A股市场小盘股投资策略的适用性分析

张金林 贺根庆

(中南财经政法大学 新华金融保险学院，湖北 武汉 430073)

一、引言

“小盘股投资策略”是指投资小盘股比投资大盘股可以获得更高的超额收益率，传统的资本资产定价模型(CAPM)中的β系数对这一超额收益率缺乏解释能力，这一现象与CAPM相违背。按照SharpeK-Linter的CAPM模型，股票的β值已经包含了所有的风险信息，不存在别的风险，股票的期望收益率只要求对其β值进行补偿。然而，将股票的风险收益补偿仅仅归因于β系数这一个风险因素，实证结果不太理想。事实上，β系数并不能完全解释预期超额收益率的变化，Banz在《公众股市值与收益率的关系》一文中首先提出“小公司效应”,并利用纽约证券交易所的全部股票为样本，发现在1936～1977 年间最小规模组合的年平均收益率比最大规模组合高19.8%[1]；Fama和French利用横截面数据回归发现，在控制系数后，公司规模、账面市值比等风险因素对收益率具有很好的解释能力。并于1993年提出了著名的Fama-French三因素模型，说明了公司规模与股票超额收益率呈反向变动关系，也就是说证券市场中存在投资小盘股能获得高收益率的投资策略[2]。此外，许多学者也考察了比利时、加拿大、日本、爱尔兰、瑞士等国证券市场的规模效应问题，同样发现投资小盘股可以获得超额利润。而随后的研究却发现规模效应逐渐消失，如Savin和Schwert通过实证研究发现投资小盘股并不能获得超额收益。

国内学者也对小盘股投资策略在中国证券市场中的适用性进行了相关研究。陈信元、张田余和陈冬华利用横截面多因素分析方法对股票收益率进行了实证研究，发现规模因素能够影响股票收益率[3]。张强和杨淑娥基于横截面回归分析方法对中国股市1997～2004年所有A股月收益率进行了逐月回归分析，发现在1997～2000年间小盘股投资策略适用于中国证券市场，但此后基本消失。

不同的证券市场或者同一市场的不同时期，小盘股投资策略会表现出不同的适用性。中国证券市场股改完成后，2009年4月16日股指期货合约正式上市交易，2009年10月30日中国创业板开盘交易。随着中国证券市场的制度逐步完善，市场中的投资者构成、市场环境以及原有的投资理念相应发生了变化，市场的投资风格、投资理念和投资策略开始趋于多样化。在此背景下，本文利用更全面的实证方法，选择中国创业板开板后的2009年10月30日至2010年6月23日的最新交易数据，研究小盘股投资策略在创业板开启后的适用性，这对衡量中国证券市场的成熟度具有重要的现实意义。

二、研究设计

1．样本选择及数据来源

本文选择创业板上市后的沪深两市2009年10月30日至2010年6月23日的最新交易数据为研究样本。对于上海证券市场，利用上证小盘指数来表示小盘股组合，利用上证50指数来代表大盘股组合，利用上证综合指数来表示上海市场的市场组合。对于深圳证券市场，利用深圳中小板指数来代表深圳小盘股组合，利用深证100指数来代表深圳大盘股组合，利用深圳成分指数来表示深圳市场的市场组合。这样，共得到4组各157个日收益率数据，数据来源于通达信证券交易软件。

2．相关变量的定义和计算

本文采用日收益率进行分析，日收益率定义为γi=lnPt-lnPt-1,Pt为每日收盘指数。日无风险利率(0.00625%)为研究期间1年期定期存款利率2.25%除以天数(360天)得到。利用CAPM模型分别回归得到代表小盘股和大盘股相应指数的β值[4]。

3．研究方法

(1)验证β系数解释收益的波动程度。分别对沪深股市的小盘股指数和大盘股指数做最小二乘回归[5]，回归方程为：

(γi-γf)= c+β(γm-γf)+εi

(1)

其中：γi为证券组合的实际收益率，γf为无风险收益率，γm为市场收益率，β表示证券组合的收益对市场收益率的敏感度，即系统风险系数，εi为残差。对比回归结果，分析β系数对小盘股指数和大盘股指数的解释程度，验证β系数是否能够完全解释收益的波动，同时回归结果可以得到代表小盘股和大盘股相应指数的β值。

(2)计算平均超额收益。超额收益就是证券组合的实际收益率与利用CAPM计算的期望收益率的差额，即证券组合的实际收益率超过它所承受风险对应的预期收益率的部分，计算公式为：

αi=(γi-γf)- β(γm-γf)

(2)

上式中，αi为证券组合的超额收益率，其他字母含义与式(1)中相同。

首先，我们计算出2009年10月30日至2010年6月23日之间各指数的日收益率，再利用公式(2)计算相应的日超额收益率，最后进行算术平均可以得到对应指数的日平均收益率和日平均超额收益率，对沪深股市分别比较代表小盘股组合和大盘股组合的指数的日平均收益率和日平均超额收益率，可以验证小盘股投资策略的适用性。

(3)运用面板数据回归验证小盘股投资策略的适用性。利用上文介绍的代表沪深股市大小盘组合的4个指数的面板数据，在控制了β系数后对规模因素进行回归。用虚拟变量来代表小盘股指数和大盘股指数的规模因素，把小盘股的规模因素虚拟变量定义为1，把大盘股的规模因素虚拟变量定义为0。把规模因素加入式(1)中，回归方程为：

(γi-γf)= c+β(γm-γf)+ρSIZE+εi

(3)

其中：SIZE为虚拟变量，代表组合的规模因素，其他符号意义同式(1)。为使回归结果简洁，利用RSYH代替(γi-γf)，用RSCH代替(γm-γf)，回归方程(3)变为：

RSYH=c+βRSCH+ρSIZE+εi

(4)

假设：如果虚拟变量系数ρ为正，并且能够通过T检验，就说明小盘股能够得到额外的超额收益，小盘股投资策略仍然适用于现在的中国证券市场。

三、实证结果及分析

1.回归分析。借助 Eviews5.0 软件，运用回归方程(1)分别对沪深股市的小盘股指数和大盘股指数做最小二乘回归，回归结果见表1。

表1 各指数收益率序列的回归结果比较

如表1所示，不论是上海还是深圳市场，一方面β系数都在1%的水平下通过了T值检验，说明β系数是影响证券价格的显著因素；另一方面，大盘股指数回归结果的R2都达到了0.9以上，表明模型拟合程度非常好，大盘股的价格基本上完全可以用β系数来解释。而小盘股指数回归结果的R2都小于0.7，说明β并不能完全解释小盘股的收益率，这表明除了β系数外，还有其他的因素对小盘股的收益率影响显著。这一结果也验证了人们对CAPM模型的怀疑，即β系数不是解释收益变动的唯一原因。

2.平均收益率对比。利用上文介绍的方法计算各相应指数的日平均收益率和日平均超额收益率，结果见表2。

表2 日平均收益率和日平均超额收益率结果对比

表2显示，不论是上海还是深圳市场，小盘股的日平均收益率和日平均超额收益率都大于大盘股的收益，尤其是深圳市场的小盘股日超额收益率几乎是深圳大盘股日超额收益率的10倍，对比结果说明创业板上市后，小盘股投资策略仍然适用于现在的中国证券市场。此外，我们发现在市场指数处于下跌的情况下，两个市场的小盘股指数仍然取得了正的平均收益，这一结果进一步证明了除了β系数外，还有其他因素对小盘股的收益率影响显著。

3.面板数据实证回归。借助 Eviews5.0 软件对面板数据进行单位根检验，检验数据的平稳性，结果如表3所示。

表3 单位根检验结果

单位根检验结果显示拒绝原假设，数据平稳，可以对面板数据进行回归。运用Hausman 检验，进一步确定合适的面板数据回归模型，检验结果如表4所示。

表4 Hausman 检验结果

比较个体固定效应模型和个体随机效应模型，因为相应的P值远大于0.05，所以采用个体随机效应模型回归比较合适，最终的回归结果如表5所示。

表5 回归结果

Weighted Statistics

正如我们的假设一样，虚拟变量的系数为0.001 675>0，并在5%的显著水平下通过了T检验，表明小盘股投资策略仍然适用于现在的中国证券市场。同时我们可以看到回归结果调整的R2等于0.774 414，这一拟合优度高于表1中仅用系数来回归小盘股收益率时的拟合程度，进一步说明了加入规模因素后，提高了对小盘股价格的解释程度，规模因素确实是小盘股证券价格的显著影响因素。这一结论也直接支持了Fama-French三因素模型中关于公司规模与股票超额收益率呈反向变动关系的论述。

四、结论

本文主要研究创业板上市后，小盘股投资策略是否仍然适用。结果发现两个市场中都存在规模效应，投资小盘股可以获得超额收益，主要原因为：(1)创业板对小盘股的“示范作用”。中国证券市场仍处于发展初期，市场中存在“逢新必炒”的习惯，创业板的大幅上涨，自然会带动小盘股的良好表现，尤其是深圳中小板市场的上市公司和创业板的上市公司具有盘子小、高成长等多种类似性，创业板对其“示范作用”更强，这一点我们可以从表2中上海小盘股指数和深圳小盘股指数的平均收益对比中可以看到。(2)小盘股由于基数较小，容易让人们产生高成长的预期，市场一般都认为小盘股股本扩张能力强，小盘股的上涨潜力较大。(3)中国股市具有很强的投机性，小盘股往往被市场认为是资产收购与兼并的目标，常受市场追捧。(4)由于小盘股的流通盘较小，市场上投资者的系统性错误对其股价变动的影响大于对大盘股的影响，这一风险需要一定的风险补偿。

以上问题的存在，说明现阶段的中国证券市场距离有效市场还有一段距离。证券市场制度的不断完善对市场有效性的改进需要一定的时间，需要市场参与者的理性成熟。创业板市场的开放短期会对主板市场产生一定的影响，这是新的证券市场制度实施必然带来的影响，但长期来看，设立创业板市场有助于建立多层次的资本市场体系，形成不同市场之间功能上的互补和互相支撑，并促进主板市场加快改革，从而有助于保持资本市场整体的长期稳定性。

参考文献：

[1] Rolf W.Banz.The Relationship between Return and Market Value of Common Stocks[J].Journal of Financial Economics,1981, (9) :3—18.

[2] Fama，E.F.,French，K.R.The Cross-section of Expected Stock Returns[J].Journal of Finance，1992，47(2)：427—465.

[3] 陈信元,张田余,陈冬华.预期股票收益的横截面多因素分析：来自中国证券市场的经验证据[J].金融研究,2001，(6)：19—22.

[4] 陈文俊,刘修祎.上海股票市场规模效应的实证研究[J].财务与金融,2010, (2) :7-11.