基于因子分析的套利定价模型及实证研究.docx

基于因子分析的套利定价模型及实证研究关键词:因子分析；套利定价理论；股市；模型??一、问题的提出?1976年，StephenRoss提出了著名的资产定价模型——套利定价理论（ArbitragePricingTheory，APT）。该理论假设任何风险证券的收益率受K个因素的影响，由一个K－因素线性模型给出：?r?i=a?i+?kk=1b?ikf?k+ε?i，i=1,2,…,n（1）?其中：E（ε?i）=E（f?k）=E（ε?iε?j）=E（ε?if?k)=0；E(ε?2?i)=s?2?i＜S?2；r?i为第i种风险证券的收益率；a?i表示所有影响风险证券收益率的因素都为零时风险证券i的平均收益率；f?k表示第k个因素的值；b?ik表示风险证券i对第k个因素的敏感性；ε?i为随机扰动项。?当不存在渐进套利机会时，由K－因素线性模型可以得到如下的近似定价模型——套利定价模型（APT）：?E（r?i）=a?i≈λ?0+?Kk=1b?ikλ?k（2）?其中，λ?k称为风险证券i对第k个因素的风险溢价。如果将误差记为v?i≡a?i-λ?0-?Kk=1b?ikλ?k，则当不存在渐进套利机会时，有limn→∞1n?ni=1v?2?i=0。?建立套利定价模型的关键在于因素的筛选。然而，一种风险证券的收益率受多方面因素的影响，同时我们也不知道究竟需要多少个因素来构造APT。假设有n个因素对证券的收益率有影响，则可能有?nm=1C?m?n种因素的组合。要从如此众多的因素组合中筛选出最优的因素组合，其计算量可想而知。?一般来说，因子的辨识和确定有两种基本的方法：统计方法和推理方法。统计方法涉及从一个全面的资产收益集（通常远超过用来估计和检验的样本资产收益）来确定因子，采用这些收益的样本数据来构造表示因子的资产组合，如Connor和Korajczyk（1988）、Lehmann和Modest（1988），前者使用因子分析方法，后者利用主元分析方法。推理方法是基于捕捉经济的系统风险原则来辨识因子的，例如Fama和French（1988，1996）使用公司特征来构建因子资产组合。?在这类研究中，Roll和Ross(1986）的论文是一篇经典文献，其研究方法为后来的众多学者所采用。在将股票分组后，对每一组股票首先采用因子分析方法来估计影响股票收益率的因子数目，并估计每只股票的因子载荷；然后，利用股票收益率数据和已估计出的因子载荷做横截面回归，估计因子的风险溢价，进而检验多因子模型的适用性。此外，由于APT认为股票收益率的风险可以分为可分散风险和不可分散风险，其中可分散风险部分的均值为零，在大样本中可忽略不计，而不可分散风险部分由K个共同因子决定，并通过K个因子系数反映股票收益率与每个非零风险溢价之间的关系。但是，现实中可能某一变量本身与不可分散风险不相关（即不应当作为因子出现），但在APT模型中却被不恰当定价，成为一个共同因子。虽然由实际数据生成的因子模型通过了显著性检验，但却无法肯定这些因子就是不可分散风险的溢价，也无法排除可分散风险成为共同因子的可能。鉴于此，我们有必要对APT进行“自方差”检验这里用“自方差”只是一种强调性说法，其实质就是该项资产收益率的方差。。从长期来看，证券收益率的自方差与收益率均值之间总是保持很高的相关性，而自方差又是每一种证券所特有的，属于可分散风险。如果APT有效，那么单个证券的自方差就不应当对期望收益率起作用，因为APT认为只有不可分散的风险才对定价起作用，才可以成为定价因子。“自方差”检验就是要证明单个股票收益率的自方差是否为共同因子，可否用于定价，要接受还是否定APT。鉴于此，他们也利用“自方差”检验来对多因子模型做了补充研究。?到目前为止，我国在套利定价理论因素确定方面的研究并不多，主要是利用多元线性回归构造套利定价模型，这一方法的计算量大，其包含的因素要么过多要么不全面，而且因素之间的关联程度较高。?而因子分析是一种常用的统计降维技术，能够利用原始指标变量中某些指标之间的相关性对多变量的面板数据进行最佳综合和简化，将为数众多的指标综合为少数几个公共因子，以较少的几个公共因子变量反映原始指标变量的大部分信息，从而大大降低了分析问题的难度。?另外，因子分析法具有两个独特的优点：?（1）公共因子变量是根据原始指标变量的信息进行综合简化得到的。一方面大大减少了变量数目，将为数众多的原始指标变量缩减为极少数几个公共因子变量；另一方面又尽可能保留了大部分原始指标变量的信息，是对某些原始指标变量信息的综合和反映，仍然具有命名解释性。?（2）通过对原始指标变量进行综合和简化得到的公共因子变量之间基本上不存在线性相关性，更利于对变量进行分析。?正是因子分析的这些特点以及APT对因子组合的要求决定了因子分析适合对APT的因素进行综合和简