文献研究，三因子模型无法合理地阐释创业板股票的收益波动。

（2）目前的研究绝大多数直接使用了Fama-French三因子模型中的三个因子，其研究的目的主要是检验该模型在股票市场中的有效性，但是，创业板是一个新兴市场，而三因子模型是以美国为代表的发达国家的成熟市场为基础提出的，所以并不一定适用于创业板的解释，而加入特殊因素是否能够提高解释力，这个问题还有研究的空间。

（3）通过一些学者研究表明，技术进步和创新能够影响企业发展，与企业价值有直接的关系，但是将这个技术因子结合FF三因子模型构造出一套更为合理的解释体系，这方面的研究并不多，特别是针对于创业板这样存在着许多高新行业的股票市场，考虑技术因子是十分有必要的。

二、模型建立

本文根据Fama-French（1993）定义的三因子模型，将原模型设定如下：

r t?r f=a+b(r M?r f)+s?SMB+h?HML+e

其中rt 代表投资组合在t时期的加权月收益率；rf 代表无风险利率；a为方程常数项，即截距项；b、s、h 为各变量的系数；rM-rf表示在t时期市场组合的预期收益率超过无风险利率的部分；SMB表示在t时期规模因子（size）带来的超额收益率；HML 表示在t时期价值因子（value）带来的超额收益率；e为残差项。

1.市场溢价因子

（1）无风险利率

国内外对无风险收益率的选择不尽相同。国外学者偏向于选择国债利率或银行间拆借利率，而国内学者大多采用国债指数或银行存款利率。这主要取决于国内外金融市场发展的差异。

在国外，市场上对于政府的公信力极为认可，认为其不会存在违约的行为。因此国库券（国债Treasury bond）的利率通常被公认为美国市场上的无风险利率。因为以政府作为担保在某种程度上可以默认为是无风险的。但在我国，无论是国债的市场化程度，还是国债的发行量或是发行频率，都低于国外，因此不可取为无风险利率。也有部分国内学者会采用同业拆借的利率，但是绝大多数学者采用的是央行公布的定期存款的基准利率。国内定期存款被认为是一种相对无风险的投资方式，因而本文采用的是一年定期的银行存款利率，将年度无风险利率转化成月度无风险利率。

（2）市场收益率

市场收益率理论上来说市场上所有股票的收益率，本文采用的是月度不考虑现金红利再投资的收益率。在市场收益率的选择上，有学者采用的是上、深综合指数加权收益率，有用上证指数的，但是笔者认为，这并不足以体现出创业板市场的整体。因此采用的是wind数据库中创业板指数当月最后一天的收盘价来计算市场的月收益率。

以上，市场溢价因子则是市场收益率与无风险利率的差值。

2.规模因子

首先，关于个股规模的衡量，选择用公司市值表示，这是学者们较为统一的。但是关于到底是选用总市值还是流通市值存在一定争议。笔者认为，创业板不存在非流通股，但是法人股，也就是大股东的股票在上市之后需要有一年（对于高管而言）和三年（公司法人股）的锁定期，三年之内属于未解禁股，之后可以全流通。在衡量公司规模时，应将这一部分计入，故采用总市值更为合理。根据Fama-French（1993）采用的方法，他们将规模溢价定义为三个小规模的投资组合超额收益率与三个大规模超额收益率的平均回报率差值。具体来说，规模因子可以体现投资者选择小规模的投资组合而获得的超额收益，这种超额收益就称之为“规模溢价”。

3.价值因子

中国学者多采用账面市值比即所有者权益与总市值的比值或者是市净率的倒数做为价值因子的选择。但是由于我国财务报表最低披露时间期间只有季报，无法较为准确的转化为月度数据，且披露值又不断更新，缺失值较多，因此用市净率的倒数代替求得账面市值比。价值溢价定义为两个高账面市值比的投资组合超额收益率与两个低账面市值比超额收益率的平均回报率差值。

由于本文考虑到技术进步因素对创业板的公司有着较大影响，所以加入技术因子来优化改进原FF三因子模型，形成改进后的四因子模型。

4.技术因子

创业板目前比较通用的衡量技术进步的指标是研发占营收比，但创业板的企业分属各种不同的行业，有的行业营收规模非常大，研发占营收比自然就会低，相反，有些行业的营收规模小，同样的研发投入，其占营收比就会高很多。由此可见，即便是同等规模的研发投入，也会因为营收这个分母的规模大小产生巨大的差异。除了研发占营收比这个指标之外，还有两个不能忽略的指标，研发占毛利比和研发占报告期费用比。通过研发占毛利比这个指标可以看出这个企业拿多少赚的钱投入到研发中；而很显然，研发占报告期费用比，如果一个企业在所有的管理、销售、财务、和研发费用中研发占比高，直接就能说明这个企业对研发投入的程度。

按照上面基础，将技术因子（TEC）构造为研发投入占营收比、研发投入占毛利润比及研发投入占费用比三者的等权重加权平均。

综上，新的四因子模型为：

r t?r f=a+b(r M?r f)+s?SMB+h?HML+x?TEC+e

三、数据选取

考虑到创业板市场在2009年10月成立时市场容量仅为28 家，且成立之初，再加上当时受金融危机的影响，样本较为不稳定，考虑到之后解释变量的构造中需要依据前年数据进行分组，样本容量过小不利于变量的准确性，因而本文选取的数据为2013年1月至2019年8月。一般学者采用的均为1-12月一个完整的自然年度，样本数据跨7个年度，截止到2019年8月，创业板市场上总共770只股票，样本数据包含了所有在创业板上市的个股数据。

由于创业板上企业多为初创科技型企业，并不存在金融类企业需要处理，因此对数据简单的进行如下处理：

（1）剔除上市的公司新上市第一年的数据；

（2）剔除退市或ST股；

（3）剔除少量市盈率或者市净率为负的公司；

（4）剔除少量缺失值。

为方便下文研究，下文会以ME、BE、BE/ME 分别代替总市值、账面价值、账面市值比。本文会在上市企业相关数据发生变动时及时更新这些变量数据，按照原来的方法再进行

分组计算。将按照ME 分类的B、m、S 和按照BE/ME 分类的H、M、L 组合交叉，得到SL、ML、BL、SH、MH、BH这6个组合，在6个股票组合的基础上将组建标准的FF 三因子模型中的SMB和HML 因子。

1.规模因子

规模因子（SMB）代表由于企业不同的市值形成的收益率之差，本论文按照三因子模型所采取的分类方法,根据企业总市值的高低,把选取的股票均匀地分成三种：市值较大的股票组合（B）—即市值最大的前1/3 股票和市值较小的股票组合（S）—即市值最小的后1/3 股票，剩余中间1/3 股票为中市值股票组合（m）。其详细过程为：每个月先后计算小市值类组合（S/H、S/M、S/L）和大市值类组合（B/H、B/M、B/L）以市值为权重的加权收益率，SMB

就是两类股票组合对应的收益率之差，一般的形式如下：

SMB=1/3(S/H+S/M+S/L)-1/3(B/H+B/M+B/L)

2.价值因子

账面市值比因子（HML）代表因企业账面市值比的差异形成的收益率之差，本论文按照三因子模型所采取的分类方法,根据企业账面市值比的大小,把选取的样本均匀地分成三种：即前1/3 是该因子数值较高的股票（H），后1/3 是该因子数值较低的股票（L），剩余1/3 是该因子数值居中的股票（M）。其详细过程为:每个月先后计算账面市值比较高类（S/H、m/H、B/H）和账面市值比较低类的组合（S/L、m/L、B/L）的以市值为权重的加权回报率，HML

就是两类股票组合对应的收益率之差，一般的形式如下：

HML=1/3(S/H+m/H+B/H)-1/3(S/L+m/L+B/L)

3.市场因子

市场因子（E(Rm)-Rf）衡量的是由于市场风险的存在所要求的风险报酬。

同理，加入技术因子后，在原有基础上得到SLI、SLG、MLI、MLG、BLI、BLG、SHI、SHG、MHI、MHG、BHI、BHG这12个组合。

四、实证检验

首先本文采用三个有效性检验的方法，依次是Fama-Macbeth回归法、信息系数(information coefficient，IC)和分层回测法，对技术因子的有效性进行检验，测试结果如下表。分别统计Rank-IC及其T值、因子收益率及其T值。统计结果表明，在超过650个样本数的情况下，技术因子对应的T统计量都显著超过2，说明该因子的预测能力及预测稳定性都较优。

表因子全时段测试表现

因子名称样本数IC均值/T值Rank-IC均值/T值因子收益率/T统计量

技术因子656 0.032/11.86 0.047/16.76 1.69‰/10.94 用eviews软件先后采用修正前后的因子模型分别对各个组合进行多元线性回归,得到模型总体显著性检验结果如下表：

调整R^2都超过了0.9，DW值都接近2,说明不存在时间序列自相关,这证明了本文之前的推断。但考虑研发费用的投入到产出具有一定时滞性，本文取技术因子时滞12期分别做因子模型检验，发现时滞6期得到的拟合效果最好，结果如下表：

表2：时滞6期四因子模型的总体显著性检验

接近2，说明不存在时间序列自相关，本文下面的分析将全部采用该因子模型。

下表是利用eviews采用滞后四因子模型对12个组合进行回归所得的结果：

（1）观察市场因子的回归系数，当显著性水平为5%时，所有样本股票组合的市场因子的回归系数对应的P 值均为0，说明市场因子是导致股票收益发生变动的重要因素；且市场溢价因子的回归系数均为正且接近于1，说明创业板市场上的股票对于市场环境的变化能够迅速做出反应，股票收益与市场因子是正相关的。

（2）观察SMB 因子的回归系数，当显著性水平为5%时，所有样本股票的市值因子的系数对应的P 值均接近于0，即市值因子的系数是显著的，市值因子是影响股票收益变动的主要因素之一；这提醒我们，在构建股票的投资策略时，要重视市值因素对投资标的收益的影响，但是，市值因子的系数大多为负，对比来说，小规模股票组合的系数绝对值相对较小，侧面也表明在账面市值比相同的情况下，投资者会选择小规模公司，说明我国也存在“小公司效应”，总的来说投资者在进行投资时会根据对规模和账面市值比的不同偏好构建投资组合。

（3）观察HML 因子的回归系数，当显著性水平为5%时，大多样本股票的价值因子的系数,其对应的P 值大都为0，说明其系数具有高度显著的特性，且系数均是正数，证明股票收益显著的正相关于账面市值比这一因素；且观察可知，对比低账面市值比类股票，高账面市值比类股票对应的回归系数显然更高，说明我国创业板是存在价值效应的。

（4）观察TEC因子的回归系数，当显著性水平为5%，几乎所有样本股票的技术因子系数P 值接近0，即技术因子是显著的，技术因子是影响股票收益变动的主要因素之一；技术因子都为正值，这说明技术的进步能够反映至股价，对比来说，大公司的影响更为明显，这说明投资者更注重大公司的研发投入及技术进步。

五、结论

归纳本节的实证检验,可以得到以下结论：

第一、Fama-French三因子模型的有效性解释了我国大部分股票出现超额收益的现象。通过对我国创业板市场所有股票数据进行实证检验发现FF三因子模型基本适用于创业板市场。

第二、我国的创业板市场溢价效应明显，规模效应亦然。首先是市场溢价，系统性风险可以解释大部分的创业板市场上超额收益率；其次是规模效应，也就是说小规模公司效应比较明显，即小公司的组合收益率要高于大规模公司的；最后我国的创业板市场账面市值比效应不突出。账面市值比因子在实证检验结果并不是很理想，其原因可能是创业板公司的特征以及不同行业面对经济转型期时的兴衰，或者是在用市净率进行分析时，创业板市场上公司实物资产并不能准确反映其内在实力，因为用市净率或是账面市值来评估公司的财务状况并不是在任何情况下都适用。由此可得，三因子模型可以作为择股或股票定价时的参考，通常情况下，可选择收益率较高的小型公司进行投资组合。

第三、四因子改进模型在创业板市场的使用效果优于原模型。这说明技术因子对于创业板股票的预测是有效的，技术因子系数绝大部分都是正数，说明技术进步能够正向影响投资组合的超额收益率，投资者会根据企业研发费用（R&D）的各项比值来选择投资企业，并且

大部分投资者认为创业板中的高新企业占比较大，研发费用会决定一个公司的未来前景，而投资主要就是根据公司未来现金流来确定股票现值，即一个公司具有较好的发展前景会为公司未来带来较大现金流入，根据这个预测未来，从而决定现时的买卖策略。

六、参考文献

[1]Profitability and investment factors for UK asset pricing models[J] . Eoghan Nichol,Michael Dowling. Economics Letters . 2014

[2]A Five-Factor Asset Pricing Model[J] . Eugene F. Fama,Kenneth R. French. Journal of Financial Economics . 2014

[3]Fama-French五因子模型比三因子模型更胜一筹吗——来自中国A股市场的经验证据[J]. 赵胜民,闫红蕾,张凯. 南开经济研究. 2016(02)

[4]流动性修正的Fama-French模型在创业板市场的适用性研究[J].李海涛,魏洁. 甘肃科学学报. 2015(04)

[5]经济全球化背景下企业创新能力的研究[J].陈李娜,吴丽君. 现代经济信息. 2018(02)

[6]差异化战略、技术创新投入与企业绩效[J].张爱辉. 财会通讯. 2017(30)

[7]科技型中小企业创新能力与企业价值关系实证研究[J].梁靓,张英明. 经济论坛. 2017(07)

[8]管理者特质、技术创新与企业价值[J].李海燕.经济问题. 2017(06)

[9]高新区科技型小微企业创新绩效评价研究[J].武秀杰,王雪霁,杨焱明. 科技和产业. 2017(05)

[10]创新能力重构与创新型企业价值创造[J].孙晶. 税务与经济. 2016(05)

[11]上市公司技术创新能力与企业价值关系研究[J].李娜,马施,于晓红. 财会通讯. 2011(08)

因素模型

因素模型 杨长汉1 证券资产价格的决定因素是多种多样的，西方学者在研究中采取了多种多样的方法去探讨证券价格的决定因素。最主要的两种模型就是单因素模型和多因素模型。 一、单因素模型(Single-Index Model) 夏普(William Sharp)于1963年建立了单因素模型2。单因素模型是指证劵价格的影响因素只有一个，而如果有两个或两个以上的因素，则称为多因素模型。单因素模型的基本思想是：当市场指数上升时，市场中大部分证券资产的价格就会上涨；相反，当市场指数下降时，市场中大部分证券资产的价格就会下降。 单因素模型中有以下两个基本假设条件： 第一，证券的风险分为系统性风险和非系统性风险，而这里所讲的因素仅指系统性风险。 第二，一个证券的非系统性风险与其他证券的非系统性风险之间的相关系数为零，两种证券之间的相关性仅取决于共同的市场因素。 在单因素模型中，主要有两个基本因素会造成证券收益率的波动：一是宏观经济环境因素，比如GDP 增长率、利率、通货膨胀率等，这些因素的变化会引起证券市场中所有证券收益率的变化，相对于市场中的系统性风险；二是微观因素的影响，如公司的财务状况、公司的经营状况以及突发事件等，这些因素的变化只会引起个别证券收益率的变化，相当于市场中的非系统性风险，可以通过多样化的投资组合进行分散。 我们以股票的收益率和股价指数的收益率为例，可以得到如下单因素模型公式： it it i mt it r A R βξ=++ 这一公式揭示了股票的收益率与市场指数收益率之间的关系。其中，it r 为t 时期证券i 的收益率，mt R 为t 时期市场指数的收益率，i β为斜率，表明股票收益率波动对市场指数波动的反应程度，代表两者的相关关系，it A 是截距项，反映市场指数为零时股票收益率的大 1 文章出处：《中国企业年金投资运营研究》 杨长汉 著 杨长汉，笔名杨老金。师从著名金融证券学者贺强教授，中央财经大学MBA 教育中心教师、金融学博士。中央财经大学证券期货研究所研究员、中央财经大学银行业研究中心研究员。 2Sharp, W.,1966, Mutual Fund Performance, Journal of Business,(39),119-138.

基于Fama_French三因子模型的沪深300指数效应实证研究_范建华

2013年6月重庆工商大学学报(社会科学版)第30卷第3期Jun．2013Journal of Chongqing Technology and Business University(Social Sciences Edition)Vol.30NO．3 doi：12．3969/j．issn．1672-0598．2013．03．005 基于Fama-French三因子模型的 沪深300指数效应实证研究* 范建华，张静 （陕西师范大学国际商学院，陕西西安710062） 摘要：本文采用事件研究法研究了沪深300指数的指数效应，引入短期事件窗和长期事件窗分别考查了指数调入股票和调出股票的价格和交易量的市场反应。在研究股票的价格效应时，引用Fama-French三因素模型来计算股票的超额收益。实证研究发现，沪深300指数存在显著的指数效应，但是调出股票和调入股票的指数效应并不对称，调入股票的指数效应更为显著，符合市场分割假说。 关键词：指数效应;沪深300指数;Fama-French三因子模型 中图分类号：F830．91文献标志码：A文章编号：1672-0598（2013）03-0031-08 指数效应是指当某只股票被调入或者调出指数时，其价格和交易量的异常反应。一般来说，调入股票存在正的价格效应，调出股票存在负的价格效应；调入股票和调出股票在指数调整期间均会有正的交易量效应。指数效应的显著程度与指数的影响力及股票市场上指数基金的规模紧密相关。沪深300指数是我国第一只横跨沪深两市的统一指数，覆盖了沪深市场总市值的6成左右，具有良好的市场代表性。 一、文献综述 指数效应的研究起源于美国，Shleifer （1986）［1］、Harris和Gurel（1986）［2］最早发现S＆P500指数的成分股存在指数效应的现象。Shleifer（1986）研究了1976—1983年间S＆P500指数的调整成分股，发现从公告日到生效日，调入股票获得2．79%的异常收益率。Harris和Gurel （1986）对S＆P500指数1973—1983年间的调整成分股做了分析，发现宣布日后一天调入股票的异常收益率为3．13%，异常交易量比率为2．81%。Lynch和Mendenhall（1997）［3］发现在指数调整后，买入指数调入股票组合同时卖出调出股票组合可以获得5．45%的超额收益，他们认为指数基金是调入股票价格上升的直接原因，实施日之后，当指数基金完成投资组合的调整，股票价格便将恢复到原来的水平。Kappou、Brooks和Ward（2008）［4］再次证明在宣布日后一天和实施日当天，调入股票价格和交易量都有显著上涨。Green和Jame（2011）［5］通过对股票市场高频交易数据的研究，发现跟踪S＆P500指数的指数基金存在显著的策略性交易行为，即为避开实施日当天的价格压力放弃追踪误差最小化的基金管理目标，选择在实施日前后的一段时间内调整投资 *［收稿日期］2013-03-07 ［作者简介］范建华，男;陕西师范大学国际商学院副教授，硕士生导师。 张静，女;陕西师范大学国际商学院硕士生。

Fama-French三因子计算过程说明

Fama-French三因子计算过程说明 姜国华、叶昕、饶品贵、祝继高 （北京大学光华管理学院会计系，1000871） 一、数据来源 财务数据来源于CSMAR财务年报数据库。数据区间：资产负债表自1990年起，利润及利润分配表自1990年起，财务状况变动表自1992年起，现金流量表自1998年起，资产减值准备表自2001年起。 市场回报数据来源于CSMAR中国证券市场交易数据库。数据区间：上海A股从1990年12月19日起，深圳A股从1991年07月03日。市场回报数据包括月个股回报、月市场回报、综合月市场回报三个数据集。 无风险利率我们使用的是中国人民银行公布的人民币三个月整存整取利率调整后得到的，即将三个月整存整取利率除以12。 二、数据处理过程1 1．财务数据只保留年末数(Sgnyea='B')2，剔除年初数（Sgnyea='A'）；然后按公司和按年度将资产负债表、利润及利润分配表和现金流量表合并。 市场回报数据剔除B股数据，并将所有特殊值替换为缺失值，最后按月份将月个股回报、月市场回报和综合月市场回报进行合并。 2．以个股第t-1年12月31日的权益账面价值与市场价值的比值(Book-to-market ratio，简称BM)和第t年4月30日的市场价值(简称SIZE)为依据，对第t年5月至第t＋1年4月期间内的公司观测进行分组（每个月进行分组）。 分组方法如下：(1)按SIZE大小平均分为两组（Small组, Big组）；(2)按BM从小到大分三组，即前30%(Growth组)，中间40%(Neutral组)，后30%(Value组)，共形成六个组，即Small Growth组, Small Neutral组, Small Value组, Big Growth组, Big Neutral组, Big Value组。 个股的市场价值是指月个股总市值(Msmvttl)，。若BM和SIZE为缺失值或负值，则予以删除。 3．以个股第t年4月30日的相对市场价值为权重（个股的市场价值与组内个股市场价值总和的比），对第t年5月至第t＋1年4月期间内个股的月回报进行加权平均，从而求得 1数据处理采用SAS9.1统计软件。 2该符号为CSMAR数据库定义的变量名，下同。

三因子模型实证分析

新三因子模型及其在中证100的实证分析 罗小明 （吉水二中江西吉安 331600） 摘要：本文通过对FF-三因子模型的研究，并借鉴了国内外的研究成果，同时结合国内股市的具体特点，提出以下三个影响股票收益率因子：流通市值、市盈率、换手率。在FF-三因子模型的基础上，构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析。 关键字：三因子模型；流通市值；市盈率；换手率 资产定价是金融学的核心任务之一, 各种资产定价模型总是试图找出投资者在投资决策时的相关经济环境变量, 由这些变量来解释股票的收益差异。本文在FF-三因子模型的基础上，并借鉴了国内外的研究成果，同时结合国内股市的具体特点构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析，以便进一步认识中国股市 的股票定价机理。 一．国内股市的特点 1、股本结构 我国上市公司的股本按投资主体的不同性质可以分为国有股、法人股、社会公众股和外资股等不同的类型。由于我国的股权分置，投资者在股票市场买卖的股票都是流通股。此情形下，我国上市公司股票市场价格是在非流通股不能上市流通的前提下所形成的供求平衡价格，这就隐含了这一价格大大高于在全部股流通条件下的市场均衡价格，而股票的市场价格并不是非流通股的价格，这对资产定价模型产生较大影响。 2、存在价格操纵者 近年来，我国股票市场上庄家、庄股之说，并且成为广大投资者、中介机构和有关媒体十分关注的话题。所谓庄家，实际上就是股价操纵者，而庄股就是股价被操纵的股票；虽然从法律角度看，操纵股价的行为是违反《证券法》的，但由于操纵股价能为操纵者带来巨额的超常收益，所以操纵行为禁而不绝。当然，这种操纵行为的出现和演变，具有独特的市场机制和外部环境渊源。 3、考虑交易费用和所得税的情形 在我国，股票交易的费用主要由两部分构成，即交易印花税和佣金，而且这两项都按交易金额的一定比例提取，此外还有过户费(上海股市)、交易手续费(上海股市)。从费率的角度看，目前印花税和佣金有所降低，交易费用有所下降；但考虑到其他费用的存在，我国的股票交易费用仍然偏高。另外，股票收益包括股票股息收入、资本利得和公积金转增收益组成，其中股息又分为现金股息、股票股息、财产股息等多种形式；目前，在我国仅对现金股息征税，而对资本利得和其它股息均未征税。对于大多数股票来说，由于股票收益率绝大部

三因素理论

1 三因素理论：外部环境因素、消费者内在因素、市场营销因素。 2霍金斯模型：外部影响（文化、亚文化、人口环境、社会地位、参照群体、家庭、营销活动）；内部环境（知觉、学习、记忆、动机、个性、情绪、态度）；自我概念与生活方式；决策过程(情境、问题识别、信息搜索、评价与选择、经销商选择与购买、购后过程)。 3两个模型的不同是强调了消费者购后反应的两条反馈：对营销策略和消费者。 4 消费者决策过程的五阶段模型：认知问题、搜寻信息、评价备选方案、选择与决策、购后评价。七阶段模型：需求确认、搜集信息、购买前评估、购买、使用、用后评估、处置。 5 消费者信息处理模型：不知晓、知晓、掌握知识、喜欢、偏好、确信、购买。 6 文化的三要素：价值观、行为规范、图腾象征。 7 需要是个体由于缺乏某种东西而产生的生理或心理上的不平衡的状态。它是消费行为的基础，没有需要就不会产生相应的消费行为。当消费者希望满足的需要被激活时，产生了动机。 8 需要到动机到行为。 9 希曼夫的动机过程模式：为满足的需要—紧张—动机加学习、认知过程—行动—目标，减少紧张到目标。将动机理解为：个人内部作出的行动驱动力，动机因一种紧张状态而产生，以满足未得到的需求。 10布莱思的动机形成模式：未满足的需求—动力加学习—动机加期望—目标—动力产生的行为。 11价值：指产品或服务满足消费者需要的有用性或有用程度。任何产品都必须有价值。消费者价值：消费者从产品和服务中获得的一系列利益。 12 Sheth-Newman-Gross消费价值模型：五种核心消费价值：.功能价值：如有用；2.情感价值：如喜欢、炫耀；3.认知价值：有助于满足认知需要，如新闻；4.社会价值：如归属于某一群体，雅皮士；5.条件价值：如限量版、限购。五种价值观共同影响消费者选择行为。13 MEC模型：从产品属性到消费者价值：手段—目的链模型：从产品属性出发推演出提供给消费者的价值。 14 体验是人们响应某些刺激的个性事件。体验通常是由于对事件的亲身参与或是直接观察造成的，不论事件是真实的，还是虚拟的。 15体验经济是指企业以服务为重心，以商品为素材，为消费者创造出值得回忆的感受。 16 体验营销的构架：感官营销：刺激消费者的感官；情感营销：打动人的情感；思考营销：触发人的思维；行动营销：do it yourself；关联营销:车展：看、摸、试驾 18 生活形态又称生活方式，它对应选择某种消费模式，包括消费观念、如何使用时间和金钱等。 19 生活形态的营销意义：描述目标市场；创造出关于市场的新看法；对产品进行定位；更好地传播产品特征；开发整合营销传播策略 20 消费者购买决策指消费者谨慎地评价某一产品、品牌或服务的属性并进行理性选择、购买能满足某一特定需要的产品的过程。 21 信息加工:与计算机接收信息的过程一样，一种关注人类如何储存、保持与提取信息的学习认知理论。 22影响消费者信息搜索行为的主要因素：产品或品牌的认知；消费者特征，介入度；市场特征及情景，网上信息搜素；在决策过程中不同阶段有所不同。 23消费者“傻瓜”假设：（1）消费者的心理因素：大脑的有限性；大脑的憎恨混乱；大脑的不可靠性；大脑不会改变；大脑不能丧失焦点。（2）消费者信息行为中的“傻瓜”假设如下：懒惰而无耐性；之游常识而无知识；健忘而无记性；感觉直觉优先理性居后；喜欢悠闲讨厌说教；三心二意喜新厌旧；从众跟随以保安全。 24买决策类别——R.布莱克韦尔的分类：复杂决策EPS；有限决策LPS；习惯决策RPS。

三因素模型

一、经济背景 CAPM曾一度是资产定价的主要依据，引发了很多学者对其的实证检验。但是从结果来看，期望收益与市场beta并不相关，CAPM也便遭到了人们的质疑。 正是在这种对传统单因素beta资产定价的挑战下，出现了异象研究。 异象研究：人们发现，股票的平均收益与上市公司的财务特征相关，公司特征对截面收益的解释往往比传统单因素beta模型更加有力。 之后，人们进行了分析。 有的学者就提出，规模效应，size effect，小公司的股票平均收益率高于大公司股票。 还有的学者就提出，账面市值比效应，B/M effect，高账面市值比的股票比地账面市值比的股票有显著高的收益率。 除此之外，还有例如D/E债务权益比效应，E/P盈余价格比效应之类的解释。 二、B/M effect 学术界对于各种异象的研究主要集中于“BM 效应”产生的原因,即为什么高BM 的股票比低BM 的股票具有更高的收益。目前,主要有如下四种观点: 1.有的学者认为B/M 效应只是特定样本在特定检验期内才存在,是数据挖掘的结果。通俗来说，它就是个概率事件，样本局限性：选择性偏差造成BM 效应的存在。但肯尼思·弗伦奇等人通过检验美国之外的股市或拉长检验期后,仍发现B/M 效应显著存在,从而否定了此种解释。 2. 第二种观点(Fama 和French ,1992 ,1993 ,1996) 认为,B/M 代表的是一种风险因素———财务困境风险。具有困境的公司对商业周期因素如信贷条件的改变更加敏感,而高B/M 公司通常是盈利和销售等基本面表现不佳的公司，财务状况较脆弱,因此比低BM 公司具有更高风险。可见,高B/M公司所获得的高收益只是对其本身高风险的补偿,并非所谓不可解释的“异象”。—三因素模型前身。 同时，为了验证自己的结论并不是由于样本选择的原因，他们从国际股票市场的角度进行了考察，发现B/M效应在覆盖四大洲的13个主要国家的股票收益中同时出现，证明了这一现象并不仅局限于美国，否认了B/M效应的质疑。 3. 第三种观点认为,B/M 效应的出现是由于投资者对公司基本面过度反应造成的。高B/M 公司通常是基本面不佳的公司,因此投资者对高B/M公司的股票价值非理性地低估;低B/M公司则是基本面较好的公司,因此投资者对低B/M 公司的股票价值非理性地高估。可见,投资者通常对基本面不佳的公司过度悲观,对基本面优良的公司过度乐观。当过度反应得到纠正后,高BM 公司将比低BM 公司具有更高的收益。 4. 第四种观点也就是特征模型。 (Daniel 和Titman ,1997) 也认为BM 和SIZE 不是风险因素, 实际上,BM 和SIZE 代表的是公司的特征,简称“特征因素”—其代表投资者偏好,并决定收益的高低，而仅仅是特征本身决定了股票的预期收益率。 高B/M 公司由于基本面较差而价值被低估,故称“价值股”;反之,低B/M 公司由于基本面较好而价值被高估,故称“成长股”。 由于投资者偏好于持有基本面较好的成长股,而厌恶持有基本面不佳的价值股,结果导致高B/M 公司具有较高收益。 本文重点主要在论述三因素模型，并与特征模型进行了比较，证明了三因素模型的优势。 三、对三因素模型论述。 第一部分主要是在风险模型中对整体市场，公司规模以及价值溢价的一个整体说明。

FF三因子模型风险因子的有效性检验-最新文档

FF三因子模型风险因子的有效性检验 一、引言众所周知，在资本市场中风险和收益是一对相互依存的变量，即一般而言，高风险会带来较高的收益。风险收益对等的原则是资本市场运作的规则，也是每个投资者必须遵守的定律。从而如何权衡风险和收益之间的关系则是投资者必须面临的问题，也是理论界研究的重点。因此，作为金融理论研究重点之一的风险定价问题一直受到学者们的关注。回顾研究历程可发现，对于股票风险和收益之间的关系的研究可以追溯到最早的CAPM莫型，该模型基于有效市场假说，将B系数视作衡量风险的唯一因子。但是，在随后的研究中发现B系数和回报率之间有不契合的地方，即出现了种种异象。仅仅通过B系数来解释股票回报率略显单薄。Banz( 1981)小公司效应的提出以及Fama French (1992)的研究拓展了最初的CAPMI型，使得度量风险的因子由最初的B系数扩展到B系数、规模、账面市值比三因子。但是，随着资本市场的发展与完善，该模型的适用性是否还成立，对于这一问题国外学者莫衷一是。我国学者延续了国外的研究范式，将CAPM在我国特有的制度环境下利用我国资本市场的数据进行了CAPMI型有效性检验，随后国外学者通过对种种异象的捕捉，拓展了CAPMI型，形成三因子模型。我国学者也随之对拓展后的三因子模型在我国的有效性进行了实证检验。但是由于样本数据以及相关研究方法的差异，至今尚未得出一致的结论。本文立足于我国特有的股票市场，通过对沪

深两市2001-2011 年数据进行大样本实证检验，试图通过大样本数据的验证来探究我国衡量资本市场风险定价的因子以及其相互之间的关系。 二、文献综述 （一）国外文献资本资产定价的研究最早可以追溯到1952 年美国经济学家马克维茨发表的《资产组合选择》。该文详细论述了如何进行金融资产的组合以分散投资风险，并实现收益最大化，资本资产投资理论自此兴起。60 年代初，证券估值方法成为金融学家们研究的热点，这一阶段最为典型的研究成果是资本资产定价模型。1967年由美国学者夏普（Sharp）、林特尔 （Lintner ）、特里诺（Treynor ）、莫辛（Mossin ）等人提出的资本资产定价模型一一CAPM模型，自建立以来在实务界就得到了广泛的关注与应用，在现代金融市场价格理论的研究中，也一直占据着重要的地位。回顾众多验证性文章，其中对于CAPM模型的经典实证检验是Fama和Macbeth （1973）进行的，他们研究的独特之处在于试图在前一期估计的风险变量基础上预测投资组合未来的收益率，平均收益率和B系数成正相关关系。虽 然CAPM莫型在现代金融领域占据着重要地位，也得到了大量的实证数据验证，但是至今该模型也一直接受着来自理论界和实务界的研究挑战与检验。挑战的主流是种种异象的产生，实务中发现B系数和回报率之间有不契合的地方，即出现了种种定价异 象。定价异象说明了，导致股票高收益率的原因不仅仅只有B

五因素模型

由Eugene F. Fama和Kenneth R. French撰写Journal of Financial Economics2015年第4期论文“A five-factor asset pricing model”对原有的Fama-French（1993）三因素模型进行了改进，在原有的市场、公司市值（即SML，small minus large）以及账面市值比（即HML，high minus low）三因子的基础上，加入了盈利能力（profitability）因子（即RMW，robust minus weak）和投资模式（investment patterns）因子（即CMA，conservative minus aggressive），从而能够更好地解释股票横截面收益率的差异。然而，有些小企业的股票收益率，和投资水平高、盈利能力低的公司相似。作者指出，五因素模型的主要不足就在于无法解释这类小企业的股票平均收益率为何如此之低。此外，引入RMW和CMA因子后，1963至2013年的美国股市数据表明，HML因子是“多余”的。 Fama和French于1993年提出的三因素模型在金融圈几乎无人不知，该模型很好地捕捉到了股票收益率与其市值和账面市值比之间的关系。三因素模型也一直是众多学者检验和挑战的对象。Novy-Marx (2013)发现，总盈利-资产比率（gross profits-to-assets）对股票横截面平均收益率，具有接近于HML 因子的解释能力。Aharoni, Grundy和Zeng (2013)指出，公司投资水平和股票平均收益率显著相关（亦可参见Haugen和Baker,1996、Titman, Wei和Xie, 2004、Fama和French,2006、2008等）。由此可见，三因素模型对预期收益率的描述并不全面，因为三个因子并不能解释由公司盈利能力与投资模式所造成的股票收益率差异。 基于上述理论及实证研究，Fama和French在原有的三因素模型中，加入了代表盈利能力的RMW因子和代表投资模式的CMA因子。与之前因子的构建方式类似，RMW是营业利润率（operating profitability）高的多元化投资组合的收益率，减去营业利润率低的多元化组合的收益率。CMA则是投资水平低（“保守”）的多元化投资组合的收益率，减去投资水平高（“积极”）的多元化组合的收益率。其中，营业利润率的衡量标准，是上一财年的总收入，扣除主营业务成本、利息支出和销售、一般及行政费用，再除以上一财年末账面权益总额。而对投资的衡量，则是用上一财年相对于之前财年的总资产增加额，除以之前财年末的总资产金额。 为了清楚地观察各个因子与收益率的关系，本文使用1963年7月至2013年12月的美国股市数据，采用类似Fama和French (1993)的方法对样本数据进行分析。作者分别根据市值-账面市值比、市值-营业利润率和市值-投资水平，对股票进行了3次5×5均分，每次得到25个投资组合。作者发现，总体而言，存在价值、盈利能力以及投资效应：即在控制其他变量的情况下，股票的账面市值比越高，营业利润率越高，投资水平越低，其平均回报率越高，这些现象在市值较小的股票中尤为明显。 在构造SML、HML、RMW和CMA这4个因子时，作者提出了三种投资组合划分的方法。第一种：分别根据市值-账面市值比、市值-营业利润率和市值-投资水平，对股票进行3次2×3划分，每次得到6个投资组合。以市值-账面市值比划分为例，作者将市值以纽交所均值为分水岭，划分为大、小2类；对账面市值比，则以纽交所的第30和第70百分位数为分水岭，划分为高、中、低3类。第二种：分别根据市值-账面市值比、市值-营业利润率和市值-投资水平，以纽交所均值为分水岭，对股票进行3次2×2划分，每次得到4个投资组合。第三种：根据市值-账面市值比-盈营业利润率-投资水平，对股票进行1次2×2×2×2的划分，得到16个投资组合。作者认为，第二种方法在构建因子时，使用了全部股票，而第一种方法却没有使用第30至第70百分位数的股票，因此第二种方法构建的因子更为多元化；而第三种方法，则能更有效地从平均收益率中，分离出市值、账面市值比、营业利润率和投资水平的风险溢价。 作者进行回归分析，并按照Gibbons，Ross和Shanken(1989)的方法进行检验。GRS统计量表明，五因素模型并不能完全描述股票的期望收益率，但是五因素模型依然可以解释71%至94%的不同组合收益率在横截面水平上的差异。五因素模型的GRS统计量值小于三因素模型，回归的截距项（代表异常收益）

法码三因子模型检验

一?样本股票的选取 本次选取的股票是上交所挂牌交易的三只股票，分别为： ①宁波港（601018） ②中国神华（601088） ③浦发银行（600000） ④海信电器（600060） 二?数据选择（数据为日收益率） 数据采用2013年1月1日至2014年6月30日的日数据，分别为日个股收益率、日风险溢价率、日无风险利率、日SMB和日HML。此期间共有357个交易日，为保持数据的统一性，本次选取了其中的346个数据。 三.参数估计使用Eviews7.2对三因子模型中的三个系数进行估计，使用最小二乘法。四?估计结果 三只股票的FF三因子方程分别为： R1-Rf=0.666*RMRF+0.916*SMB+ HML R2-Rf=0.0965*RMRF-0.652*SMB+0.077*HML R3-Rf=1.140*RMRF+0*SMB+0.837*HML R4-Rf=1.24*RMRF+0.41*SMB-0.82*HML 回归结果见附表五?计算结果 根据四个方程求出四只股票的理论收益率，分别为： R1=0.666*（-0.0002）+0.916*0.0009+0=0.0007912 R2=0.0965*（-0.0002）-0.652*0.0009+0=-0.0005 R3=1.140*（-0.0002）+0+0=-0.000128 R4=1.24*（-0.0002）+0.41*0.0009-0+0.0001=0.000221 其中RMRF为-0.0002即在此阶段内市场组合收益率低于无风险利率 SMB 为0.0009 HML 为0 在此阶段内股票的实际日平均收益率分别为： R1= -0.000015 R2=-0.001175 R3=0.000011 R4=0.00008235 六?结果分析 第一只股票宁波港被低估 第二只股票神华股份被低估 第三只股票浦发银行被高估 第四只股票海信电器被低估 通过eviews计算历史数据得到矩阵： 1111 1.080.97 1.14 1.24 0.66-0.650.090.41 ?1.370.080.84-0.82

fama三因素模型中文版_图文.

The Cross-Section of Expected Stock Returns EUGENE F. FAMA and KENNETH R. FRENCH (1992 JOURNAL OF FINANCE 47(2, 427-465 摘要: 結合兩個簡單的變數:規模、帳面對市價比,衡量市場β、規模、財務槓桿、帳面對市價比、E/P ratio與股票平均報酬變異的關係異。而且,當測試變數β與規模無關,即使β是唯一解釋變數,市場β跟股票平均報酬間的關係是無關的。 Sharpe(1964, Linter(1965, and Black(1972所提出之資產定價模型長期被學術界及實務界用來探討平均報酬與風險的關係。模型的主要預測:市場投資組合受mean-variance 的效率影響。效率市場投資組合指:(a證券的預期報酬與市場β是正的線性函數關係。(b市場βs有能力解釋預期報酬的橫斷面。 實證上的發現有許多與 Sharpe-Lintner-Black(SLB模型相抵觸的地方。最明顯的為 Banz(1981的規模效果:在給定市場βs下之預期股票報酬的橫斷面,加入市值ME(股票價格乘以流通在外股數這個變數。結果顯示在給定市場β下,低市值股票的平均報酬太高;高市值股票的平均報酬則太低。 另一個有關 SLB 模型的矛盾則是 Bhandari(1988所提出的財務槓桿與平均報 酬間的正相關。財務槓桿與風險及報酬相關看起來似乎合理,但在 SLB 模型下, 財務槓桿風險應已包含於市場β中。然而 Bhandari 發現財務槓桿能協助解釋包含規模(ME的平均股票報酬的橫斷面變異,且比包含β要來的好。 Stattman(1980, Rosenberg, Reid , and Lanstein (1985發現美國股票的平均報酬與普通股帳面價值(BE市值(ME比有正相關。Chan, Hamao, and Lakonishok(1991發現帳面對市價比(BE/ME對於解釋日本股票的橫斷面平均報酬也扮演很重要的角色。 最後,Basu(1983認為 E/P ratio也能協助解釋包含規模與市場β的美國股票橫斷面平均報酬。Ball(1978提出 E/P是一個在預期股票報酬下,可囊括所有未知因子的

CAPM模型与三因素模型的实证分析

CAPM模型与三因素模型 的实证分析 ——基于上证指数 专业2011级金融学 姓名王兴海 学号2011300040126 一CAPM模型实证分析

1、数据选取 在市场因素中，本文以铜峰电子（600237）为例，选取其2005年2月到2012年2月各月度数据。数据均来自CSMAR数据库，其中市场因素选取上证A股指数来代替。 2、模型设定及回归分析 设检验形式为：Ri=αi+βi RMX+εi ，其中ri为个股月收益率，RMX为上证a股指数月收益率。 用eviews软件对结果进行一元回归，结果如下所示： 对结果进行分析，发现可决系数R-squared约为0.351927，表明该股票月

收益率变化的35.1%可由上证a股指数收益率的变化来决定。从t检验和f检验值看，其p值均为0.0000，在5%的显著性水平下不能拒绝该变量系数拟合值。 二多因素模型实证分析——基于Fama-French模型的分析 1、数据选取 在多因素（Fama-french）模型中，我随机抽取了上证交易所的10股票，选取其2005年2月到2012年2月的每月收益率数据。其中市场因素选取月度上证A股指数的收益率减去无风险收益率的值来代替。数据均来自CSMAR数据库。分析结果如下图： 2、模型设定 三因素模型检验形式如下：Ri=αi+bi (RM-RF)+si SML+hi HML+ε,其中ri 为个股收益率，在此我们选为所选组合平均月收益率；rm-rf=RMX为市场收益率减无风险收益率，在此我用“上证A股指数月收益率减无风险收益率”代替，其中无风险收益率考虑到我国的实际情况，我选择用“银行三个月定期存款利率”来代替。SML为低市值与高市值组合收益率之差，HML为高账面市值比与低账面市值比组合收益率之差。 3、回归分析 用eviews进行回归分析结果如图所示:

(推荐)系统理论的人因素模型

系统理论的人因素模型 系统模型可反应人、机、环境之间的相互作用、反馈和调控，并能指出促成事故的一系列事件。下述几个模型都属于系统理论。 一、S—O—R人的因素模型 1969年，J·瑟利提出一个事故模型，它包括两组问题（危险构成和显现危险的紧急时期），每组包含三类心理—生理成分，即对事件的感知（刺激，S）、对事件的理解（内部响应，认识活动，O）以及生理行为响应（输出，R）。 包含有S—O—R的第一组侧重危险的构成，以及与此危险相关的感觉的、思考的（认识的）和行为的（生理输出）响应。第二组，瑟利称之为显现危险时期，也同样包含有S—O—R三个相同的成分。在此期间，如果不能避免危险，则将产生伤害或损坏。瑟利模型如图2-2。 二、操作过程与S—O—R人因素的模型 1978年安德淼等曾在分析60件工伤事故时，应用了瑟利模型及其提出的问题，发现后者存在相当的缺陷，并指出：瑟利虽然清楚地处理了操作者的问题，但未涉及机械及其用于环境的运行过程。通过在瑟利模型上增加一组提前步骤，即构成危险的来源及可察觉性，运行系统内部波动（变异性），控制此波动使之与操作波动相一致。这一工作过程的增加使瑟利模型更为有用，详见图2-3。 安德森对瑟利模型的增补，始于控制系统（一个不可控系统，例如闪电，不能为模型的开始组所阐明）。问及系统是否能观察到（通过仪表或人的感官），阻止察觉是否可能主要指有无噪声、照明不良或因栅栏而阻碍了对工作过程的察

觉。 1970年海尔认为，当人们对事件的真实情况不能做出适当响应时，事故就会发生，但并不一定造成伤害后果。海尔的模型集中于操作者与运行系统的相互作用。他的模型是二个闭环反馈系统，把下列四个方面的相互关系清楚地显示了出来：（1）察觉情况，接受信息；（2）处理信息；（3）用行动改变形势；（4）新的察觉、处理，响应。详见图2-4。 信息包括操作者在运行系统中收到的信息，这种信息可能由于机械的故障而不正确，或因视力听力不佳而察觉不到，即不完整的信息。这两种情况都可能导致行动失误。预期的信息指经常指导对信息收集和选择的预测。就预测指导感觉而言，可能发生两种类型的失误。一是操作者感觉上的失误，二是对危险征兆没有察觉。只有当信息显示不安全时，预测可以举一反三，触类旁通。当负担过重，有压力、疲劳或药物作用，使操作者对收集信息的注意力削弱，以致不能保持对危险的警惕。 行为的决策：根据察觉到的信息，经过处理，能否采取正确的行动，这取决于指导、培训以及固有的能力。决策要考虑经济效益、社会效益，这包括生产班组群体的利益，也有原有的经验及由此而产生的对危险的主观评估。认识、理解、决策均属于中枢处理，接着便是行动输出（响应行为）。 响应行动之后，运行系统会发生变化。检察和监测功能是反馈环中的主要功能。

fama三因素模型翻译完整版

本文确定了股票和债券收益的五个常见风险因素。股票市场有三个因素:一个总体的市场因素和与公司规模以及账面市值比有关的因素。债券市场有两个因素。与到期和违约风险有关。由于股票市场的因素，股票回报有共同的变化，它们通过债券市场因素的共同变化与债券收益联系在一起。除了低级的企业。债券市场因素反映了债券收益率的共同变化。最重要的。这五个因素似乎解释了股票和债券的平均回报率。 1.介绍 美国普通股平均收益的横截面与夏普比例β（1964）TLNTNER（1965）资产定价模型或BREEDEN（1979）等跨期资产消费定价模型的消费关系不大。例如，ReigANUM（198 1）和布里登、吉本斯和LyZeNBER（1989）。换句话说，在资产定价理论中没有特殊地位的变量显示了可靠的解释平均回报截面的能力。经验确定的平均值变量的列表包括大小（ME，市值），杠杆率，收益/价格（E/P），和账面市值比（公司普通股的账面价值，BE，其市值，ME）。例如班兹（1981）。班达里（1988）。巴（1983）。还有罗森伯格、瑞德和Lanstein FAMA和法国（1992年）研究了股票平均收益的横截面中市场β、规模、E/P、杠杆和账面市值比共同作用。他们发现，单独使用或与其他变量组合共同使用，β（股票收益在市场回报的回归中的斜率）几乎并不显著。单独使用，大小，E/P，杠杆，和书对市场的股本有解释力。在组合中，规模（ME）和账面市值比（BE/ME）似乎吸收杠杆和E的作用；最终结果是，两个经验确定的变量，规模以及账面市值比，很好地解释了在1963年至1990年期间纽约证券交易所、美国证券交易所和纳斯达克股票的平均回报的横截面。本文以三种方式扩展了Fama和法国（1992年A）的资产定价测试。 （a）我们扩展了解释资产的围。在FAMA和法国（1992年A）中考虑的唯一资产是普通股。如果市场一体化，单一模型也应该解释债券收益。这里的测试包括美国政府和公司债券以及股票。 （b）我们还扩展了用于解释回归的变量集。FAMA和法国（1992年A）的规模和账面市值比直接作用于股票。我们将列表扩展到可能在债券收益中起作用的期限结构变量。我们的目标是检查债券回报中重要的变量是否有助于解释股票收益，反之亦然。这种观点认为，如果市场一体化，债券和股票的回报过程可能会有一些重叠。 （c）或许最重要的是，测试资产定价模型的方法是不同的。FAMA和FA（1992年A）使用FAMA和MACBETH（1973）的截面回归：使用回归股票收益的横截面来解释平均的回归。由于规模和账面市值等解释变量对政府和公司债券没有明显的意义，因此很难在横截面回归中增加债券。 本文采用时间序列回归的方法，黑色，延森和斯科尔斯（1972）。股票和债券的月度收益在股票市场组合的回报率上回归，并模拟投资组合的大小、账面市值比（B/ME）和回报的期限结构风险因素。时间序列回归斜率是与大小或BE/ME不同的因素负荷，对债券和股票有明确的风险敏感性。时间序列回归也便于研究两个重要资产定价问题。 （a）我们的一个中心主题是，如果资产价格合理，与平均收益相关的变量，如规模和账面净值权益，必须代表对回报中常见（共享的和不可预测的）风险因素的敏感性。时间序列回归在这个问题上提供了直接的证据。特别是，斜率和R平方值表明，模拟相同大小或账面市值比在股票和债券收益的共享变化没有被其他因素解释。 （b）时间序列回归使用超额收益（月度股票或债券收益减去一个月国库券利率）作为因变量和超额收益或零投资组合的回报作为解释变量。在这样的回归中，一个很好的资产定价模型产生了截然不同于0的截距（默顿（1973））。所估计的截距显示共同因素的不同组合很好的捕获横截面的平均回报数据。此外，基于超额收益回归的截断来判断资产定价模型提出了严格的标准。竞争模型被要求解释一个月的票据利率以及长期债券和股票的回报率。 我们的主要结果很容易总结。对于股票而言，无论是在时间序列回归中投资组合模拟相

CAPM模型与三因素模型的实证分析

龙源期刊网 https://www.sodocs.net/doc/f45029999.html, CAPM模型与三因素模型的实证分析 作者：徐庆川严棋 来源：《金融经济·学术版》2012年第09期 摘要：本文采用CSMAR数据，用CAPM模型和Fama-French模型分别对上证A股股票 投资组合的期望收益率估计进行了实证检验。本文的主要结论是在中国的股票市场中，市场风险并非决定市场组合或者单个股票预期收益的唯一因素，而规模因子（SMB）和账面市值比因子（HML）能更好的解释投资组合的期望收益率。 关键词：CAPM Fama-French SMB HML β 一、背景理论 自1952年哈里·马科维兹提出组合投资理论以来，现代投资理论发展迅速。而资本资产定价理论无疑是其中最核心的部分。威廉·夏普，约翰·林特勒（1965）和默森（1966）分别独立提出了著名的资本资产定价模型（CAPM），开启了研究在未来不确定条件下资本资产均衡定价问题研究的先河。该模型基于有效市场理论的基本假设条件，认为所有投资者具有相同的预期，他们都会选择市场组合进行投资，进而用CAPM公式，对特定证券的预期收益率进行计量。 由于模型的开放性，对于如何选取适合的因素进行研究提出了难度。在之前众多学者的实证研究中，最著名的例子是Fama-French的三因素模型（1992）的研究，其所研究的因素对于之后的研究有借鉴作用。该模型从公司自身的影响因素出发，考虑了以下三个因素：市场收益率或者市场指数收益率，小股票比大股票多的资产组合收益，高市场比率股票比低市场比率股票多的资产组合收益。 中国的证券市场发展较晚，影响证券收益率的因素也较为多样，因此仅用系统性风险来诠释股票收益率是不够的。结合前人对于资产定价方面的研究，我们判断SMB和HML对于股 票收益率有良好的解释作用。所以,我们根据金融危机后的中国股票市场进行实证研究，同时 检验CAPM模型和三因素模型对于股票收益率的解释程度。通过科学的对比和分析，探索出适合中国市场的模型，从而更好的解释和预测中国股票市场未来的收益率和发展趋势。 二、CAPM与Fama-French模型及其参数估算方法 1、CAPM CAPM中股票的期望收益率可以表示为：E（Ri）-Rf=βi[E（RM-Rf）] 其中RM是市场上所有股票组合的收益率， Rf是无风险利率，Ri是第i种股票的收益率，第i种股票相对于市场所有股票组合的系统风险为β■

金融经济学三因子模型在中国A股市场的实证研究

金融经济学三因子模型在中国A股市场的实证研究 金融学院09级金融二班刘少毅 200941038 一、研究背景： 自世界经济形成以来，经济学家对其研究历来没有停止过，无论是短期的货币市场还是长期的资本市场，其中蕴含的规律不断被人们所挖掘、提炼并总结成理论。1993年美国经济学家Fama和French总结出了三因子模型，简称”FF三因子模型”。 中国的现代证券市场自20世纪80年代末，至今已二十年，大众投资的行为在理论指导及自身学习中不断趋于理性。利用三因子模型对其进行研究，不仅能够检验三因子模型对不同范围经济变量的适应程度，也可以对中国股票市场进行实证分析，寻找各因素之间的相关关系，论证其市场理性程度。 本文采用三因子模型的构造方式，利用2010年1月8日—20113月25日年中国上市所有AB股股票组合的账面市值，并采用最小二乘法，组建三因子模型，并进行检验。 二、理论分析： Fama和French 1992年对美国股票市场决定不同股票回报率差异的因素的研究发现，股票的市场的beta值不能解释不同股票回报率的差异，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama and French 认为，上述超额收益是对CAPM 中β未能反映的风险因素的补偿。”这些能解释股票回报率差异的因素具有很强的相关性,可以建立一个三因子模型解释股票回报率,模型认为,一个投资组合(包括单个股票) 的超额平均回报率可由它对三个因子的暴露来解释,这三个因子是: 市场溢酬因子（RMRF）、市值因子( SMB) 、账面市值比因子( HML)。 这种观点被普遍认为是合理的，Banz1981 年发现股票的市场价值能够反映不同股票历史平均收益率的差别 ,小市值股票历史平均回报率要高于大市值股票的历史平均回报率。市值对回报率的解释作用称为市值效应。 账面市值比(HML) 也是影响股票回报率的重要因素, 根据Fama、French的观点，直观上看,上市公司股票具有较高的账面市值比,该公司市值相对于账面价值较低,反映出市场认为公司的盈利能力较差,或者无形资产的价值较小,对公司前景的预期较差,公司的风险较高,因此要求较高的风险补偿，也就是说账面市值比越大的股票,回报率也越高。 也正是由于FF 三因子模型的合理性，本文选取其进行了在中国A 股市场的实证研究分析。 三、数据来源： 本文的实证研究样本数据来自于2010年1月8号至2011年3月25日的所有AB股股票组合的经流通市值加权的市场溢酬因子、市值因子、账面市值比因子以及该股票组合的周收益率，具体数据如下：

Fama三因素模型总结

Fama-French三因子模型 (重定向自Fama–French三因素模型) Fama-French三因子模型(Fama-French 3-factor model，简称FF3） Fama-French三因子模型概述 Fama和French 1992年对美国股票市场决定不同股票回报率差异的因素的研究发现，股票的市场的beta值不能解释不同股票回报率的差异，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama and French认为，上述超额收益是对CAPM 中β未能反映的风险因素的补偿。” Fama-French三因子模型的表达式[1] Fama和French 1993年指出可以建立一个三因子模型来解释股票回报率。模型认为，一个投资组合(包括单个股票)的超额回报率可由它对三个因子的暴露来解释，这三个因子是：市场资产组合(R m?R f)、市值因子(SMB)、账面市值比因子(HML)。这个多因子均衡定价模型可以表示为： 其中R ft表示时间t的无风险收益率；R mt表示时问t的市场收益率；R it表示资产i 在时间t的收益率；E(R mt) ?R ft是市场风险溢价，SMB t为时间t的市值(Size)因子的模拟组合收益率，HMI t为时间t的账面市值比(book—to—market)因子的模拟组合收益率。 βi、s i和h i分别是三个因子的系数，回归模型表示如下： R it?R ft = a i+ βi(R mt?R ft) + s i SMB t + h i HMI t+ εit Fama-French三因子模型的假设条件 1、理论假设 在探讨Fama—French三因子模型的应用时，是以“有限理性”理论假设为基础。并在此基础上得出若干基本假定： (1)存在着大量投资者； (2)所有投资者都在同一证券持有期计划自己的投资资产组合； (3)投资者投资范围仅限于公开金融市场上交易的资产； (4)不存在证券交易费用(佣金和服务费用等)及税赋； (5)投资者们对于证券回报率的均值、方差及协方差具有相同的期望值； (6)所有投资者对证券的评价和经济局势的看法都一致。 2、统计假设 从模型的表达式可以看出，FF模型属于多元回归模型。其基本假设为： (1)(R m?R f)、SMB、HML与随机误差项u不相关； (2)零均值假定：E(ξi) = 0； (3)同方差假定，即ξ的方差为一常量：Var(ξi) = S2； (4)无自相关假定： (5)解释变量之间不存在线性相关关系。即两个解释变量之间无确切的线性关系； (6)假定随机误差项u服从均值为零，方差为S2正态分布，即ξi?N(0,S2)。 但是，我们应该看到，三因子模型并不代表资本定价模型的完结，在最近的研究发现，三因子模型中还有很多未被解释的部分，如短期反转、中期动量、波动、偏度、赌博等因素