友情提示：如果本网页打开太慢或显示不完整，请尝试鼠标右键“刷新”本网页！
投资学(第4版)-第98部分
快捷操作: 按键盘上方向键 ← 或 → 可快速上下翻页 按键盘上的 Enter 键可回到本书目录页 按键盘上方向键 ↑ 可回到本页顶部! 如果本书没有阅读完，想下次继续接着阅读，可使用上方 "收藏到我的浏览器" 功能 和 "加入书签" 功能！
化的资产组合。其他事情是一样的，样本的回归估计越精确，则独立变量的观测值分
＇1＇ Merton H。 Miller and Myron Scholes；“Rate of Return in Relation to Risk： A Reexamination of Some
Recent Findings；”in Michael C。 Jensen； ed。； Studies in the Theory of Capital Markets （New Yo r k ：
P r a e g e r； 1972）。
＇2＇ Fischer Black； Michael C。 Jensen； and Myron Scholes；“The Capital Asset Pricing Model： Some
Empirical Te s t s ；”in Michael C。 Jensen； ed。； Studies in the Theory of Capital Markets （New Yo r k ：
P r a e g e r； 1972）。
320 第三部分资本市场均衡
下载
布得越广。我们考虑估计证券特征曲线时的一阶回归，即考虑每种股票的超额收益与
市场超额收益之间的关系。如果我们有一组离差很大的市场收益的样本，我们就有很
大的机会能较精确地估计市场收益变动对股票收益的影响。然而，在我们的例子中，
我们没有控制市场收益的范围。但是，我们可以控制二阶回归的独立变量，即资产组
合贝塔值的范围。与其随机地分配2 0种股票到每个资产组合中，我们宁可根据贝塔值
来给资产组合排序。资产组合1将包括2 0个有最高贝塔值的股票，而资产组合5将包括
2 0个有最低贝塔值的股票。那样的话，一组有较小非系统组成部分eP的资产组合和贝
塔值分布广泛的资产组合将得出既合理、又有力的证券市场曲线检验。
法马和麦克贝斯（M a c B e t h）＇1＇ 运用这种方法证实平均超额收益与贝塔值之间可
观察的关系的确是线性的，非系统风险不能解释平均超额收益。按照布莱克、詹森和
斯科尔斯的方法，组成2 0组资产组合，法马和麦克贝斯扩大了证券市场曲线方程的估
计，把贝塔系数的平方（以检验收益与贝塔之间的线性关系）和估计的剩余的标准差
（以检验非系统风险的解释力）包括了进来。对他们估计的每一个子周期有一系列的
许多子周期，因而有方程
（ei） （ 1 3 … 5 ）
ri ＝
0＋ 1
i＋2i2＋
3
这里
测度了收益潜在的非线性，
3则测度了非系统风险的解释力
（ei）。根据资本资产
定价模型，
2
2和
3应有一系数为零的二阶回归。
表13…1 法马和麦克贝斯（ 1 9 7 3年）研究概览（所有的比率为每月的基本点）
时期1 9 3 5 。 6 ~ 1 9 6 8年1 9 3 5 ~ 1 9 4 5年1 9 4 6 ~ 1 9 5 5年1 9 5 6 。 6 ~ 1 9 6 8年
rf 1 3 2 9 2 6
0 … rf 8 1 0 8 5
t（ 0 … rf ） 0 。 2 0 0 。 11 0 。 2 0 0 。 1 0
rM … rf 1 3 0 1 9 5 1 0 3 9 5
1 11 4 11 8 2 0 9 3 4
t（ 1 ） 1 。 8 5 0 。 9 4 2 。 3 9 0 。 3 4
2 …2 6 …9 …7 6 0
t（ 2 ） …0 。 8 6 …0 。 1 4 …2 。 1 6 0
3 5 1 6 8 1 7 …3 7 8 9 6 0
t（ 3） 1 。 11 0 。 9 4 …0 。 6 7 1 。 11
R … SQR 0 。 3 1 0 。 3 1 0 。 3 2 0 。 2 9
法马和麦克贝斯运用1 9 3 5年1月至1 9 6 8年6月的每月数据估计了方程1 3 … 5，其结果
的归纳见表1 3 … 1，该表显示了整个时期和三个子时期的平均系数和t统计结果。法马和
麦克贝斯观察到由
表达的剩余标准差（非系统风险）的系数，月与月之间没有很大
波动，与较高的平均收益不是非系统风险的回报的假定是一致的。同样的，由
3
2表达
的贝塔平方的系数是不显著的，与期望收益
关系是线性的假定是一致的。
然而，考虑到期望收益
关系，图形是混合的。证券市场曲线的估计值太平缓，
与前面的研究相一致，从事实中可以看到
0 …rf是正的，
平均起来比rM …rf要低。从积
极的方面看，差别并没有显示出有什么意义，所以并不能拒绝资本资产定价模型。
1
＇1＇ Eugene Fama and James MacBeth；“Risk； Return； and Equilibrium： Empirical Te s t s ；”Journal of
Political Economy 81 （March 1973）。
下载
第13章证券收益的经验根据
321
13。1。5 有效市场假定与资本资产定价模型
罗尔批评也提供了一个思考资本资产定价模型和套利定价理论经验内容的积极途
径。我们回顾一下罗尔的意见，他指出资本资产定价模型与期望收益…贝塔关系直接来
自市场资产组合的有效性。这意味着如果我们可以建立一个有效的市场资产组合，我
们就不必进一步作检验期望收益…贝塔关系的工作了。
在第1 2章中我们已经证明有效市场假定，市场资产组合的替代物，譬如标准普尔
5 0 0指数和纽约证券交易所指数很难被专业投资者所打败。这大概是资本资产定价模
型和套利定价理论的经验内容中最强用力的证据。
概念检验
问题3：根据资本资产定价模型，在1 9 4 6 ~ 1 9 5 5年间的法马和麦克贝斯回归中，
0、
1、
和3的预测值分别是什么？
2
结论是，资本资产定价模型的这些检验提供了理论波动性的一个混合证据。我们
可以把结论归纳如下：
1） 由单因素资本资产定价模型和套利定价理论支持的见解为：
a。 期望收益率是线性的，并且随贝塔的增长而增长，贝塔是系统风险的一个测度。
b。 期望收益率不受非系统风险的影响。
2） 由无风险利率或零贝塔值形式的资本资产定价模型预测的单变量期望收益…贝
塔关系与经验观测并不完全一致。
因此，虽然资本资产定价模型似乎从定性的角度看，贝塔在起作用，而
（ei）不起
作用。但是，经验检验却不能证明它的定量预测是有效的。
概念检验
问题4：如果你作了法马和麦克贝斯检验，发现
2和
（e）的系数为正，你会得出什
么结论？
13。2 多因素资本资产定价模型与套利定价理论的检验
多因素资本资产定价模型和套利定价理论是揭示系统风险如何影响期望收益的精
致的理论，但是，这些理论并没有提供多少这些因素（风险的来源）应该导致风险溢
价的指导性建议。多因素均衡模型的成熟检验—运用详细说明前的因素与套期资产
组合，也是无效的。这一检验的假定包括以下三方面的要求：
1） 风险因素的详细说明。
2） 对基本的风险因素套期的资产组合的区别。
3） 解释力和套期资产组合的风险溢价的检验。
陈（C h e n）、罗尔和罗斯＇1＇ 朝这个方向迈出了一步，他们假设一些可能的变量作
为系统因素的替代物：
设： IP—行业生产的增长率；
E I—由短期国库券利率变化测度的预期通货膨胀的变化；
U I—非预期通货膨胀定义为实际的与预期的通货膨胀之间的差；
C G—由B a a级公司债券与长期政府债券之间的利差测度的风险溢价的非预期变
化；
G B—由长期与短期政府债券之间的利差测度的期限溢价的非预期变化。
通过对这些潜在的经济因素的区别，陈、罗尔和罗斯略过因素资产组合（与这些
＇1＇ Nai…Fu Chen； Richard Roll； and Stephen Ross； “ Economic Forces and the Stock Market；” Journal of
B u s i n e s s 59 （1986）。
322 第三部分资本市场均衡
下载
因素有最高相关性的资产组合）的区别过程。作为替代，他们有一暗含的假设，即通
过运用这些因素本身，因素资产组合可以作为因素的替代物存在。这些因素现在就像
法马和麦克贝斯那样被用在检验中。
这个方法的一个关键是选择股票组成资产组合。回想一下单因素检验，构成的资
产组合跨越了很宽的贝塔范围，加强了检验的能力。在多因素结构中，有效的标准明
显要少。陈、罗尔和罗斯选择了一组样本股票，根据规模（权益的当前市值）把它们
分成2 0个资产组合，市值是与股票收益相关的变量。
他们首先运用5年的月度数据去估计一阶回归中的2 0个资产组合的贝塔值。这可
以通过对每一资产组合的下列回归来完成估计：
r＝a＋
G BG B＋e （ 1 3 … 6 a ）
MrM＋
I PI P＋
E IE I＋
U IU I＋
C GC G＋
这里M为股票市场指数，陈、罗尔和罗斯运用的市场指数有两个，一个是市值加
权的纽约证券交易所指数（V W N Y），一个是等权重的纽约证券交易所指数（E W N Y）。
运用2 0组一阶回归估计作为独立变量的贝塔值，他们现在（运用2 0个观察值，每
个资产组合一个）估计二阶回归方程：
r＝
G B＋e （ 1 3 … 6 b ）
0＋
M＋
M
I P
I P＋
E I
E I＋
U I
U I＋
C G
C G＋
G B
这里伽玛变成了这些因素风险溢价的估计值。
陈、罗尔和罗斯对样本期的每月数据进行了二阶回归，用每年的数据重新估计了
一阶因素的贝塔值。他们以四种变化进行二阶检验，首先（表1 3 … 2的A和B部分），他
们把市场指数分开，用两个可供选择的测度方法测度行业的生产（建立在行业生产基
础上的年度增长Y P和建立在月度增长基础上的M P）；当发现M P是更有效的测度时，
他们把两个指数（V W N Y和E W N Y）合在一起，一次检验一个（表1 3 … 2的C和D部分）。
估计风险溢价（参数
的值）是对总的二阶回归的平均，而总的二阶回归是与列入表
1 3 … 2的每一子时期相对应的。
注意在表1 3 … 2中，C和D部分—两个市场指数，即市值加权的纽约证券交易所指
数和等权重的纽约证券交易所指数，并没有多少解释力（他们的t统计1 。 2 1 8和…0 。 6 3 3
在整个样本期和每一个子时期小于2�
快捷操作: 按键盘上方向键 ← 或 → 可快速上下翻页 按键盘上的 Enter 键可回到本书目录页 按键盘上方向键 ↑ 可回到本页顶部!
温馨提示： 温看小说的同时发表评论，说出自己的看法和其它小伙伴们分享也不错哦！发表书评还可以获得积分和经验奖励，认真写原创书评 被采纳为精评可以获得大量金币、积分和经验奖励哦！