7x24小时QQ:1315005170
天风证券股票现场视频观看直播线上书籍学习
天风证券股票现场视频观看直播线上书籍学习

股票收益

天风证券股票网整理
预期股票收益的横截面,规模和账面市值这两个易于衡量的变量相结合,以捕获与市场β,规模,杠杆,账面市值和市盈率相关的平均股票收益的横截面变化。而且,当测试允许与大小无关的β的变化时,即使β是唯一的解释变量,市场β与平均收益之间的关系也是平坦的。
股票收益

股票收益

  资产定价模型 夏普(1964年),林特纳(1965年),和黑色(1972)早已形学术界方式和从业者思考的平均收益和风险。该模型的中心预测是,就Markowitz(1959)而言,投资财富的市场投资组合具有均值方差有效。市场投资组合的效率意味着(a)证券的预期收益是其市场βs(证券收益率对市场收益的回归的斜率)的正线性函数,并且(b)市场β足以满足描述预期收益的横截面。

  Sharpe-Lintner-Black(SLB)模型存在一些经验上的矛盾。最突出的是Banz(1981)的规模效应。他发现市场资产ME(股票的价格乘以流通股)增加了对市场βs提供的平均收益的横截面的解释。考虑到它们的β估计值,小型(低ME)股票的平均收益太高,而大型股票的平均收益太低。

  SLB模型的另一个矛盾是Bhandari(1988)记录的杠杆与平均回报之间的正相关。杠杆与风险和预期回报相关联是合理的,但在SLB模型中,杠杆风险应由市场β捕获。Bhandari发现,杠杆率可以帮助解释包括大小(ME)和β在内的测试中的平均股票收益的横截面。

  Stattman(1980)以及 Rosenberg,Reid和Lanstein(1985)发现,美国股票的平均收益与企业普通股账面价值BE与市值ME的比率成正比。Chan,Hamao和Lakonishok(1991)发现按市值计的股权, 是 / 我 ,在解释日本股票平均收益的横截面方面也起着重要作用。

  最后,Basu(1983)证明了市盈率 ( Ë / P ) 在测试中还帮助解释美国股票平均回报的横截面,其中还包括规模和市场β。鲍尔(1978)认为 Ë / P 是预期收益中未命名因素的全面代理; Ë / P 无论风险来源如何,具有较高风险和预期收益的股票可能会更高(价格相对于收益而言更低)。

  鲍尔的代理论据 Ë / P 可能还适用于规模(ME),杠杆和账面市值权益。所有这些变量都可以视为衡量股票价格的不同方法,以提取有关风险和预期收益的价格信息(Keim(1988))。而且,由于 Ë / P ,ME,杠杆作用和 是 / 我 都是价格的缩放版本,可以合理预期,其中一些对于描述平均回报是多余的。我们的目标是评估市场β,规模, Ë / P ,杠杆和按市值计算的股票在纽约证券交易所,美国证券交易所和纳斯达克股票的平均回报率方面。

  Black,Jensen和Scholes(1972)以及 Fama和MacBeth(1973)发现,正如SLB模型所预测的那样,1969年之前的平均股票收益率与 β之间存在正的简单关系。像 Reinganum(1981)以及 Lakonishok和Shapiro(1986)一样,我们发现 β和平均收益之间的关系在最近的1963–1990年期间消失了,即使仅使用 β来解释平均收益也是如此。该附录表明,之间的简单关系 β在1941年至1990年的50年间,平均回报率也很低。简而言之,我们的测试不支持SLB模型的最基本预测,即平均股票收益与市场βs正相关。

  与β和平均回报之间的简单关系不同,平均回报与规模,杠杆, Ë / P ,按市值计算的股本也很强劲。在多变量测试中,规模和平均回报之间的负相关关系对于包含其他变量是很稳健的。市净率与平均收益率之间的正向关系在与其他变量的竞争中也一直存在。此外,尽管规模效应引起了更多关注,但按市值计价的股票在平均收益率中的作用始终如一。我们的底线结果是:(a)β似乎无助于解释平均股票收益的横截面,并且(b)规模和按市值计价的股票的组合似乎吸收了杠杆作用,并且 Ë / P 至少在我们1963–1990年的样本期间内,平均股票回报率达到了平均水平。

  如果资产定价合理,我们的结果表明库存风险是多维的。风险的一个维度是大小ME。风险的另一个方面是 是 / 我 ,普通股账面价值与其市场价值之比。

  可能由 是 / 我 是Chan和Chen(1991)的相对困扰因素。他们假设企业的盈利前景与回报的风险因素有关。市场判断为前景不佳的公司(此处股价低,账面市值比高的信号)比具有良好前景的公司具有更高的预期股票收益(它们受到了较高的资本成本的惩罚)。但是,也有可能 是 / 我 只是捕捉了关于企业前景的非理性市场异想天开的解散(向均值回归)。

  无论潜在的经济原因是什么,我们的主要结果都是简单明了的。两个易于衡量的变量,即规模(ME)和账面市值权益 ( 是 / 我 ) ,提供了1963年至1990年期间平均股票收益率横截面的简单而有力的特征。

  在下一部分中,我们讨论数据和估计β的方法。第二节研究了平均收益率与β之间以及平均收益率与规模之间的关系。第三节探讨了 Ë / P ,杠杆率和按市值计算的平均回报率。在第四节和第五节中,我们总结,解释和讨论了结果的应用。

  一,预赛

  A.数据

  我们使用(a)来自证券价格研究中心(CRSP)的NYSE,AMEX和NASDAQ申报表和(b)合并的COMPUSTAT年度收入表和资产负债表年度工业文件的交集中的所有非金融公司数据,也由CRSP维护。我们将金融公司排除在外是因为对这些公司而言,正常的高杠杆率可能与非金融公司的含义不同,在非金融公司中,高杠杆率更可能表示困扰。CRSP的收益率涵盖了纽约证券交易所和AMEX的股票,直到1973年纳斯达克收益率也出现了变化。COMPUSTAT数据适用于1962–1989年。1962年的开始日期反映了这样一个事实,即在1962年之前通常无法获得普通股的账面价值(COMPUSTAT项目60)。

  为了确保会计变量在用于解释收益之前就已经知道,我们将日历年中所有会计年度的会计数据进行匹配 Ť - 1个 (1962–1989),其中t年的 7月到6月的 回报 Ť + 1个 。财政年度末和收益测试之间的6个月(最小)差距是保守的。早期的工作(例如Basu(1983))经常假设会计数据在会计年度结束后的三个月内可用。实际上,确实要求公司在其会计年度结束后的90天内向SEC提交其10-K报告,但平均而言,有19.8%的报告不符合要求。此外,在3月31日遵守90天规则文件的12月会计年度结束的公司中,超过40%的公司的报告要到4月才公开。(请参阅Alford,Jones和Zmijewski(1992)。)

  我们在当年12月底使用公司的市值 Ť - 1个 计算其账面市值,杠杆率和市盈率 Ť - 1个 ,我们使用t年 6月的市场资产来衡量其规模。因此,要包含在t年 7月的收益测试中,公司必须具有t年12月的CRSP股票价格 Ť - 1个 和t年 6月。它还必须至少有t年 7月之前的60个月中的24个月的月回报(用于“排名前” β估算,如下所述)。而且,该公司必须拥有截至日历年(任何月份)的会计年度的总账面资产(A),账面权益(BE)和收益(E)的COMPUSTAT数据 Ť - 1个 。

  我们使用12月市场份额 Ë / P , 是 / 我 ,并且杠杆比率对于没有十二月财政年度的公司而言是令人反感的,因为比率分子中的会计变量与分母中的市场价值不一致。在会计年度末使用ME也是一个问题。那么给定年份比率的横截面变化的部分原因是该年内该比率在整个市场范围内的变化。例如,如果一年中股票价格普遍下跌,那么年初测得的比率往往会低于后期测得的比率。但是,我们可以报告说,在会计比率中使用财政年度的绩效指标而不是12月的绩效指标对我们的收益测试几乎没有影响。

  最后,测试将具有不同会计年度的公司混合在一起。由于我们匹配日历年中所有会计年度的会计数据 Ť - 1个 从t的 7月到6月的 收益 Ť + 1个 ,会计数据与匹配收益之间的差距因公司而异。我们使用样本较小的公司进行了测试,这些公司的12月财年末结果相似。

  B.估计市场β小号

  我们的资产定价测试使用Fama和MacBeth(1973)的横截面回归方法。每个月,股票收益的横截面都会根据假设用来解释预期收益的变量进行回归。然后,按月回归斜率的时间序列平均值就不同解释变量的平均价格提供了标准检验。

  由于尺寸 Ë / P ,杠杆作用和 是 / 我 由于是针对单个股票精确测量的,因此没有理由通过使用Fama-MacBeth(FM)回归中的投资组合来抹平这些变量中的信息。先前的大多数测试都使用投资组合,因为市场β的估计对于投资组合而言更为精确。我们的方法是估计β的组合秒,然后分配投资组合的β组合中的每个股票。这使我们可以在FM资产定价测试中使用单个股票。

  B.1。β估计:详细信息

  每年6月,将按大小(ME)对CRSP上的所有NYSE股票进行排序,以确定ME的NYSE十分位数断点。然后,将具有所需CRSP-COMPUSTAT数据的NYSE,AMEX和NASDAQ股票分配给基于NYSE断点的10种规模的投资组合。(如果我们使用来自所有三个交易所的股票来确定ME的突破点,那么1973年之后(纳斯达克股票被添加到样本中),大多数投资组合将只包括小型股票。)

  由于Chan和Chen(1988)等人的证据,我们根据规模形成投资组合,而其他人则证明规模产生了平均回报和βs的广泛分布。Chan和Chen仅使用规模投资组合。这产生的问题是,大小和β大小组合的s的高度相关(-0.988在他们的数据),那么资产定价缺乏测试从电源分离尺寸β的平均收益率的影响。

  为了允许偏差β是无关的大小,我们细分的预排名的基础上,各大小等分成10个投资组合β S代表个股。排名前的βs是在t年7月之前的5年中,根据24至60个月回报(可用)估算的。我们仅使用满足当年COMPUSTAT‐CRSP数据要求的纽约证券交易所股票为每种规模十分位数设置β断裂点 Ť - 1个 。使用纽约证交所股票可确保1973年以后,纳斯达克的许多小股票都不会控制β临界点。通过设置满足我们COMPUSTAT‐CRSP数据要求的股票设置β断点,可以确保100个β尺寸投资组合中的每一个都有公司。

  在6月将公司分配给规模为β的投资组合后,我们计算了从7月到6月的未来12个月投资组合的等加权月收益。最后,我们对形成的规模和预排名100个组合后的排名每月回报1963年7月至1990年12月β秒。然后我们估计β s,使用在每个100个组合的后排名将返回的全样本(330个月),与NYSE,AMEX的CRSP价值加权的组合,和(1972年以后)作为代理的纳斯达克股市市场。我们还使用纽约证券交易所股票的价值加权或同等加权投资组合作为市场的代表来估计β。这些β可以推断出β的作用平均回报率如下文所述。

  我们将β估计为投资组合的收益对当月和上个月的市场收益的回归的斜率之和。(额外的超前和滞后的市场对这些总和(影响不大β秒)之和β s的旨在调整同步交易(迪姆森(1979) )。福勒和罗克(1983)显示,和β s为如果市场收益是自相关的,则存在偏差。1963年7月至1990年12月的每月市场收益的一阶和二阶自相关分别为0.06和-0.05,两者均从0开始大约为1个标准误。它们导致一些简单的改变β秒。我们坚持使用简单的总和β秒 附录 表AI显示,使用和β小号产生的大量增加β最小的ME组合的S和在小幅下降β最大的ME组合的秒。

  陈和陈(1988)显示,全周期 β估计投资组合可以在SLB模型的测试运行良好,即使真正的 β,如果投资组合第变化随着时间的变化 β s处于比例,

  β t - β Ĵ = ķ Ť ( β Ĵ - β ) ,

  (1)

  哪里 β t 是投资组合j在时间t的真实β, β Ĵ 是 β t 跨t,β是 β Ĵ 。在附录认为(1)是用于通过时间在真正的变化的良好近似β组合(第Ĵ形成于尺寸和)β。对于顽固的β球迷,肯定会怀疑我们的弱作用的结果β平均股票收益率,我们还可以报告,结果站起来,鲁棒性检查,在使用5年的预排名β S,或5年排名后的βs,而不是整个时期的排名后的βs。

  我们将规模为β的投资组合的整个周期后排名β分配给投资组合中的每只股票。这些是β s表示将在法玛-马克贝特剖回归个股使用。我们认为,相对于单个股票可能获得的不精确的β估计,整个期后投资组合βs的精度要比真实的βs对于所有股票而言并不相同的事实更为弥补。投资组合。并且请注意,将全期投资组合βs分配给股票并不意味着股票的β是恒定的。一只股票可以随着其股票规模(ME)以及其前5年的β估计值逐年变化而在投资组合之间移动。

  B.2。β估计

  表一显示,在规模和预排名形成组合β S,而不是单独的大小,放大的全周期后的排名范围β秒。仅按大小排序,排名后的βs范围从最小的ME组合的1.44到最大的ME组合的0.92。这种传播β正穿过10个尺寸十分位数大于后排名蔓延较小的β S按所生产的β类的任何大小等分。例如,后排名β S对于以最小的尺寸等分范围从1.05至1.79的10种组合。在所有100个大小β的投资组合中,排名后的βs的范围从0.53到1.79,是仅使用规模投资组合获得的价差0.52的2.4倍。

  表I. 按规模然后按β形成的投资组合的平均回报率,后排名βs和平均规模:按ME(降序)排序的股票,然后按排名前β(跨度)排序:1963年7月至1990年12月

  投资组合每年形成。大小(ME,价格乘以流通股)指标的断点在每年的6月确定 Ť ( Ť = 1963年 - 1990 ) 使用CRSP上所有的纽约证券交易所股票。满足CRSP-COMPUSTAT数据要求的所有NYSE,AMEX和NASDAQ股票都使用NYSE断点分配给10个规模的投资组合。根据个人股票的预先排名β,将每个十分位数细分为10个β资产组合,估计2到5年的月收益(如可用)在t年6月结束。我们仅使用满足CRSP-COMPUSTAT数据要求的纽约证券交易所股票来建立β断点。然后,计算t年 7月至6月6 个投资组合的加权平均月收益。 Ť + 1个 。

  排名后的βs使用每个投资组合的排名后收益的完整样本(1963年7月至1990年12月)。排名前和排名后的βs(此处和所有其他表格中)是纽约证券交易所,美国证券交易所和(之后)的价值加权投资组合的当月收益和上月收益的月收益回归的斜率之和。 1972年)纳斯达克股票。平均回报率是每月平均加权投资组合回报的时间序列平均值,以百分比为单位。投资组合的平均规模是指每年6月底该投资组合股票的ln(ME)每月平均值的时间序列平均值,其中ME以百万美元计。

  最小位数十分位的β组合的每月平均股票数量为70到177。大小分别为2和3的β组合的平均股票数量为15到41,平均最大的7个十分位数的数字在11到22之间。

  关于βs的另外两个事实很重要。首先,每个大小等分后排名在β小号密切重现的预排名顺序β秒。我们采取这是证据表明,预排名β排序捕获的真实后的排名顺序β秒。(附录提供了有关此重要问题的更多证据。)其次,β排序不是精炼大小排序。在任何规模的十分位中,ln(ME)的平均值在β分类的投资组合中都相似。因此,排名前的β排序可以实现其目标。排名后的β会产生很大的变化与大小无关的。这对于让我们的测试区分平均收益中的β效应和规模效应非常重要。

  二。β和大小

  Sharpe-Lintner-Black(SLB)模型在学者和实践者思考风险以及风险与预期收益之间的关系时起着重要作用。接下来,我们表明,仅按规模形成普通股投资组合时,似乎有证据表明该模型具有中心预测能力:平均收益与β正相关。在β大小组合的s的,但是,几乎完全与规模相关,所以在大小组合测试都无法解开β平均收益和规模效应。允许与大小无关的β变化会破坏对数僵局,但会以β为代价。因此,当我们根据排名前β细分规模投资组合时s,我们发现平均收益率和规模之间有很强的关系,但平均收益率和β之间没有关系。

  A.非正式测试

  表II列出了由规模或β的一维股票组成的投资组合在1963年7月至1990年12月的平均排名。这些投资组合在每年的6月底形成,并在接下来的12个月中计算出它们的加权平均回报。我们使用7月到6月的收益来匹配以后使用会计数据的测试中的收益。当我们在排序只是大小年或5年预排名β S,我们形成12种组合。中间8个覆盖大小或β的十分位。4个极端组合(1A,1B,10A和10B)将底部和顶部十分一分为二。

  表二。 按规模或前β形成的投资组合的性质:1963年7月至1990年12月

  在每年的t的6月底,根据规模(ME)的排名值或β的排名形成12个投资组合。排名前的βs使用2到5年(如可用)的月度回报,直到t的六月为止。投资组合2–9涵盖了排名变量的十分位数。底部和顶部2个投资组合(1A,1B,10A和10B)将底部和顶部十分位分成两半。ME组合的断点基于CRSP上所有NYSE股票的ME排名值。NYSE断点预排名β s的也用于形成β组合。然后将纽约证券交易所,美国证券交易所和纳斯达克股票分配给规模或β使用纽约证券交易所断点的投资组合。我们计算t年 7月至6月 每个投资组合的月均加权收益 Ť + 1个 ,然后在6月对投资组合进行改革 Ť + 1个 。

  BE是普通股本的账面价值加上资产负债表递延税,A是账面总资产,E是收益(扣除非经常性项目前的收入,再加上收入声明递延税,减去优先股股息)。BE,A和E是每个公司在日历年结束的最新会计年度 Ť - 1个 。会计比率使用当年12月的市场权益ME进行衡量 Ť - 1个 。公司规模ln(ME)在t年的6月进行度量,ME的价值为数百万美元。

  平均回报率是每月平均加权投资组合回报的时间序列平均值,以百分比为单位。ln(ME), ln ( 是 / 我 ) , ln ( 一个 / 我 ) , ln ( 一个 / 是 ) , Ë / P 和 Ë / P 虚拟是每个投资组合中这些变量的月平均值的时间序列平均值。自从 Ë / P 当收入为正时,dummy为0;当收入为负时,dummy为1, Ë / P 虚拟给出每个投资组合中负收益股票的平均比例。

  β是每月投资组合βs的时间序列平均值。将股票分配给它们在t年 6月底时位于其大小β投资组合中的排名后β(表I)。将这些单个公司的βs取平均值,以计算t年 7月至6月的 每个投资组合的每月βs。 Ť + 1个 。

  形成的基础上,组合排名市场β股票号第表II产生更宽范围的β秒(从0.81图集1A至1.73 10B)比形成在尺寸组合。与规模投资组合不同,β分类的投资组合不支持SLB模型。β投资组合中的平均收益几乎没有分布,β与平均收益之间没有明显的关系。例如,尽管两个极端组合,如图1A和图10B中,有很多不同的β S,它们具有几乎相同的平均收益(1.20%和每月1.18%)。1963–1990年的这些结果证实了Reinganum(1981)的证据表明β分类的投资组合,在1964– 1979年期间,平均收益率与β之间没有关系。

  根据规模形成的100个投资组合,然后在表I中将β排在前位,从而澄清了有关β与仅基于规模或β形成的投资组合所产生的平均回报之间关系的矛盾证据。具体来说,两次通过排序可以更清晰地了解平均收益率中大小和β的不同作用。与SLB模型的中心预测相反,第二遍β分类平均收益率变化很小。虽然后排名β S IN 表我在每个大小等分强劲的增长,平均收益持平或呈现轻微倾向下降。相反,在平均收益和表I的β矩阵,平均收益率和βs随着大小的增加而减小。

  排序两遍大小和β以表我说这个变化β是依赖于大小呈正相关,平均回报,但在变化β无关的大小是不是在1963年至1990年的平均收益补偿。正确的推论似乎是规模与平均回报之间存在关系,但是控制规模,β与平均回报之间没有关系。随后的回归证实了这一结论,并且得出了另一个更强的结论。回归表明,当一个允许与大小无关的β的变化时,即使当β时,β与平均收益之间的关系也是平坦的 是唯一的解释变量。

  B.Fama‐MacBeth回归

  表III从一个月按一个月法玛-麦克白(FM)股票收益大小,横截面的回归斜率的节目时间序列平均β,和其他变量(杠杆, Ë / P ,以及按市价计价的股票)来解释平均回报。平均斜率提供了标准的FM测试,以确定在1963年7月至1990年12月期间平均哪些解释变量的预期保费为非零。

  表III。 股票收益按月,月度回归的平均斜率(t统计),包括β,大小,账面市值,杠杆和 Ë / P :1963年7月至1990年12月

  将股票分配给它们在t年 6月底时位于大小β投资组合中的排名后β(表I)。BE是普通股本的账面价值加上资产负债表递延税,A是账面总资产,E是收益(扣除非经常性项目前的收入,再加上收入声明递延税,减去优先股股息)。BE,A和E是每个公司在日历年结束的最新会计年度 Ť - 1个 。会计比率使用当年12月的市场权益ME进行衡量 Ť - 1个 。企业规模ln(ME)在t年6月进行度量。在回归中,单个股票的解释变量的这些值与t年 7月至t月6月的CRSP回报相匹配。 Ť + 1个 。

会计数据与收益之间的差距确保了在收益之前可以使用会计数据。如果收益为正, Ë ( + ) / P 是总收益与市场资产的比率, Ë / P 虚拟为0。如果收入为负, Ë ( + ) / P 是0并且 Ë / P 假人是1。

股票收益率

  平均斜率是1963年7月至1990年12月月度回归斜率的时间序列平均值,t统计量是平均斜率除以其时间序列标准误差。  平均而言,每月回归中有2267只股票。为了避免在回归中给极端的观测值以沉重...

股票的收益

  而且,这里的测试仅限于股票。包括其他资产,可能会改变有关β,规模和账面市值权益的平均溢价的推论。例如,表VI中 FM回归的平均截距较大,这表明该回归在国债收益率不高且国债市场,规模和...

返回:股票 /财经 /

相关阅读

股票收益相关文章

  • 债券股票知识

    iShares定期债券:好主意,执行不力,目标到期债券交易所交易基金很好-除非到期日间隔不均。...

    知识
    天风证券股票整理
  • 天然气股票

    押注天然气的繁荣一些基金经理认为,随着需求的增长,这些股票将会飙升。...

    天然气
    天风证券股票整理
  • 普通股票基金

    少数基金因卖空而发光没有多少经理人可以选择合适的时间与市场竞争。...

    股票
    天风证券股票整理
  • 触底反弹股票

    基金经理称,真正便宜的股票将反弹一旦其价值触底反弹,他们在历史上就超越了大盘。...

    股票
    天风证券股票整理
  • 下跌的股票

    在冠状病毒重新引起关注的情况下,股票下跌。未来几个月要看什么。...

    股票
    天风证券股票整理
  • 全球市值最大的股票市场

    盘前交易最大的股票:Walgreens,Square,Carnival,六旗,阿里巴巴等。...

    股票
    天风证券股票整理
财经热点

股票收益热点追踪

财经最新资讯

股票收益相关推荐