-
关于特质风险与股票预期收益之间的关系。无非就是它对股票的预期收益率究竟有没有影响，如果有影响，那么特质风险导致预期收益率是上升还是下降。Fama和French认为具有高的特质风险的股票有较低的平均收益率[1]，同时ANDREW、 ANG、ROBERT J. HODRICK、YUHANG XING和XIAOYAN ZHANG认为可以把股票的预期收益率分解成为两个部分，分别用系统风险和特质风险来予以解释，通过对股票预期收益率和系统风险的的统计计算，来找出特质风险是否在预期收益中产生影响，并得出结论认为特质风险会导致股票的预期收益率下降[2]。Xu, Yexiao和Burton G. Malkiel则认为，如果投资者是以获得收益为目标，而并不进行分散化投资，那么对于具有很高的特质风险的股票必然要求更高的预期回报 [3]，因为对于只投资单只或者几只股票而言的投资者系统风险和非系统风险并没有实质性的差别，如果这类投资者在市场中占有一定的比列，那么毫无疑问，具有高的特质风险的股票是具有较高的预期收益率。URANG. BALI, NUSRET CAKICI, XUEMIN (STERLING) YAN和 ZHE ZHANG通过不同的加权方式来统计特质风险对预期收益率的影响，在剔除小规模、低流动性、低价格的股票时，市值加权的特质风险对预期收益并没有显著的影响，而平均加权方式的特质风险对预期收益有着正的影响，即导致预期收益的提高。在所有样本的条件下，特质风险对预期收益的影响消失，也就是说在所有样本的情况下，特质风险没有被定价[4]。
- 上一篇：GPU加速加解密算法国内外研究现状
- 下一篇：滚珠丝杠副国内外研究现状
然而Ang, Hodrick, Xing和Zhang发现特质风险对股票预期收益率的影响是滞后的[5],而Fangjian Fu则认为特质风险是随时间而变化的，因此Ang, Hodrick, Xing, 和Zhang的研究并不能显示特质风险与股票预期收益率的关系[6]。8971
早期很多经验研究，包括Lintner( 1965)[7] , Douglas(1969)[8]，Mille和Scholes (1972)[9]，都发现非系统风险能够显著解释平均股票收益率。但Fama和MacBeth ( 1973)提供一个更强的横截面检验，拒绝了非系统风险在CAPM模型中的作用[10]。此后，对风险定价问题的研究，学者们把目光主要投向了系统风险。对非系统风险的研究主要集中于探讨, 什么样的投资组合规模能够将非系统风险充分分散。直到2001年, Campbelletal( 2001)发现，在过去的近40年, 美国股票市场的系统风险相对比较平稳，而非系统风险则出现明显增加的趋势；同时，他们还发现，随着时间的增加，个股之间的相关性下降，市场模型对个股的解释力度在下降[11]。这篇文章发表后，国外学者开始重新关注非系统风险研究，对非系统风险的研究被称为当今解决资产定价困惑最活跃的领域之一。利用1962年7月到1999年12月的数据，Goyal 和Santa- Clara ( 2003)发现，在美国股票市场，非系统风险对滞后的价值加权市场投资组合收益率具有显著的正预测能力，即使在控制了已知能预测将来股票收益率的其它变量后，结果仍然成立[12]。但是Wei和Zhang ( 2005)和Balietal ( 2005)发现, 当扩展样本到2001年后，不论是非系统风险还是系统风险都不能预测市场超额收益率, 因此认为Goyal和Santa-Clara ( 2003)发现的正相关在不同股票投资组合中不具备稳健性, 认为这些结果是由在纳斯达克交易的小股票所驱动, 也部分来源于流动性溢价, 样本扩展后就消失了[13]。作为回应, Ghyselsetal ( 2005)使用混合数据抽样方法, 再一次发现非系统风险和市场超额收益率存在显著正相关[14]。Jiang和Lee ( 2006)也发现在纠正了非系统风险的序列相关后, 非系统风险和市场超额收益率正相关[15]。然而, Guo和Savickas ( 2005)发现非系统风险与市场超额收益率显著负相关[16]。Angetal ( 2006,2009)发现非系统风险高的股票比非系统风险低的股票有更低的预期收益率，非系统风险和市场预期收益率的负相关也出现在其它G7国家。针对负相关的结论, Bali 和Cakici( 2008)发现, Angetal( 2006)提出的负相关的结论对不同的数据频率、加权方法和分类不具有稳健性。使用和Angetal( 2009)同样的数据, Brockman和Schutte ( 2007)用EGARCH 方法估计非系统风险, 得到了正相关的结论[17]。