第二十三章-SPSS在股票市场应用举例PPT课件.ppt

第二十三章 SPSS在股票市场应用举例1 1建立在完全理性前提假设下的现代主流金融学，利用一般建立在完全理性前提假设下的现代主流金融学，利用一般均衡分析和无套利分析建立了以有效市场假说（均衡分析和无套利分析建立了以有效市场假说（EMHEMH）为基石的证券定价理论，主要有为基石的证券定价理论，主要有Markowitz(1952)Markowitz(1952)的现代的现代组合理论、资本资产定价模型组合理论、资本资产定价模型(CAPM)(CAPM)、套利定价模型、套利定价模型（APTAPT）、期权定价模型（）、期权定价模型（B-SB-S）。在理性人假设下，）。在理性人假设下，MarkowitzMarkowitz（19521952）提出用）提出用“均值均值-方差方差”衡量证券的期衡量证券的期望收益率与风险水平，同时论证了投资者的有效资产组合望收益率与风险水平，同时论证了投资者的有效资产组合边界。其后，由边界。其后，由Sharpe(1964)Sharpe(1964)，Lintner(1965)Lintner(1965)和和Mossin(l966)Mossin(l966)独立推导出来的资本资产定价模型独立推导出来的资本资产定价模型(CAPM)(CAPM)将无风险资产引入将无风险资产引入MarkowitzMarkowitz的有风险资产组合，建立了的有风险资产组合，建立了一个一般均衡框架下的投资者行为模型，该模型阐述了在一个一般均衡框架下的投资者行为模型，该模型阐述了在所有理性投资者追求所有理性投资者追求“均值均值方差有效性方差有效性”的条件下，证的条件下，证券市场价格均衡状态如何形成。券市场价格均衡状态如何形成。Fama Fama 后来用三因素模型后来用三因素模型对美国证券市场中股票的平均收益率横截面数据进行实证对美国证券市场中股票的平均收益率横截面数据进行实证研究，得出三因素模型大体上能够解释股票收益率横截面研究，得出三因素模型大体上能够解释股票收益率横截面数据的变动。本章将介绍数据的变动。本章将介绍SPSSSPSS如何估算如何估算CAPMCAPM及及FFFF模型模型在中国股票市场上的表现。在中国股票市场上的表现。2 223.1 研究背景及目的23.1.123.1.1研究背景研究背景对于资产定价的研究，可以归结于如何找到解释对于资产定价的研究，可以归结于如何找到解释证券收益及其风险溢价的因子。证券收益及其风险溢价的因子。Sharpe Sharpe 和和Lintner Lintner 的资本资产定价模型的资本资产定价模型(以下简称以下简称CAPM)CAPM)、Ross Ross 的套利定价模型的套利定价模型(以下简称以下简称APT)APT)、Fama Fama 和和French French 的多因子定价模型的多因子定价模型(以下简称以下简称FF FF 多因子模多因子模型型)等都是经典之作。从因子的表现形式来看，等都是经典之作。从因子的表现形式来看，CAPMCAPM属于单因子模型，属于单因子模型，它把市场投资组合收益它把市场投资组合收益作为解释因子；作为解释因子；FF FF 多因子模型则属于多因子模型，多因子模型则属于多因子模型，它是在它是在CAPMCAPM模型基础上引入了公司规模模型基础上引入了公司规模(以下简以下简称称Size)Size)，公司帐面值与市值比，公司帐面值与市值比(以下简称以下简称BE/ME)BE/ME)等因子。等因子。APT APT 则是从套利角度出发的定价模型。则是从套利角度出发的定价模型。3 3单因素资本资产定价模型单因素资本资产定价模型(CAPM)(CAPM)模型，股票的模型，股票的 值与期望收益率呈正比例关系，值与期望收益率呈正比例关系，值为通常收益率值为通常收益率的解释因素。该模型可以表示为：的解释因素。该模型可以表示为：其中其中ri ri、rmrm分别表示股票的收益率和市场组合的分别表示股票的收益率和市场组合的收益率。可见，单因素模型认为股票市场上的单收益率。可见，单因素模型认为股票市场上的单个股票收益率仅仅与市场组合带来的风险有关，个股票收益率仅仅与市场组合带来的风险有关，并且这种相关性表现在贝塔值上：。当贝塔值大并且这种相关性表现在贝塔值上：。当贝塔值大于于1 1时，表明该证券的波动性要大于市场组合的波时，表明该证券的波动性要大于市场组合的波动；当贝塔值大于动；当贝塔值大于0 0小于小于1 1时，表明该证券的波动时，表明该证券的波动性小于市场组合的波动，或者说相对于市场组合性小于市场组合的波动，或者说相对于市场组合不敏感；当贝塔值小于不敏感；当贝塔值小于0 0时，表明该证券的波动方时，表明该证券的波动方向与市场组合相反。向与市场组合相反。4 4但是，美国著名金融经济学家但是，美国著名金融经济学家Fama(1992)Fama(1992)的实证研究表的实证研究表明，贝塔值对股票收益率横截面数据解释能力低或者基本明，贝塔值对股票收益率横截面数据解释能力低或者基本上没有多大的解释能力，而加上公司规模上没有多大的解释能力，而加上公司规模(firm size)(firm size)、账、账面市场价值比面市场价值比(book to market)(book to market)，则对股票横截面数据，则对股票横截面数据解释的显著性很高。多因素模型以解释的显著性很高。多因素模型以FamaFama、FrenchFrench等人提等人提出的三因素模型为主。三因素模型中首先要构建六个投资出的三因素模型为主。三因素模型中首先要构建六个投资组合。构建的方法如下：首先以市值组合。构建的方法如下：首先以市值MVMV（市场价值）为（市场价值）为基准，按照市值从小到大将样本股票池中的股票平均分成基准，按照市值从小到大将样本股票池中的股票平均分成S S、B B两组，然后以两组，然后以BMBM（账面价值）为基准，从小到大均（账面价值）为基准，从小到大均分成分成L L、MM、HH三组；选出三组；选出S S和和L L组中相同的股票构成组中相同的股票构成SLSL证证券组合，依此类推取券组合，依此类推取S S组与组与MM组、组、S S组与组与HH组、组、B B组与组与L L组、组、B B组与组与MM组、组、B B组与组与HH组各自的交集分别构成证券组合组各自的交集分别构成证券组合SMSM、SHSH、BLBL、BMBM、BHBH共六个证券组合。最后假设以上证券共六个证券组合。最后假设以上证券组合中每支股票所占份额相等，以数学平均法为计算方法，组合中每支股票所占份额相等，以数学平均法为计算方法，计算这六个证券组合的数学平均日回报率或者周回报率计算这六个证券组合的数学平均日回报率或者周回报率（以后用（以后用SLSL、SMSM、SHSH、BLBL、BMBM、BHBH代表这六个证券代表这六个证券组合各自的回报率）。组合各自的回报率）。FF ModelFF Model如下式：如下式：5 5其中，其中，SMBSMB与与HMLHML表示利用上述六个投资组合构表示利用上述六个投资组合构建的两个证券投资组合，构建方法如下所示：建的两个证券投资组合，构建方法如下所示：SMB=1/3(SL+SM+SH)-1/3(BL+BM+BH)SMB=1/3(SL+SM+SH)-1/3(BL+BM+BH)；HML=1/2(BL+SL)-1/2(BH+SH)HML=1/2(BL+SL)-1/2(BH+SH)Fama Fama 后来用三因素模型对美国证券市场中股票后来用三因素模型对美国证券市场中股票的平均收益率横截面数据进行实证研究，得出三的平均收益率横截面数据进行实证研究，得出三因素模型大体上能够解释股票收益率横截面数据因素模型大体上能够解释股票收益率横截面数据的变动，且股票平均收益率反常现象在三因素模的变动，且股票平均收益率反常现象在三因素模型中趋于减弱或消失。型中趋于减弱或消失。6 6在世界主要证券市场上采用最近三十年的横截面数据对三因素模型进行了实证研究，可以得出两个结论:在13 个证券市场中有12 个证券市场的价值型股票的业绩回报高于成长型股票；在16 个主要证券市场中有11 个证券市场上的小公司业绩回报高于大公司，证明公司规模对股票横截面收益率的显著性很高。Davis e(2000)采用最新的数据(1929到1997)得到更高的显著性水平，检验通过了Fama、French 的三因素模型比Daniel(1997)的公司特征模型对股票横截面数据有更高的显著性。7 723.1.2 研究目的中国证券市场经过十几年的发展，现在上市公司的数目和资金规模有了飞速的发展，对中国证券市场的研究也越来越多，那么Fama、French 的三因素模型在我国证券市场上能否很好地解释股票收益率横截面数据的变动？本案例的研究目的是利用中国上证指数的成分股的数据来实证研究一下，中国证券市场中CAPM与FF模型是否能够表现出更强的解释能力。8 823.2 研究方法本案例的分析思路如下，搜集了从本案例的分析思路如下，搜集了从19991999年年1 1月份月份到到20092009年年9 9月份我国上海证券市场所有上市公司月份我国上海证券市场所有上市公司的月度收益率数据。本案例按照的月度收益率数据。本案例按照FFFF模型的方法将模型的方法将上海证券市场的股票根据上海证券市场的股票根据MVMV（市场价值）和（市场价值）和BMBM（账面价值）分为六组（账面价值）分为六组SLSL、SMSM、SHSH、BLBL、BMBM、BHBH。首先利用描述性分析对六个证券组合。首先利用描述性分析对六个证券组合进行了一系列描述性分析，以便对整个投资组合进行了一系列描述性分析，以便对整个投资组合收益率形成直观的印象，然后利用一元线性回归收益率形成直观的印象，然后利用一元线性回归对单因素模型进行建模分析，分析单因素模型在对单因素模型进行建模分析，分析单因素模型在我国证券市场的表现以及贝塔值的显著性，最后我国证券市场的表现以及贝塔值的显著性，最后利用多元线性回归分析来对三因素模型来建模分利用多元线性回归分析来对三因素模型来建模分析，分析三因素模型中析，分析三因素模型中SMBSMB与与HMLHML的显著性。的显著性。采用的数据分析方法主要有：采用的数据分析方法主要有：描述性分析、回归分析描述性分析、回归分析9 923.3 研究过程1.投资组合和市场组合收益率数据的描述统计分析2.投资组合收益率的CAPM建模 3.投资组合收益率的FF建模 配书资料源文件23正文原始数据文件组合及市场收益率.sav101023.4 研究结论1、CAPM模型拟合效果较为显著。从表23.26中我们发现，在CAPM模型中的常数值C一般都非常小，并且他们的显著性概率值Prob(C)大都不能拒绝原假设，因此我们判断大多数组合的阿尔法值是不显著且为零的。另外，每个模型的贝塔值都非常显著，具体表现为他们的概率值为0.000拒绝了为零的原假设。同时我们发现每个组合的收益率的贝塔值都在1附近徘徊，说明我国证券市场的市场风险非常大。11112、FF多因素模型同样适合我国证券市场。我们发现，其参数估计的最小二乘法都通过了计量检验，说明FF多因子模型对中国股市同样适用。由于FF多因子模型主要针对投资组合因此在实践中该模型对于投资基金具有很强的指导性。自从Fama 和French 在1993 年提出FF多因子定价模型以来，FF 多因子定价模型的适用性已经得到多个国家股票市场的验证。FF 多因子定价模型对于中国这样一个新兴的股票市场的适用性的结论，无疑是一个具有重要实践意义的结果。12123 3、SMB SMB 因子的解释力度比因子的解释力度比HML HML 因子要大。因子要大。SMB SMB 是是Size Size 因子的模拟组合收益率而因子的模拟组合收益率而HML HML 是是BE/ME BE/ME 因子的模拟组合收益。从对因子的模拟组合收益。从对FFFF模型回归的模型回归的结果统计来看，我们发现结果统计来看，我们发现SMBSMB组合收益率的显著组合收益率的显著性概率值性概率值Prob(SMB)Prob(SMB)大部分在大部分在5%5%的水平上拒绝了的水平上拒绝了显著为零的原假设，只有一个投资组合收益率序显著为零的原假设，只有一个投资组合收益率序列的结果没有拒绝为零的原假设；而列的结果没有拒绝为零的原假设；而HMLHML组合收组合收益率的显著性概率值益率的显著性概率值Prob(SMB)Prob(SMB)却只有四个在却只有四个在5%5%的水平上拒绝了显著为零的原假设，有两个投资的水平上拒绝了显著为零的原假设，有两个投资组合收益率序列的结果没有拒绝为零的原假设。组合收益率序列的结果没有拒绝为零的原假设。这说明了这说明了SMB SMB 因子的解释力度比因子的解释力度比HML HML 因子要大，因子要大，对于本文模型的解释力度而言，市场收益最大，对于本文模型的解释力度而言，市场收益最大，SMB SMB 因子次之，最后才是因子次之，最后才是HML HML 因子。这与因子。这与Fama Fama 和和FrenchFrench的最初设计完全吻合。的最初设计完全吻合。13134 4、中国股市存在明显的小公司效应。、中国股市存在明显的小公司效应。小公司效应主要是指收益率具有随公司的相对规小公司效应主要是指收益率具有随公司的相对规模上升而下降的趋势。小公司效应是针对美国股模上升而下降的趋势。小公司效应是针对美国股市得出的结论，它对于中国股票市场是否适用还市得出的结论，它对于中国股票市场是否适用还是一个问题。对于本文是一个问题。对于本文FFFF模型的，模型的，SMB SMB 的均值都的均值都是正的；对于小公司的投资组合（如组合是正的；对于小公司的投资组合（如组合SLSL、SMSM、SHSH），），SMB SMB 的系数都是正的；对于大公司的投的系数都是正的；对于大公司的投资组合（如组合资组合（如组合BLBL、BMBM），），SMB SMB 的系数都是负的系数都是负的。所有这些都表明：在中国股市，小公司的收的。所有这些都表明：在中国股市，小公司的收益仍具有相对优势。益仍具有相对优势。1414根据研究结论，总结如下：根据研究结论，总结如下：1.1.每个组合的收益率的贝塔值都在每个组合的收益率的贝塔值都在1 1附近徘徊，附近徘徊，说明我国证券市场的市场风险非常大；说明我国证券市场的市场风险非常大；2.FF2.FF多因子模型对中国股市同样适用；多因子模型对中国股市同样适用；3.SMB 3.SMB 因子的解释力度比因子的解释力度比HML HML 因子要大；因子要大；4.4.在中国股市，小公司的收益仍具有相对优势。在中国股市，小公司的收益仍具有相对优势。1515