股票价格决定因素 Determinants of Stock Prices  汪昌云 问题 股票的未来价格走势到底受哪些因素的影响? 怎样检验某一风险因素与未来收益有关? 怎样利用这些信息来进行投资决策? 新兴市场中股票价格的决定因素与发达国家股票市场相同吗? 中国股票价格的决定因素会有何特点? 股票价格与风险度量 现代金融学中风险资产的未来价格只受一个因素影响　－　风险 风险是结果的不确定性；风险是事前的； 风险是对期望的偏离。波动性，方差或标准差是其常用的度量方法 证券组合与风险分散 假设：完美资本市场, 投资者风险厌恶,二参数收益分布，同质信念，单期决策  结论： 通过组合非系统性风险被化解 单个资产的风险以其对效率组合风险的贡献来衡量　－　系统性风险  股票价格由唯一的系统性风险决定－SML CAPM之文字证明 如果投资者因非系统风险而获得额外回报，那么系统性风险相同的分散投资组合中，有较高非系统风险的组合比非系统风险较低的组合收益高。投资者会想方设法买进非系统风险较高组合的股票，卖掉BETA相同但非系统风险较低的股票。前者的价格被拉抬上涨。 以上过程会持续到beta相同的股票都有相同的预期收益，非系统风险不再有RP为止。 莎士比亚《亨利四世》： Glendower对 Hotspur吹牛道：“我能召唤阴间的鬼魂”。  Hotspur 冷冷地回答：那有什么了不起。我也能，每个人都能。问题在于当你召唤他们时，鬼魂会应招而来吗？ CAPM有用吗？－早期的证据 Fama-MacBeth (1973, JPE)： 实证模型: 			Ri = co +c1?i+ c2?i2 +c3tsi+?it 研究假设: E(c2) = 0 – non-linearity E(c3) = 0 – non-systematic  E(c1t) = E[Rm] – E[Rf]   0 Sharpe-Lintner hypothesis: E(c0) = Rf 数据：1926.1-1968.6 NYSE 月收益率数据 研究方法: 	第一步:用26-29年48个月的数据估计每个股票的beta值,并且排序形成20个组合 	第二步:用30-34年的数据,使用市场模型估计20个组合的beta,非系统性风险等 	第三步:使用第二步中估计的组合的beta和非系统性风险,用35-38年的组合收益率数据进行回归分析,从26-68每个月均进行回归,每个系数均有390多个估计值，计算其均值. Fama-MacBeth的结论 Fama-MacBeth结论  市场异象 规模效应. Banz (1981)首先发现，市值规模（ME，即股票价格与总股数的乘积）对于β提供的截面平均收益有进一步的解释能力 。 Average returns on small stocks are too high given their betas, and those on large stocks are too low.  杠杆效应. Bhandari (1988, JF)发现的杠杆比率和平均收益率之间存在正相关关系 . Leverage helps explain returns after controlling for size and beta. 净市率效应（Book-to-Market）。Rosenberg et al. (1985, JPM) 股票收益与净市率正相关. Chan, Hamao, and Lakonishok (1991)净市率同样对日本股市的截面股票平均收益有很强的解释能力 . 股利率效应（Dividend yield effect）. Holding risk constant, the higher is a stock’s dividend yield, the higher is the required before-tax return to compensate taxable investors for the higher tax liability.  市盈率效应（PE). Basu (1977, 1983)市盈率在包括规模与β的实证分析中对美国股票市场的截面平均收益也有很强的解释能力 . E/P ratios help explain the cross-section of average returns in addition to size and beta.  复合效应。 Since size, P/E, P/B, dividend yield are computed using a common variable – price/share, these effects tend to be dependent. To give an expression on the interrelations, average P/B, market capitalization, E/P and price for ten portfolios constructed of NYSE firms on the basis of increasing values of P/B suggest strong correlations.  Fama and French (1992) Fama and French (1992) 是第一个系统分析评价β、规模、市盈率、杠杆比率和净市率对NYSE，AMEX，NASDAQ市场上交易的个股截面平均收益的解释能力，证明S-L-B模型预测能力的局限性，即平均股票收益与β正相关不成立 ，同时，给出了新的股票定价因素。  Fama and French (1992)’s main conclusions: β对于股票截面平均收益没有什么解释力； 规模和净市率对于平均收益的联合解释能力要超过杠杆比率和市盈率。至少对于在1963-1990期间的样本来说，这一结论成立。 这表明，股票收益变化可用一个多因素资产定价模型刻画：规模和BM。BM刻画财务困境风险。当市场对其前景预期较差时，具体表现为较低的股价和较高的净市率，公司比起较好预期前景的公司有较高的预期回报（因为其为较高的资金成本所拖累）。  Fama and French的分析方法 数据：1) NYSE、AMEX和NASDAQ交易的1962-1989年间所有非金融股票收益序列，数据来源是证券价格研究中心（CRSP）和2）COMPUSTAT历年收入平衡表和资产负债表的数据档案。  使用一个公司t-1年 12月末的市值来计算t-1年的净市率，杠杆比率和市盈率，并且用t年 6月份的市场权益价值来度量该公司的规模。 基本方法：使用Fama和MacBeth的截面回归方法。每月对股票截面收益关于所假设的解释变量进行回归。按月回归时间序列的方法所得的斜率平均值提供了对不同解释变量是否解释股票平均收益水平。  方法 形成期：建立100个size- ?组合： 10size组合：每年6月根据NYSE的样本公司ME的10分位点确定。 每个size组合中分10个?组合： NYSE的样本公司t年7月之前5年的24－60个月回报估计个股? 10分位点，进行预排序。 估计期和测试期： 100组合（按年更新，1963.7-1990.12）330月的等权回报率～分组合回归。 排序后所有期间的组合

股票定价.ppt