货币视角下资产定价模型的实证剖析与多维比较研究

货币视角下资产定价模型的实证剖析与多维比较研究一、引言1.1研究背景与意义在全球经济一体化和金融市场不断创新发展的大背景下，货币经济在世界经济体系中占据着愈发重要的地位。从传统的商品货币到现代的信用货币，货币形式的演变推动着经济交易方式的变革，金融市场也因此变得更为复杂和多元化。股票、债券、期货、期权等各类金融资产不断涌现，投资者面临着前所未有的投资选择与决策挑战。资产定价作为金融领域的核心问题之一，旨在探索金融资产价格的形成机制与决定因素。合理的资产定价不仅是投资者进行投资决策的关键依据，更是金融市场实现资源有效配置的重要基础。在货币经济环境下，货币供应量的变化、利率的波动、通货膨胀等货币因素对资产价格的影响日益显著，使得传统的资产定价模型面临着新的考验与挑战。以2008年全球金融危机为例，危机前金融市场资产价格虚高，传统资产定价模型未能准确预测危机的爆发以及资产价格的大幅下跌。这一事件深刻揭示了传统模型在面对复杂货币经济环境时的局限性，凸显了研究基于货币因素的资产定价模型的紧迫性。在经济全球化的今天，各国金融市场紧密相连，货币因素在国际间的传导效应更加明显。一个国家的货币政策调整，如利率变动、量化宽松政策的实施等，不仅会影响本国金融资产价格，还会通过跨境资本流动等渠道对其他国家的金融市场产生溢出效应。因此，深入研究货币经济发展下的资产定价模型，具有重要的理论与现实意义。从理论层面来看，研究基于货币的资产定价模型有助于完善金融资产定价理论体系。传统的资产定价模型，如资本资产定价模型（CAPM）、套利定价理论（APT）等，虽然在金融理论发展历程中占据重要地位，但这些模型在构建时对货币因素的考虑相对有限。随着货币经济的发展，货币因素对资产价格的影响逐渐成为学术界和实务界关注的焦点。探索新的资产定价模型，将货币供应量、利率期限结构、通货膨胀率等货币变量纳入其中，能够更全面、准确地解释资产价格的形成机制，弥补传统模型的不足，推动金融资产定价理论的进一步发展。在实践方面，准确的资产定价模型对投资者、金融机构和监管部门都具有不可忽视的重要性。对于投资者而言，合理的资产定价模型是制定科学投资策略的基石。通过运用有效的模型，投资者能够更准确地评估资产的内在价值，判断资产价格是否被高估或低估，从而做出明智的投资决策，实现资产的优化配置，降低投资风险并提高投资收益。例如，在股票投资中，投资者可以借助基于货币的资产定价模型，分析宏观货币环境对股票价格的影响，筛选出在不同货币条件下具有投资价值的股票，构建更为合理的投资组合。金融机构作为金融市场的重要参与者，资产定价模型对其风险管理、产品定价和投资决策同样起着关键作用。银行、证券、保险等金融机构在开展业务过程中，需要对各类金融资产进行定价和风险评估。准确的资产定价模型有助于金融机构更精准地评估资产风险，合理确定金融产品价格，提高金融产品的竞争力。在债券发行与交易中，金融机构可以运用资产定价模型，结合市场利率、通货膨胀预期等货币因素，为债券进行合理定价，确保债券的发行与交易顺利进行。同时，在风险管理方面，通过资产定价模型，金融机构能够及时识别和量化潜在风险，采取有效的风险对冲措施，保障自身的稳健运营。对于监管部门来说，资产定价模型为其制定宏观经济政策和金融监管政策提供了重要参考依据。监管部门需要密切关注金融市场的动态，确保金融市场的稳定运行和资源的有效配置。通过分析资产定价模型所反映的资产价格波动与货币因素之间的关系，监管部门能够更好地把握金融市场的运行规律，及时发现市场中的异常波动和潜在风险。在制定货币政策时，监管部门可以参考资产定价模型的分析结果，合理调整货币供应量和利率水平，以实现稳定物价、促进经济增长和维护金融稳定的政策目标。当资产价格出现过度波动时，监管部门可以依据资产定价模型的分析，判断波动的原因是否与货币因素相关，进而采取相应的监管措施，如加强市场监管、调整货币政策方向等，以维护金融市场的稳定秩序。1.2研究目标与创新点本研究旨在以货币为切入点，深入分析货币经济发展下的资产定价模型，通过实证检验和对比研究，揭示不同资产定价模型在货币经济环境中的表现差异，为投资者、金融机构和监管部门提供更具针对性和有效性的资产定价理论与方法。具体研究目标如下：梳理货币因素对资产定价的影响机制：全面梳理货币供应量、利率、通货膨胀等货币因素对资产定价的影响机制，深入分析其在不同市场环境下的作用方式和传导路径，为后续研究奠定理论基础。实证检验基于货币的资产定价模型：运用计量经济学方法和金融市场数据，对基于货币因素构建的资产定价模型进行实证检验，评估模型的拟合优度、解释能力和预测准确性，验证模型在实际市场中的有效性。对比分析不同资产定价模型：对传统资产定价模型和基于货币因素的资产定价模型进行对比分析，从多个维度比较模型的优缺点、适用范围和局限性，为投资者和金融机构在不同市场条件下选择合适的资产定价模型提供参考依据。相较于以往研究，本研究的创新点主要体现在以下几个方面：多维度分析资产定价模型：以往研究往往侧重于单一模型的分析或少数几个模型的简单对比，本研究从多个维度对不同资产定价模型进行深入分析，包括模型的理论基础、假设条件、参数估计方法、实证结果等，全面揭示模型的特性和差异。在参数估计方法上，不仅运用传统的最小二乘法，还引入了更先进的极大似然估计法和贝叶斯估计法等，从不同角度验证模型的准确性。结合货币因素探讨模型适用性：在货币经济发展的背景下，深入探讨货币因素对资产定价模型适用性的影响。以往研究虽有涉及货币因素，但大多未系统分析其对不同模型适用性的作用，本研究通过构建基于货币因素的资产定价模型，并与传统模型对比，更准确地判断各模型在不同货币环境下的适用情况。当货币供应量发生较大变化时，研究不同资产定价模型对股票价格的预测能力变化，为投资者在货币政策调整时期的投资决策提供更具针对性的建议。1.3研究方法与框架本研究综合运用多种研究方法，从理论梳理、实证检验到对比分析，全面深入地探讨货币经济发展下的资产定价模型。在研究过程中，本研究首先采用文献研究法，系统梳理国内外关于资产定价模型以及货币因素对资产定价影响的相关文献。通过对经典理论和前沿研究成果的研读，深入剖析传统资产定价模型的理论基础、假设条件以及在货币经济环境下的局限性，同时了解基于货币因素的资产定价模型的最新研究动态和发展趋势，为后续研究提供坚实的理论支撑和研究思路。在文献研究的基础上，运用实证分析方法对基于货币的资产定价模型进行检验。选取具有代表性的金融市场数据，涵盖股票、债券等多种资产类别，以及货币供应量、利率、通货膨胀率等关键货币变量。运用计量经济学方法，如时间序列分析、回归分析等，对模型进行参数估计和假设检验，评估模型对资产价格的解释能力和预测准确性，以验证模型在实际市场中的有效性。本研究还将运用比较分析方法，对传统资产定价模型和基于货币因素的资产定价模型进行多维度对比。从模型的理论假设、参数估计方法、实证结果等方面进行深入分析，明确不同模型的优缺点、适用范围和局限性，为投资者和金融机构在不同市场条件下选择合适的资产定价模型提供科学依据。在整体研究框架上，本论文首先在引言部分阐述研究背景、目标、意义和创新点，明确研究的必要性和独特性。随后深入分析货币经济发展对资产定价的理论影响，详细阐述货币供应量、利率、通货膨胀等货币因素对资产定价的作用机制和传导路径，为后续实证研究奠定理论基础。紧接着进入实证研究部分，介绍数据来源与选取、模型设定与构建，并运用计量经济学方法对基于货币的资产定价模型进行实证检验，展示模型在实际市场中的表现。再通过对比分析不同资产定价模型，从多个维度比较传统模型和基于货币因素模型的差异，分析各模型的优势与不足。最后总结研究成果，提炼主要结论，指出研究的局限性，并对未来相关研究方向进行展望。二、资产定价模型理论基础2.1资本资产定价模型（CAPM）2.1.1CAPM核心原理资本资产定价模型（CapitalAssetPricingModel，CAPM）由威廉・夏普（WilliamSharpe）、约翰・林特耐（JohnLintner）和简・摩辛（JanMossin）等人在20世纪60年代提出，是现代金融学中用于确定资产预期收益率的重要模型。该模型的核心在于揭示资产的预期收益率与系统性风险之间的紧密联系，为投资者在资产定价和投资决策过程中提供了关键的理论依据。CAPM的核心原理通过其经典公式得以清晰呈现：E(R_i)=R_f+\beta_i[E(R_m)-R_f]其中，E(R_i)代表资产i的期望收益率，它反映了投资者在持有资产i时预期能够获得的回报水平；R_f表示无风险收益率，在实际应用中，通常以短期国库券等几乎不存在违约风险的资产收益率作为代表，它为整个资本市场提供了一个基准收益水平；\beta_i是资产i相对于市场组合的贝塔系数（Betacoefficient），是衡量资产系统性风险的关键指标，深刻反映了资产i的收益率对市场组合收益率变动的敏感程度。若\beta_i=1，意味着资产i的系统性风险与市场组合的风险水平相当，其收益率波动将与市场组合的波动保持同步；当\beta_i>1时，表明资产i的系统性风险高于市场平均水平，其收益率波动幅度会大于市场组合，在市场上涨时，资产i的收益率增长幅度可能更大，但在市场下跌时，其跌幅也会更为显著；若\beta_i<1，则说明资产i的系统性风险低于市场平均水平，其收益率波动相对市场组合更为平稳。E(R_m)表示市场组合的期望收益率，它是市场中所有风险资产按照各自市值加权平均后所形成的组合的预期收益率，代表了整个市场的平均收益水平；[E(R_m)-R_f]被称为市场风险溢价，它体现了投资者因承担市场系统性风险而要求获得的额外补偿，是市场整体风险与无风险收益之间的差值，反映了市场对风险的定价。CAPM的核心原理表明，资产的预期收益率由两部分构成：一部分是无风险收益率R_f，这是投资者在不承担任何风险的情况下能够获得的基本收益，是资本市场的基础回报；另一部分是风险溢价\beta_i[E(R_m)-R_f]，它与资产的贝塔系数\beta_i以及市场风险溢价[E(R_m)-R_f]成正比。这意味着资产的系统性风险越高（即\beta_i越大），投资者要求的风险补偿就越高，从而资产的预期收益率也就越高，资产的预期收益率与系统性风险之间呈现出清晰的线性正相关关系。在一个成熟的资本市场中，股票的贝塔系数较高，通常意味着其系统性风险较大，投资者会期望获得更高的预期收益率来补偿所承担的风险；而债券的贝塔系数相对较低，系统性风险较小，其预期收益率也相对较低。这种线性关系在金融市场的投资决策中具有重要的应用价值。投资者可以根据CAPM模型，通过计算不同资产的预期收益率，结合自身的风险承受能力和投资目标，对各类资产进行合理定价和评估，从而做出科学的投资决策，实现资产的优化配置。若投资者的风险承受能力较低，他们可能会更倾向于选择贝塔系数较小、预期收益率相对稳定的资产，如国债等固定收益类产品；而风险偏好较高的投资者，则可能会选择贝塔系数较大、潜在收益较高的资产，如成长型股票，以追求更高的投资回报。2.1.2模型假设条件CAPM建立在一系列严格的假设条件之上，这些假设为模型的理论推导和数学表达提供了基础，使得模型能够简洁地描述资产预期收益率与风险之间的关系。然而，这些假设与现实金融市场存在一定的差异，对模型在实际应用中的有效性和准确性产生了影响。投资者理性且遵循均值-方差原则：CAPM假设所有投资者都是理性的，在投资决策过程中，他们仅仅关注投资组合的预期收益率和方差（或标准差，用于衡量风险），追求在给定风险水平下实现预期收益率最大化，或者在预期收益率一定的情况下使风险最小化。在现实金融市场中，投资者并非完全理性，行为金融学研究表明，投资者往往会受到认知偏差、情绪波动等因素的影响。过度自信偏差会导致投资者高估自己的投资能力和对市场的判断，从而做出不合理的投资决策；羊群效应使得投资者在投资时容易盲目跟随市场趋势，忽视自身对资产价值的独立判断。这些非理性行为使得投资者的决策并非完全基于均值-方差原则，与CAPM的假设存在较大出入。市场有效且无摩擦：该模型假定市场是完全有效的，所有资产的价格能够瞬间且充分地反映所有可用信息，不存在信息不对称的情况。同时，市场不存在任何摩擦，即不存在交易成本、税收，投资者可以自由地买卖资产，且买卖行为不会对资产价格产生影响。在现实市场中，信息传递存在时滞和成本，投资者获取信息的渠道和能力各不相同，导致信息不对称普遍存在。内幕交易就是信息不对称的一种极端表现，掌握内幕信息的投资者能够利用信息优势获取超额收益，这与市场有效假设相悖。交易成本和税收也是实际市场中不可忽视的因素，买卖股票需要支付佣金、印花税等费用，这些成本会直接影响投资者的实际收益，使得资产的实际收益率与CAPM模型计算的预期收益率产生偏差。投资者具有相同预期：CAPM假设所有投资者对资产的预期收益率、方差以及协方差等具有完全相同的主观估计，对市场的看法和投资决策完全一致。在现实中，不同投资者由于知识水平、投资经验、风险偏好、信息获取能力等方面的差异，对资产的预期和判断各不相同。专业的机构投资者凭借其强大的研究团队和丰富的经验，对资产的分析和预期可能更加准确和深入；而个人投资者可能因缺乏专业知识和信息，对资产的预期较为模糊和主观。这种预期的差异导致投资者在投资决策上存在分歧，使得市场交易更加复杂，与CAPM的假设不符。可以按无风险利率借贷且借贷数量不受限制：模型假设投资者能够以无风险利率自由借贷资金，并且借贷数量没有任何限制。在实际金融市场中，无风险利率并非普遍存在，即使存在，投资者的借贷能力也会受到诸多因素的制约，如信用状况、抵押资产、金融机构的信贷政策等。普通投资者很难以无风险利率获得大量贷款进行投资，银行在发放贷款时会对借款人的信用风险进行评估，根据评估结果确定贷款利率和贷款额度。这使得投资者在实际投资中无法完全按照CAPM假设的条件进行借贷操作，影响了模型在实际应用中的可行性。这些假设条件虽然在一定程度上简化了模型的构建和分析，但与现实金融市场的实际情况存在较大差距。在实际应用CAPM时，需要充分认识到这些假设与现实的差异，对模型的结果进行谨慎分析和合理调整，结合其他理论和方法，以更准确地评估资产价值和进行投资决策。2.2套利定价理论（APT）2.2.1APT理论内涵套利定价理论（ArbitragePricingTheory，APT）由斯蒂芬・罗斯（StephenRoss）于1976年提出，是现代金融学中资产定价领域的重要理论之一。该理论认为，资产的预期收益率不仅仅取决于市场组合这一个因素，而是受到多个宏观经济因子的共同影响。在无套利条件下，资产的价格将趋向于均衡状态，使得任何利用市场价格差异进行无风险套利的机会都将消失。APT的核心假设是，资产的收益率可以通过一个线性多因素模型来表示。其基本公式为：E(R_i)=R_f+\sum_{j=1}^{k}\beta_{ij}\lambda_j其中，E(R_i)表示资产i的期望收益率；R_f为无风险收益率，如同CAPM模型中的定义，它是投资者在不承担风险情况下可获得的基本收益，常以短期国债收益率等近似替代；\beta_{ij}是资产i对第j个因子的敏感度，反映了资产i的收益率对第j个因子变动的敏感程度，若\beta_{ij}较大，意味着第j个因子的微小变化会引起资产i收益率较大幅度的波动；\lambda_j是第j个因子的风险溢价，代表了投资者因承担第j个因子风险而要求获得的额外补偿，它体现了市场对该因子风险的定价，若市场对某一因子风险的担忧程度较高，那么该因子的风险溢价\lambda_j也会相应较高；k表示影响资产收益率的因子数量。该理论强调了无套利原则在资产定价中的关键作用。无套利原则认为，在一个有效的金融市场中，不存在可以让投资者在不承担风险的情况下获取收益的机会。如果市场上出现了这样的套利机会，投资者会迅速进行套利操作，买入价格被低估的资产，同时卖出价格被高估的资产。这种套利行为会导致资产价格的调整，使得价格回归到均衡水平，套利机会随之消失。假设存在两种资产A和B，它们在其他条件相同的情况下，仅因市场定价错误导致A的预期收益率明显高于B。投资者会大量买入A资产，卖出B资产，随着买卖行为的进行，A资产的价格会上升，预期收益率下降，B资产的价格会下降，预期收益率上升，最终两者的预期收益率趋于一致，套利机会消失。在APT的框架下，投资者可以通过构建套利组合来实现无风险套利。一个套利组合需要满足三个条件：零投资，即组合中各资产的投资权重之和为零，投资者无需额外投入资金；对所有风险因子的敏感度为零，这意味着组合的收益率不受风险因子变动的影响，能够有效规避系统性风险；具有正的预期收益率，投资者通过构建该组合能够获得正的收益。当市场中存在满足这三个条件的套利组合时，就表明市场处于非均衡状态，存在套利机会。与CAPM相比，APT的假设条件更为宽松，它不要求投资者具有相同的预期，也不依赖于市场组合的存在，并且对投资者的借贷能力和市场摩擦等没有严格限制。这使得APT在解释资产价格的形成机制时更具灵活性和现实意义，能够更好地适应复杂多变的金融市场环境。2.2.2因子选择与确定在应用套利定价理论（APT）时，因子的选择与确定是至关重要的环节，直接影响到模型的解释能力和预测准确性。因子选择的核心目标是找出那些对资产收益具有显著影响的宏观经济变量或市场因素，这些因子能够合理地解释资产收益率的波动。在选择因子时，通常基于经济理论和实证研究两个方面。从经济理论角度出发，一些被广泛认可的宏观经济因子包括通货膨胀率、国内生产总值（GDP）增长率、利率水平、失业率等。通货膨胀率的变化会直接影响企业的生产成本和消费者的购买力，进而影响企业的盈利水平和资产的价值。当通货膨胀率上升时，企业的原材料成本可能增加，产品价格可能因市场竞争无法同步提升，导致企业利润下降，股票等资产价格可能下跌；GDP增长率反映了宏观经济的整体增长态势，经济增长强劲时，企业的市场需求增加，盈利预期提高，资产价格往往上升，反之则可能下降；利率水平对资产价格有着重要的传导作用，利率上升会增加企业的融资成本，减少投资和消费，抑制经济增长，同时使得债券等固定收益类资产的吸引力增加，股票等风险资产的价格可能受到抑制；失业率则反映了劳动力市场的状况，失业率上升可能意味着经济不景气，企业经营困难，资产价格面临下行压力。实证研究也是确定因子的重要依据。通过对历史数据的分析，运用统计方法和计量经济学模型，可以筛选出与资产收益率具有显著相关性的变量作为因子。常用的统计方法包括主成分分析（PrincipalComponentsAnalysis，PCA）和因子分析（FactorAnalysis）。主成分分析可以将多个相关变量转化为少数几个互不相关的综合变量，即主成分，这些主成分能够解释原始变量的大部分信息。在分析股票收益率时，通过主成分分析可以将众多财务指标和市场变量转化为几个关键的主成分，这些主成分可能代表了不同的经济含义，如盈利能力、市场风险等，从而作为APT模型中的因子。因子分析则是从数据中提取潜在的公共因子，这些因子能够解释多个变量之间的相关性。利用因子分析对股票收益率数据进行处理，找出能够解释股票收益率波动的公共因子，如市场因子、行业因子等。在实际研究中，一些学者通过实证分析发现，除了上述宏观经济因子外，行业因素、公司规模、价值因子等也对资产收益有着重要影响。不同行业在经济周期中的表现差异较大，一些周期性行业，如钢铁、汽车等，在经济繁荣时期业绩表现较好，而在经济衰退时则面临较大压力，其资产价格波动与经济周期密切相关；非周期性行业，如食品饮料、医药等，受经济周期影响相对较小，资产价格相对稳定。公司规模因子表明，小市值公司的股票收益率往往高于大市值公司，这可能是由于小市值公司具有更高的成长性和潜在回报，但同时也伴随着更高的风险。价值因子则反映了股票的估值水平，低市盈率、低市净率等价值型股票在长期内可能具有较高的收益率。确定因子后，还需要对因子的有效性进行检验。可以通过回归分析等方法，检验因子与资产收益率之间的关系是否显著，以及模型的拟合优度和稳定性。如果因子与资产收益率之间的关系不显著，或者模型的拟合优度较低，说明因子的选择可能存在问题，需要重新筛选或调整因子。在构建APT模型时，还需要考虑因子之间的相关性，避免因子之间存在高度共线性，否则会导致模型参数估计不准确，影响模型的性能。2.3Fama-French多因子模型2.3.1三因子模型Fama-French三因子模型由尤金・法玛（EugeneF.Fama）和肯尼斯・弗伦奇（KennethR.French）于1993年提出，是在资本资产定价模型（CAPM）的基础上发展而来的一种多因子资产定价模型。该模型在CAPM的市场风险因子基础上，引入了市值（Size）因子和账面市值比（Book-to-MarketRatio，BM）因子，旨在更全面地解释股票收益率的变化。三因子模型的表达式为：E(R_{it})-R_{ft}=\alpha_i+\beta_{i1}[E(R_{mt})-R_{ft}]+\beta_{i2}SMB_t+\beta_{i3}HML_t+\epsilon_{it}其中，E(R_{it})表示股票i在t时期的预期收益率；R_{ft}是t时期的无风险收益率；\alpha_i为股票i的超额收益率，即实际收益率与模型预测收益率的差值，反映了模型无法解释的部分，也被称为“阿尔法”；\beta_{i1}是股票i对市场风险因子的敏感度，衡量了股票收益率对市场整体波动的敏感程度，类似于CAPM中的贝塔系数；[E(R_{mt})-R_{ft}]代表市场风险溢价，是市场组合的预期收益率与无风险收益率之差，体现了投资者因承担市场系统性风险而要求的额外回报；\beta_{i2}是股票i对市值因子（SMB，SmallMinusBig）的敏感度；SMB_t为市值因子，它是小市值股票组合收益率与大市值股票组合收益率的差值，反映了公司规模对股票收益率的影响。实证研究表明，在长期内，小市值公司的股票收益率往往高于大市值公司，这一现象被称为“小市值效应”，SMB因子正是为了捕捉这种效应而引入的。\beta_{i3}是股票i对账面市值比因子（HML，HighMinusLow）的敏感度；HML_t为账面市值比因子，是高账面市值比股票组合收益率与低账面市值比股票组合收益率的差值，用于衡量公司的价值属性对股票收益率的影响。账面市值比高的公司通常被认为是价值型公司，这类公司的股票价格相对其账面价值较低，可能具有较高的潜在投资价值；而账面市值比低的公司则多为成长型公司，股票价格相对较高，市场对其未来增长预期较为乐观。HML因子的引入旨在解释价值型股票和成长型股票在收益率上的差异。\epsilon_{it}是随机误差项，代表了其他未被模型考虑的因素对股票收益率的影响。Fama-French三因子模型通过引入市值因子和账面市值比因子，增强了对股票收益率的解释能力。与CAPM相比，它能够更好地解释一些市场异象，如小市值效应和价值效应。在实际投资中，投资者可以利用三因子模型对股票进行定价和评估，根据不同股票对各个因子的敏感度，构建投资组合，以实现风险和收益的优化配置。若投资者认为未来小市值股票和价值型股票具有较好的表现，可以适当增加对这两类股票的投资权重，构建一个包含较多小市值和高账面市值比股票的投资组合。通过这种方式，投资者可以更有针对性地进行投资决策，提高投资组合的收益水平。2.3.2五因子模型在三因子模型的基础上，Fama和French于2015年进一步提出了五因子模型，该模型在原有的市场风险因子、市值因子和账面市值比因子的基础上，新增了盈利能力（Profitability）因子和投资（Investment）因子，旨在进一步提升对资产定价的解释能力，使其能够更全面地反映金融市场中资产收益率的变化规律。五因子模型的表达式为：E(R_{it})-R_{ft}=\alpha_i+\beta_{i1}[E(R_{mt})-R_{ft}]+\beta_{i2}SMB_t+\beta_{i3}HML_t+\beta_{i4}RMW_t+\beta_{i5}CMA_t+\epsilon_{it}其中，E(R_{it})、R_{ft}、\alpha_i、\beta_{i1}、[E(R_{mt})-R_{ft}]、\beta_{i2}、SMB_t、\beta_{i3}、HML_t和\epsilon_{it}的含义与三因子模型中一致。新引入的\beta_{i4}是股票i对盈利能力因子（RMW，RobustMinusWeak）的敏感度；RMW_t为盈利能力因子，它是高盈利能力公司股票组合收益率与低盈利能力公司股票组合收益率的差值。盈利能力通常用营业利润率等指标来衡量，高盈利能力的公司往往具有更强的竞争力和更稳定的现金流，其股票在市场上可能获得更高的收益率。\beta_{i5}是股票i对投资因子（CMA，ConservativeMinusAggressive）的敏感度；CMA_t为投资因子，是低投资水平公司股票组合收益率与高投资水平公司股票组合收益率的差值。投资水平可以通过公司的资产增长率等指标来衡量，低投资水平的公司可能更注重内部积累和稳健发展，其股票表现可能优于高投资水平的公司，因为高投资水平的公司可能存在过度投资的风险，导致资金使用效率低下，影响公司的盈利能力和股票价值。在不同市场环境下，五因子模型对资产定价发挥着重要作用。在经济繁荣时期，市场整体风险偏好较高，投资者更关注公司的成长潜力和盈利能力。此时，盈利能力因子和投资因子可能对资产定价产生较大影响。高盈利能力的公司能够吸引更多投资者的关注，其股票价格可能会因市场的乐观预期而上涨；而低投资水平且盈利能力稳定的公司，可能因其稳健的经营策略而受到投资者青睐。在经济衰退时期，市场风险偏好下降，投资者更倾向于选择风险较低、业绩稳定的资产。市值因子和账面市值比因子的作用可能更为突出，小市值公司和价值型公司的股票在经济衰退时可能表现出更强的抗跌性，因为它们的资产负债表相对稳健，受宏观经济波动的影响较小。五因子模型在实际应用中也面临一些挑战。因子的定义和计算方法可能存在多种选择，不同的定义和计算方法可能导致模型结果的差异。市场环境是动态变化的，因子的有效性和影响力也可能随时间而改变，这就要求投资者和研究者不断对模型进行调整和优化，以适应市场的变化。在新兴市场中，由于市场制度、投资者结构等因素与成熟市场存在差异，五因子模型的适用性可能需要进一步验证和调整。新兴市场可能存在信息不对称程度较高、市场波动较大等特点，这些因素可能影响因子对资产收益率的解释能力。三、货币因素对资产定价的理论影响3.1货币供应量与资产价格关系3.1.1理论传导机制货币供应量作为货币政策的重要中介目标，对资产价格有着广泛而深刻的影响，其影响主要通过利率、通货膨胀等因素构成的传导路径来实现。货币供应量与利率之间存在着紧密的负相关关系。当中央银行通过公开市场操作、调整法定存款准备金率或再贴现率等货币政策工具增加货币供应量时，市场上的货币资金供给增加，资金的充裕使得资金的使用成本降低，即利率下降。这一过程在金融市场中表现为债券市场和信贷市场的变化。在债券市场，货币供应量的增加使得投资者手中的资金增多，对债券的需求上升，债券价格上涨，而债券价格与收益率呈反向变动关系，从而导致债券收益率下降，而债券收益率通常作为市场利率的重要参考指标，进而带动市场整体利率水平下行；在信贷市场，银行可贷资金增加，为了吸引借款人，银行会降低贷款利率，企业和个人的融资成本随之降低。利率作为资产定价的关键因素，其变动对各类资产价格产生重要影响。根据资产定价的基本原理，资产的价格等于其未来预期现金流的现值之和，而折现率通常与市场利率相关。当利率下降时，资产未来现金流的现值增加，从而导致资产价格上升。对于股票资产而言，利率下降使得企业的融资成本降低，企业的投资意愿增强，盈利能力可能提高，未来预期现金流增加，股票的内在价值上升，股票价格随之上涨；对于房地产等固定资产，较低的利率使得购房者的贷款成本降低，购房需求增加，推动房地产价格上升。货币供应量的变化还会通过通货膨胀预期对资产价格产生影响。当货币供应量持续快速增长时，市场上货币过多，超过了实体经济的实际需求，可能引发通货膨胀预期。消费者和投资者预期未来物价将上涨，会调整自己的消费和投资行为。在消费方面，消费者会提前购买商品和服务，以避免未来价格上涨带来的损失，这将增加对商品和服务的需求，推动物价进一步上涨；在投资方面，投资者会寻求能够抵御通货膨胀的资产，如股票、房地产、黄金等。对于股票市场，企业可能通过提高产品价格来应对通货膨胀，其营业收入和利润可能增加，股票价格有望上升；房地产作为一种实物资产，具有保值增值的特性，在通货膨胀预期下，投资者会增加对房地产的投资，推动房地产价格上涨；黄金作为传统的保值资产，在通货膨胀时期，其价值相对稳定，能够有效抵御货币贬值，投资者对黄金的需求也会增加，导致黄金价格上升。货币供应量还可能通过投资者的资产配置行为对资产价格产生影响。当货币供应量增加时，投资者手中的财富增加，根据资产组合理论，投资者会调整自己的资产配置，将资金从低风险、低收益的资产（如现金、债券）转移到高风险、高收益的资产（如股票、房地产），以追求更高的投资回报。这种资产配置的调整会导致股票、房地产等资产的需求增加，价格上升。当投资者预期货币供应量将持续宽松时，会减少现金和债券的持有，增加股票和房地产的投资，从而推动股票和房地产市场的繁荣。货币供应量通过利率、通货膨胀预期和投资者资产配置行为等因素构成的传导路径，对资产价格产生复杂而深刻的影响。这些传导路径相互交织、相互作用，共同影响着金融市场中各类资产价格的波动。3.1.2实证研究证据众多实证研究为货币供应量与资产价格之间的关系提供了有力的证据支持，并且揭示了在不同市场环境下二者关系的表现差异。在股票市场领域，诸多学者通过实证分析发现货币供应量与股票价格之间存在着显著的相关性。M.Friedman（1988）对美国市场的研究表明，货币供应或货币流通速度对股市价格波动有较强的解释力。他通过构建计量经济模型，分析了美国历史上货币供应量与股票价格的时间序列数据，发现货币供应量的变化能够在一定程度上解释股票价格的波动，当货币供应量增加时，股票价格往往呈现上升趋势。Dayananda和Wen-YaoKo（1996）对我国台湾地区的研究表明，股价收益率与货币供应量之间呈正向相关，尽管在统计意义上显著性并不强。他们运用时间序列分析方法，对台湾地区的货币供应量和股票市场数据进行了深入研究，结果显示货币供应量的增长会对股票价格产生一定的正向推动作用。国内学者在相关研究中也得出了类似的结论。以中国股票市场为例，通过对历史数据的实证分析发现，在宽松货币政策时期，货币供应量大幅增加，市场流动性充裕，股票市场往往呈现出牛市行情，股票价格普遍上涨；而在紧缩货币政策时期，货币供应量减少，市场资金紧张，股票价格则可能面临下行压力。在2008年全球金融危机后，中国实施了积极的货币政策，货币供应量快速增长，A股市场在随后的一段时间内出现了明显的上涨行情。然而，货币供应量对股票价格的影响并非是简单的线性关系，还受到市场预期、宏观经济形势、行业特征等多种因素的干扰。在经济衰退时期，即使货币供应量增加，由于企业盈利预期不佳，股票价格可能并不会显著上涨。在房地产市场方面，实证研究同样证实了货币供应量与房地产价格之间的密切联系。任碧云、梁垂芳（2011）基于1978-2009年中国经验数据的分析发现，货币供应量对房屋销售价格指数具有显著影响。他们运用计量经济学方法，对货币供应量和房地产价格数据进行回归分析，结果表明货币供应量的增加会推动房地产价格上涨。从实际市场情况来看，当货币供应量宽松时，房地产开发商的融资成本降低，信贷规模扩大，能够进行更多的房地产项目开发；同时，购房者的贷款条件也更为宽松，购房需求增加，供需两方面的因素共同推动房地产价格上升。在一些热点城市，如北京、上海等地，当货币政策宽松，货币供应量增加时，房地产市场往往异常火爆，房价持续攀升。然而，房地产市场还受到土地政策、人口因素、城市规划等多种因素的影响，使得货币供应量与房地产价格之间的关系变得更为复杂。在一些城市，由于土地供应紧张，即使货币供应量增加，房价的上涨幅度也可能受到限制。在不同市场中，货币供应量对资产价格的影响存在一定的差异。股票市场对货币供应量变化的反应较为灵敏，价格波动较为频繁和剧烈，因为股票市场交易活跃，信息传播迅速，投资者对市场变化的反应较快。而房地产市场由于其交易成本较高、交易周期较长等特点，对货币供应量变化的反应相对滞后，但一旦价格趋势形成，往往具有较强的持续性。债券市场与货币供应量的关系则更为直接，主要通过利率渠道传导，货币供应量的变化直接影响债券市场的供求关系和利率水平，进而影响债券价格。综上所述，实证研究充分表明货币供应量与资产价格之间存在显著的相关性，且在不同市场中表现出不同的特点。这些研究结果为投资者、金融机构和监管部门在制定投资决策、金融政策和市场监管措施时提供了重要的参考依据。3.2利率变动对资产定价的作用3.2.1利率对资产折现率的影响利率在资产定价中扮演着至关重要的角色，作为折现率，它直接影响着资产未来现金流现值的计算，进而决定资产的定价。在金融领域，资产定价的基本原理是将资产未来预期产生的现金流按照一定的折现率进行折现，得到的现值即为资产的当前价值。而利率通常被用作折现率的重要参考指标，这是因为利率反映了资金的时间价值和投资的机会成本。当利率上升时，意味着资金的使用成本增加，投资者要求的回报率也相应提高。在计算资产未来现金流现值时，较高的折现率会使未来现金流的现值降低。对于一项固定收益资产，如债券，假设其每年支付固定的利息，并在到期时偿还本金。若市场利率上升，新发行的债券会提供更高的票面利率以吸引投资者，那么已发行的该债券在市场上的吸引力就会下降，因为其固定的利息支付相对新债券变得不那么有竞争力。从现值计算角度看，根据债券现值计算公式P=\frac{C}{(1+r)^1}+\frac{C}{(1+r)^2}+\cdots+\frac{C+F}{(1+r)^n}（其中P为债券现值，C为每年利息支付，r为折现率即市场利率，F为债券面值，n为债券剩余期限），当r增大时，债券现值P会减小，债券价格下跌。对于股票资产而言，利率上升同样会对其定价产生负面影响。股票的价值主要取决于公司未来的盈利预期和现金流。利率上升时，企业的融资成本增加，这可能导致企业减少投资、降低生产规模，进而影响企业的盈利能力和未来现金流。投资者在对股票进行估值时，会使用更高的折现率来折现未来现金流，这使得股票的内在价值下降，股票价格面临下行压力。当市场利率上升时，企业贷款成本提高，新项目投资的净现值可能因折现率升高而变为负数，企业可能会放弃一些投资机会，导致未来盈利增长放缓，股票价格下跌。相反，当利率下降时，资金的使用成本降低，投资者要求的回报率也随之降低。在这种情况下，较低的折现率会使资产未来现金流的现值增加，从而导致资产价格上升。债券价格会因利率下降而上涨，因为较低的利率使得债券的固定利息支付变得更有价值；股票资产方面，企业融资成本降低，投资意愿增强，未来盈利预期可能提高，同时投资者使用较低的折现率对股票未来现金流进行折现，股票的内在价值上升，股票价格上涨。在经济衰退时期，中央银行通常会降低利率以刺激经济增长，此时债券市场价格上涨，股票市场也往往会因企业盈利预期改善和资金成本降低而出现上涨行情。利率作为折现率对资产未来现金流现值有着直接且显著的影响，利率的变动会通过改变资产未来现金流现值，进而对资产定价产生重要作用，是资产定价过程中不可忽视的关键因素。3.2.2利率与资产收益率的关系利率变动与资产收益率之间存在着紧密而复杂的关系，这种关系在不同类型的资产中表现出各自独特的特点。在债券市场中，利率与债券收益率呈现出明显的反向关系。债券的收益率主要由票面利率、市场价格以及持有期限等因素决定。当市场利率上升时，新发行的债券为了吸引投资者，会提高票面利率，使得债券的收益率上升。而对于已发行的债券，由于其票面利率是固定的，市场利率上升会导致债券价格下跌，根据债券收益率的计算公式收益率=\frac{利息+（面值-è´­ä¹°ä»·æ

¼ï¼‰}{è´­ä¹°ä»·æ

¼\times持有期限}，债券价格下跌会使得分母变小，在利息和面值不变的情况下，债券收益率上升，即市场利率上升导致债券价格下降，债券收益率上升。当市场利率从3%上升到4%时，新发行的债券票面利率可能会提高到4%，而此前票面利率为3%的已发行债券价格会下跌，假设该债券面值为100元，购买价格为95元，每年利息为3元，持有期限为1年，原本的收益率为\frac{3+(100-95)}{95\times1}\approx8.42\%，在市场利率上升后，债券价格可能下跌到90元，此时收益率变为\frac{3+(100-90)}{90\times1}\approx14.44\%。在股票市场中，利率与股票收益率的关系相对更为复杂，总体上呈现出反向关系，但受到多种因素的影响。当利率上升时，一方面，企业的融资成本增加，这会压缩企业的利润空间，导致企业的盈利能力下降，从而使得股票的预期收益率降低。企业贷款成本上升，可能会减少投资和生产规模，影响企业的营收和利润，投资者对股票的预期收益也会随之降低。另一方面，利率上升会使得债券等固定收益类资产的吸引力增加，投资者会将资金从股票市场转移到债券市场，导致股票市场的资金流出，股票价格下跌，股票收益率下降。当市场利率上升时，债券的相对收益提高，投资者会卖出股票，买入债券，股票价格下跌，股票收益率下降。然而，股票市场还受到企业盈利状况、行业发展前景、市场情绪等多种因素的影响，这些因素可能会削弱或改变利率与股票收益率之间的反向关系。在经济增长强劲、企业盈利快速增长的时期，即使利率有所上升，股票的收益率仍可能保持较高水平。对于房地产市场，利率与房地产收益率也存在着密切的联系。房地产投资的收益率主要来自租金收入和房产增值。当利率上升时，购房者的贷款成本增加，购房需求可能会受到抑制，房地产价格上涨的动力减弱，甚至可能出现下跌，从而导致房地产投资的收益率下降。利率上升还会增加房地产开发商的融资成本，开发商可能会提高房价以转嫁成本，这进一步抑制购房需求，影响房地产的收益率。当贷款利率上升时，购房者每月还款额增加，购房意愿下降，房地产市场需求减少，房价可能下跌，房地产投资收益率降低。相反，当利率下降时，购房成本降低，购房需求增加，房地产价格可能上涨，房地产投资的收益率有望提高。利率变动与资产收益率之间存在着紧密的关系，不同资产受利率影响的特点各异。在金融市场投资和资产定价过程中，准确把握利率与资产收益率之间的关系，对于投资者制定合理的投资策略、金融机构进行资产定价和风险管理以及监管部门实施有效的宏观调控都具有重要的意义。3.3通货膨胀与资产定价的关联3.3.1通货膨胀对资产价值的侵蚀通货膨胀作为宏观经济运行中的重要现象，对资产价值具有显著的侵蚀作用。在通货膨胀环境下，物价普遍持续上涨，货币的实际购买力不断下降。这使得资产的名义价值虽然可能保持不变甚至有所上升，但实际价值却因货币贬值而降低。从资产定价的角度来看，投资者在评估资产价值时，需要充分考虑通货膨胀因素对资产未来现金流的影响。以债券投资为例，债券通常按照固定的票面利率支付利息，并在到期时偿还本金。在通货膨胀上升时，固定的利息支付和本金偿还的实际购买力下降，投资者所获得的现金流的实际价值降低。假设投资者购买了一张票面利率为5%的债券，每年获得固定利息收入50元（假设债券面值为1000元）。如果当年通货膨胀率为3%，那么该债券利息收入的实际购买力在扣除通货膨胀因素后仅相当于48.54元（50÷(1+3%)），债券的实际价值下降。这种实际价值的下降会导致投资者对债券的需求减少，债券价格下跌，以使得债券的实际收益率能够补偿通货膨胀带来的损失。对于股票资产，通货膨胀对其价值的影响更为复杂。一方面，通货膨胀可能导致企业生产成本上升，如原材料价格上涨、劳动力成本增加等。这会压缩企业的利润空间，使得企业未来的盈利预期下降，股票的内在价值降低。当通货膨胀率较高时，企业采购原材料的成本大幅增加，而产品价格可能因市场竞争等因素无法同步提高，导致企业利润减少，股票价格可能下跌。另一方面，通货膨胀也可能促使企业提高产品价格，从而增加营业收入和利润。一些具有较强定价能力的企业，能够将成本上涨的压力转嫁给消费者，通过提高产品价格来维持或增加利润，股票价格可能会上涨。然而，通货膨胀对企业的影响并非单一的，还受到行业竞争格局、企业市场地位、产品需求弹性等多种因素的制约。在竞争激烈的行业中，企业很难通过提高价格来应对通货膨胀，利润可能受到更大的冲击。在房地产市场，通货膨胀同样会对资产价值产生影响。虽然房地产通常被认为是一种抗通胀资产，但在通货膨胀初期，房地产市场可能会受到一定的冲击。随着通货膨胀的加剧，物价上涨，居民的购房成本增加，购房需求可能受到抑制，房地产价格的上涨速度可能放缓甚至出现下跌。但从长期来看，随着通货膨胀的持续，房地产作为一种实物资产，其价值往往会随着物价的上涨而上升。房地产的租金收入也可能随着通货膨胀而增加，从而提高房地产投资的实际收益。在高通货膨胀时期，租金水平可能会相应提高，投资者的租金收入增加，房地产的投资价值提升。为了应对通货膨胀对资产价值的侵蚀，投资者在资产定价过程中通常会采取一些调整策略。投资者会要求更高的收益率来补偿通货膨胀带来的风险，即提高资产定价模型中的折现率。在计算股票或债券的价值时，将通货膨胀因素纳入折现率的考虑，使得未来现金流的现值能够更准确地反映资产的实际价值。投资者会选择一些具有抗通胀属性的资产进行投资，如黄金、房地产、大宗商品等，以降低通货膨胀对资产组合的影响。3.3.2抗通胀资产的定价特征在通货膨胀环境下，一些资产因其独特的属性而具有较好的抗通胀能力，这些资产在定价上表现出与其他资产不同的特征。黄金作为一种传统的抗通胀资产，具有特殊的定价特点。黄金的价值相对稳定，其价格主要受到全球经济形势、地缘政治、货币政策以及市场供需关系等多种因素的综合影响。在通货膨胀时期，由于货币的购买力下降，投资者往往会将资金转向黄金，以寻求资产的保值增值，从而推动黄金价格上涨。当通货膨胀率上升时，投资者对黄金的需求增加，黄金的市场价格通常会随之上升。黄金价格还与美元汇率密切相关，因为黄金是以美元计价的。当美元贬值时，以其他货币计价的黄金价格相对降低，会吸引更多投资者购买黄金，进一步推动黄金价格上涨。在全球经济不稳定或地缘政治紧张时期，投资者的避险情绪上升，对黄金的需求也会大幅增加，导致黄金价格波动加剧。房地产也是一种常见的抗通胀资产，其定价具有一定的复杂性。房地产的价值不仅取决于房屋本身的建筑成本和地理位置，还受到市场供需关系、土地政策、人口因素以及宏观经济环境等多种因素的影响。在通货膨胀环境下，房地产的定价主要呈现出以下特点：一方面，随着物价上涨，房地产的建筑成本、土地成本等都会相应增加，推动房地产价格上升。建筑材料价格上涨、劳动力成本提高，使得新建房屋的成本增加，房地产开发商为了保证利润，会提高房屋售价。另一方面，通货膨胀会导致货币贬值，投资者为了实现资产的保值增值，会增加对房地产的投资需求，从而推动房地产价格上涨。在一些大城市，由于人口持续流入，住房需求旺盛，在通货膨胀时期，房地产价格往往会快速上涨。房地产的租金收入也会随着通货膨胀而增加，这也为房地产的定价提供了支撑。房东可以根据通货膨胀情况提高租金水平，使得房地产投资的收益更加稳定。大宗商品作为抗通胀资产的一类，其定价与商品的供求关系以及全球经济形势密切相关。大宗商品包括能源（如石油、天然气）、金属（如铜、铝）、农产品（如小麦、玉米）等。在通货膨胀时期，由于需求增加或供应减少，大宗商品价格往往会上涨。当经济增长强劲，对能源和原材料的需求增加，而供应相对不足时，大宗商品价格会上升。石油作为重要的能源商品，其价格在通货膨胀时期可能会受到多种因素的影响，如地缘政治冲突导致石油供应中断，会引发石油价格大幅上涨。农产品价格则受到气候、种植面积、全球粮食需求等因素的影响。在通货膨胀时期，农产品价格可能因生产成本上升、需求增加等原因而上涨。投资者可以通过投资大宗商品期货、大宗商品相关的股票或基金等方式参与大宗商品市场，以实现抗通胀的目的。这些抗通胀资产在定价上具有各自独特的特征，投资者在进行资产配置时，需要充分了解这些资产的定价特点和影响因素，根据自身的投资目标、风险承受能力和市场情况，合理配置抗通胀资产，以有效应对通货膨胀对资产价值的影响，实现资产的保值增值。四、基于货币视角的资产定价模型实证检验4.1数据选取与处理4.1.1样本数据来源本研究为全面且精准地检验基于货币视角的资产定价模型，选取了涵盖股票、债券等多种资产类别的数据。这些数据主要来源于多个权威且专业的金融数据库以及证券交易所，以确保数据的可靠性、完整性和代表性。在股票数据方面，主要从万得（Wind）金融终端获取。万得金融终端是国内金融市场数据领域的领先平台，提供了全球范围内丰富的金融数据，包括股票的历史交易数据、公司财务数据、宏观经济数据等。本研究从中获取了沪深300指数成分股的每日收盘价、成交量、分红派息等详细信息，时间跨度设定为2010年1月1日至2020年12月31日。沪深300指数由上海和深圳证券市场中市值大、流动性好的300只A股作为样本编制而成，能够综合反映中国A股市场上市股票价格的整体表现，具有广泛的市场代表性。通过选取该指数成分股数据，可以较好地代表中国股票市场的整体情况，为研究基于货币视角的股票定价模型提供坚实的数据基础。债券数据则主要取自彭博（Bloomberg）数据库。彭博作为全球知名的金融信息和技术公司，其数据库提供了全球金融市场的实时数据和历史数据，以及对金融市场的深度分析。本研究从彭博数据库获取了中国国债、企业债等不同类型债券的收益率曲线、票面利率、到期期限等关键数据，时间范围同样为2010-2020年。国债作为国家信用的体现，其收益率是债券市场的重要基准；企业债则反映了不同企业的信用风险和融资成本。通过获取这两类债券的数据，可以全面分析债券市场在货币因素影响下的定价情况。货币相关数据主要来源于中国人民银行官方网站以及国际货币基金组织（IMF）数据库。中国人民银行官网提供了国内货币供应量（M0、M1、M2）、利率（如一年期存款利率、国债收益率等）、通货膨胀率（居民消费价格指数CPI）等重要货币数据。国际货币基金组织数据库则补充了全球宏观经济数据以及其他国家的货币相关数据，为研究货币因素在国际间的传导以及对资产定价的影响提供了更广阔的视角。4.1.2数据处理方法在获取样本数据后，为确保数据质量和一致性，使其符合实证研究的要求，进行了一系列严谨的数据处理步骤，主要包括数据清洗、调整和计算收益率等关键环节。数据清洗是数据处理的首要任务，旨在去除数据中的噪声和异常值，保证数据的准确性和可靠性。利用统计方法对股票价格和成交量数据进行异常值检测。对于股票价格，若某一交易日的收盘价与前一交易日相比，涨跌幅度超过一定阈值（如10%），且该波动与市场整体走势和公司基本面变化不相符，则将该数据点视为异常值。对于成交量，若某一交易日的成交量远高于或低于其历史均值，且没有明显的市场事件或公司公告作为支撑，也将其标记为异常值。对于异常值的处理，采用均值替代法或插值法进行修正。若某只股票某一交易日的收盘价被判定为异常值，可根据该股票过去一段时间（如过去10个交易日）的平均收盘价进行替代；对于成交量异常值，可采用线性插值法，根据前后交易日的成交量进行插值计算，以得到合理的成交量数据。数据调整主要针对不同数据源的数据格式和统计口径差异进行统一处理，确保数据的一致性。在股票数据中，不同数据库对于股票分红派息的记录方式可能存在差异，有些数据库记录的是分红金额，而有些记录的是分红比例。为统一数据口径，将所有分红数据转换为分红比例进行处理。若某只股票在某一年度分红金额为每股0.5元，当时的股价为10元，则将其分红比例计算为5%。对于债券数据，不同债券的票面利率计算方式和付息频率也各不相同，需要将其统一调整为年化收益率进行比较和分析。对于票面利率为半年付息一次的债券，将其半年付息利率年化后与其他债券的年化收益率进行对比，以准确反映不同债券的收益水平。在数据清洗和调整完成后，计算各类资产的收益率是构建资产定价模型的关键步骤。对于股票，采用对数收益率计算方法，公式为：R_{it}=\ln\left(\frac{P_{it}}{P_{i,t-1}}\right)其中，R_{it}表示股票i在t时期的对数收益率，P_{it}为股票i在t时期的收盘价，P_{i,t-1}为股票i在t-1时期的收盘价。对数收益率具有良好的数学性质，能够更准确地反映股票价格的连续变化，且在统计分析和模型构建中具有诸多优势。对于债券，根据债券的现金流特点和交易价格，计算其持有期收益率。对于固定利率债券，假设债券面值为F，票面利率为r，购买价格为P_0，持有期限为n期，期间收到的利息为C，则持有期收益率R的计算公式为：R=\frac{F+\sum_{i=1}^{n}C-P_0}{P_0}若投资者购买了一张面值为100元、票面利率为4%、期限为3年的债券，购买价格为98元，每年付息一次，则每年收到的利息C=100\times4\%=4元，3年后收到本金100元，持有期收益率R=\frac{100+4\times3-98}{98}\approx14.29\%。对于货币相关数据，根据研究需要进行相应的计算和转换。对于货币供应量，计算其同比增长率，以反映货币供应量的变化趋势，公式为：M_{t}^{g}=\frac{M_{t}-M_{t-12}}{M_{t-12}}\times100\%其中，M_{t}^{g}表示t时期货币供应量的同比增长率，M_{t}为t时期的货币供应量，M_{t-12}为t-12时期的货币供应量。对于通货膨胀率，直接使用居民消费价格指数（CPI）的同比增长率来衡量，它反映了物价水平的变化情况，是衡量通货膨胀的重要指标。通过以上数据处理方法，确保了数据的质量和一致性，为后续基于货币视角的资产定价模型实证检验提供了可靠的数据基础。4.2模型设定与估计4.2.1传统资产定价模型设定在资产定价领域，传统资产定价模型如资本资产定价模型（CAPM）、套利定价理论（APT）以及Fama-French模型等，为理解资产价格的形成机制提供了重要的理论框架。这些模型在金融市场的投资决策、风险评估等方面发挥着关键作用。CAPM作为现代金融学中最为经典的资产定价模型之一，其核心在于揭示资产的预期收益率与系统性风险之间的紧密联系。其具体设定形式为：E(R_i)=R_f+\beta_i[E(R_m)-R_f]其中，E(R_i)代表资产i的期望收益率，它反映了投资者在持有资产i时预期能够获得的回报水平；R_f表示无风险收益率，在实际应用中，通常以短期国库券等几乎不存在违约风险的资产收益率作为代表，它为整个资本市场提供了一个基准收益水平；\beta_i是资产i相对于市场组合的贝塔系数（Betacoefficient），是衡量资产系统性风险的关键指标，深刻反映了资产i的收益率对市场组合收益率变动的敏感程度；E(R_m)表示市场组合的期望收益率，它是市场中所有风险资产按照各自市值加权平均后所形成的组合的预期收益率，代表了整个市场的平均收益水平；[E(R_m)-R_f]被称为市场风险溢价，它体现了投资者因承担市场系统性风险而要求获得的额外补偿。APT则从另一个角度对资产定价进行了阐释，认为资产的预期收益率不仅仅取决于市场组合这一个因素，而是受到多个宏观经济因子的共同影响。其模型设定为：E(R_i)=R_f+\sum_{j=1}^{k}\beta_{ij}\lambda_j其中，E(R_i)表示资产i的期望收益率；R_f为无风险收益率；\beta_{ij}是资产i对第j个因子的敏感度，反映了资产i的收益率对第j个因子变动的敏感程度；\lambda_j是第j个因子的风险溢价，代表了投资者因承担第j个因子风险而要求获得的额外补偿；k表示影响资产收益率的因子数量。Fama-French模型在CAPM的基础上进行了拓展，引入了市值（Size）因子和账面市值比（Book-to-MarketRatio，BM）因子，以更全面地解释股票收益率的变化。其中，三因子模型的表达式为：E(R_{it})-R_{ft}=\alpha_i+\beta_{i1}[E(R_{mt})-R_{ft}]+\beta_{i2}SMB_t+\beta_{i3}HML_t+\epsilon_{it}其中，E(R_{it})表示股票i在t时期的预期收益率；R_{ft}是t时期的无风险收益率；\alpha_i为股票i的超额收益率，即实际收益率与模型预测收益率的差值，反映了模型无法解释的部分；\beta_{i1}是股票i对市场风险因子的敏感度；[E(R_{mt})-R_{ft}]代表市场风险溢价；\beta_{i2}是股票i对市值因子（SMB，SmallMinusBig）的敏感度；SMB_t为市值因子，它是小市值股票组合收益率与大市值股票组合收益率的差值；\beta_{i3}是股票i对账面市值比因子（HML，HighMinusLow）的敏感度；HML_t为账面市值比因子，是高账面市值比股票组合收益率与低账面市值比股票组合收益率的差值；\epsilon_{it}是随机误差项。五因子模型在三因子模型的基础上，新增了盈利能力（Profitability）因子和投资（Investment）因子，进一步提升了对资产定价的解释能力。其表达式为：E(R_{it})-R_{ft}=\alpha_i+\beta_{i1}[E(R_{mt})-R_{ft}]+\beta_{i2}SMB_t+\beta_{i3}HML_t+\beta_{i4}RMW_t+\beta_{i5}CMA_t+\epsilon_{it}其中，E(R_{it})、R_{ft}、\alpha_i、\beta_{i1}、[E(R_{mt})-R_{ft}]、\beta_{i2}、SMB_t、\beta_{i3}、HML_t和\epsilon_{it}的含义与三因子模型中一致。新引入的\beta_{i4}是股票i对盈利能力因子（RMW，RobustMinusWeak）的敏感度；RMW_t为盈利能力因子，它是高盈利能力公司股票组合收益率与低盈利能力公司股票组合收益率的差值；\beta_{i5}是股票i对投资因子（CMA，ConservativeMinusAggressive）的敏感度；CMA_t为投资因子，是低投资水平公司股票组合收益率与高投资水平公司股票组合收益率的差值。4.2.2加入货币变量的模型改进随着货币经济的发展，货币因素对资产定价的影响日益显著，传统资产定价模型在解释资产价格波动时逐渐显现出局限性。为了更准确地反映货币因素对资产定价的作用，有必要对传统模型进行改进，将货币供应量、利率等关键货币变量纳入模型之中。在CAPM的基础上，考虑货币供应量（M2）和利率（r）对资产定价的影响，可以构建如下改进模型：E(R_i)=R_f+\beta_i[E(R_m)-R_f]+\gamma_1\DeltaM2+\gamma_2\Deltar其中，\DeltaM2表示货币供应量的变化率，\gamma_1衡量了资产收益率对货币供应量变化的敏感程度。当货币供应量增加时，市场上的资金充裕，可能会推动资产价格上升，\gamma_1为正值；反之，当货币供应量减少时，资产价格可能受到抑制，\gamma_1为负值。\Deltar表示利率的变化，\gamma_2反映了资产收益率对利率变动的敏感程度。利率上升时，资产的折现率提高，资产价格可能下降，\gamma_2为负值；利率下降时，资产价格可能上升，\gamma_2为正值。对于APT模型，可根据货币经济理论和实证研究结果，选取合适的货币变量作为影响资产收益率的因子。可以将通货膨胀率（\pi）作为一个新的因子纳入模型，改进后的APT模型为：E(R_i)=R_f+\sum_{j=1}^{k}\beta_{ij}\lambda_j+\beta_{i,k+1}\lambda_{k+1}其中，\beta_{i,k+1}是资产i对通货膨胀率因子的敏感度，\lambda_{k+1}是通货膨胀率因子的风险溢价。通货膨胀率的变化会影响资产的实际收益率和投资者的预期，当通货膨胀率上升时，投资者可能要求更高的收益率来补偿货币贬值的风险，从而影响资产价格。在Fama-French五因子模型中，加入货币变量以改进模型对资产定价的解释能力。考虑到货币供应量和利率对不同规模和价值属性公司的影响可能存在差异，可以在模型中引入货币供应量与市值因子的交互项（M2\timesSMB）以及利率与账面市值比因子的交互项（r\timesHML）。改进后的五因子模型为：E(R_{it})-R_{ft}=\alpha_i+\beta_{i1}[E(R_{mt})-R_{ft}]+\beta_{i2}SMB_t+\beta_{i3}HML_t+\beta_{i4}RMW_t+\beta_{i5}CMA_t+\delta_1(M2\timesSMB)_t+\delta_2(r\timesHML)_t+\epsilon_{it}其中，\delta_1和\delta_2分别衡量了货币供应量与市值因子交互作用以及利率与账面市值比因子交互作用对股票收益率的影响。当货币供应量增加时，小市值公司可能更容易获得资金支持，其股票收益率的变化可能与大市值公司不同，通过交互项M2\timesSMB可以捕捉这种差异；利率变动对价值型和成长型公司的影响也可能不同，交互项r\timesHML有助于解释这种现象。通过将货币变量纳入传统资产定价模型，能够更全面地考虑货币经济发展对资产定价的影响，提升模型对资产价格波动的解释能力和预测准确性。4.2.3模型估计方法选择在完成模型设定后，选择合适的模型估计方法是确保模型准确性和可靠性的关键环节。本研究主要运用回归分析、时间序列分析等方法对模型参数进行估计，每种方法都有其独特的优势和适用场景，基于模型特点和数据特征进行合理选择。回归分析是一种广泛应用于计量经济学的方法，在资产定价模型估计中具有重要地位。对于线性回归模型，如改进后的CAPM模型，运用普通最小二乘法（OLS）进行参数估计。OLS的原理是通过最小化残差平方和来确定模型参数，使得模型预测值与实际观测值之间的误差最小化。以改进后的CAPM模型E(R_i)=R_f+\beta_i[E(R_m)-R_f]+\gamma_1\DeltaM2+\gamma_2\Deltar为例，将资产收益率E(R_i)作为被解释变量，市场风险溢价[E(R_m)-R_f]、货币供应量变化率\DeltaM2和利率变化\Deltar作为解释变量，运用OLS方法估计出参数\beta_i、\gamma_1和\gamma_2。OLS方法具有计算简便、估计结果具有良好的统计性质等优点，在满足经典线性回归模型假设条件（如解释变量与随机误差项不相关、随机误差项具有同方差性和无自相关性等）时，能够得到无偏、有效的参数估计值。在金融时间序列数据中，往往存在自相关性、异方差性等问题，传统的OLS方法可能不再适用。此时，采用广义最小二乘法（GLS）对模型进行估计。GLS通过对原模型进行变换，消除误差项的自相关性和异方差性，从而得到更准确的参数估计值。对于存在一阶自相关的时间序列数据，可使用科克伦-奥科特迭代法（Cochrane-Orcuttiterativemethod）对模型进行广义差分变换，使其满足OLS的假设条件，再运用OLS进行估计。时间序列分析方法在处理具有时间维度的数据时具有独特优势，能够捕捉数据的动态变化特征。对于资产定价模型中的时间序列数据，采用自回归移动平均模型（ARMA）进行分析。ARMA模型将时间序列数据视为由自身的过去值和随机扰动项共同决定，通过建立自回归（AR）和移动平均（MA）部分来描述数据的变化规律。对于资产收益率时间序列R_t，如果存在自相关和移动平均特征，可建立ARMA(p,q)模型：R_t=\mu+\sum_{i=1}^{p}\varphi_iR_{t-i}+\epsilon_t+\sum_{j=1}^{q}\theta_j\epsilon_{t-j}其中，\mu为常数项，\varphi_i为自回归系数，\theta_j为移动平均系数，\epsilon_t为白噪声序列，p和q分别为自回归和移动平均的阶数。通过对资产收益率时间序列进行平稳性检验、自相关函数（ACF）和偏自相关函数（PACF）分析，确定合适的p和q值，进而估计出模型参数。在模型估计过程中，还运用极大似然估计法（MLE）对一些复杂模型进行参数估计。MLE通过构造似然函数，寻找使得似然函数最大化的参数值，作为模型参数的估计值。在估计非线性资产定价模型时，由于模型的复杂性，难以直接运用OLS等方法进行估计，此时MLE能够充分利用数据的信息，得到更合理的参数估计结果。在估计包含随机波动项的资产定价模型时，运用MLE方法可以准确估计模型中的参数，如波动率参数等。根据不同模型的特点和数据特征，综合运用回归分析、时间序列分析等多种方法对模型参数进行估计，能够提高模型的准确性和可靠性，为后续的实证检验和分析提供坚实的基础。4.3实证结果与分析4.3.1模型拟合优度检验对各资产定价模型进行拟合优度检验，旨在评估模型对资产收益率的解释能力。拟合优度检验通常通过计算判定系数（R^2）来实现，R^2的值越接近1，表明模型对数据的拟合效果越好，即模型能够解释资产收益率的大部分变异。在本次实证研究中，对传统的资本资产定价模型（CAPM）、套利定价理论（APT）、Fama-French三因子模型和五因子模型，以及加入货币变量后的改进模型进行了拟合优度检验。检验结果显示，传统CAPM模型的R^2值相对较低，仅为0.35左右，这表明该模型对资产收益率的解释能力有限，只能解释约35%的资产收益率变异。这可能是由于CAPM模型假设过于严格，仅考虑了市场风险这一个因素，忽略了其他对资产收益率有重要影响的因素。相比之下，APT模型的R^2值有所提高，达到了0.48左右。APT模型引入了多个宏观经济因子，能够捕捉到更多影响资产收益率的因素，因此对资产收益率的解释能力优于CAPM模型。但仍有超过一半的资产收益率变异无法被该模型解释，说明APT模型在因子选择和设定上