資產(chǎn)增長效應與市場有效性

劉蘭蘭 姚樹潔

摘要：

以1998年至2015中國A股上市公司為研究對象，考察了Fama-French五因子模型對資產(chǎn)增長效應的解釋能力。研究發(fā)現(xiàn)，投資增長風險因子對組合收益率的分布有顯著影響，F(xiàn)ama-French五因子模型可以解釋資產(chǎn)增長效應。除了市值規(guī)模因子和投資增長因子外，其他因子對股票橫截面收益的預測能力并不顯著?；诖?，探討影響資產(chǎn)價格變動的風險因子，并建立適當?shù)馁Y產(chǎn)定價模型，有利于改善中國股市的資源配置功能。

關鍵詞：資產(chǎn)增長效應；投資組合；資產(chǎn)定價模型；風險因子

中圖分類號：F83091 文獻標志碼：A 文章編號：

10085831（2016）05003409

一、研究問題

股票收益率的可預測性是現(xiàn)代金融研究的核心問題之一。近年來，大量文獻針對公司資產(chǎn)、投資規(guī)模的變化對未來股票收益率的影響展開了研究。理論研究方面，根據(jù)Tobin的Q投資理論，公司投資的目標是通過最優(yōu)化的決策來實現(xiàn)股票市值的最大化[1]?；诖死碚摚珻ochran證明，公司投資水平的變化反映了其未來貼現(xiàn)率或產(chǎn)出水平的變化，最優(yōu)化的投資意味著投資期末所獲得的邊際效益的貼現(xiàn)值至少等于其投資期初的邊際成本[2]。換言之，投資回報率應大于等于資本市場上的貼現(xiàn)率。實證研究方面，學者們主要針對公司資產(chǎn)負債表規(guī)模的變化與股票預期收益的相關性進行了探討。例如，Cooper等發(fā)現(xiàn)了“資產(chǎn)增長效應”，即公司總資產(chǎn)的增長與股票預期收益呈負相關關系，資產(chǎn)擴張速度快的公司未來股票收益反而較低[3]。

目前，國內外學者對資產(chǎn)增長效應的存在性已基本達成共識。Watanabe等驗證了該效應在42個國際股票市場中的存在性，并且發(fā)現(xiàn)基于該效應的多空套利策略可獲得約64%的年化超額收益[4]。然而，學術界對于該現(xiàn)象的解釋至今還存在爭議。這些研究大致分為四個方面：（1）基于行為金融理論的錯誤定價解釋；（2）基于Q投資理論的邊際投資收益解釋；（3）基于實物期權理論的風險因素解釋；（4）以及基于有效市場理論的資產(chǎn)定價解釋。此外，從針對中國A股市場上資產(chǎn)增長效應的研究看，黃邁和董志勇[5]、林祺[6]證明了公司資產(chǎn)增長對股票橫截面收益的預測能力，并從Q理論、套利限制等角度來解釋該效應，指出中國資本市場有效性不足。

本文主要考察了資產(chǎn)定價模型對于中國資產(chǎn)增長效應的解釋能力。Fama指出，市場有效性的檢驗需要考量現(xiàn)有的資產(chǎn)定價模型是否是衡量股票收益風險的適當標準[7]。受理論及實證研究證據(jù)的啟發(fā)，F(xiàn)ama和French[8]等提出的Fama-French五因子模型中，將投資增長率作為了新的風險因子。結果顯示，改善后的定價模型對美國市場股票收益率的解釋能力有所增強。本文嘗試將Fama-French五因子模型應用于中國股票市場，從時間序列及橫截面兩個維度分析了該模型對于資產(chǎn)增長效應的解釋能力，考察了投資增長因子的定價效果，為中國股票市場異象的檢驗提供了可借鑒的分析視角及實證證據(jù)。

二、文獻綜述

（一）國外市場有關資產(chǎn)增長效應的實證結果

資產(chǎn)增長效應最早是由Cooper等提出，證實了公司總資產(chǎn)規(guī)模的變化能夠預測股票的未來收益。以1968年到2003年美國非金融類上市公司為樣本，Cooper等發(fā)現(xiàn)總資產(chǎn)增長率最高的投資策略組合在接下來一年內的股票收益反而最低。他們的研究還探討了基于資產(chǎn)增長效應的多空套利策略的盈利能力。具體而言，通過買入高資產(chǎn)增長公司的股票，并同時賣空低資產(chǎn)增長公司的股票，投資者所持有的等權重投資組合可產(chǎn)生約195%的年化超額收益。

為解釋這一發(fā)現(xiàn)，Cooper等檢驗了資產(chǎn)增長效應是否源于公司資產(chǎn)負債表某一個或幾個項目的變化，如現(xiàn)金、非現(xiàn)金資產(chǎn)、固定資產(chǎn)、設備或其他長期資產(chǎn)。實證結果表明，各項目的變化并不能很好地解釋總資產(chǎn)增長率與預期收益之間的負相關關系。此外，總資產(chǎn)增長率對橫截面收益的預測性要強于其他變量，如市值規(guī)模、賬面市值比、股票動量等。同樣地，Lipson等比較了七個衡量公司資產(chǎn)、投資水平變化的指標，證明總資產(chǎn)增長率可以有效地“吸收”其他指標對美國股票橫截面收益的預測能力[9]。Yao等以1981-2007年9個亞太國家和地區(qū)上市公司為樣本，發(fā)現(xiàn)了普遍資產(chǎn)增長效應，且在印度股票市場上最為顯著[10]。

除了總資產(chǎn)增長率，大量文獻從其他角度就公司資產(chǎn)、投資水平對股票收益的影響展開了研究，眾多經(jīng)濟變量如資本支出率、凈資產(chǎn)增長率、股本變動率等均被證明與股票預期收益呈負相關關系。例如，Xing以資本支出/賬面價值比為衡量公司投資水平變化的指標，發(fā)現(xiàn)投資增長效應對股票收益的預測能力相較于價值效應更穩(wěn)健[11]。

（二）資產(chǎn)增長效應的成因

1錯誤定價

目前，在探討資產(chǎn)增長效應成因的相關文獻中，“錯誤定價”是受關注度最高的解釋之一。這些文獻主要從投資者行為偏差和有限套利理論的角度對資產(chǎn)增長效應進行了驗證，并對市場有效性提出質疑。最早提出該效應的Cooper等發(fā)現(xiàn)，高資產(chǎn)增長的公司在擴張前幾年內的經(jīng)營業(yè)績要明顯好于擴張后的業(yè)績。因此，投資者對公司過往業(yè)績的“過度反應”使股票價格被高估，進而引發(fā)了錯誤定價。公司在大規(guī)模資產(chǎn)擴張后，股票收益率呈現(xiàn)為負值，這其實是市場對于其股價被高估的一種矯正。

第二個解釋是有關管理者“過度投資”和投資者“反映不足”的假設。Titman等以超額資本支出為變量，從管理者建立“企業(yè)帝國”動因的角度，考察了對公司投資支出以及股票收益的影響[12]。該研究發(fā)現(xiàn)，在管理者擁有較高自由裁量權的公司以及敵意并購多發(fā)的時期內，超額資本支出與股票收益的負相關性更為顯著。這說明投資者往往低估了管理者在公司擴張時期的意圖，進而引發(fā)了錯誤定價。

Lam和Wei從第三種角度探討了錯誤定價對資產(chǎn)增長效應的解釋效果，即“有限套利”理論。該理論認為即使存在股價高估或低估的情況，由于信息不對稱、交易成本的存在，使得理性投資者的套利行為不能夠有效地將股價“糾正”回到合理的水平[13]。Lipson等以股票的特質波動率風險（Ivol）作為衡量有限套利的變量，發(fā)現(xiàn)套利策略所產(chǎn)生的超額收益僅存在于特質波動率風險高的樣本，也就是套利成本較高的樣本。

2Q投資理論

Tobin指出，企業(yè)的投資行為由股票的市場價值與資產(chǎn)的重置價值之比，即Q值決定。當Q值大于1時，說明企業(yè)投入的資本量小于資本存量，這時企業(yè)可增加資本投入量，反之亦然。隨后，Cochrane建立了一個基于Q投資理論的資產(chǎn)定價模型，證明貼現(xiàn)率與投資水平負相關。該模型的理論基礎在于企業(yè)的邊際Q值并不等于平均Q值，而是隨投資邊際成本（公司的資本成本，亦即投資者的期望收益率）的變化而變化。一般來說，當投資者的預期收益較低時，公司的資本成本越低，邊際Q值越高，因而投資支出也就越高。

Li和Zhang指出，在無摩擦的資本市場條件下，不存在融資約束問題，各公司在資本市場上融資的成本基本相同。然而在現(xiàn)實的資本市場中，由于信息不對稱的存在，不同公司的投資成本亦有所不同[14]。他們的理論模型顯示，當公司的投資成本增加時，其投資的投入量對股票期望收益變化的彈性也就越大。基于此，Li和Zhang以1968年到2008年美國股市非金融行業(yè)上市公司為樣本，檢驗了融資約束對投資—收益負向關系的影響。然而，實證結果與假設并不相符，說明該理論不能很好地解釋資產(chǎn)增產(chǎn)效應。Yao等對亞太國家股票市場的研究發(fā)現(xiàn)，過度依賴銀行融資以及金融系統(tǒng)的脆弱性是解釋資產(chǎn)增長效應的最主要因素，這一結論與Q理論的論述相一致。

3實物期權理論

與前文所論述的兩種解釋方式相比，基于實物期權理論的文獻相對較少。Berk等提出，企業(yè)資產(chǎn)的價值是由現(xiàn)有資產(chǎn)以及可以行使投資機會的實物期權組成[15]。Carlson等將實物期權理論應用于公司投資行為的實證檢驗中，發(fā)現(xiàn)公司資產(chǎn)的系統(tǒng)性風險是隨時間變化的。當公司執(zhí)行實物期權并進行投資時，整個公司未來現(xiàn)金流以及資產(chǎn)價值的不確定性將有所降低，風險的降低將使公司的股票預期收益下降[16]。因此，他們證明實物期權理論可以用來解釋公司投資增產(chǎn)和股票收益的負相關關系。

4資產(chǎn)定價模型

根據(jù)資產(chǎn)定價模型的假設，投資者是厭惡風險的，因而收益與風險正相關。盡管大量文獻證明，資產(chǎn)增長效應顯著存在于規(guī)模小、特質波動率風險高、融資約束程度高的投資組合中，但是這些研究忽視了對于多空套利策略所產(chǎn)生的超額收益率的解釋。

為了考察投資、盈利等非風險的變量與股票收益的相關性，F(xiàn)ama和French以股利貼現(xiàn)模型為理論基礎，并結合相關的實證研究，提出了新的五因子模型。這一模型在Fama和French[17]所提出的三因子模型的基礎上，增加了兩個新的風險因子：盈利能力因子（RMW）以及投資增長因子（CMA）。Fama和French的結果表明，五因子模型對于個股收益率的差異、預期收益的橫截面方差的解釋能力均優(yōu)于三因子模型以及CAPM模型。其中，投資增長因子代表股票的投資增長溢價，對于市值規(guī)模*投資增長交叉分組的25組投資組合的收益有很強的解釋能力，且僅有1組的CMA回歸系數(shù)顯著異于零。此外，Hou等[18]也探討了將三因子模型中的價值因子（HML）換成投資因子（I/A）和凈資產(chǎn)回報率因子（ROE）的可行性，發(fā)現(xiàn)新的四因子模型對動量異象、投資異象以及盈利異象的解釋能力要強于三因子模型以及卡哈特[19]四因子模型。

（三）中國股票市場資產(chǎn)增長效應的存在性及解釋

盡管中國資本市場發(fā)展的歷史較短，但是大量文獻已經(jīng)對資本市場的有效性開展了深入研究并取得了一定進展。資產(chǎn)增長效應作為廣受國外金融文獻關注的金融異象，已有國內學者就該效應在中國股票市場的存在性以及成因進行了驗證。

葉建華和周銘山以2000年到2009年A股上市公司為樣本，發(fā)現(xiàn)總資產(chǎn)增長率與股票橫截面收益正相關，并顯著存在于市值規(guī)模較大的樣本中。該結論與美國等股票市場的研究結果相悖[20]。黃邁和董志勇則檢驗了1996年到2011年上市公司的收益率與資產(chǎn)、投資水平之間的相關性，發(fā)現(xiàn)總資產(chǎn)增長率、經(jīng)股本變動率和投資增長率均對股票橫截面收益有顯著的負向影響[5]。趙勝民、閆紅蕾、張凱[21]，以及周駱、張德禮[22]都應用了Fama-French五因子分析法對中國A股市場進行了實證研究，他們的研究結果證明這個實證方法是比較有效的。該研究還探討了市值規(guī)模、資產(chǎn)負債率等衡量融資約束的變量對于資產(chǎn)增長效應的影響，結果證明融資約束在一定程度上可以解釋中國股票市場上的資產(chǎn)增長效應。林祺通過對資產(chǎn)增長效應成因的檢驗，考察了中國資本市場的有效性。該研究以1996年到2011年上市公司為樣本，發(fā)現(xiàn)中國股票市場的資產(chǎn)增長效應主要源于市場的信息不對稱以及投資者非理性，而并非源于風險溢價。

三、研究設計

（一）樣本選擇

本文的初始研究樣本為1998-2015年中國A股市場的所有上市公司。在此基礎上，本文遵循以往文獻中的篩選方法對樣本進行了以下處理：（1）鑒于金融行業(yè)公司財務報表的差異性以及行業(yè)監(jiān)管的特殊性，剔除了金融行業(yè)的上市公司；（2）為了保證財務信息披露的充分性，剔除了上市時間短于兩年的數(shù)據(jù)；（3）為了消除異常值的影響，對除股票收益之外的連續(xù)變量變量進行了1%分位及99%分位的winsorize處理。在經(jīng)過上述處理后，最終的年度觀測值為23 460。本文實證研究所使用的數(shù)據(jù)包括上市公司年度財務數(shù)據(jù)以及股票月度交易數(shù)據(jù)，均來自于國泰安CSMAR數(shù)據(jù)庫。

（二）變量描述

1總資產(chǎn)增長率

總資產(chǎn)增長率體現(xiàn)了一個公司整體規(guī)模的變化情況。因此，本文采用該變量作為衡量公司資產(chǎn)、投資水平變化的核心變量。遵循Cooper等所采用的方法，公司i在每年t的總資產(chǎn)增長率可表示為：

2其他控制變量

本文所采用的控制變量包括：市值規(guī)模（MV）、賬面市值比（BM）、盈利能力（OP）以及資本性支出（CAPX）。其中MV是指流通市值，即股票月收盤價與流通股數(shù)的乘積；BM為市凈率的倒數(shù)，即公司在t年末所有者權益合計值除以當年12月的流通市值；OP為經(jīng)營利潤，即營業(yè)利潤與所有者權益合計值之比；CAPX為公司在t年末的資本支出與上年總資產(chǎn)之比，其中，資本支出計算公式為：經(jīng)營租賃所支付的現(xiàn)金+購建固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)所支付的現(xiàn)金-處置固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)而收回的現(xiàn)金凈額。

（三）投資組合的構造

Black等最早采用投資組合（portfolio）的方法來檢驗CAPM模型對于股票橫截面收益的解釋能力[23]。與個股檢驗相比，投資組合分析在一定程度上消除了不同股票收益的異質性，因而降低了異常值的影響。

為了檢驗資產(chǎn)增長與投資組合收益率分布的關系，本文借鑒了Fama和French構造投資組合的方法。具體而言，每年t的6月底，我們將樣本內的所有公司按照其上一財年末的總資產(chǎn)增長水平進行排名，然后依照排名的十分位將公司平均分為10組。本文研究中還考慮了將樣本分為五組的情況并進行了檢驗，結果與十分組基本一致，故不在正文中列出。投資組合“1”包含的是資產(chǎn)增長最少的公司，而組合“10”則包含資產(chǎn)增長最高的公司。每個投資組合的持有期為12個月，從t年的7月初至t+1年的6月底，并在每年6月底依照新的財務數(shù)據(jù)重新構造投資組合。

依照Fama和French的方法，本文所使用的財務數(shù)據(jù)與股票收益率數(shù)據(jù)之間有6個月的間隔期，這主要是為了確保投資者在構造投資組合之前可以獲得公司的財務信息。中國上市公司的會計年度采用日歷年度制，一個財年是從每年的1月1日到12月31日。一般來說，中國上市公司的財務年度報告時間為每個財年結束的4個月左右。

除了10個投資組合的收益率之外，本文的研究重點在于檢驗公司資產(chǎn)增長所包含的信息是否給投資者提供了套利機會。通過構造一個多空套利策略組合（L-H），即買入并持有低增長公司股票的同時，賣空高增長公司的股票，我們將檢驗該組合經(jīng)風險調整后的收益率是否顯著異于0。若該組合超額收益率為0且顯著，則否定了資產(chǎn)增長效應的存在性。

（四）投資組合收益率的計算

在計算組合收益率時，本文采用了等權重加權（EW）和市值加權（VW）兩種計算方法。具體來說，每個投資組合的月度收益率等于該組合內單只股票的月收益率與其對應權重乘積的加和。在12個月的持有期內，投資組合的收益率則等于每個月度收益率的平均值。

Liu和Strong指出，在計算“買入并持有”的投資組合收益率時，傳統(tǒng)的方法假定每只股票的權重在持有期內保持不變（即1/12）[24]。然而，隨著持有期內股票價格的變化，每只股票在每個月所產(chǎn)生的收益對于該組合的貢獻也在變化，每個月帶給投資者的財富并不相同。因此，傳統(tǒng)的組合收益率計算方法并不符合實際情況，存在一定的偏差。依照Liu和Strong提出的持有期收益率分解法，本文在計算投資組合12個月持有期內的收益率時做了以下調整。

其中，投資組合在第1個月的收益率算法與傳統(tǒng)方法一致，在第2-12月，將依照每只股票在持有期間對組合收益率的貢獻對其權重wi進行調整。這一方法更真實地反映了投資者在持有一個投資組合時每個月財富的變化情況。

（五）研究模型

1Fama-French五因子模型

近年來，大量國內學者考察了Fama-French三因子模型在中國股票市場的適應性，并普遍使用該模型來檢驗市場異象。研究發(fā)現(xiàn)，F(xiàn)ama-French三因子模型并不能很好地解釋時間序列的資產(chǎn)增長投資組合收益率?；诖?，本文采用了Fama-French五因子模型作為風險衡量的基準，回歸模型如下：

其中，γp為投資組合P從1998年7月到2015年6月期間的月度收益率；γf為無風險利率，即月度化的一年定期儲蓄利率；MKT為市場因子，即A股流通市值加權指數(shù)的月度收益率與無風險利率之差；SMB為市值規(guī)模因子；HML為價值因子；RMW為盈利能力因子；CMA為投資增長因子；β為時間序列回歸后得出的各風險因子的系數(shù)；αFFS則是投資組合的超額收益率。

按照Fama和French的方法，本文采用2*3的交叉分組方式構造風險因子：首先，將A股市場上的所有股票按市值規(guī)模的中位數(shù)分為大規(guī)模（B）和小規(guī)模（S）兩組；其次，以30百分位和70百分位為標準，將股票分為高價值（H）和低價值（L）、高盈利（R）和低盈利（W）、高增長（A）和低增長（C）；最后，按照市值*價值、市值*盈利、市值*投資增長進行交叉分組后，逐月計算市值加權的高/低組合收益率的差值，并將所得出的價差作為相應風險因子。

2Fama-Macbeth橫截面分析

為了進一步驗證風險因子的顯著性，本文采用了Fama和Macbeth[21]所提出的橫截面回歸方法對股票收益率的可預測性進行估計。具體而言，橫截面回歸分析分為以下兩步。

其中，被解釋變量為樣本中單只股票的月度收益率減去無風險利率，解釋變量β為單只股票所在投資組合的風險因子的貝塔系數(shù)（公式4）。橫截面分析所得出的回歸系數(shù)γ則為5個風險因子的載荷。

四、實證分析

這一節(jié)就資產(chǎn)增長投資組合收益率的分布、時間序列回歸、橫截面回歸的實證結果進行探討。

（一）基本檢驗

本文首先考察了按總資產(chǎn)增長率分組的10個投資組合的公司基本面，結果如表1所示。

其中，表1中第一行列出了投資組合中所包含的股票數(shù)量，第二行至第六行列出了各組合公司的基本面情況，為每年度各變量中位數(shù)的平均值。具體看，資產(chǎn)增長投資組合在每個持有期內的股票個數(shù)約為130只?？傎Y產(chǎn)增長率（TAG）從組合1到組合10單調遞增，且增長趨勢與美國市場數(shù)據(jù)保持一致。此外，資產(chǎn)增長低的公司為規(guī)模最小、賬面價值最低、利潤率最低以及資本支出最少的公司。相對而言，資產(chǎn)增長高的公司基本面相對良好，且規(guī)模較大、盈利能力強以及資本支出最多。然而，隨著總資產(chǎn)增長率的上升，各投資組合的賬面市值比變化趨勢并不明顯，意味著價值因子并不是衡量資產(chǎn)增長投資組合風險的適當標準。

（二）投資組合的收益率

表2報告了10個投資組合的收益率分布情況。其中A表提供了等權重加權收益率（EW）和分解后的等權重加權收益率（Decomposed EW），B表提供了市值加權收益率（VW）和分解后的等權重加權收益率（Decomposed VW）。如A表所示，從資產(chǎn)增長最低的組合“1”到資產(chǎn)增長最高的組合“10”，等權重的月均收益率從2078%單調遞減至1540%，呈現(xiàn)資產(chǎn)增長越高，收益率越低的趨勢。同時，低增長和高增長套利組合的收益率之差（H-L）為0539%，且在1%的水平上顯著異于0（t=259）。這一數(shù)值約為Cooper等所報告的美股市場上的收益率數(shù)值（104%）的一半。此外，分解后的等權重投資組合的收益率有所降低，說明調整后的權重考慮了每個持有期內的調整成本。在使用市值加權法計算收益率時，H-L組合的收益率為0431%，且顯著程度有所下降（t=201），這說明市值規(guī)模與資產(chǎn)增長投資組合收益率的分布存在一定相關性。

（三）時間序列回歸

為了進一步驗證中國股票市場是否存在資產(chǎn)增長效應，本文使用時間序列分析模型考察了風險調整后的組合收益率的表現(xiàn)。本節(jié)中所采用的收益率為分解后的等權重加權的收益率（Decomposed EW）。表3報告了使用CAPM、Fama-French三因子模型及五因子模型進行時間序列回歸后得到的投資組合超額收益率α。從A表中可以看出，CAPM和Fama-French三因子回歸所得到的套利組合（H-L）的超額收益率分別為0483%、0321%，且均在5%的水平上顯著異于0。而在Fama-French五因子回歸中，該套利組合的收益率在經(jīng)濟學意義上和統(tǒng)計意義上均不顯著，這說明加入盈利因子或投資因子后的五因子模型能夠很好地解釋不同投資組合間的收益率差異。

表4列出了時間序列回歸得到的風險因子系數(shù)及各模型的自由度調整系數(shù)。在CAPM回歸中（表A），10個資產(chǎn)增長投資組合的MKT系數(shù)均顯著為正，且低增長公司對市場風險的敏感度要高于高增長公司。然而H-L套利組合MKT系數(shù)僅在10%的水平上顯著，表明市場風險因子不能解釋資產(chǎn)增長投資組合收益率的變化規(guī)律。在Fama-French三因子回歸中（表B），市值規(guī)模因子和價值因子對H-L套利組合收益率均有顯著的解釋作用。但是，10個資產(chǎn)增長投資組合的HML系數(shù)均為負值，主要是由于這些投資組合的平均賬面市值比較小，價值因子對其收益率的解釋能力有限。

在加入盈利因子和投資增長因子后（表C），僅有投資增長因子可以解釋H-L套利組合的收益率（βCMA=1107，t=824）。此外，資產(chǎn)增長越小的投資組合，具有越大CMA系數(shù)，說明其高收益率與高資產(chǎn)增長風險溢價有關。從各模型修正后的R2看，F(xiàn)ama-French五因子模型對投資組合收益率的擬合度亦優(yōu)于其他兩個資產(chǎn)定價模型。

（四）橫截面回歸

本節(jié)采用Fama-Macbeth橫截面分析方法，考察投資風險因子CMA對中國A股股票橫截面收益的變動的解釋作用。表5報告了Fama-French三因子和五因子的載荷，亦即因子的風險溢價。若資本增長因子CMA是影響資本資產(chǎn)價格變動的風險因子，那么其載荷應當為正值且顯著異于0。

從A表可以看出，規(guī)模因子對股票橫截面收益的預測能力要強于其他因子，投資增長因子的載荷為0328，處于邊緣顯著水平（t=172）。由于中國股市樣本中的股票數(shù)量是隨時間遞增的，因此在前端樣本期的估計值標準差要大于后段?；诖?，B表中列出了按每個月樣本股票數(shù)量加權的因子載荷。在考慮了股票數(shù)量的變化后，規(guī)模因子和投資增長因子載荷的顯著性有所增強，其他因子的解釋能力幾乎不存在。此外，表5的回歸結果進一步確認了Fama-French五因子模型的解釋能力比三因子模型有所提高。

五、結論與建議

本文研究了中國A股市場資產(chǎn)增長效應的存在性，重點考察了資產(chǎn)定價模型的解釋作用。本文的實證結果表明：（1）在不考慮風險調整的前提下，中國A股市場存在資產(chǎn)增長效應，即公司資產(chǎn)增長與預期收益率呈負相關。（2）Fama-French五因子模型，尤其是投資增長風險，可以很好地解釋資產(chǎn)增長投資組合股票收益率的差異。（3）規(guī)模因子和投資增長因子對中國A股橫截面收益的預測能力在統(tǒng)計意義上顯著，其他因子則不存在顯著的預測能力。

本文的研究成果揭示了Fama-French五因子模型在中國股票市場的適用性，對于中國資產(chǎn)定價的適當方法的探索及市場效率的提高具有重要的借鑒意義。從實證研究的角度看，大量文獻證明了中國股票市場存在異象，并對市場有效性提出了質疑。目前，對于影響中國資產(chǎn)價格變動的共同因子，學術界尚無定論。本文嘗試應用了新的定價模型，并指出了中國股市存在規(guī)模風險和資產(chǎn)增長風險，為進一步探討中國股票市場的有效性具有啟示意義。從政策建議的角度看，中國股市資源配置功能的改善更需要對于股票定價因素的深入分析，找出適當?shù)娘L險衡量方法。

參考文獻：

[1]TOBIN J.A general equilibrium approach to monetary theory[J].Journal of Money Credit & Banking，1969，1（1）：15-29.

[2]COCHRANE J H.Productionbased asset pricing and the link between stock returns and economic fluctuations[J].Journal of Finance，1991，46（1）：209-37.

[3]COOPER M J，GULEN H，SCHILL M J.Asset growth and the crosssection of stock returns[J].Journal of Finance，2008，63（4）：1609-1651.

[4]WATANABE A，XU Y，YAO T，et al.The asset growth effect：Insights from international equity markets [J].Journal of Financial Economics，2013，108（2）：529-563.

[5]黃邁，董志勇.Q理論、融資約束與資產(chǎn)增長異象[J].經(jīng)濟科學，2012（3）：50-60.

[6]林祺.資本市場效率與資產(chǎn)增長異象——最優(yōu)投資效應假說vs.錯誤定價假說[J].經(jīng)濟學（季刊），2016（2）：767-796.

[7]FAMA E F.Efficient capital markets：II[J].Journal of Finance，1991，46（46）：1575-617.

[8]FAMA E F，F(xiàn)RENCH K R.A fivefactor asset pricing model[J].Journal of Financial Economics，2015，116（1）：1-22.

[9]LIPSON M L，MORTAL S，SCHILL M J.On the scope and drivers of the asset growth effect[J].Journal of Financial & Quantitative Analysis，2009，46（6）：1651-1682.

[10]YAO T，YU T，ZHANG T，et al.Asset growth and stock returns：Evidence from Asian financial markets[J].Pacific-Basin Finance Journal，2010，19（1）：115-139.

[11]XING Y.Interpreting the value effect through the Qtheory： An empirical investigation[J]. Review of Financial Studies，2008，21（4）：1767-1795.

[12]TITMAN S，WEI K C J，XIE F.Capital investments and stock returns in Japan[J].Journal of Financial & Quantitative Analysis，2004，39（4）：677-700.

[13]LAM F Y E C，WEI K C J.Limitstoarbitrage，investment frictions，and the asset growth anomaly[J].Journal of Financial Economics，2011，102（1）：127-149.

[14]LI D，ZHANG L.Does Qtheory with investment frictions explain anomalies in the cross section of returns？[J].Journal of Financial Economics，2010，98（2）：297-314.

[15]BERK J B，GREEN R C，NAIK V.Optimal investment，growth options， and security returns[J].Nber Working Papers，1995，54（5）：1553-1607.

[16]CARLSON M，F(xiàn)ISHER A，GIAMMARINO R.Corporate investment and asset price dynamics：Implications for the crosssection of returns[J].Journal of Finance，2004，59（6）：2577-2603.

[17]FAMA E F，F(xiàn)RENCH K R.Common risk factors in returns on stocks and bonds[J].Journal of Financial Economics，1993，33（1）：3-56.

[18]HOU K，XUE C，ZHANG L.Digesting Anomalies：An investment approach[J].Social Science Electronic Publishing，2012，28（3）.

[19]CARHART M M.On Persistence in mutual fund performance[J].Journal of Finance，1997，52（1）：57-82.

[20]葉建華，周銘山.有限套利能否解釋A股市場資產(chǎn)增長異象[J].南開管理評論，2013，16（1）：41-48.

[21]趙勝民，閆紅蕾，張凱.Fama-French五因子模型比三因子模型更勝一籌嗎——來自中國A股市場的經(jīng)驗證據(jù)[J].南開經(jīng)濟研究，2016（2）：41-59.

[22]周駱，張德禮.中國股票市場的有效性實證研究——基于Fama-French五因子模型[J].經(jīng)營管理者，2016（2）：16-16.

[23]JENSEN M C，BLACK F，SCHOLES M S.The capital asset pricing model：Some empirical tests[J].Social Science Electronic Publishing，1972，94（8）：4229-4232.

[24]LIU W，STRONG N.Biases in decomposing holdingperiod portfolio returns[J].Review of Financial Studies，2008，21（5）：2243-2274.

[25]FAMA E F，MACBETH J D.Risk，return，and equilibrium：Empirical tests[J].Journal of Political Economy，1973，81（3）：607-636.