第1章 导言

1.1 研究背景、目的和意义

随着中国经济快速发展，社会财富大量积累，投融资需求日益旺盛，资产管理行业发展迅速，各类资管产品逐渐丰富，参与主体和投资者众多，管理规模大幅增长。据统计，截至2016年6月底各大类资管产品的规模为银行理财26.3万亿元，信托计划15.3万亿元，公募基金8.4万亿元，基金专户16.5万亿元，券商资管计划14.8万亿元，私募基金5.6万亿元，保险资管2.0万亿元，简单相加后的规模总计88.9万亿元。由于在实际运作中，部分资管产品互相借用“通道”，产品互相嵌套、交叉持有等，剔除这些重复计算因素，我国资管业务规模约为60万亿元，大体接近2015年的GDP。[1]

从中国证券监督管理委员会副主席李超最近的一次讲话中可以看出，目前我国资产管理行业的规模日益增大，整个行业的运行和发展对我国经济、社会和人民生活的影响也更加深刻。目前，我国的资产管理机构需要面临各种困难、课题和挑战，特别是对于从事二级市场证券交易的资产管理机构来说，其中非常重要的一项任务就是对各种资产进行估值和定价，并对资产的风险进行分析和预判，这也是金融研究领域的一项重要课题。

估值（Evaluation）是金融领域内一个永恒的话题，它是决定一项资产现值（Present Value，PV）的过程，无论是金融资产如股票、期权、期货合约、公司股权等，还是无形资产如商标、知识产权、专利等，以及债务如国债、地方债、企业债等，都可以通过一定的方法进行估值。所有投资者都希望能够估计出自己已持有的或想投资的某种资产的真实价值，买进被低估或者有发展潜力的风险资产，进而通过持有或者交易获取超额收益。因此，有效的估值方法对于企业并购、投资分析、资本预算、风险控制等具有重要的意义。资产定价模型（Asset Pricing Model）就是一种重要的估值方法，在国内外很多期刊和教科书中，它和投资组合理论（Portfolio Theory）、市场有效性假说（Efficient Market Hypothesis，EMH）并称为现代金融学的三大基础，也是金融理论的核心内容和学术界的研究热点。

资产定价模型从最早的分红折现模型（Dividend Discount Model，DDM）到资本资产定价模型，再到套利定价理论和多因子模型（Multiple Factor Model），反映了人们从最初只关注资产的未来收益，到关注市场风险因子对于资产风险的影响；从仅仅关注市场风险因子，到关注各种静态的宏观因子和动态的横截面因子。这些模型和理论的演变与发展不仅反映了人们对于资产收益与风险的认识不断深入，也对现实中宏观经济的决策、资本市场的运行，以及投资者的投资策略产生了深刻的影响。

风险因子理论和模型的研究与发展实质上是资产风险的归因研究。宏观的经济变量，例如经济增长率、通货膨胀率、市场波动率等，虽然作为静态的风险因子能够长期影响资产收益，但是这些因子无法通过交易来实现，很难找到它们与资产收益之间的数量化关系。而CAPM中的市场风险因子可以通过低成本的交易型开放式指数基金（Exchange Trade Fund，ETF）或者高杠杆的股指期货（Index Future）来实现，这就使CAPM的实用性变得很强。在APT出现以后，实证经济学家们根据金融交易数据中存在的各种异象，逐渐在模型中又加入了规模因子、价值因子、动量因子等可交易的动态因子，形成了各种多因子资产定价模型。根据Fama和French的研究结果，CAPM利用市场因子能够解释投资组合70%左右的超额收益，而FF5模型可以解释90%以上投资组合在横截面上的超额收益。[2]如何利用这些动态因子进行投资也在2008年金融危机之后受到广泛关注。

多因子资产定价模型对证券和资产管理行业的从业者具有重大的实践意义。MSCI是全球闻名的指数编制公司，全球约有十万亿美元规模的资产以它们编制的全球证券投资指数为市场基准，同时，它们基于APT设计了用于多因子选股和结构化风险因子分析的Barra证券风险分析模型，该模型也被大多数金融机构广泛采用。对于机构投资者，尤其是基金中的基金（Fund of Funds，FOF）或者需要委托投资顾问进行投资的资产管理人来说，通过多因子模型他们可以分析投资顾问的投资偏好、择时能力、投资风格等指标，进而判断投资顾问的投资水平；对于自营投资者，无论是基金管理人还是个人投资者来说，通过多因子模型他们可以了解自身头寸的风险程度和预期收益，便于进一步调整头寸，更好地面对市场风险、实现收益目标。

我国证券市场发展较晚，监管机构和市场参与者仍然处于探索前进的阶段。无论是金融研究人员还是金融机构从业者对于资产定价模型的认识仍然处于初级阶段，甚至经常出现误用投资经理或错用资产模型的情况，例如国内某知名私募的投资经理就曾尝试利用沪深300股指期货合约对冲市场投资组合ETF去获取阿尔法收益。另外，2014年底我国股市第二次牛市启动伊始，很多号称采用阿尔法策略的私募清盘，主要原因一方面是盲目忽略规模因子风险，依赖以往经验做多小盘股做空股指，结果当时大盘权重股涨幅显著大于小盘股，仅规模因子带来的损失就超过12%；另一方面是误用衍生工具，还是上面的例子，这些私募为了博取高额回报，持有的小盘股大多来自创业板和中小板，而当时它们用来对冲市场风险的工具却是包含更多大盘权重股的沪深300股指期货，这种错误的对冲方法并不能消除市场因子的影响，反而造成了很大损失。最终，这些私募基金在上证综指月度涨幅超过20%的情况下，短短一个月之内损失超过清盘标准，被投资者全部赎回。类似的情况在国内私募行业屡见不鲜，令人扼腕叹息。因此，深入研究各种不同的风险因子和多因子资产定价模型具有重大的实践意义。

虽然多因子资产定价模型和理论的研究在不断深入，但是在风险因子和多因子模型的实证研究中仍然存在诸多障碍，有的是市场本身的特性，有的是方法论自身的缺陷，在目前的技术层面还无法取得巨大的突破：首先，目前流行的对于因子模型的实证研究大多采用普通最小二乘的线性回归方法，但无论是单只股票还是投资组合的历史收益率都包含大量的样本误差和交易噪音，无法满足线性回归的多项古典假设，所以会造成回归结果是有偏的，无法准确地反映因子和资产收益之间的真正关系，进而影响整体回归结果的分析；其次，线性回归方法对于数据集的选择非常敏感，当采用不同时间跨度和频率的数据时，即使是同样的方法也可能会得到截然不同的结果，同样投资组合的风险因子系数可能在一个时间段内是显著的，而在另外的一个时间段内又不显著了，也可能在采用月度数据时显著，而采用季度数据时就不显著了；再次，以往研究中所谓的动态分析只是在线性回归中增加一个固定的滚动窗口再进行估计，这种研究方法得到的结果只能反映出数据采样结果的不同，不能及时地反映市场各种突发信息引起的内在结构变化；最后，很多文献显示无论是利用CAPM还是Fama-French因子模型，因子系数都是随时间变化的，这种变化在某些时候能够收敛到一个均值上，而且这些因子系数的显著性也会变化，这也反映了在市场不断受到不确定性影响时，风险因子的有效性以及对投资组合收益的影响是动态变化的。因此，如何改进因子模型的研究方法对提高多因子模型的分析和预测能力也具有重要的理论意义。