《The Cross-Section of Expected Stock Returns》生肉消化-CSDN博客

本文链接：https://blog.csdn.net/cito23/article/details/140553019

文章目录

前言
一、题目是什么意思？
二、论文写什么
总结

前言

自从毕业开始工作后就基本不再读论文。万万没想到，职业生涯走着走着走到量化门口。该如何学习这个领域的知识，该如何进行研究，该如何开展工作，这一系列的问题一瞬间占满小脑袋。感觉就像当时正在面对四五名导师，他们都会这么问。

回忆了好一会儿才冷静下来。苦行僧的日子即将来临，好好看论文，好好学技术，好好发现问题解决问题，好好模拟……好多好好，总而言之，言而总之，好好干。

每周一生肉，这周吃了《The Cross-Section of Expected Stock Returns》生肉，原因无他，引用次数极高，先吃了再慢慢消化。

一、题目是什么意思？

股票预期收益的横截面？这么理解就太生硬了。

The Cross-Section其实应该是the cross-sectional variation，指1963~1990时间截面的变化。什么变化？指平均股票收益的变化，而且是关于市场β，市值、杠杆、净值市价比、市盈率等因子的。

所以，我的理解题目意思是写1963~1990年间，市场β、市值、杠杆、净值市价比、市盈率等因子对期望股票收益的影响。或者说，在这段时期，哪些因子对股价收益影响大，哪些因子的影响较小。

二、论文写什么

1.出发点

本文主要针对Sharpe、Lintner、Black的资产定价模型进行引经据典地批判。

作者指出SLB模型存在几个经验矛盾。首先是市值效应，使用SLB模型的β估计，小市值股票的平均收益太高，而大市值的平均收益太低。其次，杠杆通常和风险、期望收益联系在一起，但是在SLB模型中，市场β也许包含了杠杆。再次，有学者发现美国股票的账面价值和平均收益有正相关，日本股票的净值市值率和平均收益也有很强的关联性。最后，还有研究表明市盈率可以代替很多未知因子表示期望收益。

综上，本文作者的目的是找出上述众多因子的联合规则，并证明在NYSE、AMEX、NASDAQ市场上，平均收益和规则是相关的。然后，在论文中也是很快地给出了测试结论，作者很痛快且言简意赅地表示，我们的测试不赞同SLB模型的核心思想，即股票平均收益和市场β值是正相关的。

本文的结果是：

β值似乎无法解释股票平均收益
市值和净值市值率的联合规则似乎可以代替杠杆和市盈率规则（1963~1990期间）

2.准备工作

（1）数据

为了进行论证，本文使用的数据有以下几个关键点：

使用非金融企业的截面数据。因为金融和非金融企业对杠杆的理解不一样，金融企业的高杠杆现象十分常见，但是非金融企业的高杠杆可能表示它有很大压力。
数据来自CRSP和COMPUSTAT。由于1962年以前的数据存在很大偏差，本文的数据取自1962年之后。
为了保证会计数据在解释收益之前是已知变量，本文取得1962~1989年间的完整会计年的会计数据，即t-1年数据；然后再配相应隔年7月时的收益，即t年7月的收益。（这之间的半年间隔其实是保守的做法，虽然有要求企业在会计年结束的90天内披露10-K报告，但前期研究表明仍有19.8%的企业未完成。）
本文使用t-1年12月份的市场权益计算t-1年的BE/ME、杠杆、市盈率，然后使用6月份的市场权益计算t年的市值大小。
本文会记录t年7月份之前60个月至少24个月的收益，为了进行β值的预先排序。（这个预先排序的作用是为了证明最终时点的β排序其实和预先排序没什么差别，即β没啥影响）
企业的COMPUSTAT数据必须包含t-1年的总账面资产（A）、账面权益（BE）、收益（E）等年度会计结算数据。
本文做了小范围测试：用t-1年的会计数据与t年7月份至t+1年6月份的收入进行配对，结果都相近。

（2）估算β值

本文使用Fama和MacBeth的截面回归理论（the cross-sectional regression approach）进行资产价值测试。每个月的股票收益截面都回归于解释平均收益的假设变量。
本文的理论是通过估算各个资产组合的β，然后为组合中的每个个股分配该组合的β值。
本文先根据市值的大小分十组，再在各组中根据预先排序的β值分10小组。这样一共会获得100个投资组合，并且每个投资组合只与市值相关，与β值无关（控制变量法测试证明）。
进行市值-β投资组合划分后，本文对后续12个月进行等权重月收益计算，会得到根据月收益排序的100个投资组合。
进一步，根据CRSP价值权重投资组合，对月收益排序好的100个投资组合进行全量（330个月 = 1963至1989共27年得324个月 + 6个月当年的）的β估值，以此结果代表市场结果。

3.实验部分

该论文一共进行了2组实验，包括：

β和市值（size）

通过对数据集的size-β二次排序分组，测算平均收益的时候发现：

（1）市值对平均收益有显著的影响，但是和β值并没有联系。
（2）控制β值后，平均收益和市值有很强的关系。（β一定，size越大，平均收益越低。取对数ln(ME)后，β一定，size越大，平均收益越大。）
（3）控制市值后，平均收益和β值并没有什么关系。

BM/EM（Book-to-Market Equity）、E/P、杠杆（Leverage）

（0）BE/ME比市值效应（size effect）在解释平均收益时具有更强的说服力。平均收益和BE/ME之间成正比。
（1）杠杆分为市场杠杆（market leverage，A/ME）和账面杠杆（book leverage，A/BE），两种杠杆变量都和平均收益相关，但结果却相反，不过取绝对值的结果是近似的。
（2）这里有个很巧妙的做法：ln(BE/ME) = ln(A/ME) - ln(A/BE)
（3）从原公式（BE/ME）角度出发，市场判断高比率的企业预期盈利能力较弱。就是说，BE/ME较大，则要么BE大，要么ME小。
（4）从变形式的角度分析，较高比率的企业拥有较高的市场杠杆。就是说，ln(BE/ME)较大，则要么ln(A/ME)大，要么ln(A/BE)小。
（5）平均收益和E/P的关系近似U型。在FM回归测试中，E/P的斜率是基于正值的。负值是傻瓜变量（dummy variable），影响实验结果。
（6）加市值进E/P回归测试可以解决傻瓜变量的影响；同时加入市值和BE/ME也可以解决傻瓜变量的影响。
（7）企业拥有较高的市盈率（正的）倾向于拥有较高的净值市值率（BE/ME）。那么，就可以回到杠杆部分的讨论，取得相同的结果。