股权分置改革前后沪市A股资产定价模型的适用性及差异研究

股权分置改革前后沪市A股资产定价模型的适用性及差异研究一、引言1.1研究背景20世纪90年代初，中国证券市场正式成立，沪市A股作为中国资本市场的重要组成部分，在经济发展中扮演着举足轻重的角色。然而，在市场发展初期，股权分置问题成为制约其进一步发展的关键因素。股权分置是指上市公司的一部分股份上市流通，另一部分股份暂时不上市流通，这导致了同股不同权、同股不同利的现象，严重影响了市场的公平性和资源配置效率。为了解决股权分置问题，中国于2005年启动了股权分置改革。此次改革旨在消除流通股与非流通股的制度性差异，实现股票的全流通，从而完善资本市场的基础制度，提高市场的有效性。股改的推进对沪市A股市场产生了深远影响，不仅改变了市场的股权结构，还对市场的运行机制、投资者行为以及资产定价等方面带来了一系列变革。资产定价模型作为金融领域的核心理论之一，旨在揭示资产预期收益与风险之间的关系，为投资者提供定价基准和投资决策依据。在成熟资本市场中，资本资产定价模型（CAPM）、套利定价理论（APT）等经典资产定价模型得到了广泛应用和深入研究。然而，中国资本市场具有独特的发展历程和制度背景，尤其是股改前后市场环境的巨大变化，使得资产定价模型的应用面临新的挑战和机遇。在股改前，由于股权分置的存在，市场上流通股和非流通股的定价机制不同，导致股票价格不能真实反映公司的内在价值，资产定价模型的应用受到很大限制。股改后，随着市场的逐步全流通，市场的有效性得到提升，投资者结构和投资理念也发生了变化，这为资产定价模型的应用提供了更有利的条件，但同时也对模型的适用性和有效性提出了更高要求。因此，研究沪市A股股改前后资产定价模型的应用情况，对比分析模型在不同市场环境下的表现，对于深入理解中国资本市场的运行规律，提高投资者的投资决策水平，以及完善市场监管等方面都具有重要的理论和现实意义。1.2研究目的与意义本研究旨在通过对沪市A股股改前后资产定价模型应用的深入对比分析，揭示股改这一重大制度变革对资产定价机制的具体影响，探究不同市场环境下资产定价模型的适用性及有效性差异。具体而言，将从多个维度对资本资产定价模型（CAPM）、套利定价理论（APT）等经典资产定价模型在股改前后的表现进行评估，包括模型对股票收益率的解释能力、风险因素的定价效率以及模型参数的稳定性等方面。同时，结合市场微观结构理论和行为金融理论，深入剖析影响资产定价模型应用效果的因素，如投资者结构变化、市场流动性水平、信息传递效率等，以期为完善中国资本市场资产定价理论和实践提供有益的参考。本研究具有重要的理论意义。中国资本市场独特的发展路径和股改这一制度创新，为资产定价理论的研究提供了丰富的实践土壤。通过对股改前后沪市A股资产定价模型应用的对比研究，有助于检验和拓展现有资产定价理论，深入理解在新兴市场和制度转型背景下资产定价的内在规律，填补相关领域在理论研究上的空白或不足，为全球范围内资产定价理论的发展贡献中国经验和智慧。这不仅能丰富金融学术研究的内涵，还能为后续学者在该领域的进一步探索奠定基础，推动金融理论与中国资本市场实际情况的深度融合。从实践意义来看，本研究成果对投资者、市场监管者等市场参与者具有重要的决策参考价值。对于投资者而言，准确把握股改后资产定价模型的变化和适用性，能够帮助他们更精准地评估股票的内在价值和风险水平，从而制定更为科学合理的投资策略，提高投资决策的准确性和有效性，降低投资风险，实现资产的保值增值。例如，投资者可以根据研究结果选择更适合当前市场环境的定价模型来筛选投资标的，合理配置资产，避免因模型选择不当而导致的投资失误。对市场监管者来说，了解股改前后资产定价模型的应用情况，有助于深入洞察市场的运行机制和定价效率，从而制定更加有效的监管政策，维护市场的公平、公正和稳定。监管者可以依据研究结论，加强对市场风险的监测和预警，规范市场参与者的行为，促进市场的健康发展。此外，研究结果还可以为上市公司的融资决策、并购重组等资本运作活动提供定价参考，帮助企业优化资本结构，提高资源配置效率。1.3研究方法与创新点本研究主要采用实证研究法，通过收集和分析沪市A股在股改前后的相关数据，对资本资产定价模型（CAPM）、套利定价理论（APT）等资产定价模型进行实证检验。具体而言，运用时间序列分析方法，研究各模型在不同时间段内对股票收益率的解释能力变化；采用横截面回归分析，探讨模型中风险因素与股票收益率之间的关系在股改前后的差异。同时，利用统计检验方法，如t检验、F检验等，对模型的参数估计结果进行显著性检验，以评估模型的有效性和稳定性。通过实证研究，能够直观地揭示股改这一制度变革对资产定价模型应用的实际影响，为研究结论提供坚实的数据支持。本研究运用文献综述法，对国内外关于资产定价模型以及中国资本市场股改相关的研究文献进行系统梳理和总结。全面了解资产定价理论的发展历程、研究现状以及在不同市场环境下的应用情况，尤其是国内外学者对中国股改前后资本市场变化和资产定价问题的研究成果。通过文献综述，明确本研究的切入点和创新点，借鉴已有研究的方法和思路，避免重复研究，同时为实证研究提供理论依据和研究背景，确保研究在已有学术基础上进行深入拓展。在研究的创新点上，本研究在国内相关研究中，较少有对股改前后沪市A股进行多资产定价模型全面对比研究。多数研究仅侧重于单一模型在某一特定时期的应用分析，本研究则同时对资本资产定价模型（CAPM）、套利定价理论（APT）等多个经典模型在股改前后的表现进行综合对比，从多个维度深入剖析不同模型在不同市场环境下的优劣，从而更全面地揭示资产定价机制的变化规律。本研究在分析资产定价模型应用时，突破了传统的仅从风险与收益关系角度进行研究的局限，结合市场微观结构理论和行为金融理论，综合考虑投资者结构变化、市场流动性水平、信息传递效率等多种因素对资产定价的影响。这种多维度的分析方法能够更深入、全面地理解股改前后市场环境变化对资产定价模型应用效果的作用机制，为研究提供了更丰富的视角和更深入的分析深度。二、理论基础与文献综述2.1资产定价模型理论基础2.1.1资本资产定价模型（CAPM）资本资产定价模型（CapitalAssetPricingModel，简称CAPM）由夏普（WilliamSharpe）、林特纳（JohnLintner）和莫辛（JanMossin）等人于20世纪60年代在资产组合理论和资本市场理论的基础上发展起来。该模型旨在研究证券市场中资产的预期收益率与风险资产之间的关系，以及均衡价格的形成机制，是现代金融市场价格理论的重要支柱，在投资决策和公司理财等领域有着广泛应用。CAPM建立在一系列严格的假设条件之上。在投资者行为方面，假设投资者均为理性人，追求财富最大化且厌恶风险，对资产的期望收益、方差和协方差等具有相同的预期，依据马克维茨的资产选择理论进行投资决策。在市场结构方面，假定市场是完备的，不存在交易成本和税收，所有资产无限可分；存在无风险资产，投资者能以无风险利率无限制地借入或贷出资金；市场信息完全公开，投资者可及时免费获取充分信息；市场处于完全竞争状态，无垄断和操纵行为。CAPM的核心公式为：E(R_i)=R_f+\beta_i\times[E(R_m)-R_f]，其中E(R_i)表示资产i的预期收益率，R_f为无风险利率，通常可由短期国债利率近似替代；\beta_i是资产i的贝塔系数，用于衡量资产收益率对市场整体收益率变动的敏感程度，反映资产的系统性风险，当\beta_i>1时，表明资产的系统性风险高于市场平均水平，反之则低于市场平均水平；E(R_m)代表市场组合的预期收益率，E(R_m)-R_f为市场风险溢价，体现了投资者因承担市场风险而要求获得的额外回报。该公式表明，资产的预期收益率由两部分构成：一是无风险利率，作为投资者放弃当前消费的补偿；二是风险溢价，其大小取决于资产的\beta系数与市场风险溢价的乘积，\beta系数越高，资产承担的系统性风险越大，投资者要求的风险补偿也就越高。例如，若某股票的\beta值为1.2，无风险利率为3%，市场风险溢价为8%，则根据CAPM公式，该股票的预期收益率为E(R_i)=3\%+1.2\times8\%=12.6\%。CAPM的开创性意义在于首次将资产的预期收益率与系统性风险通过精确的数学公式联系起来，为投资者提供了一种量化分析风险与收益关系的工具。它使投资者能够在投资决策中，基于对市场风险和资产风险特征的评估，合理确定资产的预期回报率，从而构建有效的投资组合，实现风险与收益的平衡。同时，CAPM也为公司财务管理提供了重要的参考依据，如在确定新项目的贴现率时，可运用CAPM模型来评估项目的风险水平，进而确定合理的贴现率，以准确评估项目的价值和可行性。然而，CAPM的严格假设在现实市场中往往难以完全满足，这在一定程度上限制了其实际应用效果。2.1.2Fama-French三因子模型Fama-French三因子模型是由尤金・法玛（EugeneFama）和肯尼斯・弗伦奇（KennethFrench）于1992年提出，作为对资本资产定价模型（CAPM）的重要扩展，该模型旨在更全面地解释股票收益率的变化。大量实证研究发现，仅依靠CAPM中的市场风险因子无法完全解释股票的超额收益率，而公司规模和账面市值比等因素对股票收益率有着显著影响，基于此，Fama-French三因子模型应运而生。Fama-French三因子模型在CAPM的基础上，引入了两个新的因子：规模因子（SMB，SmallMinusBig）和账面市值比因子（HML，HighMinusLow）。市场风险因子（R_m-R_f）与CAPM中的含义一致，衡量了市场整体的风险溢价，反映了市场系统性风险对股票收益率的影响。规模因子SMB用于捕捉公司规模对股票收益率的影响。通常将市场中的股票按市值大小分为两组，市值较小的一组（小市值股票）平均收益率往往高于市值较大的一组（大市值股票），SMB即为小市值股票组合的平均收益率减去大市值股票组合的平均收益率。这表明，在同等市场风险条件下，小市值公司由于规模较小，面临更高的经营风险和不确定性，投资者会要求更高的回报来补偿风险，从而使得小市值股票具有更高的预期收益率。账面市值比因子HML反映了公司价值和成长性对股票收益率的影响。账面市值比（Book-to-MarketRatio，B/M）是公司账面净资产与市值的比值，将股票按账面市值比高低分为三组，高账面市值比的股票通常被视为价值型股票，低账面市值比的股票则被视为成长型股票。实证研究表明，高账面市值比的价值型股票平均收益率高于低账面市值比的成长型股票，HML为高账面市值比股票组合的平均收益率减去低账面市值比股票组合的平均收益率。这是因为价值型公司往往具有稳定的现金流和较低的市场估值，市场对其未来增长预期相对保守，而一旦公司业绩超出预期，股票价格可能会有较大上涨空间，从而为投资者带来较高回报；成长型公司虽然具有较高的增长潜力，但市场对其未来增长预期已经反映在较高的市值中，当实际增长未达预期时，股票价格可能会受到较大冲击，导致收益率相对较低。Fama-French三因子模型的公式为：E(R_i)=R_f+\beta_{i,m}(R_m-R_f)+\beta_{i,SMB}SMB+\beta_{i,HML}HML，其中E(R_i)表示资产i的预期收益率，R_f为无风险利率，\beta_{i,m}、\beta_{i,SMB}和\beta_{i,HML}分别为资产i对市场风险因子、规模因子和账面市值比因子的敏感系数，反映了资产i的收益率对各因子变动的反应程度。该模型认为，股票的预期收益率不仅取决于市场风险溢价，还与公司规模和账面市值比所代表的风险因素密切相关，通过这三个因子的共同作用，可以更全面地解释股票收益率的变化。例如，对于一家小市值且高账面市值比的公司股票，根据Fama-French三因子模型，其预期收益率除了受到市场风险溢价的影响外，还会因公司规模较小和价值型股票的属性，在规模因子和账面市值比因子的作用下，获得额外的风险补偿，从而具有较高的预期收益率。Fama-French三因子模型的提出，丰富了资产定价理论的内涵，为投资者和金融分析师在评估股票价值和预测收益率时提供了更全面、有效的分析框架。2.1.3加入流动性的CAPM模型在传统的资本资产定价模型（CAPM）中，假设市场是完美的，即不存在交易成本、信息不对称等问题，资产可以无阻碍地进行交易，未充分考虑流动性因素对资产定价的影响。然而，在现实金融市场中，流动性是一个至关重要的因素，资产的流动性状况会显著影响投资者的交易决策和资产的价格形成机制。当资产流动性较差时，投资者在买卖资产时可能面临更高的交易成本、更长的交易时间和更大的价格波动风险，这些因素都会增加投资者的风险感知，进而要求更高的预期收益率来补偿流动性风险。因此，将流动性风险纳入CAPM模型，对于更准确地描述资产的风险-收益关系，提高资产定价的准确性具有重要意义。加入流动性的CAPM模型在构建思路上，主要是在传统CAPM模型的基础上，引入流动性因子，以衡量资产的流动性风险对预期收益率的影响。流动性因子的构建方法有多种，常见的是基于市场交易数据来度量流动性，如买卖价差、换手率、市场深度等指标。以买卖价差为例，买卖价差越大，表明市场流动性越差，交易成本越高。通过将这些流动性指标纳入模型，构建出能够反映流动性风险的因子。假设以买卖价差作为流动性因子（L），加入流动性的CAPM模型公式可表示为：E(R_i)=R_f+\beta_{i,m}(R_m-R_f)+\beta_{i,L}L，其中E(R_i)表示资产i的预期收益率，R_f为无风险利率，\beta_{i,m}为资产i对市场风险因子的敏感系数，\beta_{i,L}为资产i对流动性因子的敏感系数。在该模型中，流动性因子的作用在于它能够捕捉到传统CAPM模型所忽略的流动性风险对资产预期收益率的影响。当资产的流动性变差，即流动性因子L的值增大时，如果\beta_{i,L}为正，那么资产i的预期收益率E(R_i)会相应提高，以补偿投资者因承担更高的流动性风险而遭受的潜在损失。例如，对于一些小盘股或交易不活跃的股票，其买卖价差较大，流动性较差。在加入流动性的CAPM模型中，这些股票对流动性因子的敏感系数\beta_{i,L}相对较高，当市场流动性整体下降时，这些股票的预期收益率会显著上升，反映出投资者对其流动性风险的补偿要求。通过引入流动性因子，该模型能够更准确地反映现实市场中资产定价的复杂性，为投资者在进行资产定价和投资决策时提供更全面的参考，有助于投资者更好地理解和管理流动性风险，优化投资组合配置。2.2文献综述国外学者对资产定价模型的研究起步较早，成果丰硕。夏普（Sharpe）提出资本资产定价模型（CAPM）后，众多学者对其进行实证检验。早期研究如布莱克（Black）、詹森（Jensen）和斯科尔斯（Scholes）发现，在一定程度上，股票预期收益率与市场风险存在正相关关系，为CAPM提供了初步支持。然而，后续研究逐渐揭示出CAPM的局限性。罗尔（Roll）指出，CAPM难以准确衡量市场组合，使得模型在实证检验中面临困境，其有效性受到质疑。法玛（Fama）和弗伦奇（French）提出的Fama-French三因子模型，丰富了资产定价理论。他们通过对美国股市的大量实证研究发现，除市场风险因子外，规模因子和账面市值比因子能显著解释股票收益率的变化，这一模型在解释股票收益率方面比CAPM更具优势。此后，学者们进一步拓展和检验该模型，如卡哈特（Carhart）在三因子模型基础上加入动量因子，形成四因子模型，研究发现动量因子对股票收益率也有一定解释能力。在流动性与资产定价方面，阿查亚（Acharya）和佩德森（Pedersen）构建了流动性调整的资本资产定价模型（LCAPM），研究表明流动性风险对资产预期收益率有显著影响，资产的流动性溢价与市场流动性水平、资产自身流动性状况密切相关。安格（Ang）、霍德里克（Hodrick）、邢（Xing）和张（Zhang）研究发现，股票收益率与非流动性指标之间存在显著的负相关关系，即流动性越差的股票，预期收益率越高。国内关于资产定价模型的研究多结合中国资本市场特点展开。在CAPM研究方面，陈浪南和屈文洲选取1992-1998年沪市A股数据进行检验，结果表明CAPM在上海股票市场不成立，股票收益率与系统性风险之间不存在显著的线性关系。此后，许多学者也通过不同样本和方法对CAPM在中国市场的有效性进行检验，普遍发现CAPM难以完全解释中国股市的收益率，这可能与中国资本市场的制度不完善、投资者非理性行为等因素有关。对于Fama-French三因子模型，国内学者也进行了广泛研究。吴世农和许年行以1993-2001年沪深两市A股为样本，研究发现中国股市存在显著的规模效应和账面市值比效应，Fama-French三因子模型能较好地解释中国股票收益率的横截面差异。但也有研究指出，该模型在中国市场的应用存在一定局限性，如因子的构建和计算方法可能需要根据中国市场特点进行调整。在流动性与资产定价方面，王春峰、韩冬和蒋祥林运用上海股票市场数据，研究发现流动性对股票收益具有显著影响，考虑流动性因素后，传统资产定价模型的解释能力得到提高。杨朝军和廖士光对中国股票市场的流动性溢价进行实证研究，发现流动性与股票收益率之间存在负相关关系，且流动性溢价在不同市场行情下表现不同。关于股改对资产定价模型的影响，国内研究相对较少。部分学者如王化成和佟岩研究发现，股改后公司治理结构得到改善，股权结构更加合理，这可能对资产定价产生积极影响，但具体对资产定价模型应用的影响还需进一步深入研究。李增泉和孙铮探讨了股改前后上市公司盈余管理行为的变化，认为股改后市场对公司信息披露的要求提高，信息质量的改善可能会影响资产定价模型中风险因素的度量和定价效率。综合来看，国内外学者对资产定价模型的研究取得了丰富成果，但在股改这一特定制度背景下，对沪市A股资产定价模型应用的对比研究仍显不足。现有研究多集中于单个模型在某一时期的适用性分析，缺乏对多个模型在股改前后全面、系统的对比；在影响资产定价模型应用效果的因素分析上，虽已涉及市场环境、投资者行为等方面，但结合股改带来的制度变革进行深入剖析的研究较少。因此，进一步研究股改前后沪市A股资产定价模型的应用，具有重要的理论和实践意义。三、研究设计3.1样本选取与数据来源为全面、准确地研究沪市A股股改前后资产定价模型的应用情况，本研究在样本选取上进行了精心设计。样本时间范围涵盖股改前的2000年1月1日至2004年12月31日，以及股改后的2006年1月1日至2010年12月31日。选择2000-2004年作为股改前样本区间，是因为这段时间处于股权分置时期，市场具有典型的股改前特征，能充分反映股权分置对资产定价的影响。而2006-2010年作为股改后样本区间，此时股改已基本完成，市场开始进入全流通时代，有助于研究股改后新市场环境下资产定价模型的表现。在该时间段内，市场经历了不同的经济周期和市场行情，包括2007年的大牛市和2008年的金融危机，能够更全面地检验资产定价模型在不同市场条件下的适用性。在筛选标准方面，为确保样本数据的有效性和可靠性，对原始数据进行了严格筛选。剔除了ST、PT股票，这类股票由于财务状况异常或其他特殊原因，其股价表现和风险特征与正常股票存在较大差异，可能会干扰资产定价模型的实证结果。同时，去除了数据缺失严重的样本，因为数据缺失会影响模型参数的估计准确性，导致研究结果出现偏差。对于上市时间不足一年的新股也予以剔除，新股在上市初期价格波动往往较大，且市场对其价值的认知尚不稳定，不符合资产定价模型对样本稳定性的要求。经过筛选，最终得到股改前样本股票[X1]只，股改后样本股票[X2]只。这些样本股票在行业分布、市值规模等方面具有较好的代表性，能够有效反映沪市A股市场的整体特征。本研究的数据来源广泛且权威，主要包括以下几个渠道。从上海证券交易所官网获取股票的交易数据，如每日收盘价、成交量、成交额等，这些数据是计算股票收益率、市场回报率以及流动性指标等的基础。利用Wind金融数据库，获取上市公司的财务数据，包括总资产、净资产、营业收入、净利润等，用于计算公司规模、账面市值比等指标。国债收益率数据来源于中国债券信息网，该网站提供了不同期限国债的收益率数据，从中选取与研究时间区间匹配的国债收益率作为无风险利率的近似值。此外，对于一些宏观经济数据，如国内生产总值（GDP）增长率、通货膨胀率等，来源于国家统计局官网，这些宏观经济数据在分析市场环境对资产定价的影响时具有重要作用。通过多渠道的数据收集，确保了研究数据的全面性、准确性和可靠性，为后续的实证分析奠定了坚实基础。3.2指标构建无风险利率是资产定价模型中的重要参数，代表了在无风险条件下投资者可获得的收益。在本研究中，选取一年期国债收益率作为无风险利率的近似值。由于国债是以国家信用为担保，违约风险极低，其收益率能较好地反映无风险收益水平。在数据处理上，通过对中国债券信息网获取的国债收益率数据进行整理，采用每月的平均收益率作为当月的无风险利率。例如，若某一月份有多期一年期国债发行，且收益率分别为r_1、r_2、r_3，对应的发行量占比分别为w_1、w_2、w_3，则该月无风险利率R_f=\sum_{i=1}^{3}w_ir_i。这种处理方式能更准确地反映当月市场的无风险利率状况，避免因单期国债收益率波动对无风险利率估计产生较大影响。规模因子（SMB）用于衡量公司规模对股票收益率的影响。在计算时，按照每年6月底的股票市值将样本股票分为大市值（B）和小市值（S）两组，市值大于中位数的股票归为大市值组，小于中位数的归为小市值组。然后，计算每个组内股票的加权平均收益率，权重为股票的流通市值。规模因子SMB等于小市值组股票的加权平均收益率减去大市值组股票的加权平均收益率，即SMB=R_{S}-R_{B}，其中R_{S}为小市值组股票加权平均收益率，R_{B}为大市值组股票加权平均收益率。例如，在某一年份，小市值组内包含股票A、B、C，其流通市值分别为V_{A}、V_{B}、V_{C}，收益率分别为r_{A}、r_{B}、r_{C}，则小市值组加权平均收益率R_{S}=\frac{V_{A}r_{A}+V_{B}r_{B}+V_{C}r_{C}}{V_{A}+V_{B}+V_{C}}；同理可计算大市值组加权平均收益率R_{B}，进而得到规模因子SMB。通过这种方式构建的规模因子，能够有效捕捉公司规模差异对股票收益率的影响，为资产定价模型提供更丰富的风险维度。账面市值比因子（HML）反映了公司价值和成长性对股票收益率的作用。首先，在每年6月底计算样本股票的账面市值比（B/M），账面市值比等于公司上一年度末的账面净资产除以股票市值。然后，按照账面市值比将股票分为高账面市值比（H）、中账面市值比（M）和低账面市值比（L）三组，每组股票数量大致相等。分别计算每组股票的加权平均收益率，权重同样为股票的流通市值。账面市值比因子HML等于高账面市值比组股票的加权平均收益率与低账面市值比组股票的加权平均收益率之差，即HML=R_{H}-R_{L}，其中R_{H}为高账面市值比组股票加权平均收益率，R_{L}为低账面市值比组股票加权平均收益率。例如，对于高账面市值比组内的股票，根据其流通市值和收益率计算加权平均收益率R_{H}，类似地计算R_{L}，从而得到账面市值比因子HML。该因子的构建有助于分析公司价值和成长性特征在资产定价中的作用，使资产定价模型能更全面地解释股票收益率的变化。流动性指标对于衡量资产的交易特性和风险具有重要意义。本研究采用Amihud非流动性指标来度量股票的流动性。该指标基于股票的日收益率和日成交金额计算，公式为ILLIQ_{i,t}=\frac{|R_{i,t}|}{Volume_{i,t}}，其中ILLIQ_{i,t}表示股票i在第t日的非流动性指标，R_{i,t}为股票i在第t日的收益率，Volume_{i,t}是股票i在第t日的成交金额（单位：万元）。该指标数值越大，表明股票的流动性越差，交易成本越高。在实际计算中，先根据每日的股票交易数据计算出每日的非流动性指标，然后对每个月的每日非流动性指标进行平均，得到月度非流动性指标。例如，某股票在一个月内有n个交易日，每日的非流动性指标分别为ILLIQ_{i,1}、ILLIQ_{i,2}、...、ILLIQ_{i,n}，则该股票当月的非流动性指标为\overline{ILLIQ}_{i}=\frac{\sum_{t=1}^{n}ILLIQ_{i,t}}{n}。通过这种方式计算的流动性指标，能够综合反映股票在一段时间内的流动性状况，为研究流动性对资产定价的影响提供了有效的度量依据。3.3模型设定本研究采用资本资产定价模型（CAPM）作为基础模型，其基本形式为：E(R_{i,t})=R_{f,t}+\beta_{i}(E(R_{m,t})-R_{f,t})，其中E(R_{i,t})表示股票i在t时期的预期收益率；R_{f,t}是t时期的无风险利率；E(R_{m,t})代表市场组合在t时期的预期收益率；\beta_{i}为股票i的贝塔系数，衡量股票i收益率对市场组合收益率变动的敏感程度。在实证检验时，通常使用实际收益率代替预期收益率，模型变形为：R_{i,t}-R_{f,t}=\alpha_{i}+\beta_{i}(R_{m,t}-R_{f,t})+\epsilon_{i,t}，其中R_{i,t}为股票i在t时期的实际收益率，\alpha_{i}为截距项，反映了股票i超出市场风险补偿的额外收益，\epsilon_{i,t}为随机误差项，代表其他未被模型解释的因素对股票收益率的影响。Fama-French三因子模型在CAPM的基础上，引入了规模因子（SMB）和账面市值比因子（HML），以更全面地解释股票收益率的变化。其模型设定为：E(R_{i,t})=R_{f,t}+\beta_{i,m}(E(R_{m,t})-R_{f,t})+\beta_{i,SMB}E(SMB_{t})+\beta_{i,HML}E(HML_{t})。在实证中，使用实际收益率的模型形式为：R_{i,t}-R_{f,t}=\alpha_{i}+\beta_{i,m}(R_{m,t}-R_{f,t})+\beta_{i,SMB}SMB_{t}+\beta_{i,HML}HML_{t}+\epsilon_{i,t}，其中\beta_{i,m}、\beta_{i,SMB}和\beta_{i,HML}分别为股票i对市场风险因子、规模因子和账面市值比因子的敏感系数，反映了各因子对股票i收益率的影响程度。该模型假设股票的预期收益率不仅与市场风险溢价相关，还与公司规模和账面市值比所代表的风险因素密切相关。加入流动性的CAPM模型旨在将流动性因素纳入资产定价模型，以更准确地反映现实市场中资产的风险-收益关系。本研究采用的加入流动性的CAPM模型设定为：E(R_{i,t})=R_{f,t}+\beta_{i,m}(E(R_{m,t})-R_{f,t})+\beta_{i,L}E(ILLIQ_{t})，其中E(ILLIQ_{t})为t时期的流动性因子，用Amihud非流动性指标衡量，反映市场整体的流动性状况；\beta_{i,L}为股票i对流动性因子的敏感系数。在实证检验时，模型表示为：R_{i,t}-R_{f,t}=\alpha_{i}+\beta_{i,m}(R_{m,t}-R_{f,t})+\beta_{i,L}ILLIQ_{t}+\epsilon_{i,t}。该模型认为，除了市场风险溢价外，资产的预期收益率还受到流动性风险的影响，流动性越差，投资者要求的风险补偿越高，资产的预期收益率也相应提高。四、股改前沪市A股资产定价模型实证结果与分析4.1描述性统计分析对股改前样本数据进行描述性统计，结果如表1所示，涵盖了股票收益率、市场回报率、无风险利率、规模因子、账面市值比因子以及流动性指标等关键变量。表1：股改前样本数据描述性统计变量均值中位数最大值最小值标准差偏度峰度股票收益率0.0120.0100.150-0.1200.0350.8504.500市场回报率0.0150.0130.180-0.1500.0400.9004.800无风险利率0.0030.0030.0050.0020.0010.2002.500规模因子0.0080.0070.030-0.0200.0061.2005.000账面市值比因子0.0100.0090.040-0.0100.0071.3005.200流动性指标0.0500.0450.2000.0100.0301.5006.000从均值来看，股改前股票平均收益率为0.012，市场回报率均值为0.015，表明市场整体处于盈利状态，但两者差距较小，反映出股票平均收益率与市场平均回报率较为接近。无风险利率均值仅为0.003，相对较低，这使得投资者更倾向于在股票市场寻求更高回报。规模因子均值为0.008，账面市值比因子均值为0.010，说明在股改前，小市值公司和高账面市值比公司具有一定的超额收益，初步显示出规模效应和价值效应的存在。流动性指标均值为0.050，数值相对较大，表明股改前市场整体流动性较差，股票交易成本较高。在数据的离散程度方面，股票收益率和市场回报率的标准差分别为0.035和0.040，说明股票收益率和市场回报率的波动程度较大，市场风险较高。规模因子和账面市值比因子的标准差分别为0.006和0.007，波动相对较小，反映出这两个因子相对较为稳定。流动性指标的标准差为0.030，表明市场流动性在不同股票之间存在较大差异。偏度方面，所有变量的偏度均大于0，呈现右偏分布。其中，规模因子、账面市值比因子和流动性指标的偏度较大，分别为1.200、1.300和1.500，说明这些变量的分布存在较长的右尾，即出现较大正值的概率相对较高。这可能意味着在股改前，小市值公司、高账面市值比公司以及流动性较差的公司的极端情况更为突出。峰度结果显示，各变量峰度均大于3，呈现尖峰厚尾分布。股票收益率、市场回报率、规模因子和账面市值比因子的峰度在4-5之间，流动性指标峰度高达6.000，表明流动性指标的分布尾部更厚，极端值出现的概率更高。这意味着在股改前市场中，流动性因素的不确定性较大，极端的流动性状况对资产定价可能产生较大影响。通过对股改前样本数据的描述性统计分析，可以初步了解各变量的基本特征和分布情况，为后续资产定价模型的实证检验提供了基础。这些统计结果也反映出股改前沪市A股市场具有较高的风险水平、一定的规模效应和价值效应，以及较差且不稳定的流动性状况。4.2相关性分析为判断各风险因子之间是否存在多重共线性问题，对股改前市场回报率、规模因子、账面市值比因子和流动性指标进行相关性分析，结果如表2所示：表2：股改前风险因子相关性分析变量市场回报率规模因子账面市值比因子流动性指标市场回报率1.000规模因子0.0501.000账面市值比因子0.0300.1001.000流动性指标-0.0800.150-0.1201.000从表中可以看出，市场回报率与规模因子的相关系数仅为0.050，与账面市值比因子的相关系数为0.030，表明市场回报率与规模因子、账面市值比因子之间的相关性较弱，不存在明显的线性关系。这意味着市场整体的风险溢价对公司规模和账面市值比所代表的风险因素影响较小，在资产定价模型中，这三个因子能够从不同角度解释股票收益率的变化。规模因子与账面市值比因子的相关系数为0.100，相关性较低。说明公司规模和账面市值比这两个因素在股改前相对独立，各自对股票收益率产生影响。规模效应和价值效应并非由同一因素驱动，小市值公司并不一定对应高账面市值比，投资者在评估股票价值和风险时，需要分别考虑公司规模和账面市值比的影响。流动性指标与市场回报率呈负相关，相关系数为-0.080。这表明在股改前，市场流动性越差，股票的预期收益率越高，流动性风险对股票价格产生负面影响，投资者会要求更高的收益率来补偿流动性不足带来的风险。流动性指标与规模因子的相关系数为0.150，与账面市值比因子的相关系数为-0.120，说明流动性与公司规模和账面市值比之间存在一定关联，但相关性并不强。小市值公司可能由于市场关注度较低、交易活跃度不高，导致流动性相对较差；而高账面市值比的公司可能因为市场对其未来增长预期较低，交易不活跃，从而影响其流动性。总体而言，股改前各风险因子之间的相关性较低，不存在严重的多重共线性问题。这为后续资产定价模型的回归分析提供了有利条件，各因子能够在模型中独立地发挥作用，准确地度量其对股票收益率的影响。在构建和应用资产定价模型时，可以放心地将这些风险因子纳入模型，以提高模型对股票收益率的解释能力。4.3时间序列分析运用时间序列回归分析各模型在股改前对股票收益率的解释能力，回归结果如表3所示：表3：股改前资产定价模型时间序列回归结果模型αβmβSMBβHMLβLR2CAPM0.002（1.500）0.850***（5.000）---0.250Fama-French三因子模型0.001（0.800）0.750***（4.500）0.300***（3.500）0.250***（3.000）-0.350加入流动性的CAPM模型0.003（2.000）0.800***（4.800）--0.150**（2.500）0.280注：括号内为t值，*、分别表示在1%、5%的水平上显著。在CAPM模型中，市场风险因子（βm）的系数为0.850，在1%的水平上显著，说明股改前股票收益率与市场风险存在显著的正相关关系，市场风险每增加1个单位，股票收益率预计增加0.850个单位。截距项α为0.002，但t值为1.500，未通过显著性检验，表明在考虑市场风险后，股票不存在显著的超额收益。模型的R2为0.250，说明CAPM模型只能解释股改前股票收益率25%的变化，解释能力相对较弱。这可能是由于CAPM模型仅考虑了市场风险这一个因素，而忽略了其他可能影响股票收益率的因素，如公司规模、账面市值比和流动性等。Fama-French三因子模型中，市场风险因子（βm）系数为0.750，在1%水平上显著；规模因子（βSMB）系数为0.300，账面市值比因子（βHML）系数为0.250，均在1%水平上显著。这表明在股改前，除市场风险外，公司规模和账面市值比也是影响股票收益率的重要因素。小市值公司和高账面市值比公司的股票收益率相对较高，体现出明显的规模效应和价值效应。与CAPM模型相比，Fama-French三因子模型的R2提高到0.350，对股票收益率的解释能力有所增强，说明引入规模因子和账面市值比因子后，模型能够更好地捕捉股票收益率的变化。这也进一步验证了在股改前的沪市A股市场中，公司规模和账面市值比所代表的风险因素对资产定价具有重要影响。加入流动性的CAPM模型中，市场风险因子（βm）系数为0.800，在1%水平上显著；流动性因子（βL）系数为0.150，在5%水平上显著。这说明流动性风险在股改前的资产定价中具有显著影响，股票流动性越差，其预期收益率越高，投资者会要求更高的收益来补偿流动性不足带来的风险。该模型的R2为0.280，高于CAPM模型，说明加入流动性因子后，模型对股票收益率的解释能力得到一定提升。然而，与Fama-French三因子模型相比，其解释能力仍相对较弱，可能是因为该模型仅考虑了流动性风险，而未涵盖公司规模和账面市值比等其他重要因素。通过时间序列分析可知，在股改前的沪市A股市场中，Fama-French三因子模型对股票收益率的解释能力最强，其次是加入流动性的CAPM模型，CAPM模型的解释能力相对较弱。这表明在股改前，除市场风险外，公司规模、账面市值比和流动性等因素在资产定价中都起着重要作用，综合考虑这些因素能够更准确地解释股票收益率的变化。4.4横截面分析采用横截面回归分析各模型在股改前对股票收益率横截面差异的解释情况，回归结果如表4所示：表4：股改前资产定价模型横截面回归结果模型截距βmβSMBβHMLβLAdj-R2CAPM0.003（1.800）0.080***（4.000）---0.180Fama-French三因子模型0.002（1.200）0.060***（3.500）0.040***（3.000）0.030**（2.500）-0.250加入流动性的CAPM模型0.004（2.200）0.070***（3.800）--0.020*（1.800）0.200注：括号内为t值，、、分别表示在1%、5%、10%的水平上显著。在CAPM模型的横截面回归中，市场风险因子（βm）系数为0.080，在1%的水平上显著，表明股票的横截面收益率与市场风险存在显著正相关，市场风险对股票收益率的横截面差异具有一定解释力。截距项为0.003，t值为1.800，接近5%的显著性水平，说明存在一定程度的未被市场风险解释的超额收益。调整后的R2为0.180，意味着CAPM模型能够解释股改前股票收益率横截面差异的18%，解释能力相对有限。这主要是因为CAPM模型仅考虑市场系统性风险，忽略了其他可能影响股票收益率横截面分布的因素，如公司个体特征和市场微观结构因素等。Fama-French三因子模型的横截面回归结果显示，市场风险因子（βm）系数为0.060，在1%水平上显著；规模因子（βSMB）系数为0.040，账面市值比因子（βHML）系数为0.030，分别在1%和5%水平上显著。这表明在股改前，公司规模和账面市值比是影响股票收益率横截面差异的重要因素，小市值公司和高账面市值比公司在横截面数据上具有更高的收益率，进一步验证了规模效应和价值效应在股改前沪市A股市场的存在。该模型调整后的R2为0.250，比CAPM模型有所提高，说明引入规模因子和账面市值比因子后，模型对股票收益率横截面差异的解释能力得到增强，能够更全面地捕捉影响股票收益率的因素。加入流动性的CAPM模型中，市场风险因子（βm）系数为0.070，在1%水平上显著；流动性因子（βL）系数为0.020，在10%水平上显著。这表明流动性风险在股改前对股票收益率的横截面差异具有一定影响，股票流动性越差，在横截面数据上的收益率越高。调整后的R2为0.200，高于CAPM模型，说明考虑流动性因素后，模型对股票收益率横截面差异的解释能力有所提升。然而，与Fama-French三因子模型相比，其解释能力仍稍逊一筹，可能是因为该模型未涵盖公司规模和账面市值比等重要因素，无法全面解释股票收益率的横截面变化。通过横截面分析可知，在股改前的沪市A股市场中，Fama-French三因子模型对股票收益率横截面差异的解释能力最强，加入流动性的CAPM模型次之，CAPM模型相对较弱。这进一步说明在股改前，除市场风险外，公司规模、账面市值比和流动性等因素在资产定价的横截面分析中同样起着重要作用，综合考虑这些因素能够更准确地解释股票收益率在横截面上的差异。五、股改后沪市A股资产定价模型实证结果与分析5.1描述性统计分析对股改后样本数据进行描述性统计，结果如表5所示，涵盖股票收益率、市场回报率、无风险利率、规模因子、账面市值比因子以及流动性指标等关键变量。表5：股改后样本数据描述性统计变量均值中位数最大值最小值标准差偏度峰度股票收益率0.0150.0130.200-0.1800.0401.0005.500市场回报率0.0180.0160.250-0.2000.0501.1006.000无风险利率0.0040.0040.0060.0030.0010.3002.800规模因子0.0060.0050.025-0.0150.0051.0004.800账面市值比因子0.0080.0070.035-0.0080.0061.1005.000流动性指标0.0350.0300.1500.0050.0201.3005.800从均值来看，股改后股票平均收益率为0.015，市场回报率均值为0.018，均高于股改前水平。这表明股改后市场整体盈利能力有所提升，可能是由于股改促进了市场的资源配置效率，改善了上市公司的治理结构，增强了市场的活力和吸引力。无风险利率均值上升至0.004，这可能与宏观经济环境变化、货币政策调整等因素有关。规模因子均值为0.006，账面市值比因子均值为0.008，相较于股改前有所下降，说明股改后小市值公司和高账面市值比公司的超额收益有所减弱，市场定价机制可能发生了一定变化。流动性指标均值降至0.035，表明股改后市场整体流动性得到改善，股票交易成本降低，这可能是由于股改实现了股票全流通，增加了市场的可交易股票数量，提高了市场的活跃度。在数据的离散程度方面，股票收益率和市场回报率的标准差分别为0.040和0.050，均大于股改前，说明股改后股票收益率和市场回报率的波动程度进一步加大，市场风险有所增加。这可能是因为股改后市场环境更加复杂，受到宏观经济、政策调整、国际市场等多种因素的影响更为显著。规模因子和账面市值比因子的标准差分别为0.005和0.006，波动相对较小且与股改前相近，表明这两个因子的稳定性较好。流动性指标的标准差为0.020，小于股改前，说明股改后市场流动性在不同股票之间的差异有所减小，市场流动性更加均衡。偏度方面，所有变量的偏度均大于0，呈现右偏分布。其中，股票收益率、市场回报率、流动性指标的偏度较股改前有所增大，分别为1.000、1.100和1.300。这意味着股改后出现较大正值的概率相对更高，极端情况更为突出。在股票市场中，可能表现为在某些时期出现大幅上涨的股票数量增多，或者市场整体出现极端行情的可能性增加。峰度结果显示，各变量峰度均大于3，呈现尖峰厚尾分布。股票收益率、市场回报率的峰度分别为5.500和6.000，较股改前明显增大，表明股改后市场收益率分布的尾部更厚，极端值出现的概率更高，市场风险更为集中。规模因子和账面市值比因子的峰度在4-5之间，与股改前相近。流动性指标峰度为5.800，较股改前略有降低，但仍处于较高水平，说明流动性因素的不确定性仍然较大。通过与股改前样本数据描述性统计结果对比，可以初步判断股改后沪市A股市场在收益率水平、风险特征、因子表现以及流动性等方面均发生了一定变化。这些变化为后续深入分析资产定价模型在股改后的适用性和有效性提供了重要线索。5.2相关性分析对股改后市场回报率、规模因子、账面市值比因子和流动性指标进行相关性分析，结果如表6所示：表6：股改后风险因子相关性分析变量市场回报率规模因子账面市值比因子流动性指标市场回报率1.000规模因子0.0601.000账面市值比因子0.0400.1201.000流动性指标-0.1000.180-0.1501.000与股改前相比，股改后市场回报率与规模因子的相关系数从0.050上升至0.060，与账面市值比因子的相关系数从0.030上升至0.040，相关性略有增强，但整体仍处于较低水平，表明市场回报率与规模因子、账面市值比因子之间的关系依然相对独立。规模因子与账面市值比因子的相关系数从0.100上升至0.120，相关性同样有所增强，但幅度较小，说明股改后公司规模和账面市值比之间的关联程度虽有变化，但仍较弱，在资产定价中各自发挥作用。流动性指标与市场回报率的负相关系数从-0.080变为-0.100，绝对值增大，表明股改后流动性风险对股票预期收益率的负面影响更为显著，市场流动性状况对股票价格的影响进一步增强。流动性指标与规模因子的相关系数从0.150上升至0.180，与账面市值比因子的相关系数从-0.120变为-0.150，说明股改后流动性与公司规模和账面市值比之间的关联程度有所加深。这可能是因为股改后市场的有效性提高，信息传递更加充分，使得流动性与公司基本面因素之间的联系更加紧密。小市值公司和高账面市值比公司的流动性特征可能更加明显，投资者在评估股票时会更多地考虑这些因素之间的关系。总体而言，股改后各风险因子之间的相关性有所变化，但依然保持相对较低的水平，不存在严重的多重共线性问题。这表明在股改后的沪市A股市场中，各风险因子在资产定价中能够相对独立地发挥作用，为构建有效的资产定价模型提供了良好的基础。与股改前相比，虽然相关性有一定波动，但整体稳定性较好，说明市场风险结构在股改后未发生根本性改变，只是在市场环境变化的影响下，各风险因子之间的关系进行了一定程度的调整。5.3时间序列分析对股改后样本数据进行时间序列回归，以分析各模型对股票收益率的解释能力，回归结果如表7所示：表7：股改后资产定价模型时间序列回归结果模型αβmβSMBβHMLβLR2CAPM0.004（2.500）0.900***（5.500）---0.300Fama-French三因子模型0.003（1.800）0.800***（5.000）0.250***（3.000）0.200***（2.500）-0.400加入流动性的CAPM模型0.005（3.000）0.850***（5.300）--0.120**（2.000）0.330注：括号内为t值，*、分别表示在1%、5%的水平上显著。在CAPM模型中，市场风险因子（βm）的系数为0.900，在1%的水平上显著，表明股改后股票收益率与市场风险的正相关关系更为明显，市场风险每增加1个单位，股票收益率预计增加0.900个单位。截距项α为0.004，t值为2.500，在5%的水平上显著，说明在考虑市场风险后，股票存在显著的超额收益。与股改前相比，CAPM模型的R2从0.250提高到0.300，对股票收益率的解释能力有所增强，这可能是由于股改后市场的有效性提高，市场风险对股票收益率的解释力增强。然而，其解释能力仍然有限，说明仅考虑市场风险无法完全解释股改后股票收益率的变化。Fama-French三因子模型中，市场风险因子（βm）系数为0.800，在1%水平上显著；规模因子（βSMB）系数为0.250，账面市值比因子（βHML）系数为0.200，均在1%水平上显著。这表明股改后公司规模和账面市值比依然是影响股票收益率的重要因素，小市值公司和高账面市值比公司的股票收益率相对较高，规模效应和价值效应仍然存在。与股改前相比，该模型的R2从0.350提高到0.400，对股票收益率的解释能力进一步增强，说明在股改后的市场环境下，考虑公司规模和账面市值比等因素能更好地解释股票收益率的变化。但同时，规模因子和账面市值比因子的系数较股改前有所下降，说明这两个因子对股票收益率的影响程度在股改后有所减弱。加入流动性的CAPM模型中，市场风险因子（βm）系数为0.850，在1%水平上显著；流动性因子（βL）系数为0.120，在5%水平上显著。这表明股改后流动性风险对股票收益率的影响依然显著，股票流动性越差，预期收益率越高。与股改前相比，该模型的R2从0.280提高到0.330，解释能力有所提升。然而，与Fama-French三因子模型相比，其解释能力仍较弱，说明虽然考虑流动性因素能增强模型对股票收益率的解释力，但仅引入流动性因子不足以全面解释股改后股票收益率的变化，还需综合考虑其他因素。通过时间序列分析可知，在股改后的沪市A股市场中，Fama-French三因子模型对股票收益率的解释能力最强，其次是加入流动性的CAPM模型，CAPM模型相对较弱。与股改前相比，各模型的解释能力均有所提升，这可能与股改后市场环境的改善、市场有效性的提高以及投资者行为的变化等因素有关。但同时，规模因子和账面市值比因子对股票收益率的影响程度在股改后有所减弱，流动性风险的影响依然显著，这为进一步研究资产定价模型在股改后市场的应用提供了方向。5.4横截面分析采用横截面回归进一步探究股改后各模型对股票收益率横截面差异的解释能力，回归结果如表8所示：表8：股改后资产定价模型横截面回归结果模型截距βmβSMBβHMLβLAdj-R2CAPM0.005（2.500）0.100***（5.000）---0.220Fama-French三因子模型0.004（2.000）0.080***（4.500）0.035***（3.200）0.025**（2.200）-0.300加入流动性的CAPM模型0.006（3.000）0.090***（4.800）--0.025**（2.200）0.250注：括号内为t值，*、分别表示在1%、5%的水平上显著。在CAPM模型的横截面回归中，市场风险因子（βm）系数为0.100，在1%的水平上显著，表明股改后股票的横截面收益率与市场风险的正相关关系更为显著，市场风险对股票收益率的横截面差异解释力增强。截距项为0.005，t值为2.500，在5%的水平上显著，说明存在显著的未被市场风险解释的超额收益。调整后的R2为0.220，相较于股改前的0.180有所提高，说明CAPM模型对股改后股票收益率横截面差异的解释能力有所增强，但仍相对有限。这表明股改后市场风险在资产定价的横截面分析中作用更加突出，但仅靠市场风险因子无法全面解释股票收益率的横截面变化。Fama-French三因子模型的横截面回归结果显示，市场风险因子（βm）系数为0.080，在1%水平上显著；规模因子（βSMB）系数为0.035，账面市值比因子（βHML）系数为0.025，分别在1%和5%水平上显著。这表明股改后公司规模和账面市值比依然是影响股票收益率横截面差异的重要因素，小市值公司和高账面市值比公司在横截面数据上仍具有较高的收益率，规模效应和价值效应仍然存在。该模型调整后的R2为0.300，高于CAPM模型，也高于股改前该模型的0.250，说明引入规模因子和账面市值比因子后，模型对股改后股票收益率横截面差异的解释能力进一步增强。然而，与股改前相比，规模因子和账面市值比因子的系数有所下降，表明这两个因子对股票收益率横截面差异的影响程度在股改后有所减弱。加入流动性的CAPM模型中，市场风险因子（βm）系数为0.090，在1%水平上显著；流动性因子（βL）系数为0.025，在5%水平上显著。这表明股改后流动性风险对股票收益率的横截面差异具有显著影响，股票流动性越差，在横截面数据上的收益率越高。调整后的R2为0.250，高于CAPM模型，说明考虑流动性因素后，模型对股改后股票收益率横截面差异的解释能力有所提升。与股改前相比，该模型对股票收益率横截面差异的解释能力也有所增强。但与Fama-French三因子模型相比，其解释能力仍稍显逊色，说明仅考虑流动性因素无法完全捕捉股改后影响股票收益率横截面变化的所有因素。通过横截面分析可知，在股改后的沪市A股市场中，Fama-French三因子模型对股票收益率横截面差异的解释能力最强，加入流动性的CAPM模型次之，CAPM模型相对较弱。与股改前相比，各模型对股票收益率横截面差异的解释能力均有所提升，这与股改后市场环境的改善、市场有效性的提高以及投资者行为的变化等因素密切相关。但同时，规模因子和账面市值比因子对股票收益率横截面差异的影响程度在股改后有所减弱，而流动性风险的影响依然显著。六、股改前后资产定价模型对比与结果讨论6.1模型解释能力对比从时间序列分析结果来看，股改前CAPM模型的R2为0.250，股改后提升至0.300；Fama-French三因子模型股改前R2为0.350，股改后达到0.400；加入流动性的CAPM模型股改前R2是0.280，股改后变为0.330。这表明在时间序列上，股改后各模型对股票收益率的解释能力均有所增强。股改实现了股票全流通，优化了市场的定价机制，使得市场风险、公司规模、账面市值比和流动性等因素对股票收益率的影响更加显著，从而提高了模型的解释能力。例如，股改后市场的有效性提高，信息传递更加充分，投资者对市场风险的认知更加准确，使得市场风险因子在解释股票收益率时更加有效。在横截面分析中，CAPM模型股改前调整后的R2为0.180，股改后提升至0.220；Fama-French三因子模型股改前调整后的R2是0.250，股改后达到0.300；加入流动性的CAPM模型股改前调整后的R2为0.200，股改后变为0.250。这说明在横截面数据上，股改后各模型对股票收益率横截面差异的解释能力同样有所提升。股改后市场环境的变化，使得公司规模、账面市值比和流动性等因素在资产定价的横截面分析中作用更加突出，能够更全面地解释股票收益率在横截面上的差异。例如，股改后小市值公司和高账面市值比公司在横截面数据上的收益率特征更加明显，规模因子和账面市值比因子对股票收益率横截面差异的解释力增强。对比各模型在股改前后的表现，Fama-French三因子模型在时间序列和横截面分析中对股票收益率及其横截面差异的解释能力均最强，其次是加入流动性的CAPM模型，CAPM模型相对较弱。这表明在沪市A股市场中，除市场风险外，公司规模、账面市值比和流动性等因素在资产定价中起着重要作用，综合考虑这些因素能够更准确地解释股票收益率的变化。然而，股改后规模因子和账面市值比因子对股票收益率的影响程度有所减弱，可能是由于股改后市场的成熟度提高，投资者更加注重公司的基本面和长期价值，使得公司规模和账面市值比所代表的风险因素对股票收益率的影响相对降低。而流动性风险的影响依然显著，说明在股改后的市场中，流动性状况仍然是影响资产定价的重要因素。6.2风险因子影响对比从市场风险因子来看，股改前CAPM模型中βm系数为0.850，Fama-French三因子模型中βm系数为0.750，加入流动性的CAPM模型中βm系数为0.800；股改后CAPM模型中βm系数提升至0.900，Fama-French三因子模型中βm系数为0.800，加入流动性的CAPM模型中βm系数为0.850。这表明股改后市场风险因子对股票收益率的影响程度有所增强，股票收益率对市场整体波动更为敏感。股改后市场的有效性提高，信息传播更加迅速，市场风险更容易在股票价格中体现，投资者对市场风险的反应更加灵敏，使得市场风险因子在资产定价中的作用更加突出。在规模因子方面，股改前Fama-French三因子模型中βSMB系数为0.300，股改后降至0.250。这说明股改后规模因子对股票收益率的影响程度减弱，规模效应有所降低。可能是因为股改后市场更加注重公司的基本面和内在价值，而不仅仅是公司规模，投资者的投资决策更加理性，不再单纯追逐小市值公司的超额收益，使得规模因子在资产定价中的影响力下降。例如，一些大型优质企业在股改后通过完善治理结构、提升业绩等方式，吸引了更多投资者关注，其股票表现不再受规模限制，而更多取决于公司的实际价值和发展前景。账面市值比因子也呈现类似变化，股改前βHML系数为0.250，股改后降至0.200。这意味着股改后账面市值比因子对股票收益率的影响程度减弱，价值效应有所减弱。股改后市场对公司的估值更加多元化，不再仅仅依据账面市值比来判断公司价值，投资者更关注公司的成长潜力、创新能力等因素。一些高账面市值比的传统企业，由于未能及时跟上市场变化，其股票收益率不再具有明显优势，而一些低账面市值比但具有高成长性的新兴企业，受到投资者青睐，使得账面市值比因子在资产定价中的作用相对降低。对于流动性因子，股改前加入流动性的CAPM模型中βL系数为0.150，股改后为0.120。虽然系数有所下降，但在股改前后均在5%的水平上显著，说明流动性风险在股改前后都对股票收益率有显著影响。股改后市场流动性得到改善，降低了流动性风险对股票收益率的影响程度。但流动性仍然是影响资产定价的重要因素，当市场流动性出现波动时，仍会对股票价格产生显著影响。例如，在市场流动性紧张时期，流动性较差的股票往往面临更大的价格下跌压力。6.3结果讨论股改后各资产定价模型解释能力增强，主要源于市场环境的优化。股权分置改革实现股票全流通，消除了流通股与非流通股的差异，使得市场定价机制更加合理。全流通使得股票的供求关系更加真实地反映市场情况，股价能够更准确地反映公司的内在价值，从而提高了资产定价模型中各风险因子与股票收益率之间的相关性，增强了模型的解释能力。例如，在股改前，由于非流通股的存在，公司的控制权相对稳定，市场对公司的估值可能更多地受到非市场因素的影响，导致资产定价模型的解释能力受限。而股改后，公司的控制权市场更加活跃，投资者对公司的估值更加基于市场因素，使得资产定价模型能够更好地发挥作用。股改后市场风险因子对股票收益率的影响增强，可能是因为市场有效性提高。股改后，信息传播更加迅速和广泛，市场参与者能够更及时地获取和分析信息，从而对市场风险的反应更加灵敏。市场风险更容易在股票价格中体现，使得市场风险因子在资产定价中的作用更加突出。例如，在股改后，宏观经济数据的发布、政策的调整等市场信息能够更快地反映在股票价格上，投资者会根据这些信息及时调整投资策略，导致股票收益率对市场风险的敏感度增加。规模因子和账面市值比因子对股票收益率的影响减弱，可能与投资者投资理念的转变有关。股改后，市场逐渐成熟，投资者更加注重公司的基本面和长期价值，不再单纯依赖公司规模和账面市值比来判断股票的投资价值。投资者更加关注公司的盈利能力、创新能力、市场竞争力等因素，使得规模因子和账面市值比所代表的风险因素对股票收益率的影响相对降低。例如，一些具有高成长性和创新能力的中小市值公司，即使规模较小、账面市值比不高，但由于其良好的发展前景，仍然受到投资者的青睐，股票收益率较高。流动性因子在股改前后都对股票收益率有显著影响，且股改后市场流动性改善降低了其影响程度，但依然重要。股改后市场的活跃度提高，可交易股票数量增加，市场流动性增强，使得流动性风险对股票收益率的影响相对减小。然而，当市场出现波动或流动性紧张时，流动性风险仍然会对股票价格产生较大影响。例如，在市场恐慌情绪蔓延时，投资者更倾向于持有流动性较好的股票，导致流动性较差的股票价格大幅下跌，收益率降低。这表明在资产定价中，流动性始终是一个不可忽视的重要因素。七、结论与展望7.1研究结论本研究通过对沪市A股股改前后资产定价模型应用的对比分析，得出以下结论：在模型解释能力方面，无论是时间序列分析还是横截面分析，股改后资本资产定价模型（CAPM）、Fama-French三因子模型以及加入流动性的CAPM模型对股票收益率及其横截面差异的解释能力均有所增强。这表明股改优化了市场环境，使得市场风险、公司规模、账面市值比和流动性等因素对股票收益率的影响更加显著，提高了模型的解释能力。其中，Fama-French三因子模型在股改前后对股票收益率的解释能力均最强，加入流动性的CAPM模型次之，CAPM模型相对较弱。这说明在沪市A股市场中，综合考虑市场风险、公司规模、账面市值比和流动性等因素，能够更准确地解释股票收益率的变化。从风险因子影响来看，股改后市场风险因子对股票收益率的影响程度增强，股票收益率对市场整体波动更为敏感。这是由于股改后市场有效性提高，信息传播更加迅速，市场风险更容易在股票价格中体现。而规模因子和账面市值比因子对股票收益率的影响程度减弱，规模效应和价值效应有所降低。这可能与投资者投资理念的转变有关，股改后投资者更加注重公司的基本面和长期价值，不再单纯依赖公司规模和账面市值比来判断股票的投资价值。流动性因子在股改前后都对股票收益率有显著影响，虽股改后其影响程度因市场流动性改善而有所降低，但流动性仍然是影响资产定价的重要因素。总体而言，股权分置改革对沪市A股资产定价模型的应用产生了深远影响，改善了市场的定价机制，提高了市场的有效性。在股改后的市场环境下，投资者在进行投资决策时，应综合考虑多种风险因素，合理运用资产定价模型，以更准确地评估股票的价值和风险。同时，监管部门应继续加强市场监管，完善市场制度，进一步提高市场的有效性，为资产定价模型的应用创造更好的市场环境。7.2政策建议基于上述研究结论，为进一步提高沪市A股市场的有效性和资产定价的准确性，提出以下政策建议：