公司治理水平对股票资产定价的影响研究——基于扩展的Fama-French 三因子模型实证分析

齐 岳 周艺丹 张 雨

1（南开大学商学院， 天津 300071） 2（南开大学中国公司治理研究院， 天津 300071）

引言

近年来公司治理问题仍是资本市场关注的重点和焦点。从理论上来说，低水平的公司治理意味着严重的委托代理问题，导致投资者难以对公司价值进行合理的判断，进而引致公司的价值偏离其正常估值。而在实际的资本市场中，上市公司的治理水平是否会影响股票资产的定价？公司治理因子能否诠释股票组合的收益率？如果可以诠释，公司治理因子对股票收益率的解释程度有多大？在资本资产定价模型中考虑公司治理水平值得进行深入地研究和探讨。

少数学者针对公司治理与资产定价展开了研究。Brown 和Caylor（2006）［1］发现公司治理水平与公司价值、利润和向股东支付的现金股利之间显著正相关。赵胜民等（2016）［2］利用中国股市数据对Fama-French 提出的五因子模型的有效性进行检验，发现实证结果与美国相反，三因子模型对我国资本市场更为适用。郝臣（2008）［3］认为公司治理风险因子的提出有利于完善资产定价模型，并定性地分析了该领域的研究现状，是国内学者中为数不多将公司治理与资本资产定价结合起来进行研究的。

以往学者的研究推进了公司治理和资产定价领域的发展，做出了重要贡献，为后人的研究奠定了基础。然而现有研究中，鲜有学者将公司治理因素考虑到资本资产定价模型当中，定量地分析在我国资本市场中公司治理水平是否会影响股票的资产定价，及公司治理水平在股票资产定价中贡献几何。分析公司治理因子对资本资产定价模型的影响能够在一定程度上解释投资者在购买股票时是否考虑公司治理的治理水平，有助于完善资本资产定价模型的研究。

本文以2015～2017 年间上证全指的成分股作为样本，借鉴白重恩等（2005）［4］及南开大学公司治理研究中心公司治理评价课题组和李维安（2006）［5］的研究，从股权治理、董事会特征、高管激励与信息披露4 个维度选取共计13 项的公司治理指标，利用因子分析法对上市公司治理水平进行量化分析，形成公司治理指数。本文在Fama-French 三因子模型的基础上，以公司治理指数作为依据构建公司治理因子，并选取2015～2017 年上证全指包含的上市公司作为样本，分别对传统的Fama-French 模型和包含公司治理因子的四因子扩展模型进行回归分析。实证结果表明，公司治理因子的回归系数显著，因此我国上市公司治理水平有益于诠释股票组合的收益率；由于扩展模型的R2与传统模型相比提高比率较低，因此认为扩展模型对股票异常收益率解释力的提升程度较小。

在理论贡献方面，本文首先完善了针对考虑公司治理因素的资产定价模型的量化分析，创新性地将公司治理因子加入股票资产定价模型中，进而补充了资产定价方面的理论研究；在实践方面，本文的研究结果回答了我国资本市场中公司治理水平是否会影响股票组合的资产定价，进而反映了投资者对于公司治理水平要求额外补偿的情况，同时也反映了当前我国股票市场信息披露的程度，为股票市场未来的发展提供一定的借鉴和参考。

1 文献综述

公司治理问题仍是资本市场关注的重点和焦点，现有针对上市公司治理体系及量化评价的研究形成了丰富的成果。南开大学公司治理研究中心公司治理评价课题组和李维安（2006）［5］以1149家中国上市公司的公开信息作为依据从中国公司治理指数（南开治理指数）及其所涉及的6 个维度进行比较研究，对中国上市公司的治理特征进行了分析和总结，为国内一系列针对公司治理的研究奠定了重要的基础。白重恩等（2005）［4］在考虑公司治理内外部机制的基础上，通过实证分析发现公司治理水平高的公司市值也高。

最近几年关于公司治理的研究主要侧重在绿色治理（李维安等，2017）［6］、内部治理和外部治理机制（周建等，2017；叶陈刚等，2015；曹廷求等，2011）［7-9］、新时代背景下上市公司治理问题（王文兵等，2019；陆瑶等，2018；杨兴全和尹兴强，2018）［10-12］等方面，为后人的研究提供了新的视角和理论基础。

资产定价一直是金融学领域的研究热点，国内外学者针对资本资产定价模型的构建及扩展进行了研究。Sharpe 等（1964）［15］提出了CAPM 模型，把公司面临的风险分为系统性风险和非系统性风险，认为在一般均衡的基础上，资产的收益率仅取决于系统性风险。由于CAPM 模型的严格假设和仅将收益率归结于单一的市场方面的系统性风险的理论受到来自各方面的挑战。Fama 和French（2015）［16］在三因子模型的基础上加入了盈利因素和投资因素，形成五因子模型，并利用美国市场数据对其有效性进行检验。Brown 和Caylor（2006）［1］发现公司治理水平与公司价值、利润和向股东支付的现金股利之间显著正相关。陈泽艺和李常青（2017）［17］从信息不对称、行为金融、公司治理溢价和媒体报道偏差4 个视角回顾了现有文献对资产定价的研究。田利辉和王冠英（2014）［13］将换手率和成交量作为两个因子，结合三因子模型，提出了针对我国股市的五因子模型，回归结果表明在我国资本市场，成交额、换手率与股票预期收益率呈显著负相关。齐岳和廖科智（2018）［18］认为股票市场的过度波动会影响投资决策，扭曲资产定价，降低股市的资源分配效率。赵胜民等（2016）［2］利用中国股市数据对Fama-French 提出的五因子模型的有效性进行检验，发现实证结果与美国相反，三因子模型对我国资本市场更为适用。

此外，有少数学者从公司治理溢价的角度分析了公司治理对股票价格的影响。郝臣（2008）［3］认为公司治理风险因子的提出有利于完善资产定价模型，并定性地分析了该领域的研究现状，是国内学者中为数不多将公司治理与资产定价结合起来进行研究的。伍燕然等（2016）［14］认为公司治理水平的高低会对分析师预测偏差有显著影响。李勇和王满仓（2011）［19］基于委托代理理论对传统的资本资产定价模型进行了扩展，得到了信息不对称和代理成本下的资本资产定价模型。潘福祥（2004）［23］通过实证研究发现我国上市公司的治理水平确实对企业价值有高度显著的正向促进作用。

通过文献回顾发现，已有研究分别从公司治理和资产定价的角度展开研究，并形成了丰富的研究成果。然而，以考虑公司治理因素的资本资产定价作为研究对象的文献仍然较少，专门针对公司治理因子的股票资产定价模型的研究也较少。在为数不多的文献中，鲜有学者将公司治理作为单独因子加入到Fama-French 模型中进行实证分析。郝臣（2008）［3］通过Ohlson 价格模型对中国沪深两市2002～2005 年的数据进行回归分析，验证了我国上市公司治理如何影响股票价格。经过数十年的发展，我国上市公司在公司治理的制度层面和监管层面都取得了较大的改进和完善。新的经济环境下，公司治理因素如何影响股票资产定价仍然值得关注，将公司治理因素考虑到资本资产定价模型中仍具有一定的理论和现实意义。

2 研究设计

2.1 样本选择与数据说明

本文选择的样本为2015～2017 年3 年上证全指所包含的上市公司，具体的样本筛选原则如下：各年度样本的相关公司治理数据齐全；账面价值和市值数据齐全；剔除金融行业公司、当年实施ST／PT 的公司及账面价值为负的公司。本文在实证分析中用到的公司治理指标、财务指标及股票收益率等数据均来自色诺芬数据库。

2.2 模型设定

参考赵胜民等（2016）［2］、邓长荣和马永开（2005）［20］对Fama-French 三因子模型的实证研究，本文尝试将公司治理因素加入到三因子模型中，验证考虑了公司治理因素的扩展四因子模型的改善效果。

Fama-French 三因子模型表示为：

上式中Rit表示股票组合i在时间t的收益率；Rft表示t时刻的无风险利率，以1 年期定期存款利率表示；Rmt表示以市值为权重的市场组合的收益率，以上证指数收益率表示；RSMBt表示t时期低流通市值的公司组合与高流通市值的公司组合的风险溢价；RHMLt表示t时期账面市值比高的价值型公司组合与账面市值比低的成长型公司组合的风险溢价；eit表示残差。

本文在三因子模型中加入公司治理指数高的公司组合与公司治理指数低的公司组合的风险溢价REMDt；Fama-French 四因子扩展模型表示为：

如果加入公司治理因子EMD之后的Fama-French 四因子扩展模型回归R2增大，且公司治理因子EMD的回归系数βEMDt显著，说明存在公司治理溢价，且加入公司治理因子EMD后有助于提高Fama-French 多因子模型的拟合度。

2.3 变量构建

2.3.1 解释变量

本文在构建解释变量时，参照Fama-French（1993）［21］构造的与市场风险、市值、账面价值相对应的市场因子MKT、规模因子SMB、价值因子HML的方法，构建与公司治理水平相对应的公司治理因子EMD。

（1）数据分组

规模因子SMB、价值因子HML和公司治理因子EMD的构建需要由基础的因子元素组成。构建股票组合时，以1 年为1 期，采用2×3 的分组方式，对市值、账面市值比和公司治理分组。首先对样本内的所有股票按流通市值等分为两组，市值较低的小规模组（S）和市值较高的大规模组（B）。之后对账面价值比和公司治理水平排序，选取30%和70%分位数，各自分为3 组。0%～30%分位数的股票构成低价值组（L），30%～70%分位数的股票构成中等价值组（N），70%～100%分位数的股票构成高价值组（H）；公司治理水平分组和账面价值比分组相同，分别为低水平治理组（D）、中等水平治理组（M）和高水平治理组（E）。各个因素分别分组后，利用规模组分别和价值组、公司治理组交叉，得到6 个规模-价值组合和6 个规模-公司治理组合。

表1 因子构建方法

（2）溢价因子构建

如表1 所示，本文对溢价因子进行构建：

①市场因子MKT：衡量由整个股票市场的系统性风险带来的股票收益率，由市场总收益率Rm与同期无风险利率Rf的差值表示，其中Rm为上证全指指数收益率，Rf为3 个月定期存款利率。

首先在规模-价值组合中计算3 个小规模投资组合的平均收益率其次计算3 个大规模投资组合的平均收益率对二者作差求得SMBB／M，采用相同方法在规模-流动性组合中求得SMBD／E，两种组合下的规模因子求均值即获得模型所需的规模因子SMB时间序列。

首先在规模-价值组合中首先计算高市值两个投资组合的平均收益率其次计算低市值两个投资组合的平均收益率对二者作差求得价值因子HML。

构造方法与价值因子HML相似，在规模-公司治理组合中首先计算公司治理水平高的两个投资组合的平均收益率其次计算公司治理水平低的两个投资组合的平均收益率二者作差求得公司治理因子EMD。

2.3.2 被解释变量

Fama-French（1993）［21］按照规模从小到大、账面市值比从低到高的顺序每个维度平均五等分的方法构造25 个投资组合，以每个投资组合的回报率作为被解释变量，其中每个投资组合的回报率以股票流通市值加权的方式进行计算；由于本文选取上证全指的500 个股票为样本，样本数量较少，因此按照规模从小到大二等分和账面市值比三等分的方法构造投资组合，以6 个投资组合的回报率作为被解释变量。6 个投资组合分别为小规模-低价值组（SL）、小规模-中等价值组（SN）、小规模-高价值组（SH）、大规模-低价值组（BL）、大规模-中等价值组（BN）、大规模-高价值组（BH）。

表2 两个维度划分的投资组合平均月度超额回报单位：%

由表2 可以看出，在相同规模的情况下，账面市值比越高，对应的投资组合回报率也越高，说明价值股的收益高于成长股的收益，我国股票市场价值效应明显。在相同规模的情况下，公司治理状况越好的股票组合回报率越高，说明公司治理状况能为收益率带来溢价。此外，股票组合的收益随公司规模的提高有所下降，下降趋势在账面市值比维度较公司治理维度更加明显。

3 实证结果分析

3.1 公司治理质量衡量

3.1.1 公司治理综合指数体系构建

对公司治理水平进行有效评价的关键在于如何衡量公司治理结构水平及公司治理结构指标的选取。基于数据的客观性和可取性，本文借鉴白重恩等（2005）［4］及南开大学公司治理研究中心公司治理评价课题组和李维安（2006）［5］等人的研究，选取股权治理、董事会特征、高管激励与信息披露4 个维度共计13 项的公司治理变量作为主成分分析的原始指标体系（如表3 所示），对其进行数据降维，提取主要信息，使用主成分综合得分评价公司的治理水平。

表3 主成分分析的原始指标体系

3.1.2 主成分分析可行性检验

利用主成分分析进行降维时，要求原有数据之间具有较强的相关性。本文用KMO 和Bartlett 球形度检验对主成分分析的使用性进行检验。2015～2017 年公司治理原始指标体系的KMO 度量值和Bartlett 的球形度检验值（结果表略）。KMO 度量值均大于0.6，并且Bartlett 的球形度检验值所对应的p 值均＜0.001，符合做主成分分析的数据结构。

3.1.3 主成分提取

由于篇幅有限，2017 年主成分分析法因子贡献率的结果表略。前5 个因子的特征根大于1，而且前5 大因子的特征根之和占了总特征根的74.14%，表明提取的前5 个因子解释度可以达到74.14%。本文认为提取的前五大因子基本能够反映原始变量的相关信息。

3.1.4 公司治理综合得分

本文以选取的各主成分的方差贡献率占所选取主成分的总方差贡献率比重作为权数，加权计算主成分的综合得分。加权计算公式为：

其中si为第i个主成分的方差贡献率，Fi为第i个主成分的因子得分——基于特征向量计算，n为选取主成分的个数，G为主成分综合得分。2017 年主成分得分系数矩阵结果如表4 所示。

通过对2015～2017 年上证全股指数所包含股票的公司治理指数的计算（结果如表5 所示），本文发现2015～2017 公司治理指数的平均值和中位数虽然3 年来整体变化不大，但是处于稳步上升阶段，而且公司治理之间的差异在逐年以较小地幅度增大。将公司的治理得分按照60 以下、60～80、80～100 分成3 个区间，发现2015～2017 年间公司治理得分位于80 分以上的比例在逐年提升，且在60 以下的公司比例也在逐年下降。证监会近年来强调良好的公司治理可以有效推进上市公司提升质量，同时加强对公司治理的监管，我国公司治理水平确在逐年提升。但是我国资本市场仍不是十分成熟，国企数量占多以及一股独大的股权结构仍需要完善。

表4 2017 年主成分得分系数矩阵

表5 2015～2017 公司治理指数整体概况

3.2 描述性统计

通过计算获得所需验证的各个因子后，本文对各个因子进行描述性统计分析，检验各个因子的性质及均值是否显著异于0。描述性统计结果如表6 所示。

表6 因子描述分析

表6 中可以看出，市场因子均值为0.22%，标准差为8.93%。本文研究区间位于2015～2017年，由于经历了一次股灾，2015 下半年股市低迷，整体大盘走低；同时投资者对股市信心不足，股票收益率整体处于较低的水平，使得市场因子未显著大于0。

规模因子和价值因子分别在10%和5%的水平下显著，表明在中国股票市场中存在显著的规模效应和价值效应。规模因子的均值是0.17%，而价值因子的均值是2.34%，说明在中国A 股市场中，价值因素带来的溢价高于规模因素带来的溢价。在对规模这一维度进行分组时，依据市值与账面价值比的大小进行排序，价值因子2.34%的溢价与投资者更加偏好价值型公司的投资行为相符。其中公司治理因子的均值为0.62%，标准差为2.27%，在5%的显著性水平下不为0，说明公司治理因素对股票市场收益率存在影响，公司治理水平越高的投资组合，其回报率越高，因此将公司治理因子加入Fama-French 三因子模型中具有一定的理论意义。

3.3 Fama-French 三因子模型和四因子扩展模型的比较

3.3.1 四因子扩展模型的相关性分析

Fama-French（2015）发现，在三因子模型中加入代表盈利能力的RMW因子和代表投资因子的CMA因子后，模型的解释能力更强，但是价值因子HML因子成为冗余变量。因此在对模型进行回归之前，本文对因子进行相关性检验，检验公司治理因子EMD是否与其他因子存在共线性。本文利用SPSS 进行共线性诊断，检验结果如表7和表8 所示，结果显示4 个因子的VIF 均小于5，及表中的条件指数显著小于30，进一步验证扩展模型中的四因子之间不存在明显的共线性问题。

表7 共线性诊断-VIF

表8 共线性诊断-特征值、条件指数

3.3.2 回归结果分析

参考罗林（2003）［22］对市场因子检验的研究，本文分别对Fama-French 三因子模型及考虑了公司治理因子EMD的扩展模型进行回归，表9 和表10 展示了式（1）和式（2）的回归结果。

表9 Fama-French 三因子模型和四因子扩展模型系数显著性对比

续 表

通过对回归结果进行分析发现三因子模型和考虑了公司治理因子的四因子扩展模型截距项不显著，说明多因子模型中的市场因子MKT、规模因子SMB、价值因子HML和公司治理因子EMD能够很好地解释系统性风险。此外，三因子和扩展模型的R2的平均值为90%左右，说明三因子模型和扩展模型很大程度上能够解释我国股市的收益率。三因子模型的R2平均值为89.95%，说明投资组合的回报率中89.95%可以由市场因子MKT、规模因子SMB和价值因子HML因子解释；加入公司治理因子EMD后的扩展模型R2平均值为90.92%，投资组合的回报率中90.92%可以由市场因子MKT、规模因子SMB、价值因子HML和公司治理因子EMD解释，公司治理因子EMD的加入使系统性风险对股票组合的回报率提高了0.97%，提高比率为1.08%。从R2对比来看，公司治理水平对股票回报率具有一定的解释能力，但这种解释能力并不突出。

从因子回归系数的显著性来看，扩展模型中的公司治理因子，在本文选取的6 个投资组合中有3 个不显著，说明公司治理水平对我国股票回报率的影响力较弱；同时，与规模因子SMB和价值因子HML相比，公司治理因子EMD的回归系数更小，进而验证了公司治理溢价对我国股票投资组合的回报率的边际贡献率有限。

表11 R2 改善效果对比 单位：%

将6 个投资组合按照规模进行对比分析，结果如表11 所示。本文发现在大规模组中，扩展模型R2的提高效果更加显著。规模因子SMB显著为正，表明小规模公司的投资组合回报率高于大规模公司的投资组合回报率。加入公司治理因子EMD，大规模组的多因子模型R2提高更多；结合前文的主成分分析，规模更大的公司，公司治理水平越高，说明大规模组中，公司治理因子EMD可以补偿由规模因素引起的回报率的降低。

同理，将6 个投资组合从账面市值比这一角度分开来看，发现在低账面市值比组中，扩展模型R2的提高效果更加显著。价值因子HML显著为正，表明低账面市值比公司的投资组合回报率高于高账面市值比公司的投资组合回报率。加入公司治理因子EMD，低账面市值比组的多因子模型R2提高更多，说明低账面市值比组中，公司治理因子EMD可以补偿由价值因素引起的回报率的降低。

4 结论与展望

高水平的公司治理确实能为企业带来回报率溢价，但是将公司治理因子EMD加入到Fama-French 三因子模型中，发现与规模因子SMB和价值因子HML相比，其对股票组合收益率的边际贡献并不突出。在三因子模型中加入公司治理因子EMD后，扩展模型相比原来的三因子模型改善效果有限。

本文认为主要原因如下：

我国公司治理信息传递机制不完善，上市公司通过各种形式（如年报、公告和新闻报道等）把公司治理信息披露给投资者，没有建立统一的公司治理信息披露制度。另外，我国股票市场起步晚，监管机制不完善，内幕知情者利用虚假信息恶意炒作等现象时有发生。基于我国股票市场中个人投资者居多、投资者有限理性的现状，绝大多数投资者不能真实地判断上市公司治理水平的高低，公司治理信息不能有效地传导到投资者，进而引致羊群效应。

当公司治理信息有效且真实地传导到投资者时，公司治理水平能够反应到股票价格当中。从公司治理体系的4 个方面分析，董事会特征和股权结构影响公司的资本结构，信息透明度和管理层激励影响企业价值。本文认为公司治理影响公司的资本结构和价值，进而影响股票的回报率。公司治理水平相当于一个间接因子来影响股票收益率，一系列的传导路径削弱了公司治理因子EMD对股票收益率的贡献。

由本文对公司治理的描述性统计可知，高治理水平的公司占比较少，而且接近于60%的公司治理得分为60 分以下，说明我国公司治理状况集中于中等偏下水平。当构造投资组合时，出现所选取股票的大部分公司治理水平不高，造成不同股票组合的公司治理水平差异化较小，因此带来的公司治理溢价不明显，造成扩展模型对三因子模型的改善效果甚微。

2018 年10 月1 日，证监会发布已修订的《上市公司治理准则》，强调加强对公司治理的监管，规范上市公司运作，提升上市公司治理水平。上市公司治理水平的提高将加强信息披露的有效性，对于投资者而言，能更容易地从披露的内容中获取有效信息，公司治理信息传递机制更加完善。因此，随着公司治理水平的提高，其将对投资回报率产生更为显著的影响，在多因子模型中对股票回报率的边际贡献程度将有所提高，加入公司治理因子EMD的Fama-French 扩展模型在中国股票市场的适用性会更强。在未来的研究中，本文将扩大样本进一步设计实证模型，利用市场中的数据对公司治理水平对股票资产定价的影响及其原因进行机理分析和检验。