显著为负,而账面市值比的回归系数至少在5%的水平下显著为正,有力地支持了市值效应 和价值效应的存在 可见, Fama-Macbeth回归法和 Fama and French因子分组法的检验结果均表明,不同时 期的股票收益率表现出显著不同的规律:与早期市场相比,近期中国股票市场中的市值效应 和价值效应更加显著,股票的定价规律与成熟资本市场的表现更加相似 (四)Fama- French三因素模型回归 Fama- French三因素模型的三个因素分别为市场风险溢价因子( RiskPremium)、市值因 子(SMB)和账面市值比因子(HML)。 市场风险溢价因子即市场组合收益率减去同期无风险收益率 根据Fama和 French(1993),市值因子SMB和账面市值比因子HML的构造方法如下 首先,根据股票市值大小将所有股票等分成两组,分别为大市值组(B)和小市值组(S) 再对两组股票分别按账面市值比大小分成三组,其中最高的30%为高账市比组(H),最低 的30%为低账市比组(L),中间的40%为中账市比组(M)。根据两次划分的结果可以得到 六个组合,分别是S几L、S/M、S/H、BL、BM、B/H,具体分类情况参见下表。以流通市值 为权重计算每个股票组合的月度收益率。 表6分类方法 低账市比(309%)中账市 高账市比(30%) 小市值(50%) S/L 大市值(50%) B/L B/M B/H 市值因子(SMB)通过计算三个小市值组合的平均收益率和三个大市值组合的平均收益 率之差得到,即 SMB=-(S/L+ S/M+ S/H)--(B/L+ B/M+ B/H) 类似地,账面市值比因子(HML)是通过计算两个高账面市值比组合的平均收益率和两 个低账面市值比组合的平均收益率之差得到,即 HML-2(S/H+B/)-=/L+B/L) 在全部样本区间内,中国股市三个因子的均值及其t值见下表。 表7三因子描述性统计量 RiskPremium 均值 0.00767 0.00949 0.00187 148 2.97 0.94 从表中可以看出,三个因子的均值均为正数,说明市场风险溢价、市值和账面市值比均 存在一定的风险溢价,其中市值因子的均值与t统计量最大 三因素回归模型可以表示为 Rit =ai+ B RiskPremium Si SMBt+ h HMlt Eit8 显著为负，而账面市值比的回归系数至少在 5%的水平下显著为正，有力地支持了市值效应 和价值效应的存在。 可见，Fama-Macbeth 回归法和 Fama and French 因子分组法的检验结果均表明，不同时 期的股票收益率表现出显著不同的规律：与早期市场相比，近期中国股票市场中的市值效应 和价值效应更加显著，股票的定价规律与成熟资本市场的表现更加相似。 （四）Fama-French 三因素模型回归 Fama-French 三因素模型的三个因素分别为市场风险溢价因子（RiskPremium）、市值因 子（SMB）和账面市值比因子（HML）。 市场风险溢价因子即市场组合收益率减去同期无风险收益率。 根据 Fama 和 French（1993），市值因子 SMB 和账面市值比因子 HML 的构造方法如下。 首先，根据股票市值大小将所有股票等分成两组，分别为大市值组（B）和小市值组（S）， 再对两组股票分别按账面市值比大小分成三组，其中最高的 30%为高账市比组（H），最低 的 30%为低账市比组（L），中间的 40%为中账市比组（M）。根据两次划分的结果可以得到 六个组合，分别是 S/L、S/M、S/H、B/L、B/M、B/H，具体分类情况参见下表。以流通市值 为权重计算每个股票组合的月度收益率。 表 6 分类方法 低账市比（30%） 中账市比（40%） 高账市比（30%） 小市值（50%） S/L S/M S/H 大市值（50%） B/L B/M B/H 市值因子（SMB）通过计算三个小市值组合的平均收益率和三个大市值组合的平均收益 率之差得到，即： SMB = 1 3 (S/L + S/M + S/H) − 1 3 (B/L + B/M + B/H) 类似地，账面市值比因子（HML）是通过计算两个高账面市值比组合的平均收益率和两 个低账面市值比组合的平均收益率之差得到，即： HML = 1 2 (S/H + B/H) − 1 2 (S/L + B/L) 在全部样本区间内，中国股市三个因子的均值及其 t 值见下表。 表 7 三因子描述性统计量 RiskPremium SMB HML 均值 0.00767 0.00949 0.00187 t 值 1.48 2.97 0.94 从表中可以看出，三个因子的均值均为正数，说明市场风险溢价、市值和账面市值比均 存在一定的风险溢价，其中市值因子的均值与 t 统计量最大。 三因素回归模型可以表示为： 𝑅𝑖𝑡 = 𝑎𝑖 + 𝛽i𝑅𝑖𝑠𝑘𝑃𝑟𝑒𝑚𝑖𝑢𝑚𝑡 + 𝑠𝑖𝑆𝑀𝐵𝑡 + ℎ𝑖𝐻𝑀𝐿𝑡 + 𝜀𝑖𝑡