论文部分内容阅读
股息率是指组合的当期股息除以当期价格。本文研究在中国股票市场中股息率是如何作为状态变量,从而在时间与空间两个维度上影响组合收益的。在时间序列维度上,本文发现:(1)我国股票市场收益在短期内可被股息率预测,而长期不可;相反,股息增长短期不可被股息率预测,而长期可以;(2)流通市值加权的市场组合的收益更易被股息率预测,而总市值加权的市场组合的股息增长更易被股息率预测;(3)股息率的收益预测能力随着组合的流通市值总市值比的增加而呈现倒U型,即当流通市值总市值比极高和极低时,股息率预测能力较低,而在该值处于中间水平时,预测能力最强。在横截面维度上,本文发现收益的股息率特征,即组合的平均收益随着股息率的增加而增加。基于此,我们利用6(2×3)市值-股息率组合来构建股息率因子GMS(Generous Minus Stingy,慷慨的减去吝啬的)。在Fama-French三因子模型的基础上加入因子GMS能在绝大多数时间样本条件下显著改善模型对于标的组合收益的解释。对于5种标的组合组,四因子模型将Fama-French三因子的截距项绝对值的平均值每月分别下降了0.1、3.2、1.7、3.0以及2.8个基点(一个基点等于万分之一)。此外,剔除价值因子HML而加入股息因子GMS的三因子模型在大多数时间样本以及组合样本下较只加入GMS的四因子模型表现得更好:剔除HML的三因子模型进一步将25市值-账面市值比组合、25市值-股息率组合以及32市值-账面市值比-股息率组合的截距项绝对值的平均值每月下降1.0、2.0以及4.5个基点。我们在该时间样本的基础上检测了7个子时间样本,结果同样验证了不含HML的三因子模型的优势。因子GMS的构建过程与账面市值比没有任何联系,但GMS可以用来解释账面市值比的收益异象,而且比HML解释得更好,这说明因子GMS不是一个“自己解释自己”的因子,而是具有解释其他收益异象的能力。