沪股通股票的定价有效性研究

姚洪心　胡阳艳

摘 要：在国内外现有研究的基础上，本文考察了沪港通以来沪股通股票的市场流动性溢价效应、规模效应和价值效应等市场异象，并对我国沪股通市场进行资产定价有效性研究。结果显示：CAPM模型不适合沪股通市场定价，F-F模型可以解释规模效应和价值效应，而引入流动性因子的F-F扩展模型可以解释规模效应、价值效应及流动性溢价效应，即基于流动性因子的F-F扩展模型可以较好地解释沪股通市场的超额风险溢价现象。同时，研究结果显示沪股通的实施使得内地资本市场更加开放且有利于投资者回归价值投资。

关 键 词：沪股通；资产定价；流动性风险；F-F三因子模型

中图分类号：F830.9 文献标识码：A 文章编号：2096-2517（2016）06-0039-08

Abstract： Based on research at home and abroad， this paper studies the liquidity premium effect， the size and value effects in SH Stock Connect market since the SH-HK Stock Connect opened， and explores the effectiveness of asset pricing in SH Stock Connect market. The results show that： CAPM model is not suitable for market pricing of SH Stock Connect， the F-F three-factor model can only explain the size and value effects while the extended F-F model can explain the liquidity premium effect， the size and value effects better in SH Stock Connect market. This means that the extended F-F model based on liquidity factor can better explain the excess risk premium of SH Stock Connect. Besides， the results show that the implementation of SH Stock Connect makes the mainland capital market more open and conducive to the return to value investment.

Key words： SH Stock Connect； asset pricing； liquidity risk； F-F three-factor model

一、引言

在政府的大力推动下，连接内地和香港资本市场的沪港通于2014年11月17日正式开通，使得内地资本市场更加开放。沪港通的股票包括沪股通股票和港股通股票，前者是投资者可委托香港联交所买卖的在上交所上市的股票，后者是投资者可委托上交所买卖的在香港联交所上市的股票。 截至2016年5月底Wind统计数据显示，沪股通标的股总市值21.4万亿，约占上证A股市场总市值的49%，可见沪股通标的股是我国股市目前重要的组成部分。沪股通的开通引起了学者的广泛关注，但是当前关于沪股通的研究大多数是定性的理论分析而非定量的实证分析，尤其关于沪股通市场资产定价有效性的研究更少。1952年Markovitz提出的“均值-方差” 理论奠定了现代金融学发展的基础，从此资产定价理论快速发展并成为金融研究的重要问题之一。沪港通作为中国资本市场进一步开放的实验对象， 将为深港通、 沪伦通的开通奠定基础。因此，沪股通市场资产定价有效性研究在中国资本市场开放的研究方面具有重要意义。本文以沪股通标的股为研究对象， 进行CAPM、F-F三因子模型[1]及其扩展模型在沪股通标的股市场定价的有效性检验，同时研究沪股通的开通对资产定价带来的影响。

近年来，国内外有大量关于资本市场定价有效性的实证研究，研究结果显示大多数资本市场存在规模效应和价值效应， 且F-F三因子模型相对CAPM模型在各个资本市场的定价更有效。例如，Nartea和Ward在新西兰市场证实了规模效应和价值效应的存在，结果显示CAPM模型并不适合新西兰市场， 而F-F三因子模型能够有效解释新西兰的证券市场[2]。熊明达实证检验了我国A股市场超额收益率， 结果表明F-F三因子模型对于A股市场的收益率具有很强的解释力，且规模因子和账面市值比因子能够显著提高CAPM对超额收益率的解释能力[3]。卢宇燕的检验结果显示，SMB、HML显著提升了F-F三因子模型的解释能力，但是SMB、HML两个因子的解释能力较弱， 尤其结果显示收益率与规模呈现较强的正相关，与账面市值比则成负相关，与三因子模型的结论完全相反[4]。而另外一些学者研究发现在不同的市场F-F三因子模型的有效性在结果上存在一定的差异。例如Halliwell研究发现澳大利亚市场存在规模和价值效应且小规模和高账面市值比的企业存在超额收益，虽然F-F三因子模型可以较好地解释价值效应但不能有效地解释市场的规模效应[5]。Shafana利用F-F三因子模型研究科伦坡证券市场收益率发现，账面市值比因子在该市场对股票超额收益有较大的解释能力，而规模因子影响作用并不显著。[6]同样Eraslan采用伊斯坦布尔（ISE）数据的研究结果显示，规模因子在小规模企业并不显著而在大中型企业是显著的[7]。田利辉等研究了F-F三因子模型在中国和美国股市的解释能力， 结果显示F-F三因子模型能够较好地解释中美投资组合的超额收益率，然而各因子在两国股市的解释能力有所差异，其中市场风险在中国市场表现较为显著，而规模和价值效应在美国市场较为显著[8]。武翰利用F-F三因子模型分析了沪港通对股票定价的影响，发现沪港通实施前后市场风险、规模效应等对股票超额收益率的解释能力有所变化，尤其沪港通实施后规模因子的解释能力有所上升[9]。从上述文献分析可知，目前国内外学者们对于市场定价模型的研究结果基本都表明，对于股市的风险溢价，F-F三因子模型比CAPM模型的解释能力强， 但可能受市场及个别事件的影响，F-F三因子模型在不同市场之间存在结果上的差异。

随着股票市场的不断发展完善，流动性风险引起国内外学者的广泛关注， 但F-F三因子模型并不能解释股票市场的流动性溢价风险。 为了弥补F-F三因子模型的缺陷，以Amihud为代表的学者提出了流动性溢价理论， 同时Amihud利用价格对交易量的敏感度构造了一个非流动性指标并证实流动性风险存在于美国股票市场[10] 。同样，我国学者谢赤、陆静、陈青及李文鸿等采用换手率、非流动性比率等指标进行研究，证实我国股票市场存在流动性溢价现象[11-14] 。而胡志强和马文博研究中国股票市场流动性溢价问题时发现，中国股票市场存在流动性溢价，但超额收益率和流动性之间并不存在确定的定量关系[15] 。同时，周芳、张维在Amihud研究的基础上重新设计了一个新的流动性指标，结果表明流动性风险存在于我国股市并属于系统性风险[16-17]。从上述文献可知，流动性风险存在于我国股票市场且流动性风险会影响资产定价，因此进行资产定价有效性研究时不可忽略流动性的影响作用。

本文主要研究内容是沪股通市场定价模型有效性检验及沪股通的开通对于资产定价的影响。有效性检验步骤主要是在现有研究的基础上进一步分析， 首先检验CAPM模型在沪股通市场的有效性，进一步考察我国沪股通标的股市场的流动性风险、规模效应和价值效应；然后考虑公司规模和账面市值比的影响作用， 分析F-F三因子模型在我国沪股通市场的有效性；再将流动性因子引入F-F模型，检验引入流动性因子的F-F扩展模型在我国沪股通标的股市场的有效性；最后对比分析沪股通实施前后资产定价结果，分析沪股通的影响作用。

二、研究方法设计

（一）变量的选取

收益率（R）是指不考虑现金红利再投资的周回报率；市场收益率（Rm）是上证综指周回报率；无风险利率（Rf）是商业银行一年期存款利率折算的周利率。公司规模Size=ln（MVt /108），账面市值比率BMt=BPSt /closet。其中MVt 为股票在第t周的流通市值；BPSt 为股票在第t周末的每股净资产，若本周没有统计值，就用上周的统计值，依次类推。

目前学者们衡量流动性的指标主要包括非流动性比率、换手率和买卖价差等，由于换手率包含流动性信息和异质信念信息，买卖价差则需要比较完善的做市商制度，两者均具有特殊性，所以本文使用非流动性比率衡量流动性。在Amhuid非流动指标的基础上进行改进，Illiqt=[|colset-opent|/opent]×103/ln Amt（此处乘以103是为了使指数尽量在一个数量级）。 其中colset、opent、Amt分别表示股票在第t周的收盘价、 开盘价和交易额，Illiqt可以衡量每周单位交易金额所引起的价格的变动幅度，反映了每周的交易额对价格的冲击。

（二）指标构建

指标构建按照Fama和French规则并进行延伸定义，每周根据511只标的股按照Size大小进行排序，利用这个排序中的中位数Size将所有股票分成两组（S组，B组）；同时，在Size分组后的股票按照BM进行排序，进一步细分成3组：即前30%（H组），中间40%（M组），后30%（L组）。再在以上分组的基础上， 进一步根据非流动性比率Illiq分为两组（I组，V组），最终构成12个组合（S/L/I、S/M/I、S/H/I、B/L/I、B/M/I、B/H/I、S/L/V、S/M/V、S/H/V、B/L/V、B/M/V、B/H/V），然后利用市值加权平均得到12个组合的周回报率。规模因子、账面市值比因子及流动性因子的构造方法如表1所示。

（三）回归模型设定

为了检验我国股票市场的规模效应、价值效应和流动性溢价效应，模型设定如下：

（四）估计方法选择

在对模型参数的估计方法上，经典的最小二乘估计需要满足所有解释变量不相关、误差项同方差且服从正态分布等严格的假设条件，而GMM估计允许随机误差项存在异方差、序列相关及残差项正态分布，可以进行自相关调整。可见，GMM估计具有更多优良特征，所以本文采用GMM估计方法。

三、数据统计分析

（一）样本选取和数据说明

本文选取567只沪股通标的股作为研究样本，以2012年1月至2016年6月作为研究区间，个股周回报率数据来自CSMAR数据库， 其他均来自于Wind数据库。为保证数据分析的有效性和可比性，对样本标的股进行了如下处理：

1. 剔除账面市值比为负值的股票。本文选中的567家沪股通标的股中主要有6家存在账面市值比为负的公司，分别是国新能源（600617.SH）、宏发股份（600885.SH）、广日股份（600894.SH）、赤峰黄金（600988.SH）、青海春天（600381.SH）、洛阳玻璃（600876.SH），均予以剔除。

2. 剔除长期停牌或退市股票。在第1步的基础上，继续删除交易周数不足150周的股票，共剔除50只股票。

3.在以上两步的基础上，对于交易天数只有一天的股票删除该周的数据， 目前主要集中于2013年9月30日至10月4日及2014年2月3日至7日这两周， 由于节假日导致交易天数只有一天，所以删除所有股票此两周数据。

综上，本文研究标的共511家，在研究样本给定的基础上进行计算分析。

（二）描述性统计分析与相关系数分析

本文对个股变量进行描述性统计分析（见表2），结果显示：个股超额回报率的最小值是-71.93%，最大值为61.21%， 非流动性比率最小值为0，而最大值为33.67，均值为2.29，说明个股超额回报率和非流动性比率可能存在特异值。同时R-Rf呈现左偏分布，而其他变量呈现右偏分布；R-Rf、Illiq峰度大于3， 呈现尖峰厚尾特征，Size、BM峰度小于3，呈现平峰厚尾特征；J-B正态检验统计量服从自由度为2的分布，结果显示统计量对应的概率p值近似于0，即各变量数据拒绝正态分布假设。

进一步观察各指标之间的关系，考虑个股超额回报率与市场超额回报率和前一周的账面市值比、公司规模、 股票的流动性度量指标之间的相关关系，计算5个变量之间的相关系数，见表3。结果显示：个股超额回报率与市场超额回报率之间的相关系数最大，为0.56， 远高于与其他变量之间的系数，这说明市场超额回报率是影响个股超额回报率的最主要因素，对个股超额回报具有较高的解释能力。同时，相关系数显示个股超额回报率与前一周的账面市值比、公司规模及流动性指标之间的相关系数分别为正、负、正，这说明高规模、低账面市值比及高流动性不利于股票获得超额收益。 同时，表4关于分组数据也显示随着账面市值比的增加、非流动性比率的增加（流动性的降低），各组超额收益率有一定的下降趋势，这说明我国沪股通市场存在价值溢价和流动性溢价。

四、沪股通标的股模型有效性检验

为了考察我国股票市场除了市场风险以外的风险溢价如流动性溢价、 规模效应和价值效应，本文分别按照前一周的公司规模、账面市值比和流动性度量指标将样本股票划分为4组，再对每组样本股进行等权重平均，然后对各组合进行检验。分组满足Size1→Size4（规模由小至大），BM1→BM4（账面市值比由小至大），Illiq1→Illiq4（非流动性比率由小至大，即流动性依次降低）。

（一）时间序列平稳性检验

伪回归是存在于时间序列回归中的一种特殊现象，为了防止出现伪回归问题，对各组平均超额收益率序列、市场超额收益率序列及构造的三个因子进行单位根检验——ADF检验（Augmented Dickey-Fuller），检验结果如表5所示。

表5结果显示各序列的ADF统计量绝对值均大于临界值|t0.05（223）|=3.46，落在了拒绝域内，因此拒绝原假设（原假设为至少存在一个单位根），说明各序列皆平稳，不存在单位根。所有解释变量与被解释变量都满足平稳性假设，可进行回归分析。

（二）CAPM及F-F三因子模型检验

采用GMM估计方法，标的股平均超额收益率数据对市场超额风险收益率和构造的SMB、HML因子进行回归，结果如表6所示。

表6中CAPM模型有效性检验结果显示，除Size4-Size1，BM3两组的？琢在10%的显著性水平不显著外，其他13组的？琢在10%的显著性水平是显著的，即？琢≠0，说明我国沪股通市场存在规模效应、账面市值比效应和流动性溢价效应，且CAPM模型不能解释沪股通标的股市场的这三种效应，即CAPM定价模型在沪股通市场是无效的。进一步分析发现， 随着规模和账面市值比的增加，？琢有一定的降低趋势，可调整R2逐渐增大，可见规模和账面市值比越大，市场风险溢价对股票超额收益的解释能力增强； 随着流动性的减弱，？琢有一定的增加趋势，可调整R2逐渐降低， 市场风险溢价对股票超额收益的解释能力减弱。

F-F三因子模型检验显示，在规模、账面市值比的10个分组在10%的显著性水平均不显著，即？琢=0，综合看来F-F三因子模型可以解释我国沪股通市场的规模效应以及价值效应；然而，在非流动性Illiq的5个分组在1%的显著性水平下均显著不为0，即F-F三因子模型不能解释我国沪股通市场的流动性风险溢价效应。对比CAPM模型可以看出， 随着规模因子和账面市值比因子的引入，F-F三因子模型对股票超额溢价的解释能力明显增强，尤其是在规模分组和账面市值比分组中，可调整R2约达到0.93。

综上所述，我国沪股通市场存在规模效应、价值效应及流动性溢价效应，但CAPM模型并不能解释我国沪股通市场的规模效应、价值效应及流动性溢价效应。 而F-F三因子模型对CAPM进行了改进，对于账面市值比效应、规模效应具有一定的解释作用，但不能解释我国沪股通标的股市场的流动性溢价效应。所以下文将进一步考虑引入流动性因子改进后的F-F扩展模型。

（三）加入流动性因子的Fama-French扩展模型检验

用标的股超额收益率数据进行对市场超风险收益率和构造的SMB、HML、INV因子进行回归，结果如表7所示。

则接受原假设，认为工具变量有效。同时，除Illiq3外， 其他14组分组检验结果显示？琢均不显著，即？琢=0，可以看出，引入流动性因子后的F-F扩展模型不仅能解释规模效应和价值效应，也可以解释流动性风险溢价效应。同时，可调整R2在CAPM模型、F-F三因子模型及引入流动性因子的F-F扩展模型中依次增大，分别是0.658、0.902和0.913，即模型在沪股通市场的解释能力依次增强，尤其是F-F三因子模型相对CAPM模型解释能力有较大的提升，F-F扩展模型的解释能力更高， 可以很好地解释股票超额收益率。 综合看来， 相比CAPM模型、F-F三因子模型，F-F扩展模型一方面可以解释我国沪股通市场的流动性溢价效应，同时对沪股通市场股票超额风险溢价的解释能力更强，因此更适合我国沪股通标的股市场的定价研究。

进一步分析，在三个模型中，市场风险系数？茁均大于0且依次降低，分别是1.025、0.978和0.773，说明随着规模因子、账面市值比因子及流动性因子的加入，股票超额收益对市场风险的敏感度有所下降。同样，对比F-F三因子模型及其扩展模型也可以发现，股票超额收益对规模因子的敏感度有所下降，但股票超额收益对账面市值比因子的敏感度有所上升，这可能是因为流动性因子与账面市值比因子之间存在一定的关系。在F-F扩展模型中，规模因子系数s随着规模的增加而减小，账面市值比因子系数h随着账面市值比的增加而增大，流动性因子系数i随着非流动性的增加而增大，即随着流动性的减小而增大，可见我国沪股通市场存在规模效应、价值效应和流动性溢价效应。

（四）沪股通对股票定价的影响

以上说明引入流动性因子的F-F扩展模型基本可以解释沪股通市场的规模效应、价值效应和流动性风险溢价效应， 以下采用F-F扩展模型分析沪股通事件对于股票定价的影响。

对比沪股通实施前后的检验结果可以看出，沪股通开通后比开通前F-F扩展模型对股票超额收益的解释能力有明显的提升，市场风险溢价仍然是影响股票超额收益最主要的因素。相比沪股通开通前，股票超额收益对市场风险因子的敏感度下降，而对规模因子、账面市值比因子和流动性因子的敏感度有所上升，说明沪股通实施后，规模效应、账面市值效应及流动性溢价效应对股票价格的影响力更大，即沪股通开通促使投资者更加注重价值投资。

五、结论

本文研究的核心是我国沪股通标的股的流动性溢价效应与资产定价问题，从理论和实证分析的角度考察我国股票市场的流动性溢价效应、规模效应及价值效应。 检验结果显示，CAPM模型不能解释沪股通市场的规模效应、价值效应以及流动性风险溢价效应，即不适合沪股通市场定价研究；而F-F三因子模型可以解释我国沪股通市场的规模效应和价值效应， 但是不能解释流动性风险溢价效应。在引入流动性因子的F-F扩展模型中，规模效应、价值效应以及流动性风险溢价效应均可以得到解释， 所以认为F-F扩展模型更能解释我国沪股通市场的超额收益率现象，可以用于我国沪股通市场股票的定价研究模型。进一步研究沪股通对于资产定价的影响， 发现沪股通的开通使得F-F扩展模型对股票超额收益的解释能力有明显的提升，且实施后规模效应、账面市值效应及流动性溢价效应对股票价格的影响力更大，即沪股通开通更有利于投资者回归价值投资。

参考文献：

[1]Fama E F，French K R. The Cross-Section of Expected Stock Returns[J]. Journal of Finance，1992，47（2）：427-65.

[2]Nartea G V，Ward B D，Djajadikerta H G. Size，BM，and momentum effects and the robustness of the Fama-French three-factor model： Evidence from New Zealand[J]. International Journal of Managerial Finance，2009，5（4）：179-200.

[3]熊明达. Fama-French三因素模型在中国股市的应用——基于A股市场的实证检验[J]. 当代经济，2015（26）：130-131.

[4]卢宇燕. Fama-French三因素模型在中国股票市场的适用性分析[J]. 武汉金融，2015（2）：32-34.

[5]Halliwell B J，R R H，Sawicki J. Size and Bood to Market Effects in Australian Share Markets： A Time Series Analysis[J]. Accounting Research Jounal，2010.

[6]Shafana M，Rimziya A F，Jariya A I. Relationship between Stock Returns and Firm Size，and Book-To-Market Equity： Empirical Evidence from Selected Companies Listed on Milanka Price Index in Colombo Stock Exchange[J]. Journal of Emerging Trends in Economics & Management Sciences，2013（14）：217-225.

[7]Eraslan V. Fama and French Three-Factor Model： Evidence from Istanbul Stock Exchange[J]. International Journal of Economics & Business Research，2013，4（2）：11-22.

[8]田利辉，王冠英，张伟. 三因素模型定价：中国与美国有何不同？[J]. 国际金融研究，2014（7）：37-45.

[9]武翰. 实证分析沪港通对沪市的影响——基于Fama-French三因素模型[J]. 财经界，2016（3）：31-35.

[10]Amihud Y. Illiquidity and stock returns： cross-section and time-series effects[J]. Journal of Financial Markets，2002，5（1）：31-56.

[11]谢赤，曾志坚. 股票市场流动性溢价的实证研究[J]. 数量经济技术经济研究，2005，22（09）：143-154.

[12]陆静，唐小我. 基于流动性风险的多因素定价模型及其实证研究[J]. 中国管理科学，2006，14（5）：45-51.

[13]陈青，李子白. 我国流动性调整下的CAPM研究[J]. 数量经济技术经济研究. 2008，25（6）：66-78.

[14]李文鸿，田彬彬，周启运. 股市流动性与股票收益率的面板数据实证分析[J]. 统计与决策，2012（10）：150-153.

[15]胡志强，马文博. 中国股票市场流动性溢价实证研究[J]. 当代经济，2015（26）：126-129.

[16]张维，周芳. 中国股票市场流动性风险溢价研究[J]. 金融研究，2011，5：194-207.

[17]张维，周芳. 中国股票市场风险因素相关性研究[J]. 管理学报，2012，9（7）：994-1000.

（责任编辑：李丹；校对：郄彦平）