论核心定价、信息与风险

特征因素从左到右依次为模型偏差、账面价格、市场价值、市场因素、长期动量、短期动量、收益率、股息率和交易量。图2和图3将模型#2和#6与CAPM以及三因素Fama和法国APT模型进行了比较。图2显示了#14型（此处显示了中间点）的支付动态。账面价格效应与收益率相关（与收益率成反比），研究发现，在存在规模的情况下，控制收益率可以降低账面价格效应。在动量的存在下，账面价格与收益率之间的这种明显的多重共线性变得不那么有效。这广泛证实了在JSE上以市盈率和规模替代账面价格的能力[47]。还需要指出的是，当存在账面价格、市场价值、动量和市场因素时，收益率和交易量的变化几乎不能提供额外的解释力。因此，考虑到交易量与其他因素的高度多重共线性，使用交易量似乎没有什么额外优势。市场因素可以用交易量代替。我们确实发现股息收益率存在微妙的依赖关系：在控制市场投资组合的负荷时，我们发现股息收益率变化的影响在前50名中占主导地位。在控制市场投资组合时，长期动力通常是积极的。除了控制股息、收益和交易量外，短期动量为负。对各种特性的影响具有随时间变化的振荡动力学。这一点在CBM模型#14的图2中以图形方式展示（完整样本的支付中值如图1所示）。

例如，在2001年12月之前，对市场价值的回报为正。一年后，这种情况转变为对市值的负回报，这可以归因于2001年12月美元/南非兰特汇率的暴跌。几乎所有的特征性支付都可以看到类似的病理学，表明与特征性支付相关的价格异常是合理的短期现象。图2：根据Tsallis熵（LOC）的变化，表1中CBM#14中使用的各种特征的平滑收益的前250个动态，这是市场范围内本地化的一种度量（市场本地化程度越高，机会就越少，因为投资组合的市场价值更集中在较少的股票上）。特征薪酬的动态行为是显而易见的。从实际情况来看，使用大量特征可以产生数据挖掘效果。在JSE这样的集中市场，这一点尤为重要。当多重共线性使模型估计过程受到噪声影响时，可能会出现这种情况。我们认为，SA市场中有10个以上因素的模型将容易出现这种情况。选择一个特定的数据窗口也很容易，因为该模型恰好适用于该窗口。这类错误在牛市中很难避免，因为几乎所有的特征都与动量有关。我们建议选择使用CBM的从业者除了通常的样本外回溯测试外，还对模型输出的随机性进行测试。我们还建议使用特征冲击进行情景分析，以进一步了解由于存在振荡周期而产生的噪声条件下的动力学（见图2）。一个相关的担忧是流动性溢价。

用太多因素构建的基于特征的模型可能导致无法交易的流动性溢价的确定。最后，我们注意到，股权溢价已被证明包括了外部因素，如区域和全球危机期间的货币流动[51]。5结论我们已经证明，与1994年至2007年JSE上基于风险的因素模型相比，横截面特征模型具有更高的超额月回报率，但风险更低的投资组合。结果与[25]中进行的Daniel和Titman三重排序比较一致。因此，投资者似乎因其对股票特征所代表的信息的自洽使用而获得了回报。这可能只是信息和风险评估方式的反映。特别是，如果许多投资者在这一时期使用股票特定的会计变量，CBM可能会更有效地对信息进行定价。在学术文献中流行这种模型的情况下，投资者使用类似策略的价格影响可能会影响交易资产的价格波动。我们将注意力集中在检测规模和价值信息如何反映在股票价格中，在调查的两个模型中，横截面特征模型是更好的回报预测模型。进一步扩展定价核心，以纳入更普遍的市场信息，包括不完整市场中的其他股票特征、交易所交易衍生品价格和信用、流动性和其他风险，将更有可能形成一个非线性价格转换核心。基于特征的模型通常是非线性的，但仍然可以与非唯一风险中性定价解决方案市场的NFLVR假设一致[9,30]。

与此同时，CBM信息定价的证据并不意味着市场没有套利。在调查期间JSE[51]的资本流入总量的背景下，本文强调了选择表现优异的股票是可能的。图3：股票按预期回报率五分之一计算，收益率最高。上图给出了两个基于特征的模型和两个基于风险的模型的5个五等分投资组合在前250个股票领域的平均年化回报率。下图描绘了平均波动率。第一个基于特征的模型（CBM）使用市值、账面价格和市场因素，对应于表1中的CBM#2，用带细虚线的实心正方形表示。第二个CBM是表1中的模型#6，它包括动量信号，由黑圈表示，从左上角到右下角有一条实线。基于风险的模型（RBM）是使用HML、SMB和Mkt因子以及CAPM的三因子RAPT模型，分别由右三角形和实线划线最佳拟合线表示，左三角形和实线水平最佳拟合线表示。CBM模型提供与五分位数排序相称的实现回报，从最高预期回报五分位数1到最低预期回报五分位数5。因此，CBM模型是投资组合整体收益共性的良好预测因子，RBM模型则不是。下图显示了前250个股票市场中两种基于风险的资产定价模型和两种基于特征的定价模型的波动性。CBM模型提供的实际波动率与从最高预期收益五分位数1到最低预期收益五分位数5的五分位数排序成反比。

因此，CBM模型在五分位数中提供了较低的波动性和较高的预期回报，这与RBM模型相反，RBM模型预期较高的回报率和相对较高的波动性。与通过Fama和法国时间序列因素对风险信息进行定价相比，通过直接基于价值和规模标准的信息合并投资组合。这有助于从更一般的马尔可夫市场角度理解信息和风险的定价。致谢作者感谢2008年南非金融协会会议的与会者，该会议由Cape Town大学商学院举办，并感谢2008年2月在非洲数学研究所举办的数学金融暑期班的与会者。严格线性APT模型支持者的批评促使我们调和基于特征定价的证据。这项研究的部分资金来自威特沃特斯兰德大学提供的卡内基基金会研究资助和国家研究基金会NPYY资助[编号74223]。参考文献[1]Allen，F.，Gale，D.，金融创新和风险分担，麻省理工学院出版社[2]Ball，R.（1978），证券收益率和收益率替代物之间关系的异常，金融经济学杂志6，103-26。[3] Bansal，R.，Viswanatham，S.，（1993）无套利和套利定价：新方法，金融杂志，第48卷，第2期。

4，1231-1262[4]Banz，R.（1981）普通股收益率和市场价值之间的关系，金融经济学杂志，9，3-18[5]美国巴苏（1983）纽约证券交易所普通股收益率、市场价值和回报率之间的关系：进一步证据，《金融经济学杂志》，12，129-156[6]巴尔，G.，坎特，B。，（2002）《南非经济及其资产市场——综合方法》，南非经济杂志，70（1），53-78。[7] Black，F.（1972）《有限制借贷的资本市场均衡》，商业杂志45，444-454[8]Brennan，M.J.，Chordia，T.，Subrahmanyam，A.，（1998）替代因素规范，证券特征和预期股票回报的横截面，金融经济学杂志，49 345-373[9]Chernov，M.，（2003）定价核心的经验逆向工程，《计量经济学杂志》，116329-364[10]考克斯，C.，罗斯，S.A.（1976）替代随机过程期权的估值，《金融经济学杂志》，3145-166。[11] Daniel，K.，Titman，S.，（1997）关于股票回报横截面变化特征的证据，《金融杂志》，52，1-33[12]Daniel，K.，Titman，S.，Wei，J.，K.，C.，（2001）解释日本股票回报横截面：因素还是特征？《金融杂志》，55，（2），743-766[13]德尔巴恩，F.，沙切迈耶，W.（1994）资产定价基本定理的一般版本，Mathematische Annalen 300463 520。[14] Dybvig，P.，Ross，S.A.，套利，国家价格和投资组合理论，金融经济学手册，康斯坦丁尼德斯，G.M.，哈里斯，M.，斯图尔茨，R.，编辑，爱思唯尔，2003[15]法玛，E.，弗兰奇，K.（1992）预期股票回报的横截面，金融杂志，47427-465[16]法玛，E.F.和K.R。

French（1993）《股票和债券收益中的常见风险因素》，金融经济学杂志33，3-56。[17] Fama，E.，French，K.，（1995）收益和回报中的规模和账面市盈率因素，金融杂志，50，131-155[18]Fama，E.，（1996）多因素投资组合效率和多因素资产定价，金融和定量分析杂志，31，4，1996年12月，441-465[19]Fama，E.，French，K.，（1996）资产定价的多因素解释，金融杂志，51，55-84[20]费恩霍尔茨，R.（1998）交叉、股息和规模效应，金融分析杂志，1998年5月/6月，73-78[21]费恩霍尔茨，R.，卡拉萨斯，I.（2006）股票隐含流动性溢价，金融年鉴，（2），87-99。[22]Ferson，W.E.，Harvey，C.R.（1999）条件变量和股票回报的横截面，金融杂志，56,4，1325-1360[23]Firer，C.，Staunton，M.（2002）102年南非金融市场历史，《投资分析师杂志》，56（5），2[24]Fraser，E.，Page，M.（2000）价值和动量策略：来自约翰内斯堡证券交易所的证据，《投资分析师杂志》，51,14-22[25]Gebbie，T.，Wilcox，D.，（2007）南非股票收益特征横截面定价的证据，工作论文（SAFA2007，AIMS 2008）[26]Haugen，R.，（1998）特别预期回报因子模型和资产定价模型的相对预测能力，应用股票估值，Coggin T.D.，Fabozzi，F.J.（编辑），John Wiley&Sons[27]Haugen，R.A.，Baker，L.N.（1996）《预期股票收益决定因素的共性》，金融经济学杂志，41401-439[28]哈里森，J.M.，克雷普斯，D。

M.，（1979）多期证券市场中的鞅和套利，经济理论杂志，20381-408[29]哈里森，M.，普利斯卡，S.，（1981）连续交易理论中的鞅和随机积分。《随机过程与应用》，第11卷，第215-260页[30]Harvey，C.，Kirby，C.（1995）因子定价模型的分析测试，未发表的注释[31]Jefferis，K.，Smith，G.（2005）非洲股票市场的变化效率，南非经济学杂志，73，（1），54-67[32]Lakonishok，J.，Schleifer，A.，Vishny，R.，W.（1994）逆向投资，外推和风险，《金融杂志》，49，1541-1578[33]林特纳，J.（1965），《风险资产的评估和股票投资组合中风险投资的选择》资本预算，经济与统计回顾，47，13-37[34]马托蒂，L.，使用估计协方差矩阵建立统计线性因子模型门和全球最小方差投资组合，UCTMC论文，2009[35]默顿，R.，C。，（1973）跨期资本资产定价模型，计量经济学，41867-887[36]莫吉利亚尼，F.，米勒，H.，M.，（1958）资本成本，企业融资和投资理论。《美国经济评论》，48（3），261-97[37]米勒，H.，M.，莫吉利亚尼，F.，（1961）股息政策，增长和股票估值，商业杂志34（4），411-433[38]纳沃哈，S.，K.，施瓦茨，C.，（2004）资本资产定价的后代，投资管理杂志，3，2，53-61[39]纳沃哈，S.，（1997）线性资产定价理论的多贝塔表示定理，《金融经济学杂志》，46，（3），357-381[40]页，M.，帕尔默，F。

（1993）约翰内斯堡证券交易所超额收益、固定资产规模和收益之间的关系，南非商业管理杂志，22（3），63-73[41]Riesz，F.，（1909）Sur les op\'erations Functionelles lineaires，Comptes Rendude l\'Acad\'emie des sciences，149974-977[42]Ross，S.，（1976）资本资产定价的套利理论，经济理论杂志，13，341-360[43]罗斯，S.，新古典主义金融学，普林斯顿大学金融讲座，普林斯顿出版社，2005[44]罗尔，R.，罗斯，S.A.，关于预期收益和贝塔之间的横截面关系，金融杂志，49101-121[45]夏普，W.，F.，1964.资本资产价格：风险条件下的市场均衡理论，金融杂志，19425-442[46]斯塔特曼，D。，（1980）账面价值和预期股票回报，《芝加哥商学院：论文选集》4，25-45[47]范伦斯堡，P.，罗伯逊，M.，（2003a）JSE回报的风格特征和交叉部分，《投资分析师杂志》，57，7-16[48]范伦斯堡，P.，罗伯逊，M.，（2003b）JSE证券交易所的规模、市盈率和beta，投资分析师杂志，58，7-16[49]范伦斯堡，P.，罗伯逊，M.（2004）解释南非回报的横截面：属性还是因子负荷？《资产管理杂志》，第4卷，第5期，334-347[50]威尔科克斯，D.，格比，T.，关于南部非洲市场数据中的交叉相关性分析，Physica A，344，294-298[51]威尔科克斯，D.，格比，T.，2007年。通过外部冲击和资本流动，将新兴市场中的股权收益分解，SSRN：http://ssrn.com/abstract=2283486[52]Wilcox，D.，Gebbie，T.（2008）新兴市场特征模式的周期性和标度，国际理论与应用金融杂志，11,7739-760