投资学(第4版)-第57节

按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！



对于每个月t，我们的残值估计et是从证券特征线S　C　L的预测中得到的G　M超额收
益的方差，它等于：
方差＝实际收益…预期收益
eG　Mt　＝RG　Mt　…（　


G　MRM　t＋　
G　M）　
这些残值是G　M普通股收益中每月非预期的公司特有成分的估计。因此，我们可以用以下式子来估计公司特有方差：＇　1　＇　

22

（eGM　）　=　1　et　=　12。60。（12）　
10　t　=1
G　M收益的公司特有成分的标准差



（eG　M）每月为
12。60　=　3。55％　，它与回归残值的
标准偏差相等。
10。1。3　指数模型与分散化
由夏普＇2＇　首先建立的指数模型也提供了资产组合风险分散化的另一个视角。假定
我们选择有n个证券的等权重资产组合。每个证券的超额收益率由下式给出

Ri　=　


＋
i　


iRM　＋　ei　
相似地，我们可以把股票资产组合的超额收益写成


P　RM　＋　eP　（1　0　…　5）
RP　=　

P　＋　
现在我们说明，随着资产组合中包括的股票数目的增多，归因于非市场因素的资
产组合风险部分将变得越来越小，这部分风险被分散掉了。相比较，市场风险依然存
在，无论组成资产组合的公司数目有多少。

为了理解这些结论，我们注意到等权重（每种资产权重wi　＝1　/n）资产组合的超额
收益率为

＋

RP　=。（n）　wiRi　=　
1　。（n）　Ri　=　
1　。（n）　（　iRM　＋　ei　）　=　
1　。（n）　＋
。　1　。（n）　÷。　
RM　＋　
1　。（n）　（1　0　…　6）　

i=1　ni　=1　ni=1　
i　ni=1　
i　。　
è　ni=1　
i。　ni=1　
ei　

比较等式1　0　…　5和1　0　…　6，我们看到资产组合对市场的敏感度由下式给出


1　n　
P　

=　。　


i　

ni=1　

它是单个


的平均值。同时，资产组合有一个常数（截距）的非市场收益成分
i　

＇1＇　由于et的均值为零，et2是该均值的平方差。因此，et　
2的平均值是公司特有成分的方差估计。我们把方
差残值的总和除以回归自由度n－2＝1　2－2＝1　0，得出
2（e）的无偏估计。

＇2＇　William　F。　Sharpe，“A　Simplified　Model　of　Portfolio　Analysis”，Management　Science，January　1963。　

下载
246　第三部分资本市场均衡


=。1nPi　

ni　=1　

它是单个阿尔法的平均值。加上零均值变量

eP　=　
1　。（n）　ei　

ni=1　

它是公司特有成分的平均值。因此，资产组合的方差为：


P2M2＋2（eP　）　（1　0　…　7）
=　

P2
p　


M（22）　，它
也依赖于单个证券的敏感度系数。这部分风险依赖于资产组合的贝塔和
我们定义资产组合方差的系统风险成分为依赖于市场运动的部分，即


2M，不管资
产组合分散化程度如何都不会改变。无论持有多少股票，它们在市场中暴露的一般风
险将反映在资产组合的系统风险中。＇　1　＇　
相比较，资产组合方差的非系统成分是


2（eP），它来源于公司特有成分ei。因为这
些ei是独立的，都具有零期望值，所以平均法则可以被用来得出这样的结论：随着越
来越多的股票加入到资产组合中，公司特有风险倾向于被消除掉，结果只剩下越来越
小的非市场风险，这些风险被认为是可分散的（d　i　v　e　r　s　i　f　i　a　b　l　e）。为更准确地理解这一
点，考虑有公司特有成分的等权重“资产组合”的方差公式。因为ei是不相关的，
22

（eP　）　=（ei　）　=　1　2（e）。（n）　
1n
。　
è　
。　
。　
2i=1n　
这里2（e）是公司特有方差的均值。由于这一均值独立于n，所以当n变大时，
2（eP）就变得小得可以忽略了。
简而言之，随着分散化程度的加强，资产组合的方差接近于系统方差。系统方差
定义为市场因素的方差乘以资产组合敏感系数的平方


P2。图1　0　…　2对此作了说明。

可分散的风险
系统风险
图10…2　单因素经济中有风险系数


的资产组合的方差
图1　0　…　2说明，随着越来越多的证券组成资产组合，由于分散了公司特有风险，资

产组合的方差下降。然而，分散化的能力是有限的。甚至对于一个相当大的n，仍然

存在着部分风险，因为所有资产实际上仍暴露于一般或市场的因素之上。因此，我们

＇1＇　当然，我们可以通过把具有负
值和具有正
值的资产组合在一起来构造零系统风险的资产组合。我们
讨论中的这一点是说绝大多数证券具有正的
值，即对数量巨大的资产但持有头寸很小的充分分散化
的资产组合，确实具有正的系统风险。

下载
第10章单指数与多因素模型

247　

说系统风险是不可分散的。
这一分析得到了实证证据的支持。我们在图8　…　2中看到了资产组合分散化对组合
标准差的影响。这些经验的结果与图1　0　…　2中所给出的理论图形是相似的。


概念检验

问题2：重新考虑概念检验问题1中的两支股票。假定我们组成A和B的等权重资产
组合，那么，该资产组合的非系统标准差是多少？

10。2　资本资产定价模型与指数模型
10。2　1　实际收益与期望收益
资本资产定价模型是一个很好的模型。问题是它是否具有现实世界的价值—它

的含意是否由经验得来。第1　3章对此给出了一定的经验证据，在这里，我们现在要扼

要地重点讨论更基本的问题：资本资产定价模型在原则上是否可以检验？

首先，资本资产定价模型的核心预言是，市场资产组合是一个均方差有效的资产
组合。考虑资本资产定价模型处理的所有可交易的风险资产。为了验证C　A　P　M市场资
产组合的有效性，我们需要构造一个规模巨大的市值权重的资产组合并检验其有效性。
到目前为止，这一任务仍不可行。但是，一个更困难的问题是，资本资产定价模型暗
示了各种期望收益之间的关系，而所有我们可以观察到的只是实际的或已实现的持有
期间的收益，并且它们并不需要等于先前的预期值。我们甚至可以假设构造一个资产
组合来完满地代表C　A　P　M市场资产组合，那么我们如何来检验它的均方差的有效性
呢？我们不得不说明，市场资产组合的酬报…波动性比率比其他任何资产组合都高。
然而，这一比率是在期望的意义上建立的，我们还没有直接观测这些预期的方法。

当我们试图建立资本资产定价模型预言的第二个关键点的有效性时，测度预期的
问题也同期望收益


关系一样，经常缠绕着我们。期望收益
关系也是根据期望收益
E（ri）与E（rM）定义的：
E（ri　）　=　rf　＋　


i　＇E（　rM　）　…　rf　＇　（1　0　…　8）　
结果是，同资本资产定价模型的简单与深入一样，我们必须提出附加的假定条件，
以使它可以起作用并可以检验。

10。2。2　指数模型与已实现的收益
我们已经指出，资本资产定价模型是关于预期收益的论断，然而实际上，任何人

都可以直接观察到已实现的收益。为了使期望收益变成已实现收益，我们可以运用指

数模型。我们把超额收益写成下列形式

Ri　=　


＋　
i　RM　＋　ei　（1　0　…　9）　
我们在1　0　。　1节中已知如何应用标准回归分析，利用某样本期间的可观测实现收益
来估计等式1　0　…　9。我们现在来看，统计上分解成股票实际收益的这个结构如何与资本
资产定价模型接合。
我们从股票i的收益与市场指数收益之间的协方差开始我们的分析。通过定义，公
司特有的或非系统的成分独立于整个市场的或系统的成分，即C　o　v　（RM，ei）＝0，从这
一关系导出证券i的超额收益率与市场指数的协方差为

i　

Cov（　Ri　；　RM　）　=　Cov（　


RM　＋　ei　；　RM　）　=　


Cov（RM　；　RM　）　＋　Cov（ei　；　RM　）　=　

i　

i　


iM　

注意，我们可以把


从协方差项中提出来，因为


是一个常数，它与所有变量有
零协方差。
因为C　o　v　（Ri，RM）＝


i　

i　


iM2，等式1　0　…　9中的敏感度系数
代表指数模型的回归线的斜
率，它等于

i　


248　第三部分资本市场均衡

下载
Cov（　Ri　；　RM　）　

=　

i　2　
M　

指数模型贝塔系数的结果与资本资产定价模型期望收益…贝塔关系的贝塔相同，
除非我们重新安排带有特定的可观测市场指数（理论的）的C　A　P　M市场资产组合。


概念检验

问题3：下列贝塔值描述了满足单指数模型的一个有三支股票的金融市场。

股票资本/美元


值平均超额收益（％）标准差（％）
A　3　000　1　。　0　1　0　4　0　
B　1　940　0　。　2　2　3　0　
C　1　360　1　。　7　1　7　5　0　

这个经济中的单因素与市值权重的股票市场指数完全相关。市场指数资产组合的
标准差为2　5％。

a。　指数资产组合的平均超额收益为多少？
b。　股票A和指数之间的协方差为多少？
c。　把股票B的方差分成它的系统和公司特有成分。
10。2。3　指数模型与期望收益…贝塔关系
回忆起资本资产定价模型的期望收益…贝塔关系为，对任意资产i和（理论的）市
场资产组合，有

E（ri　）　…　rf　=　


＇E（rM　）　…　rf　＇
i

这里


i　＝C　o　v　（Ri，RM）　/　
M2。这显示了相对于（理论的）市场资产组合平均超额收
益的资产平均期望超额收益的情况。
如果等式1　0　…　9中的指数M代表了真实的市场资产组合，我们可以对等式每边取期
望，以此来说明指数模型的详细内容

E（ri　）　…　rf　=　


＋　
i　＇E（rM）　…　rf　＇
i　

指数模型关系与资本资产定价模型的期望收益…贝塔关系（等式1　0　…　8）的比较表明，
资本资产定价模型预言


对所有资产都将为零。一个股票的阿尔法值是它超过（或者
低于）通过资本资产定价模型预测的可能期望收益的部分。如果股票公平定价，则其
阿尔法必定为零。
我们再次强调，这是关于证券期望收益的表述。当然，由于这一事实，一些证券
将比期望的更好，有高于资本资产定价模型预言的收益，也有可能比期望的坏，收益
低于资本资产定价模型所预言的。也就是说，它们在整个样本期间将显示出正的或负
的阿尔法值。但这些较好或较差的表现不可能被提前预知。

因此，如果我们对几个公司利用等式1　0　…　9作为回归等式来估计指数模型，我们会发
现，样本中的公司已实现的阿尔法值（回归截距）在零周围变动。如果阿尔法的初始期
望值为零，像一些公司期望有正的阿尔法值一样，有一些公司期望有负的阿尔法值。资
本资产定价模型指出，对所有证券，阿尔法的期望值为零，而代表资本资产定价模型的
指数模型则坚持认为，阿尔法的已实现价值对某一历史的可观测收益样本，其平均值为
零。重要的是，样本的阿尔法值是不可预测的，即任一个样本期均是独立于下一个的。

对这个问题的一些有意思的证据是由迈克尔·詹森（Michael　Jensen）＇1＇　搜集到的。

i　

＇1＇　Michael　C。Jensen，“The　Performance　of　Mutual　Funds　in　the　Period　1945…1964”，Journal　of　Finance　2　3　
（May　1968）。　

下载
第10章单指数与多因素模型

249　

他考察了1　9　4　5　~　1　9　6　4年间共同基金的已实现阿尔法值，图1　0　…　3显示了这些阿尔法值的
频率分布；它们确实像是围绕着零分布。

分离体＝
－122％
阿尔法
（％）
图10…3　阿尔法常规分布

在指数模型的直观形式—市场模型（market　model）中，还有另一合适的方差。
正规的说，市场模型表明，任意证券的“意外”收益是市场的“意外”收益的一个比
例，加上一个公司特有的“意外”收益，有：

ri　…　E（ri　）　=　


＇rM　…　E（rM　）＇　＋　ei
i　

这个等式与指数模型不同，它把收益分成公司特有的和系统的两部分。然而，如果
资本资产定价模型是有效的，那可以看到，把E（ri）从等式1　0　…　8中消掉，则市场模型等式
变成了指数模型等式。由于这个原因，“指数模型”和“市场模型”可以相互变换着用。


概念检验

问题4：你能把下列模型分类吗？

a。　资本资产定价模型
b。　单因素模型
c。　单指数模型
d。　市场模型
10。3　指数模型的行业版本
指数模型已经吸引了许多操盘手的注意，这不足为奇。由于它在某种程度上近似
有效，所以它为证券分析提供了一种方便的基准。

一个应用资本资产定价模型的现代操盘手，既不拥有某一证券的特殊信息，也没

有不同于一般大众的深