金工文献精译第四期：中国股市的规模和价值因子模型-20220422-德邦证券-33页_3mb

金融工程专题：中国股市的规模和价值因子模型

核心内容

本报告分析了中国股市中规模和价值因子的影响，并构建了一个适用于中国市场的三因子模型（CH-3），该模型在解释市场异象方面优于Fama-French三因子模型（FF-3）。此外，还构建了四因子模型（CH-4）以进一步解释市场中的异象。

主要观点

• 市场环境差异：中国股市与美国市场存在显著差异，直接复制FF-3模型会导致误判，因此需要构建适合中国市场的模型。
• 壳价值影响：小市值股票的定价受到IPO流程和反向并购的影响，壳价值在这些股票中占比较高，导致规模和价值因子的扭曲。
• 价值因子选择：市盈率倒数（EP）被选为最适合中国股市的价值因子，因为它最能解释截面异象。
• 模型表现：CH-3模型在解释能力上优于FF-3模型，其对规模和价值因子的解释能力分别为-0.5%和4.1%年化alpha，而FF-3模型对CH-3的解释能力则为5.6%和16.7%。
• 异象解释能力：CH-3模型能够解释CAPM无法解释的8种异象，而FF-3模型仅能解释3种。CH-4模型通过加入换手率因子，进一步解释了反转和换手异象，从而能够解释所有异象。

关键信息

1. 数据来源和样本

• 数据来自WIND，覆盖2000年1月至2016年12月。
• 样本包含A股市场，剔除了市值最小的30%股票以避免壳价值的影响。
• 中国A股市场从1990年开始，但研究样本从2000年开始，以确保会计数据的统一性。

2. 小市值股票和IPO限制

• 中国IPO流程漫长，导致一些公司通过反向并购快速上市。
• 小市值股票更容易成为反向并购的壳公司，83%的反向并购来自市值最小的30%股票。
• 壳价值对小市值股票的回报有显著影响，导致其溢价被扭曲。

3. 价值因子的构建

• 价值因子使用EP（市盈率倒数）而非BM（账面市值比），因为EP在解释中国股市的截面异象方面更优。
• 通过Fama-MacBeth回归分析，EP的解释能力优于其他估值比率。

4. 三因子模型CH-3

• CH-3包含市场因子（MKT）、规模因子（SMB）和价值因子（VMG）。
• SMB和VMG的月均溢价分别为1.03%和1.14%，t值分别为3.25和4.34。
• CH-3模型在解释异象方面优于FF-3模型，且在贝叶斯比较中占优。

5. 四因子模型CH-4

• CH-4在CH-3基础上加入换手率因子，以解释情绪对市场的影响。
• CH-4能够解释所有异象，包括反转和换手异象。

6. 异象分析

• 中国股市存在九类异象：规模、价值、收益、波动、反转、换手、投资、应计和非流动性。
• CH-3模型能够解释其中8种异象，FF-3模型仅能解释3种。
• 换手和反转异象在CH-4中得到解释。

7. 模型比较

• CH-3模型在解释力和统计显著性方面优于FF-3模型。
• 通过Gibbons-Ross-Shanken检验，CH-3模型对FF-3的因子解释能力显著。
• CH-3模型在解释异象方面表现优异，平均绝对年化alpha为5.4%，而FF-3模型为10.8%。

8. 风险提示

• 市场风格切换风险
• 市场波动风险
• 模型失效风险

结论

CH-3和CH-4模型在解释中国股市的异象方面表现出色，其中CH-4模型能够全面解释所有异象。构建这些模型时，剔除市值最小的30%股票是关键，以避免壳价值对因子的扭曲。这些模型为中国股市的资产定价和投资策略提供了更准确的依据。

图表目录摘要

• 图1：反向并购壳公司的规模分布
• 图2：壳价值随时间的变化
• 图3：不同规模组对预期外盈利的回报反应
• 图4：股票回报关于贝塔、规模和估值比率的Fama-MacBeth回归
• 图5：CH-3因子的统计量
• 图6：中国和美国股市个股的平均R平方
• 图7：CH-3和FF-3对彼此的规模和价值因子的解释能力
• 图8：CAPM关于异象的alpha和beta
• 图9：CH-3对于异象的alpha和因子载荷

附录内容

• 数据来源和筛选方法
• 公司的特征和异象组合
• 中国的IPO审核流程
• 反向并购的数据和壳价值估算
• 壳价值相关的回报方差
• 从表2中剔除金融机构
• 模型结果比较