本报告基于《Size and Value in China》一文,结合中国市场独特的IPO限制和壳价值现象,构建了适合中国股市的三因子模型CH-3。该模型剔除了市值最小30%的壳股票,采用市盈率倒数EP替代BM作为价值因子,显著优于传统的Fama-French三因子模型,能够更好解释多种市场异象及个股回报波动。进一步引入换手率构建的第四因子CH-4,提升了对反转和换手异象的解释力,为中国股市因子投资及资产定价提供了量化依据和实证支撑 .
| 估值比率 | EP+ 𝑡值 | BM 𝑡值 | 现金流股价比 𝑡值 | 资产市值比 𝑡值 |
|---|---|---|---|---|
| 单独回归 | 4.88 | 2.13 | 3.41 | 3.03 |
| 多变量回归 | 4.38 | 1.31 | 1.35 | 0.99 |
| 因子 | 平均月收益(%) | 标准差(%) | 𝑡值 | 与市场相关 |
|---|---|---|---|---|
| MKT | 0.66 | 8.09 | 1.16 | 1.00 |
| SMB | 1.03 | 4.52 | 3.25 | 0.12 |
| VMG | 1.14 | 3.75 | 4.34 | -0.27 |
报告核心论点在于,中国市场环境与美国不同,直接套用FF-3模型会导致解释失真。小市值股票定价大幅受IPO限制和壳价值影响,作者提出剔除市值最小30%的股票,并用市盈率倒数(EP)替代账面市值比(BM)构筑价值因子,形成针对中国市场的CH-3模型。再通过加入换手率因子构建CH-4模型,进一步解释情绪驱动的换手与反转异象。CH-3及CH-4模型在多项统计检验中均优于FF-3,且有效解释绝大部分市场异象,3,4].
本报告基于2019年Jianan Liu等发表在《Journal of Financial Economics》上论文《Size and Value in China》展开。论文实证分析覆盖2000-2016年,聚焦如何根据中国特殊市场机制(尤其是IPO限制和壳价值)调整经典因子模型。
IPO流程繁琐导致不少小市值企业通过反向并购方式上市(壳公司),使得市值最小的30%股票中近83%涉及反向并购,且壳价值约占该组股票市值的30%,严重扭曲了传统的规模价值因子。
EP因子被实证为优于传统BM作为价值因子的指标,CH-3模型(剔除小市值并使用EP)在中国股市中对收益率及多种市场异象有更强解释力。
文献归纳了中国市场九类异象(规模、价值、收益、波动、反转、换手、投资、应计、非流动性),CH-3能覆盖其中绝大多数,且CH-4加入换手因子后可解释全部异象,2,3,4].
使用WIND数据库数据,覆盖A股市场2000年1月至2016年12月。剔除市值最小30%(因壳公司比例高)、上市不足6个月、低流动性(交易次数限制)的股票,确保每个投资组合至少包含50只股票以保证统计鲁棒。
反向并购数据自2007年起开始追踪,因证监会在当年明确了其定义与监管要求.
中国IPO流程复杂且漫长,通常公司被限制扩张,经营活动需维持稳定利润。监管流程不确定性促使部分中小企业通过反向并购迅速上市。
反向并购流程案例:顺丰控股通过收购市值仅3.8亿美元的小市值壳公司鼎泰新材,实现快速上市,整个过程耗时不到一年,比IPO效率高,但成本含收购溢价。
与美国不同,中国壳价值巨大,平均约2亿美元,是美国的100倍多,导致壳股票回报大幅攀升,市值最小30%中约30%的价值体现壳价值。
图1明确显示133件反向并购中83%属于市值最小30%,而图2展示壳价值于2009年至2016年间显著增长,远超市场指数涨幅。
小市值股票的回报更多受IPO活动关联,而非基本面盈利反应,和美国市场中的市值最小股票回报解释方式截然不同(图3显示中国最小市值股票回报对盈余公告反应β和R²最低,相反美国最低市值股票反应最高),7,8,9].
价值因子候选指标:市盈率倒数(EP)、账面市值比(BM)、资产市值比(AM)、现金流股价比(CP)。
使用Fama-MacBeth回归检验,发现EP因子对横截面股票收益的解释优于BM和其他。
图4详列9组回归,全样本EP系数显著(t值最高4.38左右),在多因子同时回归时仍然保持显著,BM及其他指标显著性较低。
在剔除金融行业后,结果依然稳健。
整体确认EP是构建中国股市价值因子的首选指标,10].
CH-3模型特点:
剔除市值最小30%的壳股,避免估值扭曲。
用EP替代BM构建价值因子。
市场因子为剩余70%股票超额收益减1年定期存款利率。
三因子具体构造公式及六个规模-EP组合定义详见6.1节。
因子统计(图5)显示规模(SMB)和价值(VMG)因子月均溢价均约1%,显著且市场因子相关较低,三因子模型解释股价回报方差高达53.6%(图6),明显优于美国股市的FF-3模型。
若纳入壳股,则规模溢价膨胀到1.36%,反而导致价值溢价下降,且模型解释力显著下降。
以CH-3因子回归FF-3因子显示CH-3可解释FF-3,而FF-3无法解释CH-3(图7)。GRS检验p值分别为0.41(CH-3)及极小(FF-3)。
进一步以贝叶斯模型概率比较显示CH-3显著优于FF-3(图17),且在和FF-5模型比较中同样占优(图18),11,12,13,14,27].
收集并整理14种主要异象,分为规模、价值、收益、波动、反转、换手、投资、应计、非流动性9类。排除样本不足及统计非显著的异象后,留下10个显著CAPM alpha异象(图8及图13)。
CH-3模型对其中8个异象alpha趋近于零,表现优于FF-3。特别是价值异象(EP、BM、CP)、盈利率、波动性都被CH-3良好解释。
反转及换手两类表现未被充分覆盖,存在统计显著的alpha残留,提示模型尚有改进空间。
图9至图11具体展示各异象alpha及因子载荷,显示CH-3在alpha降低和GRS检验显著性提升立场优于FF-3,16,17,18].
中国市场散户占比高(超过1亿账户,占88%流通股),且空头交易监管限制导致市场容易受到投资者情绪影响,情绪表现为换手率异象。
基于Baker和Stein(2004)及Lee(2013)对投资者情绪和换手率的研究,加入异常换手率因子PMO(Pessimism Minus Optimism)构建四因子模型CH-4。
换手因子以异常换手率构建,买卖方式相反,检验捕捉市场乐观-悲观情绪的量化指标。
加入PMO因子后,CH-4能有效解释之前余留的反转和换手异象,alpha下降为非显著(图12,图20、21)。
模型换手和规模因子调和后,模型综合解释能力进一步提升,极大弥补了CH-3的不足,20,21].
数据来源完整,使用WIND及CSMAR数据库,覆盖沪深A股及创业板,样本时间为2000-2016年。
股票筛选标准严谨,剔除壳影响、低流动、上市不足时间及金融行业影响等。
IPO流程详解显示监管严格且冗长,反向并购作为IPO替代影响模型构建。
壳价值估算模型借助反向并购溢价和IPO数量代理,反向并购壳数量与价值波动与小市值股票回报显著相关(图14)。
多次稳健性检验验证了研究结论,包括剔除金融股后的回归(图15)、模型间因子回归比较(图16)、贝叶斯模型比较等,22,23,24,25,26].
横轴:公司规模十分位;纵轴:反向并购事件所占比例。
反向并购大部分集中在最小30%市值股票,占比83%,超过半数集中在最低10%。清晰证明壳股票主要为微小盘,支持剔除最小30%股以规避壳价值影响的模型设计。
Panel A:壳价值占小市值群体市值比例,2009-2016年波段波动,平均约29.5%,波动范围10%-60%。
Panel B:壳价值绝对值年内增长5倍,远超同期市场指数涨幅,仅占总市值7%的群体却有巨大活跃价值。
说明壳价值逐渐膨胀,对因子模型估值有强扭曲影响,强调剔除壳股必要性。
中国最小市值股票对盈余意外回报β及R²均最低,表明小盘股回报主要受非经营活动影响。
美国小盘股反之表现出高盈利回报联动,体现市场机制差异。
9组回归显示EP(市盈率倒数)为价值因子的最佳解释变量,t值显著且独立于其他估值因子。
规模对回报有显著负相关性(小市值溢价),β系数不显著。
结果支持用EP构建中国股市价值因子。
SMB(规模)和VMG(价值EP因子)月均溢价均显著1%以上,标准差合理,因子间相关性低或负,因子区分度高。
以上支持CH-3模型结构合理。
CH-3三因子模型解释率达53.6%,尤剔除最小30%股票后更优。
美国FF-3仅能解释约27%-28%,印证CH-3模型对中国市场更适配。
CH-3模型因子alpha近零,能解释FF-3因子;FF-3模型因子alpha显著,未能解释CH-3因子。
GRS测试支持CH-3模型统计优越性。
CAPM和FF-3模型对多异象生成显著alpha(无法解释异象),CH-3模型显著降低大部分alpha,仅换手和反转表现弱。
换手率异象在中国尤为显著,需引入情绪因子解释。
CH-3模型平均绝对alpha最低,GRS p值最高,最能解释14种异象中的绝大部分。
FF-3解释能力明显较弱。
加入换手率情绪因子后,之前残留的换手与反转异象alpha降为非显著。
整体模型在表现力及异象解释完备性方面显著提升。
最小市值组相关系数为正,且系数显著,说明壳价值波动主要影响小市值回报。
IPO总数log与回报负相关,表明监管松动时反向并购及壳价值减弱的关系。
采用基于因子模型的回归方法,构建新因子(规模SMB,价值因子VMG以EP构建,市场因子MKT及情绪换手因子PMO)。
回归中剔除小市值股票以规避壳价值扭曲。
因子收益溢价显著,回归模型调整后解释力优于FF-3,表现稳健。
贝叶斯模型比较强调了后验模型概率方法在评判资产定价模型间优劣的科学性,CH-3模型优于FF-3和FF-5,13,27].
市场风格切换风险:市场环境变化导致规模与价值因子表现波动,模型解释力可能下降。
市场波动风险:极端市场情况下,因子风险溢价估计不稳定。
模型失效风险:因经济、监管环境变化,模型参数失效或异象消失。
报告未提供详细缓释策略,但明确指出投资者需关注模型局限与市场动态,31].
剔除小市值30%样本虽然合理防止壳价值扭曲,但意味着实际投资中需注意市值最低部分的市场特殊性与流动性风险。
由于样本期为2000-2016年,随后中国市场注册制推进、IPO规则改革,其后续效应尚待验证,模型稳定性需长期跟踪。
CH-3和CH-4模型在换手与反转异常得到改善,但换手因子作为情绪代理,强调市场非理性成分,模型可能具备局部适用性及潜在波动。
贝叶斯模型比较依赖先验与实证选取,虽然报告中采用已有方法,依然对先验分布敏感,需审慎解读。
模型表现基于月度频率、特定样本期,并不保证短期频繁操作收益。
研究对中国政策严格性的强调对于境外投资者尤为重要,提示量化模型在时点操作时需谨慎适配。
本文由德邦证券金融工程团队基于《Size and Value in China》一文构建,深入剖析了中国股市特有的规模与价值因子资产定价问题,提出了针对中国市场的CH-3三因子模型及扩展CH-4四因子模型。
核心创新在于识别和剔除小市值中反向并购壳公司股票,明晰了壳价值对因子模型估计的深刻扭曲。报告通过详实的Fama-MacBeth回归、交叉模型因子解释力比较(CH-3 vs FF-3/FF-5)、CAPM及多因子异象检验,贝叶斯模型概率比较多维度验证CH-3模型对中国A股市场的更高解释力和预测能力。
EP因子成为替代传统BM成为中国股市价值因子的最优指标,规模因子与价值因子的溢价均超过年化12%。多达10大主要异常现象中,CH-3能解释8种,加入换手率情绪因子构成的CH-4进一步完善全部异常的解释能力,涵盖市场行为的非理性面。
此研究体现中国股市市场结构、政策监管及投资者行为与美国等成熟市场本质不同,强调定制模型构建的重要性。
报告提供了建议投资评级体系及风险提示,为投资管理和量化策略提供坚实学术支持,特别适合机构投资者及因子型基金构建中国市场策略。
图1:反向合并壳公司的规模分布 
图2:壳价值随时间的变化 
图17:模型概率比较模型:CH-3 和模型 FF-3 综上,德邦证券金融工程团队的这篇报告以严谨的数据分析和模型构建,结合市场独特性,成功提出适合中国股市的规模和价值因子模型(CH-3和CH-4),优于传统FF-3模型,全面解释中国市场多样资产定价异象,具有较高的理论与实务参考价值[page::全篇].
金工文献精译第四期:中国股市的规模和价值因子模型.pdf