The_Cross-Section_of_Expected_Stock_Returns(中)

TheCross-SectionofExpectedStockReturnsEUGENEF.FAMAandKENNETHR.FRENCH(1992)摘要：结合两个简单的变量：规模、账面对市价比，衡量市场β、规模、财务杠杆、账面对市价比、E/Pratio与股票平均回报率变化的关系。而且，当测试变量β与规模无关，即使β是唯一解释变量，市场β跟股票平均回报率间的关系是无关的。Sharpe(1964),Linter(1965),andBlack(1972)所提出之资产定价模型长期被学术界及实务界用来探讨平均回报率与风险的关系。模型的主要预测：市场投资组合受mean-variance的效率影响。效率市场投资组合指：(a)证券的预期回报率与市场β是正的线性函数关系。(b)市场βs有能力解释预期回报率的横截面。实证上的发现有许多与Sharpe-Lintner-Black(SLB)模型相抵触的地方。最明显的为Banz(1981)的规模效果：在给定市场βs下之预期股票回报率的横截面，加入市值ME(股票价格乘以流通在外股数)这个变量。结果显示在给定市场β下，低市值股票的平均回报率太高；高市值股票的平均回报率则太低。另一个有关SLB模型的矛盾则是Bhandari(1988)所提出的财务杠杆与平均回报率间的正相关。财务杠杆与风险及回报率相关看起来似乎合理，但在SLB模型下，财务杠杆风险应已包含于市场β中。然而Bhandari发现财务杠杆能协助解释包含规模(ME)的平均股票回报率的横截面变化，且比包含β要来的好。Stattman(1980),Rosenberg,Reid,andLanstein(1985)发现美国股票的平均回报率与普通股账面价值(BE)市值(ME)比有正相关。Chan,Hamao,andLakonishok(1991)发现账面对市价比(BE/ME)对于解释日本股票的横截面平均回报率也扮演很重要的角色。最后，Basu(1983)认为E/Pratio也能协助解释包含规模与市场β的美国股票横截面平均回报率。Ball(1978)提出E/P是一个在预期股票回报率下，可囊括所有未知因子的代表变量；无论风险来源为何，E/P较高(价格相对于盈余低)的股票似乎也伴随着高风险与高回报率。Ball对于E/P的代表性批判也适用于规模(size)、财务杠杆及账面对市价比。这些变量被视为不同衡量股票价格的方法，从股价信息中提取风险和预期回报率的方法(Keim(1988))。更进一步看，E/P、市值、财务杠杆、及BE/ME比都可以看作是某种价格，故认为这些变量中其中某些对于预测平均回报率是无用的假设是合理的。本文的目标为衡量市场β、规模、E/P、财务杠杆、及账面对市价比在解释NYSE、AMEX、NASDAQ股票横截面平均回报率的联合解释能力。Black,Jensen,andScholes(1972)、Fama,andMacBeth(1973)发现：使用SLB模型预测，平均股票回报率与β在过去到1969年期间，具有正面简单相关。就像Reinganum(1981)及LakonishokandShapiro(1986)的研究结果，本文发现在近期1963-1990这段期间，β与平均回报率间之相关性消失了，即使β为平均回报率的唯一解释变量。附录显示，在五十年间(1941-1990)，β与平均回报率间之简单相关也很薄弱。简而言之，本文的检验并不支持SLB模型的基本预测：平均回报率与市场β有正相关的关系。不像β与平均回报率间之简单相关，平均回报率与规模、财务杠杆、E/P及账面对市价比之间的单一变量关系很强烈。在多元变量检验中，规模与平均回报率的负相关较包含其他变量下来得强烈。账面与市价比及平均回报率间的正相关也持续对抗其他变量。而且，虽然规模效果吸引较多注意，账面对市价比与平均回报率的关系也扮演一个重要的角色。本文最后的结论：(a)β似乎无法协助解释横截面的股票平均回报率。(b)规模、账面对市价比似乎可吸收财务杠杆及E/P在平均股票回报率上的解释角色，至少在本文所选取的1963-1990样本期间是如此。假如资产被理性的评价，本文关于股票风险的结论是多面的。关于风险的其中一面可由规模、市值代表。另一面可由BE/ME(账面价值对市价比)代表。ChanandChen(1991)认为以BE/ME衡量的风险有可能是相对危险的因子。他们主张公司的盈余展望与回报率的风险因子相关。市场预期未来展望不佳的公司、相较于未来展望乐观的公司会发出低股价的讯号，高账面市价比的公司将有高预期股价回报率(伴随而来的为高资金成本)。然而，也有可能BE/ME比正好获得非理性市场关于公司未来展望的答案。无论基本经济因素为何，本文的主要结论是明确的。在1963-1990期间，两个简单的衡量变量，规模、账面对市价比(BE/ME)，提供一个横截面平均股票回报率简单且强力的解释。下一段本文讨论关于估计β的资料及方法。第二段检视平均回报率与β、平均回报率与规模间的关系。第三段检视E/P、财务杠杆、账面对市值比，对解释平均回报率上的角色。在第四段及第五段，总结、解释并讨论这些结果的应用。I.开端A.DATA使用所有非金融业的交易资料：(a)从CRSP取得NYSE、AMEX、及NASDAQ的回报率资料。(b)由CRSP提供的合并的COMPUSTAT年产业资料库中的损益表及资产负债表资料。对金融业而言可能是合理的高财务杠杆、但对其他非金融业公司也许是破产的可能，因此排除金融业。CRSP涵盖NYSE及AMEX股票回报率资料，直到1973年才加入NASDAQ的回报率。COMPUSTAT的资料从1962到1989年。1962年的起始日反映普通股的账面价值(COMPUSTATitem60)一般无法取得在1962年以前的资料。较重要的是，早些年COMPUSTAT的资料有严重的选择偏误：1962年以前的资料选择历史上规模大且成功的公司。为了确保会计变量数据比收益率数据更早的被人们知道，将所有会计年度期末t-1(1962-1989)的会计资料与t年七月至t+1年六月的回报率配对。六个月的间距在会计期末及回报率检验间是保守的。早先文献(Basu(1983))假设会计期末的三个月内，会计资料是可取得的。公司的确必须在90天内提供其报告给SEC，但平均有19.8%的公司未遵守。除此之外超过40%的公司没有遵守90天期限的规定，于三月三十一日提交报告，且其报告直到四月也未公开。(Alford,Jones,andZmijewski(1992))。使用一家公司在t-1年十二月期末的市值，计算t-1年其账面对市价比、财务杠杆、及盈余股价比，并使用t年六月的市值衡量其规模。因此，为了包含在t年七月的回报率检验，公司必须有CRSPt-1年十二月、t年六月的股价。也必须有t年七月前60个月中至少24个月的月回报率(以下讨论，pre-rankingβ的估计值)。样本公司必须有会计年度结束于历年t-1的总账面价值、账面权益(B/E)、盈余(E)等COMPUSTAT资料。在E/P、BE/ME中使用十二月市场价值，未使用十二月会计期末资料的公司之财务杠杆比率是客观的，因为比率中分子的会计变量与分母的市场价值未一致。在会计期末使用ME也是有问题的；给定年度之横截面变化有部分是由于当年度的市场变化。举例来说，假设当年度股票皆为下跌，当年度较早衡量的比率将会低于当年度较晚衡量的比率。然而，会计比率中使用会计期末的ME相较于使用十二月的ME在回报率检验上有较小的影响。最后，检验有不同会计期末的公司。采用t-1所有会计期末的会计资料与t年七月到t+1年六月的回报率资料做配对，会计资料与所配对之回报率间距每间公司不同。B.估计市场βs资产定价检验使用FamaandMacBeth(1973)年的横截面回归方法。每个月的横截面股票回报率对每个解释预期回报率的假设变量跑回归。月回归斜率的时间序列平均数，提供不同的解释变量对平均股价的标准检验。既然规模、E/P、财务杠杆、及BE/ME可精确衡量单一股票，没有理由去使用Fama-MacBeth(FM)回归中使用组合的方法，混淆这些变量所提供的信息。大多数过去的研究均使用投资组合，这是因为利用投资组合估计市场βs较为精确。本文采用的方法为利用投资组合估计βs，然后将投资组合的β分配到投资组合中的每支股票。使得本文在FM资产评价检验中可以使用个别股票。B.1.β估计：细节将每年六月，利用CRSP取得的所有NYSE的股票依照规模分成十类。NYSE、AMEX、NASDAQ股票必须有CRSP-COMPUSTAT的资料，然后将其分配至依NYSE股票规模分类的十个投资组合。(假如本文使用这三个交易所所有的股票决定其规模分类，当NASDAQ的股票被加入样本，多数的投资组合会只包含1973年后的小股票。)因为ChanandChen(1988)及其他相关研究证明，规模对于平均回报率及βs有广泛的延伸，因此本文利用规模建构投资组合。ChanandChen只使用规模投资组合。产生的问题为规模及规模投资组合的βs高度相关(他们的资料为-0.988)，因此资产评价检验对于个别规模中β对平均回报率的影响缺少检验力。为了使β的变化与规模无关，将依照规模分类的十个投资组合，依据个别股票pre-rankingβs的基础再细分为十个投资组合。pre-rankingβs是利用t年七月以前五年内24到60个月回报率估计。仅使用NYSE股票中有t-1年COMPUSTAT-CRSP的资料的公司来设定β在每个规模中的十分位点。使用NYSE股票是为了确保β分割点不会被1973年后NASDAQ的许多小公司股票所支配。利用满足COMPUSTAT-CRSP资料需求的股票设定β分割点是为了保证在100个size-β投资组合中有公司存在。在分配公司到六月的size-β投资组合之后，计算接下来十二个月相等权重的月回报率，从七月到六月。最后，将得到利用规模及pre-rankingβs所建构的100个投资组合，从1963年7月到1990年12月。然后使用在100个投资组合中，每个投组排序后回报率的完整样本(330个月)，及NYSE,AMEX,and(after1972)NASDAQ等被一般被视为市场代表性的股票组成的CRSP价值加权投资组合来估计βs。也使用价值加权或是NYSE股票相等权重的投资组合来估计βs。这些βs使得下面所讨论有关β在解释平均回报率上的角色产生推论。用现有及过去的市场回报率跑回归后得出之斜率加总来估计β。βs的加总是为了调整异步的交易(Dimson(1979))。FowlerandRorke(1983)主张当市场回报率自相关时，βs的加总是有偏误的。1963年7月到1990年12月，每月市场回报率的一阶及二阶自身相关分别是0.06及-0.05。如果Fowler-Rorkes相关被使用，会导致βs不重要的变动。因此本文依旧使用较为简单的βs加总。附录TableAI显示，使用加总的βs会使最小ME投资组合的βs大幅度增加；最大ME投资组合的βs小幅度减少。ChanandChen(1988)主张投资组合全期的β估计，在SLB模型测试中可以良好运作，假如βs的变化是部分的，甚至投资组合中的实际βs会随着时间改变。()jtjtjk(1)βjt是投资组合j在t时间的真实β，βj是βjt在时间t中的平均数，且β是βj的平均数。附录主张公式(1)对于利用规模及β建构的投资组合(j)中，实际βs随着时间过去的变化，是一个良好的估计式。对于顽固的β跟随者，必定会怀疑解释股票平均回报率中β的薄弱角色，本文可说这个结果是在面临健全的检验后得出：使用五年pre-rankingβs，或是五年post-rankingβs，取代全期排序后的βs。分配一个size-β投资组合的全期post-ranking的β给投资组合中的每一支股票。这些是会在Fama-MacBeth对于个别股票横截面回归中被使用的βs。本文主张相对于从个别股票中获得的β估计值之不精确、全期投资组合post-ranking