2016年-BIS国际清算银行_Has_the_pricing_of_stocks_become_more_global_82页_2mb

报告摘要

总结：股票定价是否变得更加全球化？

核心内容

本研究探讨了全球因子模型是否在解释国际股票收益方面逐渐赶上本地因子模型的性能。作者通过分析18个资本市场的数据（时间跨度为1989年11月至2012年2月），采用滚动时间窗口的方法，比较了本地、全球和混合因子模型在解释股票收益方面的表现。

主要观点

全球因子模型的解释力提升：尽管全球因子模型在解释国际股票收益的R²（解释力）方面显著追赶本地模型，但这种提升主要归因于全球因子β值的增加，而不是因子波动率的上升。
定价误差（alpha）未见明显改善：全球因子模型在定价误差方面并未表现出与本地模型相似的改善，说明全球市场尚未实现完全的定价一体化。
市场整合程度有限：研究结果表明，尽管经济层面的整合可能有所增强，但金融市场的整合仍不足以使全球定价模型在定价误差上取得显著进展。
本地因子模型仍具优势：对于实际应用（如资本成本计算和绩效归因），本地因子模型仍然比全球因子模型更合适。
混合模型未见显著优势：包含本地和外国因子的混合模型在解释力和定价误差方面并未显著优于本地模型。

关键信息

1. 数据与方法

使用了由Schmidt等人（2015）整理的29个国家的月度数据，涵盖股票收益、市场价值、风险特征以及无风险利率。
采用时间序列回归方法（如Black等，1972）评估模型表现。
模型包括本地（L）、全球（G）、外国（F）因子模型以及混合模型（H）。
测试资产为本地双排序特征组合，涵盖市值、账面市值比和动量因子。

2. 模型性能指标

R²：衡量模型对资产收益的解释能力。
Alpha：衡量模型的定价误差。
F统计量（GRS-Stat）：用于检验模型整体显著性。
Alpha的拒绝率：表示在5%显著性水平下，alpha为正的国家比例。
Alpha标准误（SE α）：衡量模型alpha估计的精确度。
Alpha夏普比率（SR α）：衡量模型在风险调整后的收益表现。

3. 因子构造

本地因子：基于本国市场数据构建。
全球因子：基于所有市场数据的市值加权平均。
外国因子：基于除本国外的所有市场数据的市值加权平均。
混合因子模型：结合本地和外国因子。

4. 结果概览

R²趋势：全球因子模型的R²在近几十年显著提升，表明其在解释收益方面逐渐接近本地模型。
Alpha趋势：全球因子模型的alpha并未出现显著下降，说明其在定价准确性方面仍落后于本地模型。
因子溢价：国际价值和动量溢价显著，而市值溢价则相对较小甚至为负。
因子相关性：本地与全球市场因子之间的相关性较高（约0.77），但其他因子（如市值、价值、动量）的本地与全球版本相关性较低（约0.37-0.58）。
混合模型表现：混合模型在解释力和定价误差方面未显著优于本地模型。

5. 理论解释

理论上，金融市场的整合应导致全球定价模型在R²和alpha方面均优于本地模型。
但实际结果表明，这种整合并未完全实现，可能由于国际套利限制（如信息不对称、本土偏好等）。
因此，即使经济层面的整合增强，全球定价模型仍无法完全取代本地模型。

结论

尽管全球因子模型在解释国际股票收益的R²方面有所提升，但其在定价误差（alpha）方面并未表现出显著改善。这表明，全球金融市场尚未实现完全的定价一体化。研究强调，评估市场整合程度时需考虑多个维度，而不能仅依赖单一指标（如R²或alpha）。此外，本地因子模型在实践中仍优于全球模型，混合模型也未能显著超越本地模型。

参考文献与相关研究

Griffin (2002)、Hou et al. (2011)、Fama and French (2012)：均发现本地模型在定价误差和解释力方面优于全球模型。
Bekaert et al. (2009)：混合模型在解释国际收益共动方面表现更好。
Brusa et al. (2015)：提出新的国际三因子模型，包含“美元”和“套利”因子，但未比较本地与全球模型的长期表现。
Karolyi and Wu (2014)：提出混合版本的Fama-French和Carhart因子，其表现优于全球模型，但与本地模型相似。