论文部分内容阅读
特质波动率近些年来是国内外学术领域研究的一个热点。按照Sharpe(1964),Lintner(1965)等传统的金融学理论,特质风险由于可以被分散化,因而不会带来相应的风险收益,即股票的特质风险应该与收益率无关。Merton(1987)认为由于信息不完全,投资者难以充分分散风险,因而高特质波动率的股票应该给投资者更高的回报率作为补偿。但是,Ang,Hodrick,Xing等(2006)却发现拥有较高特质波动率的股票组合反而预期收益率较低。这一实证结果与理论预期不相符合,因而被称作“特质波动率之谜”。与此相对,Herskovic,Kelly,Lustig等(2016)从整个股票市场的层面研究特质波动率。他们发现市场中股票的特质波动率是同步变化的,而且导致这种同步变动背后的原因是一个新的风险因子,被他们称为“共同特质波动率因子(Common Idiosyncratic Volatility,简称CIV)”,其计算方式为市场中股票特质波动率的平均值。另外,Guo和Savickas(2010)发现股票的平均特质波动率的滞后项与市场波动率(Market Volatility,简称MV)的滞后项可以解释按特质波动率分组的投资组合的收益率差异。而国内很少有文献从整个股票市场的角度对特质波动率进行研究。为此,本文参考 Herskovic,Kelly,Lustig 等(2016)和 Guo 和 Savickas(2010)两篇文献,对其中提出的“共同特质波动率因子”在中国股票市场中的定价能力进行研究,并且试图从CIV的角度解释“特质波动率之谜”及其他一些市场异像。本文发现,共同特质波动率因子在中国股市也是一个重要的风险因子。而且,与左浩苗,郑鸣和张翼(2011),刘维奇,刑红卫和张信东(2014)等的实证结果一致,“特质波动率之谜”这种现象在中国股票市场中是存在的。本文发现高特质波动率的股票具有更高的CIV-beta,即这些股票是Herskovic,Kelly,Lustig等(2016)中提出的“能够很好地对冲CIV风险的股票”。Herskovic,Kelly,Lustig等(2016)认为这类股票更受投资者偏爱,因而股票价格较高,未来收益率较低。最后,本文还发现CIV可以解释中国股市存在的一些其他异像——按Amihud非流动性指标分组的投资组合的收益率和按换手率分组的投资组合的收益率。本文分别基于Amihud非流动性指标和换手率对股票分组,发现投资组合的非流动性越高,收益率越高;投资组合的换手率越低,收益率越高。这些实证结果与李一红和吴世农(2003)的结果一致。本文发现CIV对这两种投资组合的收益率都有很强的定价能力。本文选取全部A股和创业板股票1995年到2019年的数据作为研究样本,剔除了股票在ST、PT状态时的数据。本文发现与美国股市的实证结果类似,中国股市中股票的特质波动率具有同步变动的特点。而且,CIV与利润总额增长率的平均波动率、工资指数的横截面波动率等经济变量有着十分密切的关系。其中,CIV与利润总额增长率的平均波动率的相关系数为0.515,CIV与工资指数的波动率的相关系数为0.43。另外,按CIV-beta分组的投资组合中最高组与最低组的收益率差异达到了每月-0.641%。按照Herskovic,Kelly,Lustig等(2016)的解释,投资者更加偏爱在CIV上升时能够提供更高回报率(高CIV-beta)的股票,因为这类股票能够很好地对冲CIV风险。本文对上述投资组合的收益率利用Fama-MacBeth回归估计出来CIV shock的风险溢价为每月-0.3%。中国股票市场是世界上重要的新兴市场,其中的风险收益关系值得研究。同时,中国股市也存在着不同于美国股市的特点。Cheng,Guo和Shi(2018)提出中国股市的10%涨跌停板制度会导致日度股票收益率的正自相关,因而在计算波动率的时候可能引起偏误,这将导致Herskovic,Kelly,Lustig等(2016)中CIV的计算方法不适用与中国股市的情况。本文在计算月度CIV的时候采用Merton(1980)和Cheng,Guo和Shi(2018)中的方法,考虑了股票日度收益率之间的自相关性。另外,本文还利用Liu,Stambaugh和Yuan(2019)提出的中国三因子模型计算CIV,得到了类似的实证结果。这些也是本文的创新之处。本文为CIV可以作为风险因子提供了新的证据,同时结合中国股市的特点对其进行了深入的研究,丰富了国内对这一领域的研究成果。