基于公因子提取法的股票定價有效性研究.pdf

1、Sharpe(1964)提出的資本資產定價模型(CAPM)是研究金融市場定價理論的里程碑，認為在資產定價過程中，只有系統(tǒng)風險起著不可替代的作用，而非系統(tǒng)風險可以通過分散化投資得以消除。然而受不完全信息、交易成本等因素的影響，投資者未能持有多樣化的投資組合，非系統(tǒng)風險固然存在，導致CAPM這一單因素模型的定價功能逐漸減弱。隨之，多變量資產定價模型成為現(xiàn)代金融界研究的熱點之一。
　　然而隨著對定價模型研究的發(fā)展和深入，越來越多的因素被

2、納入到定價研究的范疇來解釋各種截面異象。實證中由于對這么多因素做回歸可能存在多重共線性而導致得不到真實的結果。本文嘗試基于漸近主成分分析的高維因子分析法，其核心思想是將高維時間序列轉換有幾個時間序列組成的低維時間序列，也即公因子序列，這幾只公因子序列反映了數(shù)據(jù)的絕大部分變動。然而，實際應用中這些公因子往往是未知的，也叫潛因子，公因子的個數(shù)也是未知的需要估計。本文基于主成分分析方法估計出公因子及其個數(shù)后，將已知或可觀測到的因素與少量的潛因

3、子建立線性回歸模型，通過一系列的統(tǒng)計量來判定真實的潛因子是否能表示實證因子（即可觀測因子），從而檢驗實證因子的有效性。公因子提取方法的引入，為檢驗眾多名目繁多的實證因子的有效性提供了思路。
　　本文以A股市場為研究對象（共計796只股票，樣本期間自2009年2月至2013年12月），首次從潛因子識別的角度對可觀測變量進行有效性檢驗。主要結論如下:第一，在潛因子估計階段，通過Bai和Ng(2002)所建立的面板準則對超額收益率序列進

4、行潛因子個數(shù)的相合估計，將維度高達796的高維時間序列轉換為3維時間序列。第二，在對可觀測變量的構造過程中發(fā)現(xiàn)，中國A股存樣本期內市場不存在規(guī)模效應，上市公司股票的平均月收益率隨著公司市值的上升而上升。在動量因子的研究中發(fā)現(xiàn)中國A股市場存在短中期動量效應，長期反轉效應。第三，在可觀測變量與潛因子的回歸模型估計結果中，發(fā)現(xiàn)假設殘差具有條件異方差性條件下各個統(tǒng)計量估計結果要優(yōu)于獨立同分布假設條件下的結果。在對微觀經濟變量與潛因子的關系研究中