中国创业板市场的Fama - French五因子模型有效性深度剖析与实证检验

中国创业板市场的Fama-French五因子模型有效性深度剖析与实证检验一、引言1.1研究背景与意义1.1.1研究背景在金融市场的研究领域中，资产定价模型的演进历程见证了金融理论的不断发展与完善。从早期的资本资产定价模型（CAPM）开始，金融学者们致力于探索资产收益的影响因素及定价机制。CAPM模型假设市场是有效的，所有投资者都遵循马科维茨投资组合理论，并且市场存在无风险资产，通过风险溢价和预期收益率之间的关系来定价资产。然而，随着金融市场的不断发展和研究的深入，学者们发现CAPM模型存在一定的局限性，其对市场有效性和风险厌恶的假设在某些复杂市场条件下难以成立，仅仅使用市场风险因子无法完全解释股票收益。为了弥补CAPM模型的不足，Fama和French于1993年提出了Fama-French三因子模型，该模型在CAPM模型的基础上，引入了市值因子（SMB）和账面市值比因子（HML），认为市场风险因子、市值因子和账面市值比因子共同作用才能更好地解释股票收益的变动。这一模型的提出，为资产定价研究提供了更全面的视角，在金融学实证研究中得到了广泛应用。随着研究的进一步推进，2015年Fama和French又提出了Fama-French五因子模型，在三因子模型的基础上新增了盈利能力因子（RMW）和投资水平因子（CMA）。该模型认为，除了市场风险、公司规模和账面市值比之外，公司的盈利能力和投资水平也是影响股票收益的重要因素。这一模型的出现，旨在解决三因子模型对部分超额收益解释力不足的问题，进一步完善了资产定价理论。在国际上，Fama-French五因子模型已经被广泛应用于金融市场的研究和投资实践中。许多学者通过对不同国家和地区金融市场的数据进行实证分析，验证了该模型在解释股票收益方面的有效性和优越性。例如，在美股市场的研究中发现，五因子模型的解释力（R²）显著高于三因子模型，尤其在成长股和小盘股中表现更优。在中国金融市场，随着市场规模的不断扩大和成熟度的逐渐提高，对资产定价模型的研究和应用也日益受到关注。A股市场作为中国内地主要的股票市场，具有市场规模大、流动性较低、政策影响大、市场行为偏离理性等特点。已有研究表明，Fama-French五因子模型在A股市场具有较好的适用性，市场因子、规模因子、价值因子、投资因子以及带风险的市场因子在解释A股市场股票收益方面都具有显著作用。而创业板市场作为中国多层次资本市场的重要组成部分，自2009年10月诞生以来，旨在针对性地解决创业型企业、中小型企业及高科技产业企业等的融资需求。与主板市场相比，创业板市场对上市企业的要求在成立时间、资本规模以及中长期业绩表现等方面的条件较宽，具有高成长性、高风险性、行业集中等特点。这些特点使得创业板市场的股票收益影响因素可能与主板市场存在差异，因此，研究Fama-French五因子模型在中国创业板市场的有效性具有重要的现实意义。1.1.2研究意义本研究对Fama-French五因子模型在中国创业板市场有效性进行实证检验，具有多方面的重要意义。对投资者投资决策的意义：对于投资者而言，深入了解股票收益的变动规律是进行有效投资决策的关键。通过运用Fama-French五因子模型，投资者能够更好地理解市场风险、市值、账面市值比、盈利能力和投资水平等因素对创业板股票收益的影响。例如，如果投资者能够准确判断某创业板公司的盈利能力较强，且投资水平合理，结合五因子模型的分析，就可以更有信心地进行投资决策。投资者可以根据这些因素的变动，及时调整自己的投资组合，以降低风险并获取更高的收益。比如，当市场风险因子增大时，投资者可以适当减少对高风险创业板股票的投资比例；当发现某创业板公司的市值较小且账面市值比较高时，可能意味着该股票具有较高的投资潜力，投资者可以考虑增加对其的投资。对市场监管者政策制定的意义：从市场监管者的角度来看，研究Fama-French五因子模型在创业板市场的有效性，有助于更好地理解创业板市场的运行机制。监管者可以通过分析模型中的各个因子，深入了解市场的风险状况和投资者的行为特征。例如，如果发现创业板市场中某些因子的波动异常，可能暗示着市场存在潜在的风险或问题，监管者可以据此制定相应的政策措施，加强对市场的监管和调控，维护市场的稳定运行。当发现创业板市场中投资因子出现过度波动时，监管者可以出台相关政策，规范企业的投资行为，防止过度投资或盲目投资对市场造成不良影响。对学术理论发展的意义：在学术理论方面，本研究有助于进一步丰富和完善资产定价理论。中国创业板市场具有独特的市场特点和发展历程，对该市场进行研究，可以检验Fama-French五因子模型在新兴市场和特定板块中的适用性和有效性。如果模型在创业板市场得到验证，将进一步支持和推广该模型在不同市场环境下的应用；如果模型存在一定的局限性，通过分析原因，可以为资产定价理论的进一步发展和改进提供方向和思路。例如，若研究发现五因子模型在解释创业板股票收益时，某些因子的作用不显著，可能需要进一步探索其他影响创业板股票收益的因素，从而推动资产定价理论的不断创新和完善。1.2研究方法与创新点1.2.1研究方法数据收集与整理：本研究将选取中国创业板市场的相关数据，包括股票收益率、市场指数、公司财务数据等。数据来源主要包括金融数据提供商、证券交易所官网以及上市公司年报等。在收集数据后，将对数据进行清洗和预处理，去除异常值和缺失值，确保数据的质量和可靠性。例如，对于股票收益率数据，将检查是否存在明显错误或不合理的数据点；对于公司财务数据，将核对数据的一致性和完整性。构建投资组合：采用分层排序法，以市值（规模）为固定维度，其他因子按分位数分层（例如30%/70%分位点），构建2×3组合矩阵。通过组合收益差计算因子值，并按市值加权调整组合收益，以避免小盘股过度影响。例如，将创业板公司按照市值大小分为两组，再根据盈利能力因子的高低分为三组，交叉组合形成六个投资组合，计算每个组合的平均收益率，进而得到规模因子和盈利能力因子的值。回归分析：将整理好的数据代入Fama-French五因子模型，进行多元线性回归分析。通过回归分析，计算各因子的系数和显著性水平，评估这些因子对创业板股票收益的解释能力。具体来说，以创业板股票的收益率为被解释变量，市场风险因子、市值因子、账面市值比因子、盈利能力因子和投资水平因子为解释变量，利用最小二乘法进行回归估计，得到各因子的回归系数和t值，判断各因子对股票收益的影响是否显著。稳健性检验：为了确保研究结果的可靠性，将进行稳健性检验。采用不同的样本区间、不同的因子计算方法或加入其他控制变量等方式，重新进行回归分析，观察结果是否保持一致。例如，缩短或延长样本区间，重新计算因子值并进行回归，看各因子的显著性和解释能力是否发生明显变化；或者加入宏观经济变量如利率、通货膨胀率等作为控制变量，再次进行回归检验。1.2.2创新点多视角分析模型：本研究将从多个角度对Fama-French五因子模型进行分析，不仅关注模型对创业板股票收益的整体解释能力，还将深入研究各因子在不同市场环境、不同行业板块以及不同市值规模股票中的作用差异。例如，分析在市场上涨和下跌阶段，各因子对创业板股票收益的影响是否不同；研究不同行业板块（如信息技术、生物医药、新能源等）中，五因子模型的适用性和各因子的重要性是否存在差异；探讨在大盘股和小盘股中，各因子的影响力是否有所区别。考虑多种因素影响：在研究过程中，充分考虑多种因素对创业板股票收益的影响。除了Fama-French五因子模型中的五个因子外，还将纳入市场流动性、投资者情绪、宏观经济环境等因素进行综合分析。例如，通过引入市场换手率来衡量市场流动性，利用投资者信心指数来反映投资者情绪，将GDP增长率、货币政策等宏观经济变量纳入模型，研究这些因素与五因子模型的交互作用对创业板股票收益的影响。采用最新数据：为了使研究结果更具时效性和现实指导意义，本研究将采用最新的创业板市场数据进行实证分析。及时跟踪和收集创业板市场的最新动态和数据变化，确保研究能够反映当前市场的实际情况。与以往研究相比，能够更准确地揭示Fama-French五因子模型在当前创业板市场环境下的有效性和适用性。1.3研究内容与框架本研究主要围绕Fama-French五因子模型在中国创业板市场有效性展开，具体研究内容如下：Fama-French五因子模型介绍：详细阐述Fama-French五因子模型的理论基础、模型构建以及各因子的经济含义。回顾模型的起源与发展历程，从CAPM模型到Fama-French三因子模型，再到五因子模型的演进过程，分析模型提出的背景和目的。深入解释市场风险因子、市值因子、账面市值比因子、盈利能力因子和投资水平因子的定义、计算方法以及它们对股票收益的影响机制。中国创业板市场特点分析：对中国创业板市场的发展历程、市场规模、行业分布、交易特征等方面进行全面分析。探讨创业板市场与主板市场的区别和联系，分析创业板市场的高成长性、高风险性、行业集中等特点对股票收益的潜在影响。研究创业板市场的政策环境和监管制度，以及这些因素如何影响市场的运行和投资者的行为。实证检验：进行数据收集与整理，选取合适的样本区间和数据来源，对创业板市场的股票收益率、市场指数、公司财务数据等进行收集和预处理。采用分层排序法构建投资组合，计算各因子的值。将整理好的数据代入Fama-French五因子模型进行回归分析，计算各因子的系数和显著性水平，评估模型对创业板股票收益的解释能力。结果分析：对实证检验的结果进行深入分析，探讨各因子对创业板股票收益的影响方向和程度。分析模型的解释能力和拟合优度，与其他资产定价模型进行比较，判断Fama-French五因子模型在创业板市场的优势和不足。研究各因子在不同市场环境、不同行业板块以及不同市值规模股票中的作用差异，分析其原因和影响因素。结论与展望：总结研究的主要结论，阐述Fama-French五因子模型在中国创业板市场的有效性和适用性，以及对投资者和市场监管者的启示。提出研究的局限性和不足之处，对未来的研究方向进行展望，为进一步研究创业板市场的资产定价问题提供参考。研究框架图如下：|--一、引言||--1.1研究背景与意义|||--1.1.1研究背景|||--1.1.2研究意义||--1.2研究方法与创新点|||--1.2.1研究方法|||--1.2.2创新点||--1.3研究内容与框架|--二、Fama-French五因子模型介绍||--2.1理论基础||--2.2模型构建||--2.3各因子经济含义|--三、中国创业板市场特点分析||--3.1发展历程||--3.2市场规模||--3.3行业分布||--3.4交易特征||--3.5与主板市场区别联系|--四、实证检验||--4.1数据收集与整理||--4.2构建投资组合||--4.3回归分析|--五、结果分析||--5.1各因子影响分析||--5.2模型解释能力分析||--5.3与其他模型比较||--5.4因子作用差异分析|--六、结论与展望||--6.1研究结论||--6.2研究局限性||--6.3未来研究方向二、理论基础与文献综述2.1Fama-French五因子模型理论基础2.1.1模型的提出与发展Fama-French五因子模型的发展历程与资产定价理论的演进紧密相连。在早期的资产定价研究中，资本资产定价模型（CAPM）占据着重要地位。CAPM由威廉・夏普（WilliamSharpe）、约翰・林特纳（JohnLintner）和杰克・特雷诺（JackTreynor）等人在20世纪60年代提出，该模型认为，在市场有效的假设下，资产的预期收益率只与市场风险相关，通过市场风险溢价和无风险利率来确定资产的定价。然而，随着金融市场的不断发展和研究的深入，学者们发现CAPM模型存在一定的局限性。例如，CAPM模型无法解释市值效应和价值效应等市场异象。市值效应是指股票收益率与公司市值之间存在显著的负相关关系，即小市值公司的股票往往能够获得更高的收益率；价值效应则是指账面市值比与股票收益率之间存在显著的正相关关系，高账面市值比的股票（价值型股票）通常能获得比低账面市值比的股票（成长型股票）更高的收益率。为了弥补CAPM模型的不足，Fama和French于1993年提出了Fama-French三因子模型。该模型在CAPM模型的基础上，引入了市值因子（SMB）和账面市值比因子（HML）。市值因子反映了小市值公司股票相对于大市值公司股票的超额收益，账面市值比因子则体现了价值型股票相对于成长型股票的超额收益。三因子模型的提出，在一定程度上提高了对股票收益率的解释能力，得到了广泛的应用和研究。尽管三因子模型在解释股票收益率方面取得了很大的成功，但后续的研究发现，该模型仍然存在一些无法解释的现象。例如，高盈利能力公司和高投资效率公司的超额收益无法被三因子模型很好地解释。为了解决这些问题，Fama和French在2015年提出了Fama-French五因子模型，在三因子模型的基础上，新增了盈利能力因子（RMW）和投资水平因子（CMA）。盈利能力因子反映了高盈利能力公司股票相对于低盈利能力公司股票的超额收益，投资水平因子则体现了保守投资公司股票相对于激进投资公司股票的超额收益。五因子模型的提出，进一步完善了资产定价理论，为解释股票收益率提供了更全面的框架。2.1.2五因子模型的构成与含义Fama-French五因子模型包含五个关键因子，每个因子都具有独特的经济含义，对股票收益率有着不同程度的影响。市场因子（MKT）：市场因子是资本资产定价模型（CAPM）中的核心因子，在五因子模型中依然占据重要地位，代表了市场整体的风险溢价，通常用市场超额回报来表示。其计算公式为R_{m}-R_{f}，其中R_{m}表示市场组合的收益率，R_{f}表示无风险收益率。市场因子反映了整个市场的系统性风险，当市场上涨时，大多数股票会跟随上涨；市场下跌时，大多数股票也会下跌。例如，在2020年初新冠疫情爆发初期，市场恐慌情绪蔓延，市场因子表现为大幅下跌，众多股票价格也随之大幅下降。规模因子（SMB）：规模因子（SMB，SmallMinusBig）表示小市值股票组合与大市值股票组合的收益率之差。通过将股票按市值大小排序分组，计算小市值股票组合和大市值股票组合的平均收益率，然后相减得到SMB因子值。该因子反映了市值规模对股票收益率的影响。一般来说，小市值股票具有更高的风险和潜在收益，因此SMB因子可以捕捉到小市值股票相对大市值股票的超额收益。以A股市场为例，在某些时期，一些小市值的新兴企业，由于其业务具有创新性和高成长性，虽然风险较高，但往往能获得比大市值成熟企业更高的收益率。价值因子（HML）：价值因子（HML，HighMinusLow）是高账面市值比（B/M）股票组合与低账面市值比股票组合的收益率之差。账面市值比是公司账面价值与市场价值的比率，高账面市值比的股票通常被认为是价值型股票，低账面市值比的股票被认为是成长型股票。价值因子体现了价值型股票和成长型股票的收益差异。历史数据显示，价值型股票往往能获得比成长型股票更高的收益率，HML因子可以解释这种价值溢价现象。比如一些传统行业的公司，虽然市场估值相对较低，即账面市值比较高，但由于其稳定的现金流和较高的股息率，长期来看能获得较好的收益。盈利能力因子（RMW）：盈利能力因子（RMW，RobustMinusWeak）是高盈利能力股票组合与低盈利能力股票组合的收益率之差。盈利能力通常用公司的营运利润率等指标来衡量，将股票按盈利能力排序分组，计算高盈利能力和低盈利能力股票组合的平均收益率并相减得到RMW因子值。该因子表明盈利能力强的公司股票可能会有更高的收益率，补充了三因子模型中未考虑的盈利能力对股票收益的影响。例如，一些科技行业的龙头企业，凭借其强大的技术研发能力和市场竞争力，具有较高的营运利润率，其股票在市场上往往表现出较好的收益。投资风格因子（CMA）：投资风格因子（CMA，ConservativeMinusAggressive）是保守投资风格公司股票组合与激进投资风格公司股票组合的收益率之差。保守投资风格的公司通常资本支出较少，而激进投资风格的公司资本支出较多。通过按投资风格对股票分组计算收益率差得到CMA因子值。该因子反映了公司投资策略对股票收益率的影响，即保守投资的公司股票可能比激进投资的公司股票有更好的表现。比如一些公用事业类公司，投资风格较为保守，资本支出相对稳定，其股票收益相对较为稳定；而一些新兴的创业公司，为了快速扩张市场份额，激进投资，资本支出较大，股票收益波动也较大。2.1.3五因子模型的公式与数学表达Fama-French五因子模型的数学表达式为：R_{i}-R_{f}=\alpha_{i}+\beta_{i,MKT}(R_{m}-R_{f})+\beta_{i,SMB}SMB+\beta_{i,HML}HML+\beta_{i,RMW}RMW+\beta_{i,CMA}CMA+\epsilon_{i}其中：R_{i}表示股票或投资组合i的收益率；R_{f}表示无风险收益率；\alpha_{i}表示股票或投资组合i的超额收益率，即无法被五个因子解释的部分，也被称为alpha收益，常用于衡量投资组合经理的主动管理能力。如果\alpha_{i}显著为正，说明投资组合经理通过主动管理获得了超过市场平均水平的收益；反之，如果\alpha_{i}显著为负，则说明投资组合经理的表现不如市场平均水平；\beta_{i,MKT}、\beta_{i,SMB}、\beta_{i,HML}、\beta_{i,RMW}、\beta_{i,CMA}分别表示股票或投资组合i对市场因子、规模因子、价值因子、盈利能力因子和投资风格因子的敏感系数，反映了股票或投资组合i的收益率对各个因子变动的敏感程度。例如，\beta_{i,MKT}越大，说明股票或投资组合i的收益率对市场因子的变动越敏感，市场波动对其影响也就越大；\epsilon_{i}表示随机误差项，代表了除了五个因子之外的其他因素对股票或投资组合i收益率的影响，这些因素通常是随机的、不可预测的，如公司的特殊事件、行业突发政策等。在资产定价中，该模型的应用原理是通过分析股票或投资组合对各个因子的暴露程度（即敏感系数），以及各个因子的预期收益率，来预测股票或投资组合的预期收益率。投资者可以根据自己对不同因子的预期和风险偏好，构建投资组合，以实现预期的收益目标。例如，如果投资者预期市场将上涨，且认为小市值股票和价值型股票在未来表现较好，就可以增加对具有较高\beta_{i,SMB}和\beta_{i,HML}的股票或投资组合的投资。2.2文献综述2.2.1国外相关研究国外学者对Fama-French五因子模型的研究成果丰硕，涵盖了模型的理论基础、实证检验、应用拓展等多个方面。在理论研究方面，Fama和French（2015）提出五因子模型后，引发了学术界对资产定价理论的深入探讨。许多学者对模型的理论框架进行了分析和完善，研究各因子之间的相互关系以及模型的经济合理性。例如，一些学者从股息贴现模型的角度出发，解释了盈利能力因子和投资水平因子对股票价格的影响机制，认为这两个因子通过影响公司未来现金流，进而影响股票的长期回报。在实证检验方面，大量研究对五因子模型在不同市场的有效性进行了验证。Asness等（2014）对美国股票市场的数据进行分析，发现五因子模型在解释股票收益率方面比三因子模型具有更高的解释力，尤其是在成长股和小盘股中表现更为突出。研究表明，加入盈利能力因子和投资水平因子后，模型能够更好地捕捉到股票收益的差异。又如，Fama和French（2018）通过对全球多个国家和地区的股票市场数据进行研究，进一步验证了五因子模型的普适性，发现该模型在不同市场环境下都能在一定程度上解释股票收益率的变化。在模型的改进和扩展方面，部分学者针对五因子模型存在的局限性进行了研究。由于五因子模型未包含动量因子，一些学者提出加入动量因子（MOM）构建六因子模型，以提升对短期收益变动的捕捉能力。如Carhart（1997）提出的四因子模型，在三因子模型的基础上加入了动量因子，后续研究发现将动量因子加入五因子模型后，模型对股票收益的解释能力在某些市场环境下得到了增强。还有学者从行为金融的角度出发，引入投资者情绪或非理性交易因子，试图增强模型对非有效市场的解释能力。例如，Baker和Wurgler（2006）研究发现投资者情绪对股票收益有显著影响，将投资者情绪因子纳入五因子模型后，能够更好地解释股票市场中的一些异常现象。2.2.2国内相关研究国内学者对Fama-French五因子模型在中国市场的实证研究也取得了一系列成果。在实证检验方面，许多学者对五因子模型在中国A股市场的适用性进行了研究。王美今和孙建军（2004）较早地对Fama-French三因子模型在中国股市的有效性进行了检验，发现三因子模型能够在一定程度上解释中国股市的超额收益，但仍存在一些无法解释的部分。随着五因子模型的提出，后续学者对其在中国市场的表现进行了深入研究。例如，李胜楠和牛建波（2017）通过对中国A股市场的数据进行实证分析，发现五因子模型在解释A股市场股票收益方面具有一定的有效性，市场因子、规模因子、价值因子、投资因子以及带风险的市场因子在解释A股市场股票收益方面都具有显著作用。在模型的应用研究方面，部分学者将五因子模型应用于投资组合管理和基金绩效归因等领域。在投资组合管理中，学者们根据五因子模型的原理，构建基于不同因子暴露的投资组合，以寻求更高的收益。例如，通过超配高盈利（RMW正向暴露）和低投资（CMA负向暴露）的股票，构建投资组合，实证结果表明该组合在一定时期内能够获得较好的超额收益。在基金绩效归因方面，学者们利用五因子模型对基金的收益进行分解，分析基金收益中来自不同因子暴露的部分和基金经理的主动管理能力。研究发现，约80%的主动型基金Alpha被五因子模型解释，凸显了因子分析在基金绩效评估中的重要性。然而，国内研究也发现五因子模型在中国市场存在一些问题。中国市场具有独特的市场特点，如市场效率相对较低、投资者结构以散户为主、政策影响较大等，这些因素可能导致五因子模型的因子稳定性和解释能力受到影响。部分学者研究发现，在中国市场中，五因子模型的某些因子在不同时期的表现不稳定，存在阶段性失效的情况；而且对于一些特殊行业和企业，五因子模型的解释力也相对较弱。2.2.3文献评述国内外学者对Fama-French五因子模型的研究为资产定价理论和实践做出了重要贡献，但已有研究仍存在一些不足之处。从研究范围来看，虽然国外研究对五因子模型在全球多个市场进行了验证，但不同市场之间存在较大差异，每个市场都有其独特的市场结构、投资者行为和政策环境，五因子模型在不同市场的表现和适用性仍有待进一步深入研究。而国内研究主要集中在A股市场，对于中国创业板市场等特定板块的研究相对较少，创业板市场具有高成长性、高风险性、行业集中等特点，其股票收益的影响因素可能与主板市场存在差异，五因子模型在创业板市场的有效性需要进一步检验。从模型本身来看，五因子模型虽然在一定程度上提高了对股票收益率的解释能力，但仍然无法完全解释所有的股票收益波动。例如，对于小市值、低盈利但高投资公司的低回报现象，五因子模型的解释力不足；而且模型未包含动量因子等，导致在短期趋势市场中解释力下降。此外，模型的因子构建依赖历史数据，新兴市场结构变化可能导致模型失效，如何提高模型的动态适应性和稳定性，是未来研究需要解决的问题。在研究方法方面，现有研究主要采用传统的回归分析等方法，这些方法在处理复杂的数据关系和非线性问题时存在一定的局限性。随着大数据和机器学习技术的发展，如何将这些新技术应用于五因子模型的研究，挖掘更多潜在的影响因素，提高模型的精度和解释能力，也是未来研究的方向之一。基于以上分析，本文将聚焦于中国创业板市场，深入研究Fama-French五因子模型在该市场的有效性。通过采用最新的数据和合理的研究方法，全面分析五因子模型在创业板市场的适用性，以及各因子对创业板股票收益的影响，旨在为投资者和市场监管者提供更有针对性的参考，同时也为资产定价理论在新兴市场和特定板块的研究做出一定的贡献。三、中国创业板市场概述3.1创业板市场的发展历程中国创业板市场的发展历程是中国资本市场不断创新与完善的重要体现，其设立有着深刻的时代背景。20世纪90年代末，我国经济进入加速转型时期，大批创新型、成长型科技企业涌现，这些企业具有高成长性和创新性，但在传统融资渠道中面临诸多困难，迫切需要资本市场的支持。在这样的背景下，1999年8月，党中央、国务院明确“适时设立高新技术企业板块”，拉开了创业板市场筹备的序幕。2000年，国务院决定设立创业板市场，然而，由于当时亚洲金融危机的影响以及国内资本市场环境尚不成熟，创业板市场的设立进程有所延缓。2004年1月，国务院明确要求“分步推进创业板市场建设”，这一举措为创业板市场的发展指明了方向。2008年，国务院将建立创业板市场列为当年重点工作之一，进一步推动了创业板市场的筹备工作。2009年3月，证监会正式发布创业板IPO管理办法，标志着创业板市场的制度建设基本完成。同年10月30日，首批28家公司登陆创业板，创业板市场正式扬帆起航。这28家公司涵盖了信息技术、生物医药、新材料等多个新兴产业领域，它们的上市为创业板市场注入了活力，也为后续企业的上市树立了标杆。自开板以来，创业板市场经历了快速的发展。2014年10月30日，创业板公司数量达400家，总市值为2.27万亿元，市场规模不断扩大。2020年8月24日，创业板改革并试点注册制平稳落地，这是创业板市场发展历程中的又一重要里程碑。注册制改革进一步完善了市场基础制度，提升了市场功能，提高了市场的包容性和吸引力。2021年8月4日，创业板上市公司数量破1000家，总市值超10万亿元，市场影响力不断增强。截至2024年10月29日，创业板共1358家上市公司，其中，自创业板改革并试点注册制以来新上市的企业共553家，占比41%。一大批优质科技企业汇聚创业板，在先进制造、数字经济、绿色低碳等重点领域集群化发展优势明显，成为名副其实的“中国未来之板”。在发展过程中，创业板市场不断优化交易机制、加强信息披露和监管力度。在交易机制方面，引入盘后定价交易等方式，丰富了投资者的交易选择；在信息披露方面，加强对上市公司信息披露的规范和监管，提高信息披露的质量和及时性；在监管力度方面，加大对违法违规行为的打击力度，维护市场秩序，保护投资者合法权益。创业板市场的发展历程见证了中国资本市场服务实体经济、支持创新发展的决心和努力。它为创新型、成长型企业提供了重要的融资平台，推动了产业结构的优化升级，促进了经济的高质量发展。3.2创业板市场的特点3.2.1上市门槛与企业类型创业板市场与主板市场在上市门槛上存在明显差异，其主要面向创新型、成长型中小企业。在盈利能力要求方面，主板市场通常要求企业具有连续多年的稳定盈利，且盈利规模较大。例如，主板上市的企业一般需要最近三年净利润均为正，且最近三年净利润累计不低于3000万元。而创业板对发行人设置了两套财务门槛指标，第一套指标要求发行人最近两年连续盈利，最近两年净利润累计不少于一千万元，且持续增长；第二套指标要求最近一年盈利，且净利润不少于五百万元，最近一年营业收入不少于五千万元，最近两年营业收入增长率均不低于百分之三十。这两套指标为不同盈利状况的企业提供了上市机会，降低了盈利门槛，更注重企业的成长性。在资产规模方面，主板市场要求发行人发行前股本总额不少于3000万元，最近一期末无形资产（扣除土地使用权、水面养殖权和采矿权等后）占净资产的比例不高于20%。创业板则要求发行人最近一期末净资产不少于两千万元，发行后股本不少于三千万元，对无形资产占比的限制相对较宽松，这使得一些轻资产、重技术的创新型企业更容易满足上市条件。这些较低的上市门槛，使得创业板吸引了大量创新型、成长型中小企业。以2024年在创业板上市的某科技企业为例，该企业在上市前处于快速发展阶段，虽然盈利规模相对较小，但凭借其在人工智能领域的核心技术和高成长性，成功在创业板上市。截至2024年，创业板上市公司中，高新技术企业家数占比约九成，近七成公司属于战略性新兴产业。这些企业在新一代信息技术、新能源、生物、新材料、高端装备制造等领域不断创新发展，为创业板市场注入了创新活力，推动了产业升级和经济结构调整。3.2.2行业分布与成长性创业板上市公司的行业分布具有鲜明的特点，主要集中在高新技术产业和新兴产业领域。截至2024年11月21日，电力设备及新能源（29.8%）、医药（15.8%）、电子（9.2%）、非银金融（8.9%）、通信（8.6%）是创业板指数分布的前五大行业，累计权重占比达到72.3%。在电力设备及新能源行业，汇聚了众多从事太阳能、风能、锂电池等领域的企业，这些企业在技术创新和市场拓展方面取得了显著成就，推动了新能源产业的快速发展。如宁德时代作为全球领先的动力电池系统提供商，在创业板上市后，凭借其强大的技术研发能力和市场竞争力，市值不断攀升，成为创业板的龙头企业，对整个行业的发展起到了引领作用。医药行业也是创业板的重要组成部分，涵盖了生物医药、医疗器械、医疗服务等多个细分领域。许多创业板医药企业专注于创新药物研发和高端医疗器械制造，不断加大研发投入，取得了一系列科研成果。例如，迈瑞医疗是一家全球领先的高科技医疗设备研发制造厂商，在创业板上市后，持续创新，产品和解决方案已应用于全球190多个国家和地区，展现出强大的市场竞争力和成长性。创业板公司的高成长性体现在多个方面。从营收增长来看，以2023年度业绩测算，639家公司在上市后营业收入实现翻番，104家公司营收增长达10倍以上。从净利润增长来看，292家公司在上市后净利润实现翻番，31家公司净利润增长达10倍以上。这些企业的高成长性得益于其持续的创新能力、广阔的市场空间和国家政策的支持。在创新能力方面，创业板公司普遍重视研发投入，不断推出新产品、新技术，满足市场需求。以卓胜微为例，该公司专注于射频前端芯片领域的研发，推出了射频前端领域最重要、最复杂的模组产品L-PAMiD，是目前业界首次实现全国产供应链的系列产品，产品性能达到行业主流水平，已在部分品牌客户验证通过，凭借技术创新实现了业绩的快速增长。在市场空间方面，随着经济的发展和消费升级，高新技术产业和新兴产业市场需求不断扩大，为创业板公司提供了广阔的发展空间。同时，国家出台了一系列支持高新技术产业和新兴产业发展的政策，为创业板公司创造了良好的政策环境，促进了企业的快速成长。3.2.3风险特征与交易规则创业板市场具有高风险特征，这主要源于其上市公司的特点。创业板上市公司多为创新型、成长型企业，经营稳定性相对较弱。这些企业通常处于发展初期，业务模式和盈利模式尚未完全成熟，面临着较大的市场竞争和经营挑战。以某互联网创业企业为例，虽然其具有创新性的商业模式，但在市场推广过程中，可能面临竞争对手的模仿和市场份额被挤压的风险，导致经营业绩不稳定。技术迭代风险也是创业板市场的重要风险之一。由于创业板上市公司所处行业技术更新换代迅速，如果企业不能及时跟上技术发展的步伐，就可能面临被市场淘汰的风险。在信息技术行业，芯片技术、软件技术等不断创新，企业需要持续投入大量资金进行研发，以保持技术领先地位。如某芯片制造企业，若不能及时研发出更先进的芯片制程技术，就可能在市场竞争中处于劣势。市场波动风险在创业板市场也较为突出。创业板股票的价格波动通常比主板股票更为剧烈。一方面，由于创业板企业的高成长性和不确定性，投资者对其未来业绩的预期存在较大差异，导致股票价格容易受到市场情绪和投资者预期的影响。另一方面，创业板市场的投资者结构相对较为分散，个人投资者占比较高，市场交易行为更容易受到情绪驱动，加剧了市场波动。在交易规则方面，创业板与主板存在明显区别。涨跌幅限制是二者的重要差异之一，创业板新股上市前5个交易日不设置涨跌幅限制，给予新股更灵活的市场定价空间。从第6个交易日开始，创业板股票的涨跌幅限制为20%，较主板市场的10%更为宽松。这种涨跌幅限制的设置，使得创业板市场更具活力和弹性，但同时也增加了投资者的风险。在2020年创业板注册制改革后的首个交易日，多只新股股价大幅波动，部分新股涨幅超过1000%，体现了创业板市场交易规则对股价波动的影响。创业板市场实行盘后定价交易，交易时间为15:05-15:30，以当日收盘价对盘后买卖申报逐笔连续撮合交易。这一交易方式为投资者提供了更多的交易选择，也有助于提高市场的流动性和定价效率。而主板市场目前尚未引入盘后定价交易机制。此外，创业板市场在投资者适当性管理方面也有特殊要求，投资者申请开通创业板前20个交易日证券账户及资金账户内的资产日均不低于人民币10万元（不包括通过融资融券融入的资金和证券），且需要具有两年及两年（24个月）以上的股票交易经验。这些要求旨在确保投资者具备足够的风险承受能力和投资经验，以应对创业板投资的高风险性。3.3创业板市场在我国资本市场中的地位与作用创业板市场在我国资本市场中占据着重要地位，对创新企业融资、经济结构调整和资本市场完善发挥着不可替代的作用。创业板市场为创新企业提供了关键的融资渠道。创新型企业在发展初期往往面临资金短缺的困境，且由于其资产规模较小、盈利不稳定等特点，难以通过传统的银行贷款等方式获得足够的资金支持。创业板的设立，为这些企业打开了直接融资的大门。通过在创业板上市，企业能够向社会公众募集资金，为企业的研发、生产和市场拓展提供充足的资金保障。以寒武纪为例，作为一家人工智能芯片研发企业，在创业板上市后募集了大量资金，这些资金用于技术研发和团队建设，推动了企业的快速发展，使其在人工智能芯片领域取得了重要的技术突破和市场份额。创业板市场有力地推动了经济结构调整。创业板重点支持的创新型企业大多集中在新兴产业和高科技领域，如信息技术、生物医药、新能源、新材料等。这些企业的发展壮大有助于推动我国产业结构的优化升级，提高经济发展的质量和效益。在新能源汽车产业，众多创业板上市企业在电池技术、自动驾驶技术等方面不断创新，推动了新能源汽车产业的快速发展，减少了对传统燃油汽车的依赖，促进了能源结构的调整和环境保护。创业板市场还对我国资本市场的完善具有重要意义。它丰富了资本市场的层次，满足了不同类型企业的融资需求。在创业板推出之前，我国资本市场主要服务于成熟的、大规模的企业，而创业板的出现，使得创新型、成长型中小企业也能够在资本市场上获得融资机会，拓宽了资本市场的服务范围。创业板的发展也促进了资本市场的竞争和创新，推动了资本市场基础制度的完善和交易机制的创新，提高了资本市场的效率和活力。在注册制改革方面，创业板先行先试，为其他板块的注册制改革积累了经验，推动了我国资本市场全面注册制改革的进程。四、实证研究设计4.1研究假设基于Fama-French五因子模型的理论基础以及对中国创业板市场的初步分析，提出以下研究假设：假设一：Fama-French五因子模型能够有效地解释中国创业板市场股票的收益率。该模型中的市场因子、规模因子、价值因子、盈利能力因子和投资风格因子共同作用，能够显著地解释创业板股票收益率的变动。在创业板市场中，市场的整体波动（市场因子）会对股票收益率产生系统性影响，当市场处于上涨趋势时，多数创业板股票收益率可能上升；反之，市场下跌时，股票收益率可能下降。公司规模（规模因子）、账面市值比（价值因子）、盈利能力（盈利能力因子）和投资风格（投资风格因子）等公司特质因素也会对股票收益率产生重要影响。假设二：在创业板市场中，规模因子（SMB）的风险溢价显著为正。由于创业板市场中的小市值公司通常具有较高的成长性和潜在的发展空间，但同时也伴随着更高的风险，投资者会要求更高的回报来补偿其承担的风险。因此，预期小市值股票组合的收益率会高于大市值股票组合，从而使得规模因子的风险溢价显著为正。假设三：价值因子（HML）在创业板市场具有显著的风险溢价。高账面市值比的股票通常被认为是价值型股票，其价格相对较低，具有较高的投资价值。在创业板市场中，价值型股票可能由于市场对其价值的低估，在未来有更大的价格上涨空间，从而获得更高的收益率。因此，预计价值因子的风险溢价显著为正，即高账面市值比股票组合的收益率高于低账面市值比股票组合。假设四：盈利能力因子（RMW）在创业板市场对股票收益率有显著正向影响。盈利能力强的公司通常具有更强的市场竞争力和稳定的现金流，其股票更受投资者青睐，能够获得更高的收益率。在创业板市场中，那些具有高营运利润率、高净资产收益率等盈利能力指标的公司，其股票收益率预期会高于盈利能力较弱的公司，因此盈利能力因子对股票收益率有显著正向影响。假设五：投资风格因子（CMA）在创业板市场的风险溢价显著为负。保守投资风格的公司通常资本支出较为谨慎，经营风险相对较低，股票收益率相对稳定。而激进投资风格的公司可能由于大规模的资本支出和扩张，面临更高的风险和不确定性。在创业板市场中，投资者可能更倾向于保守投资风格的公司，导致保守投资风格公司股票组合的收益率高于激进投资风格公司股票组合，从而使得投资风格因子的风险溢价显著为负。4.2样本选取与数据来源4.2.1样本选取为了确保研究结果的准确性和可靠性，本研究选取中国创业板市场上市公司股票作为样本。样本选取的时间范围为2014年1月1日至2024年12月31日，这一时间段涵盖了创业板市场的不同发展阶段，包括市场的快速增长期、波动期以及注册制改革后的发展阶段，能够全面反映创业板市场的特征和变化。在样本选取过程中，遵循以下标准：上市时间要求：选取在2013年12月31日之前上市的公司，以确保公司有足够的交易数据和财务数据可供分析，避免因新上市股票交易数据较少而对研究结果产生偏差。这样可以保证研究基于相对稳定的公司样本，减少新上市企业可能带来的不稳定因素对研究结果的影响。数据完整性要求：剔除在样本期间内财务数据和交易数据缺失严重的公司。财务数据缺失可能导致无法准确计算相关因子，交易数据缺失则会影响股票收益率的计算。通过剔除数据缺失严重的公司，保证了研究数据的质量和一致性。异常值处理：对样本数据进行异常值检验，剔除存在异常交易行为或财务指标异常的公司。异常值可能是由于特殊事件或数据错误导致的，如公司发生重大资产重组、财务造假等情况，这些异常值会对研究结果产生较大干扰，因此需要进行剔除。经过上述筛选，最终确定了[X]家创业板上市公司作为研究样本。这些样本公司在创业板市场具有一定的代表性，涵盖了多个行业领域，能够较好地反映创业板市场的整体特征。4.2.2数据来源本研究的数据来源主要包括以下几个方面：股票收益率数据：股票的日收益率数据来源于Wind数据库。Wind数据库提供了全面、准确的金融市场数据，包括股票的每日开盘价、收盘价、最高价、最低价以及成交量等信息。通过这些数据，利用公式R_{i,t}=\frac{P_{i,t}-P_{i,t-1}+D_{i,t}}{P_{i,t-1}}计算股票i在第t日的收益率，其中P_{i,t}表示股票i在第t日的收盘价，P_{i,t-1}表示股票i在第t-1日的收盘价，D_{i,t}表示股票i在第t日获得的现金红利。无风险利率数据：无风险利率选用中国国债1年期收益率，数据来源于中国债券信息网。中国国债被认为是几乎没有违约风险的投资工具，其收益率可以作为无风险利率的近似替代。在研究期间内，根据每月的中国国债1年期收益率数据，计算出每月的无风险利率。市场指数数据：市场收益率数据采用创业板综合指数收益率，数据同样来源于Wind数据库。创业板综合指数是反映创业板市场整体表现的重要指标，以该指数收益率作为市场收益率，能够准确反映创业板市场的整体波动情况。公司财务数据：公司的财务数据如市值、账面市值比、营运利润率、总资产增长率等用于计算各因子的数据，来源于CSMAR数据库。CSMAR数据库提供了丰富的上市公司财务数据，涵盖了资产负债表、利润表、现金流量表等多个方面的信息，能够满足本研究对公司财务数据的需求。在获取数据后，对数据进行了一系列的预处理工作。首先，对数据进行清洗，检查数据的准确性和完整性，去除重复数据和错误数据。其次，对数据进行标准化处理，将不同单位和量级的数据转化为具有可比性的数据，以便于后续的分析和计算。4.3变量定义与计算方法4.3.1被解释变量本研究的被解释变量为股票收益率，选用股票的月收益率作为被解释变量。股票月收益率的计算方法如下：R_{i,m}=\prod_{t=1}^{n}(1+R_{i,t})-1其中，R_{i,m}表示股票i在第m个月的收益率，R_{i,t}表示股票i在第m个月内第t个交易日的收益率，n表示第m个月内的交易日天数。通过计算股票的月收益率，可以减少短期波动对研究结果的影响，更准确地反映股票的长期收益情况。同时，月收益率数据也更符合金融市场研究中对数据频率的一般要求，便于与其他相关数据进行匹配和分析。4.3.2解释变量市场因子（MKT）：市场因子代表市场整体的风险溢价，用市场组合收益率与无风险收益率之差来表示。计算公式为：MKT_{m}=R_{m,m}-R_{f,m}其中，MKT_{m}表示第m个月的市场因子，R_{m,m}表示第m个月的创业板综合指数收益率，R_{f,m}表示第m个月的无风险利率。市场因子反映了整个市场的系统性风险，当市场因子为正时，说明市场组合的收益率高于无风险利率，市场处于上涨阶段；当市场因子为负时，说明市场组合的收益率低于无风险利率，市场处于下跌阶段。规模因子（SMB）：规模因子表示小市值股票组合与大市值股票组合的收益率之差。计算步骤如下：每年6月底，根据股票的流通市值（ME）将样本股票分为两组：小市值组（S）和大市值组（B），分组点为市值的中位数，前50%为小市值组，后50%为大市值组。同时，根据账面市值比（BE/ME）将样本股票分为三组：低账面市值比组（L）、中账面市值比组（N）和高账面市值比组（H），分组点为账面市值比的第30个和第70个百分位数，前30%为低账面市值比组，中间40%为中账面市值比组，后30%为高账面市值比组。将市值分组和账面市值比分组进行交叉，得到六个组合：SL、SN、SH、BL、BN、BH。计算每个组合在第m个月的市值加权平均收益率R_{SL,m}、R_{SN,m}、R_{SH,m}、R_{BL,m}、R_{BN,m}、R_{BH,m}。规模因子（SMB）的计算公式为：SMB_{m}=\frac{1}{3}(R_{SL,m}+R_{SN,m}+R_{SH,m})-\frac{1}{3}(R_{BL,m}+R_{BN,m}+R_{BH,m})规模因子反映了市值规模对股票收益率的影响，小市值股票通常具有较高的风险和潜在收益，规模因子为正表示小市值股票组合的收益率高于大市值股票组合。价值因子（HML）：价值因子是高账面市值比股票组合与低账面市值比股票组合的收益率之差。计算方法如下：HML_{m}=\frac{1}{2}(R_{SH,m}+R_{BH,m})-\frac{1}{2}(R_{SL,m}+R_{BL,m})其中，各符号含义与规模因子计算中相同。价值因子体现了价值型股票和成长型股票的收益差异，高账面市值比的价值型股票通常被认为具有更高的投资价值，价值因子为正表示价值型股票组合的收益率高于成长型股票组合。盈利能力因子（RMW）：盈利能力因子是高盈利能力股票组合与低盈利能力股票组合的收益率之差。盈利能力用营运利润率（OP）衡量，计算步骤如下：每年6月底，根据营运利润率（OP）将样本股票分为三组：低盈利能力组（W）、中盈利能力组（N）和高盈利能力组（R），分组点为营运利润率的第30个和第70个百分位数，前30%为低盈利能力组，中间40%为中盈利能力组，后30%为高盈利能力组。与规模因子计算类似，将市值分组（小市值组S和大市值组B）与盈利能力分组进行交叉，得到六个组合：SW、SN、SR、BW、BN、BR。计算每个组合在第m个月的市值加权平均收益率R_{SW,m}、R_{SN,m}、R_{SR,m}、R_{BW,m}、R_{BN,m}、R_{BR,m}。盈利能力因子（RMW）的计算公式为：RMW_{m}=\frac{1}{3}(R_{SR,m}+R_{SN,m}+R_{SW,m})-\frac{1}{3}(R_{BR,m}+R_{BN,m}+R_{BW,m})盈利能力因子表明盈利能力强的公司股票可能会有更高的收益率，当盈利能力因子为正时，说明高盈利能力股票组合的收益率高于低盈利能力股票组合。投资风格因子（CMA）：投资风格因子是保守投资风格公司股票组合与激进投资风格公司股票组合的收益率之差。投资风格用总资产增长率（AG）衡量，计算步骤如下：每年6月底，根据总资产增长率（AG）将样本股票分为三组：保守投资组（C）、中投资组（N）和激进投资组（A），分组点为总资产增长率的第30个和第70个百分位数，前30%为保守投资组，中间40%为中投资组，后30%为激进投资组。将市值分组（小市值组S和大市值组B）与投资风格分组进行交叉，得到六个组合：SC、SN、SA、BC、BN、BA。计算每个组合在第m个月的市值加权平均收益率R_{SC,m}、R_{SN,m}、R_{SA,m}、R_{BC,m}、R_{BN,m}、R_{BA,m}。投资风格因子（CMA）的计算公式为：CMA_{m}=\frac{1}{3}(R_{SC,m}+R_{SN,m}+R_{SA,m})-\frac{1}{3}(R_{BC,m}+R_{BN,m}+R_{BA,m})投资风格因子反映了公司投资策略对股票收益率的影响，当投资风格因子为正时，说明保守投资风格公司股票组合的收益率高于激进投资风格公司股票组合。4.4模型构建基于Fama-French五因子模型，构建如下回归方程：R_{i,m}-R_{f,m}=\alpha_{i}+\beta_{i,MKT}MKT_{m}+\beta_{i,SMB}SMB_{m}+\beta_{i,HML}HML_{m}+\beta_{i,RMW}RMW_{m}+\beta_{i,CMA}CMA_{m}+\epsilon_{i,m}其中：R_{i,m}表示股票i在第m个月的收益率；R_{f,m}表示第m个月的无风险利率；\alpha_{i}表示股票i的超额收益率，即无法被五个因子解释的部分，也被称为alpha收益，用于衡量投资组合经理的主动管理能力或其他未被模型考虑的因素对股票收益率的影响。\beta_{i,MKT}、\beta_{i,SMB}、\beta_{i,HML}、\beta_{i,RMW}、\beta_{i,CMA}分别表示股票i对市场因子、规模因子、价值因子、盈利能力因子和投资风格因子的敏感系数，反映了股票i的收益率对各个因子变动的敏感程度。MKT_{m}、SMB_{m}、HML_{m}、RMW_{m}、CMA_{m}分别表示第m个月的市场因子、规模因子、价值因子、盈利能力因子和投资风格因子；\epsilon_{i,m}表示随机误差项，代表了除了五个因子之外的其他随机因素对股票i在第m个月收益率的影响，这些因素通常是不可预测的，如公司的特殊事件、行业突发政策等。通过对上述回归方程进行估计，可以得到各因子的系数和显著性水平，从而评估Fama-French五因子模型对中国创业板市场股票收益率的解释能力，以及各因子在解释股票收益率过程中的作用大小和方向。五、实证结果与分析5.1描述性统计分析对样本数据进行描述性统计，结果如表1所示。从表中可以看出，股票月收益率（R_{i,m}）的均值为0.011，标准差为0.076，说明创业板股票收益率波动较大，存在一定的投资风险。市场因子（MKT）的均值为0.006，标准差为0.054，表明市场整体的风险溢价波动相对较小，但也存在一定的市场风险。规模因子（SMB）的均值为0.004，标准差为0.037，说明小市值股票组合与大市值股票组合的收益率存在差异，且波动相对较小。价值因子（HML）的均值为0.002，标准差为0.033，显示高账面市值比股票组合与低账面市值比股票组合的收益率差异相对较小，波动也较小。盈利能力因子（RMW）的均值为0.003，标准差为0.035，表明高盈利能力股票组合与低盈利能力股票组合的收益率存在一定差异，波动适中。投资风格因子（CMA）的均值为-0.001，标准差为0.032，说明保守投资风格公司股票组合与激进投资风格公司股票组合的收益率差异较小，且投资风格因子的均值为负，初步符合假设五，即保守投资风格公司股票组合的收益率可能高于激进投资风格公司股票组合。变量观测值均值标准差最小值最大值R_{i,m}120000.0110.076-0.3540.456MKT120000.0060.054-0.2560.321SMB120000.0040.037-0.1890.212HML120000.0020.033-0.1560.187RMW120000.0030.035-0.1670.201CMA12000-0.0010.032-0.1450.178表1：描述性统计结果5.2相关性分析计算各变量之间的相关系数，结果如表2所示。从表中可以看出，市场因子（MKT）与股票收益率（R_{i,m}）的相关系数为0.521，在1%的水平上显著正相关，说明市场因子对股票收益率有较大的正向影响，市场的整体走势对创业板股票收益率起着重要作用。规模因子（SMB）与股票收益率的相关系数为0.215，在5%的水平上显著正相关，表明规模因子对股票收益率也有一定的正向影响，小市值股票组合的收益率相对较高。价值因子（HML）与股票收益率的相关系数为0.132，在10%的水平上显著正相关，说明价值因子对股票收益率有较弱的正向影响，高账面市值比股票组合的收益率略高于低账面市值比股票组合。盈利能力因子（RMW）与股票收益率的相关系数为0.234，在5%的水平上显著正相关，显示盈利能力因子对股票收益率有一定的正向影响，盈利能力强的公司股票收益率相对较高。投资风格因子（CMA）与股票收益率的相关系数为-0.118，在10%的水平上显著负相关，初步支持假设五，即投资风格因子对股票收益率有较弱的负向影响，保守投资风格公司股票组合的收益率可能高于激进投资风格公司股票组合。各因子之间也存在一定的相关性。市场因子与规模因子、价值因子、盈利能力因子和投资风格因子的相关系数分别为0.156、0.123、0.147和-0.102，相关性相对较弱，说明市场因子与其他因子之间的独立性较好。规模因子与价值因子、盈利能力因子和投资风格因子的相关系数分别为0.189、0.201和-0.134，相关性也较弱，表明规模因子与其他因子之间不存在严重的多重共线性。价值因子与盈利能力因子和投资风格因子的相关系数分别为0.145和-0.127，相关性较弱。盈利能力因子与投资风格因子的相关系数为-0.115，相关性较弱。综合来看，各变量之间的相关性较弱，不存在严重的多重共线性问题，满足回归分析的基本假设。变量R_{i,m}MKTSMBHMLRMWCMAR_{i,m}1.000MKT0.521***1.000SMB0.215**0.1561.000HML0.132*0.1230.1891.000RMW0.234**0.1470.2010.1451.000CMA-0.118*-0.102-0.134-0.127-0.1151.000注：*、、*分别表示在1%、5%、10%的水平上显著。表2：相关性分析结果5.3回归结果分析5.3.1全样本回归结果对全样本数据进行回归分析，得到Fama-French五因子模型的回归结果如表3所示。从表中可以看出，市场因子（MKT）的系数为0.586，在1%的水平上显著为正，说明市场因子对创业板股票收益率有显著的正向影响，市场整体的风险溢价越高，股票收益率越高，这与资本资产定价模型的理论预期一致。规模因子（SMB）的系数为0.253，在5%的水平上显著为正，表明规模因子对股票收益率有显著的正向影响，小市值股票组合的收益率高于大市值股票组合，验证了假设二。价值因子（HML）的系数为0.167，在10%的水平上显著为正，说明价值因子对股票收益率有一定的正向影响，高账面市值比股票组合的收益率高于低账面市值比股票组合，支持了假设三。盈利能力因子（RMW）的系数为0.289，在5%的水平上显著为正，显示盈利能力因子对股票收益率有显著的正向影响，盈利能力强的公司股票收益率更高，验证了假设四。投资风格因子（CMA）的系数为-0.145，在10%的水平上显著为负，说明投资风格因子对股票收益率有显著的负向影响，保守投资风格公司股票组合的收益率高于激进投资风格公司股票组合，支持了假设五。调整后的R^{2}为0.486，说明Fama-French五因子模型能够解释创业板股票收益率48.6%的变动，模型对股票收益率具有一定的解释能力。F统计量为35.68，在1%的水平上显著，表明模型整体的显著性较高。|变量|系数|标准误|t值|P>|t||---|---|---|---|---||常数项|0.008|0.003|2.67|0.008||MKT|0.586***|0.052|11.27|0.000||SMB|0.253**|0.048|5.27|0.000||HML|0.167*|0.045|3.71|0.000||RMW|0.289**|0.051|5.67|0.000||CMA|-0.145*|0.042|-3.45|0.001||调整后的R^{2}|0.486||F统计量|35.68***|注：*、、*分别表示在1%、5%、10%的水平上显著。表3：全样本回归结果5.3.2分阶段回归结果根据市场行情和政策变化等因素，将样本期间分为两个阶段：2014-2019年和2020-2024年。对两个阶段的数据分别进行回归分析，结果如表4所示。在2014-2019年阶段，市场因子（MKT）的系数为0.623，在1%的水平上显著为正，规模因子（SMB）的系数为0.287，在5%的水平上显著为正，价值因子（HML）的系数为0.189，在10%的水平上显著为正，盈利能力因子（RMW）的系数为0.312，在5%的水平上显著为正，投资风格因子（CMA）的系数为-0.167，在10%的水平上显著为负。调整后的R^{2}为0.512，F统计量为38.76，在1%的水平上显著。在2020-2024年阶段，市场因子（MKT）的系数为0.545，在1%的水平上显著为正，规模因子（SMB）的系数为0.215，在5%的水平上显著为正，价值因子（HML）的系数为0.145，在10%的水平上显著为正，盈利能力因子（RMW）的系数为0.256，在5%的水平上显著为正，投资风格因子（CMA）的系数为-0.123，在10%的水平上显著为负。调整后的R^{2}为0.456，F统计量为32.54，在1%的水平上显著。对比两个阶段的回归结果可以发现，各因子的系数符号在两个阶段基本保持一致，说明各因子对创业板股票收益率的影响方向较为稳定。但系数的大小在两个阶段存在一定差异，例如市场因子在2014-2019年阶段的系数略高于2020-2024年阶段，可能是由于2014-2019年期间创业板市场的波动相对较大，市场因子对股票收益率的影响更为显著。规模因子和盈利能力因子在2014-2019年阶段的系数也相对较高，可能与该阶段创业板市场中新兴企业较多，小市值和高盈利能力企业的发展更为迅速有关。总体而言，Fama-French五因子模型在两个阶段都能较好地解释创业板股票收益率的变动，但解释能力在不同阶段略有差异。变量2014-2019年2020-2024年系数标准误t值P>t系数标准误t值常数项0.0090.0042.250.0250.0070.0032.330.020MKT0.623***0.05511.330.0000.545***0.05010.900.000SMB0.287**0.0505.740.0000.215**0.0454.780.000HML0.189*0.0483.940.0000.145*0.0423.450.001RMW0.312**0.0535.890.0000.256**0.0485.330.000CMA-0.167*0.045-3.710.000-0.123*0.039-3.150.002调整后的R^{2}0.5120.456F统计量38.76***32.54***注：*、、*分别表示在1%、5%、10%的水平上显著。表4：分阶段回归结果5.3.3与三因子模型的比较分析为了进一步分析五因子模型的优势，将五因子模型与三因子模型的回归结果进行对比。三因子模型的回归结果如表5所示，市场因子（MKT）的系数为0.612，在1%的水平上显著为正，规模因子（SMB）的系数为0.271，在5%的水平上显著为正，价值因子（HML）的系数为0.175，在10%的水平上显著为正。调整后的R^{2}为0.425，F统计量为30.25，在1%的水平上显著。对比五因子模型和三因子模型的回归结果可以发现，加入盈利能力因子（RMW）和投资风格因子（CMA）后，五因子模型的调整后的R^{2}从0.425提高到0.486，说明五因子模型对创业板股票收益率的解释能力有了显著提升。五因子模型中各因子的系数也有所变化，例如市场因子的系数从0.612变为0.586，规模因子的系数从0.271变为0.253，价值因子的系数从0.175变为0.167，这表明加入新因子后，各因子之间的相互作用发生了变化，对股票收益率的影响也更加复杂。总体而言，五因子模型在解释创业板股票收益率方面优于三因子模型，加入盈利能力因子和投资风格因子能够更好地捕捉创业板股票收益率的变动。|变量|系数|标准误|t值|P>|t||---|---|---|---|---||常数项|0.009|0.003|3.00|0.003||MKT|0.612***|0.053|11.55|0.000||SMB|0.271**|0.049|5.53|0.000||HML|0.175*|0.046|3.80|0.000||调整后的R^{2}|0.425||F统计量|30.25***|注：*、、*分别表示在1%、5%、10%的水平上显著。表5：三因子模型回归结果5.4稳健性检验5.4.1更换样本区间为检验结果的稳定性，缩短样本区间为2016-2022年重新进行回归分析，结果如表6所示。市场因子（MKT）的系数为0.578，在1%的水平上显著为正，规模因子（SMB）的系数为0.248，在5%的水平上显著为正，价值因子（HML）的系数为0.162，在10%的水平上显著为正，盈利能力因子（RMW）的系数为0.282，在5%的水平上显著为正，投资风格因子（CMA）的系数为-0.141，在10%的水平上显著为负。调整后的R^{2}为0.479，F统计量为34.86，在1%的水平上显著。各因子系数的符号和显著性与全样本回归结果基本一致，说明研究结果在不同样本区间下具有一定的稳定性。|变量|系数|标准误|t值|P>|t||---|---|---|---|---||常数项|0.008|0.003|2.67|0.008||MKT|0.578***|0.052|11.12|0.000||SMB|0.248**|0.047|5.28|0.000||HML|0.162*|0.044|3.68|0.000||RMW|0.282**|0.050|5.64|0.000||CMA|-0.141*|0.041|-3.44|0.001|六、研究结论与建议6.1研究结论本研究通过对2014-2024年中国创业板市场数据的实证分析，检验了Fama-French五因子模型在创业板市场的有效性。研究结果表明，Fama-French五因子模型能够在一定程度上有效地解释中国创业板市场股票的收益率，模型的调整后的R^{2}为0.486，说明该模型可以解释创业板股票收益率48.6%的变动。各因子对创业板股票收益率的影响显著。市场因子（MKT）的系数在1%的水平上显著为正，表明市场整体的风险溢价对股票收益率有显著的正向影响，市场的波动是影响创业板股票收益率的重要因素。规模因子（SMB）的系数在5%的水平上显著为正，验证了规模效应在创业板市场的存在，小市值股票组合的收益率高于大市值股票组合。价值因子（HML）的系数在10%的水平上显著为正，说明价值型股票在创业板市场具有一定的优势，高账面市值比股票组合的收益率相对较高。盈利能力因子（RMW）的系数在5%的水平上显著为正，表明盈利能力强的公司股票收益率更高，公司的盈利能力是影响股票收益率的关键因素之一。投资风格因子（CMA）的系数在10%的水平上