《金融学》课程教学资源（电子讲稿）第十讲 股票价格决定因素 Determinants of Stock Prices（汪昌云）

股票价格决定因素 Determinants of stock prices 汪昌云

1 股票价格决定因素 Determinants of Stock Prices 汪昌云

问题 冷股票的未来价格走势到底受哪些因素 Buy 的影响? 令怎样检验某一风险因素与未来收益有 关? 怎样利用这些信息来进行投资决策? 新兴市场中股票价格的决定因素与发 达国家股票市场相同吗? Ang 中国股票价格的决定因素会有何特点

2 问题 ❖ 股票的未来价格走势到底受哪些因素 的影响? ❖ 怎样检验某一风险因素与未来收益有 关? ❖ 怎样利用这些信息来进行投资决策? ❖ 新兴市场中股票价格的决定因素与发 达国家股票市场相同吗? ❖ 中国股票价格的决定因素会有何特点?

股票价格与风险度量 现代金融学中风险资产的未来价格只受 个因素影响 风险 风险是结果的不确定性;风险是事前的; 风险是对期望的偏离。波动性,方差或标 准差是其常用的度量方法

3 股票价格与风险度量 ❖ 现代金融学中风险资产的未来价格只受一 个因素影响 － 风险 ❖ 风险是结果的不确定性；风险是事前的； ❖ 风险是对期望的偏离。波动性，方差或标 准差是其常用的度量方法

证券组合与风险分散 假设:完美资本市场,投资者风险厌 恶,二参数收益分布,同质信念,单 期决策 ◇通过组合非系统性风险被化解 ◇单个资产的风险以其对效率组合风险的 贡献来衡量 系统性风险

4 证券组合与风险分散 ❖ 假设：完美资本市场, 投资者风险厌 恶,二参数收益分布，同质信念，单 期决策 ❖ 结论： ❖ 通过组合非系统性风险被化解 ❖ 单个资产的风险以其对效率组合风险的 贡献来衡量 － 系统性风险

股票价格由唯一的系统性风险决定一SML E(R1) 证券市场线(SML) M E(RM)I- M=1 E(R)=R+B1·[E(RM)-R1,其中,B1=omm

5 ❖ 股票价格由唯一的系统性风险决定－SML ( ) E Ri ＝ [ ( ) ] Rf i E RM − Rf +   , 其中, 2 /  i =  i m  m

CAPM之文字证明 ☆如果投资者因非系统风险而获得额外回报,那 么系统性风险相同的分散投资组合中,有较高 非系统风险的组合比非系统风险较低的组合收 益高。投资者会想方设法买进非系统风险较高 组合的股票,卖掉BETA相同但非系统风险较 低的股票。前者的价格被拉抬上涨。 以上过程会持续到beta相同的股票都有相同的 预期收益,非系统风险不再有RP为止

6 CAPM之文字证明 ❖ 如果投资者因非系统风险而获得额外回报，那 么系统性风险相同的分散投资组合中，有较高 非系统风险的组合比非系统风险较低的组合收 益高。投资者会想方设法买进非系统风险较高 组合的股票，卖掉BETA相同但非系统风险较 低的股票。前者的价格被拉抬上涨。 ❖ 以上过程会持续到beta相同的股票都有相同的 预期收益，非系统风险不再有RP为止

莎士比亚《亨利四世》: 冷 Glendower对 Hotspur吹牛道:“我能召唤 阴间的鬼魂”。 Hotspur冷冷地回答:那有什么了不起。我 也能,每个人都能。问题在于当你召唤他 们时,鬼魂会应招而来吗?

7 莎士比亚《亨利四世》： ❖ Glendower对 Hotspur吹牛道：“我能召唤 阴间的鬼魂”。 ❖ Hotspur 冷冷地回答：那有什么了不起。我 也能，每个人都能。问题在于当你召唤他 们时，鬼魂会应招而来吗？

CAPM有用吗?一早期的证据 Fama-MacBeth(1973, JPE) 实证模型 R1=C0+C1B1+C2B2+c3s+6 研究假设 E(C2)=0-non-linearity &E(C3)=0-non-systematic &E(CIt-ERm-EIr>0 Sharpe-Lintner hypothesis: E(co)=Rf

8 CAPM有用吗？－早期的证据 ❖ Fama-MacBeth (1973, JPE)： ❖ 实证模型: Ri = co +c1i+ c2i 2 +c3tsi+it ❖ 研究假设: ❖ E(c2 ) = 0 – non-linearity ❖ E(c3 ) = 0 – non-systematic ❖ E(c1t) = E[Rm] – E[Rf ] > 0 ❖ Sharpe-Lintner hypothesis: E(c0 ) = Rf

数据:1926.1-19686NYSE月收益率数据 研究方法: 第一步:用26-29年48个月的数据估计每个股票的beta值,并且排序 形成20个组合 第二步:用30-34年的数据,使用市场模型估计20个组合的beta,非系 统性风险等 第三步:使用第二步中估计的组合的beta和非系统性风险,用35-38 年的组合收益率数据进行回归分析,从26-68每个月均进行回归每 个系数均有390多个估计值,计算其均值

9 ❖ 数据：1926.1-1968.6 NYSE 月收益率数据 ❖ 研究方法: 第一步:用26-29年48个月的数据估计每个股票的beta值,并且排序 形成20个组合 第二步:用30-34年的数据,使用市场模型估计20个组合的beta,非系 统性风险等 第三步:使用第二步中估计的组合的beta和非系统性风险,用35-38 年的组合收益率数据进行回归分析,从26-68每个月均进行回归,每 个系数均有390多个估计值，计算其均值

Fama- MacBeth的结论 Fama-MacBeth:1938-68 405 Empirical CAPM o Sharpe- Lintner CAPM 30% E2x228= 0.5 a=0732,b=.1030

10 Fama-MacBeth的结论