发帖
雷达卡
论文来源说明：
Liu, J., Stambaugh, R. F., Yuan, Y. Size and value in China[J]. Journal of Financial Economics. 2019.,134(1)：48-69.
Size and Value in China.pdf
(891.2 KB, 需要: 1 个论坛币)
【摘要】我们构建了中国股市的规模和价值因子。规模因子排除了最小的 30% 的公司，这些公司是作为反向并购中的潜在壳公司而估值较高的公司，这些公司可以规避严格的 IPO 审批限制。价值因子基于收益价格比（EP），该比率包含了账面市值比（BM）以捕捉所有的中国价值效应。我们的三因子模型强烈优于仅在中国复制 Fama 和 French (1993) 程序而形成的模型。与该模型（该模型在EP因子上得到17%的年alpha值）不同，我们的模型解释了大多数报告的中国异常现象，包括盈利能力和波动性异常。
1.简介
中国拥有世界第二大股票市场，一些人预测它将在十年内成为世界最大的股票市场。中国的政治和经济环境与美国和其他发达经济体的情况截然不同。此外，中国的市场和投资者与世界其他地区是分开的。中国在很大程度上禁止外国投资者参与其国内股票市场以及国内投资者参与外国市场。
因子模型为研究金融资产定价和制定投资策略奠定了基石。许多对中国股市的研究都使用三因子模型，该模型是根据 Fama 和 French (1993) 的美国股市三因子构建的。然而，考虑到中国市场与其他地区的分离以及经济和金融体系的许多差异，在中国简单地复制美国模式是值得怀疑的。我们在中国探索和开发因子模型，根据其独特的环境决定替代方法。
我们首先研究中国市场的规模和价值影响。这两种效应长期以来一直被其他地方认为是与预期回报相关的重要特征：Banz（1981）报告了公司规模效应，Basu（1983）发现了earnings-price ratio（一种流行的价值指标-EP）的效应。规模和价值是许多机构用来对投资风格进行分类的最突出特征。根据 Fama 和 French (1993) 的很有影响力的研究，学术研究中最广泛使用的非市场因子也是规模和价值。我们的研究表明，规模和价值效应在中国很重要，但其特性与在美国不同。我们为中国构建规模和价值因子。
规模因子旨在捕捉因为基础业务规模相关差异而产生的股票风险和回报中与规模相关的差异。然而，在中国，通常小型上市公司的股票定价反映的价值的重要组成部分与公司的基础业务无关，而是与中国的首次公开募股（IPO）流程相关。在中国，IPO市场受到严格监管，公开上市需求不断增长，但监管部门审批IPO的处理能力却较低。因此，私营企业寻求另一种方法，即反向并购，以及时上市。在反向并购中，私营公司以上市公司（即所谓的空壳公司）为目标，通过收购其股份来获得控制权。然后空壳购买私营公司的资产以换取新发行的股票。虽然反向并购在其他地方也有发生，但与美国不同，中国的首次公开募股限制足够严格，以至于主要交易所中规模最小的公司成为极有吸引力的空壳目标。
最小的上市公司最有可能成为空壳。事实上，中国83%的反向并购涉及来自最小30%股票的壳。对于排名后 30% 的典型股票，我们估计其市值的大约 30% 反映了其在反向并购中的潜在空壳价值。我们的估计结合了成为反向并购目标的经验概率和该事件伴随的平均回报。与空壳价值对小公司股价的影响一致，我们还发现，与其他公司相比，最小的 30% 的公司的回报与经营基本面（以盈余意外Earning surprises为代表）的相关性较小，但与 IPO 活动的相关性更大。因此，为了在构建我们的任意因子时避免壳值污染，我们删除了底部 30% 的股票，这些股票占股票市场总市值的 7%。
与其他估值比率相比，EP 可以最好地体现中国的价值效应。跟随 Fama 和 French（1992），我们将替代估值比率的选择视为一个实证问题，探求哪个变量最能捕捉平均股票回报的横截面变化。正如在那项研究中一样，我们在所有候选估值比率中进行了一场赛马比赛，包括 EP、账面市值比 (BM)、资产市值比和现金流量价格比率。
在包含这四个比率的 Fama-MacBeth 回归中，EP 占优于其他所有比率，正如 Fama 和 French (1992) 发现 BM 在美国市场占优一样。 Fama和French(1993)依靠美国的结果，使用BM来构建他们的价值因子。依靠我们在中国发现的结果，我们使用 EP 来构建我们的价值因子。
在中国，规模和价值是重要因素，这从它们的平均溢价及其对回报方差的贡献中可以看出。在 2000 年至 2016 年的样本期内，我们的规模和价值因素的每月平均溢价均超过 1%。对于典型的中国股票，规模和价值共同解释了市场因素解释以外的 15% 的月回报方差。相比之下，规模和价值只能解释同期典型美国股票不到 10% 的额外回报方差。
我们的三因子模型 CH-3 包括市场因子以及包含上述中国特定要素的规模和价值因子。为了进行比较，我们通过简单地复制 Fama 和 French (1993) 程序构建了另一个三因子模型 FF-3。我们发现 CH-3 强烈优于 FF-3。具体而言，FF-3 无法对 CH-3 规模和价值因子进行定价，这两个因子的 FF-3 年化 alpha 分别为 5.6% 和 16.7%（显著）。相比之下，CH-3 可以对 FF-3 规模和价值因子进行定价，这两个因子的 CH-3 年化 alpha 仅为 -0.5% 和 4.1%（不显著）。Gibbons 等人 (1989) 对一个模型对另一个因子定价的能力进行的测试显示，CH-3 定价能力的 p 值为 0.41，但 FF-3 定价能力的 p 值小于 10^(-12)。
我们还研究了 CH-3 解释此前显示的中国收益异常的能力。文献调查显示，异常有九大类：规模、价值、盈利能力、波动性、回报逆转、换手率？（turnover）、投资额、应计费用和流动性不足。我们发现，前六个类别中的每一个都包含一个或多个异常，这些异常相对于单因子资本资产定价模型 (CAPM) 产生显著的多空 alpha 值。CH-3 涵盖了这六个类别中前四个类别的所有异常，包括盈利能力和波动性，这两个类别的异常无法用美国的 FF-3 进行解释。CH-3 只无法解释部分逆转和换手率异常。相比之下，FF-3 在六个类别中的五个类别中都留下了显著的异常。共有十个异常无法用 CAPM 进行解释；CH3 解释了其中的八个，而 FF-3 解释了三个。十个异常的平均绝对 CH-3 alpha 值为年化 5.4%，而 FF-3 为 10.8%（平均绝对 t 统计量：1.12 对 2.70）。
Hou等人（2015）以及Fama和French（2015）在他们最近提出的因子模型Q-4和FF-5中添加了两个基于投资和盈利能力指标的因子。在中国，投资不会产生显著的 CAPM alpha，盈利能力可由 CH-3 充分解释。在附录报告的分析中，我们发现中国的 FF-5 复制被 CH-3 占优。
总体而言，CH-3 作为因子模型在中国表现良好，并且捕获了大多数有记录的异常情况。在美国的研究中，研究人员经常用第四个因子来补充通常的三个因子（市场、规模和价值），例如Carhart（1997）的动量因子或Pástor和Stambaugh（2003）的流动性因子。我们也添加了第四个因子，其动机是一种中国特有的现象：股票市场由个人而非机构主导。中国有超过1.01亿个人拥有股票交易账户，个人拥有市场流通股的88%。大量个人的存在使得中国股市特别容易受到投资者情绪的影响。为了捕捉情绪影响，我们将第四个因子基于换手率，之前的研究将其确定为衡量整个市场和特定股票投资者情绪的指标（例如，Baker 和 Stein，2004 年；Baker 和 Wurgler，2006 年；Lee，2013 年）。由此产生的四因子模型 CH-4 除了 CH-3 解释的异常之外还解释了换手率和回报逆转异常，从而处理了中国股市的所有异常。
本文的其余部分如下。第 2 节讨论数据源和样本构建。第三节探讨了公司规模与中国IPO限制之间的相互作用，并探讨了小股回报中空壳价值扭曲的重要性。第四部分研究了中国的价值效应。在第 5 节中，我们构建了 CH-3 和 FF-3，并比较了它们为彼此因素定价的能力。在第 6 节中，我们比较了这些三因子模型处理价格异常的能力。在第 7 节中，我们通过包含换手率因子来构建 CH-4，然后分析该模型的额外定价能力。第 8 节总结了我们的结论。
京公网安备 11010802022788号
