学术文献研究第46期：Beta离散度与投资者异质信念

证券研究报告|2022年11月10日 学术文献研究第46期 Beta离散度与投资者异质信念 核心观点金融工程专题报告 Beta离散度因子 Beta系数来源于Sharpe的资本资产定价（CAPM）模型，用以衡量股票的系统性风险。CAPM模型假设所有投资者对股票持有同质的信念，即所有投资者对某个股票的Beta估计是相同的。然而在实际中，投资者对Beta的预期和度量是不同。Beta值的估计会受到一些参数的影响，例如基准指数的选择、收益率窗口期的长短、数据窗口的长短，不同的计算方法可能会得到差异很大的结果。 本文共使用了27种方法来估计股票的Beta值，并将每只股票在不同计算方法下的Beta值的标准差定义为Beta离散度因子。经检验，在A股，Beta离散度因子可以解释股票未来的收益，且与股票未来收益之间存在显著的负相关关系。若根据Beta离散度因子构建多空组合，则可以获得显著的回报，并且该回报无法用Carhart四因子模型解释。经Fama-French-三因子模型Fama-French五因子模型和Fama-French六因子模型检验后，该组合依然具有显著的Alpha。 Beta离散度与投资者的异质信念 异质信念反映了投资者对股票预期收益的不同看法，在限制卖空或存在高交易成本的市场中，高异质信念股票价格将反映那些更乐观的投资者的意见，因此存在高估，未来的收益将低于低异质信念的股票。异质信念的传统代理指标是换手率。 经过检验，在控制了公司层面的特征后，预期外换手率与Beta离散度呈正相关，即Beta离散度与投资者的异质信念正相关，可以被视为投资者异质信念的代理变量，并且预期外换手率并不能完全解释Beta离散度的预测能力，Beta离散度指标可以提供关于异质信念的增量信息。 风险提示：市场环境变动风险，模型失效风险。 金融工程·数量化投资 证券分析师：张欣慰联系人：刘璐021-60933159021-60875154 zhangxinwei1@guosen.com.cnliulu9@guosen.com.cnS0980520060001 相关研究报告 《金融工程专题研究-2022年12月沪深核心指数成分股调整预测》——2022-11-08 《金融工程专题研究-百亿私募2022年三季度持仓变化透视分 析》——2022-11-04 《金融工程专题研究-2022Q3百亿基金和北向资金加仓了哪些业绩大增股？》——2022-11-02 《金融工程专题研究-财报中的竞争对手分析能否用来预测股票收益？》——2022-10-31 《金融工程专题研究-公募FOF基金2022年三季报解析》——2022-10-30 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 文献来源4 文献概览4 Beta离散度因子6 数据和构建方法6 投资组合分析6 时间序列回归8 Beta离散度与投资者的异质信念9 异质信念的传统代理指标9 Fama-Macbeth横截面回归11 稳健性检验12 总结13 免责声明14 图表目录 图1：估计Bate的参数选择6 图2：Beta离散度和市值5×5投资组合的平均市值7 图3：Beta离散度和市值5×5投资组合的平均Beta离散度7 图4：Beta离散度和市值5×5投资组合未来一个月的收益7 图5：Beta离散度和市值5×5投资组合当月的收益8 图6：Carhart四因子回归8 图7：多因子模型调整后的Alpha9 图8：Fama-MacBeth回归10 图9：固定效应面板回归11 图10：Fama-MacBeth回归12 图11：更短样本期的稳健性检验13 文献来源 文献来源：HongJ,YuX,XiaoW,etal.ThedispersionofBetaestimatesandtheinvestors'heterogeneousBeliefs:EvidencefromthestockmarketinChina[J].InternationalReviewofEconomics&Finance,2022. 文献亮点：Beta是衡量股票系统性风险的指标，然而Beta值的估计会受到一些参数的影响，例如基准指数的选择、收益率窗口期的长短、数据窗口的长短，不同的计算方法可能会得到差异很大的结果。本文共使用了27种方法来估计股票的Beta值，并将每只股票在不同计算方法下的Beta值的标准差定义为Beta离散度因子。经检验，在A股，Beta离散度因子可以解释股票未来的收益。若根据Beta离散度构建多空组合持有一个月，可以获得了显著的回报，并且该回报无法用Carhart四因子模型解释。本文提出，Beta离散度与投资者的异质信念相关，在限制卖空的市场中，高Beta离散度的股票具有较大的异质性信念，导致其表现不佳。与传统的异质信念代理相比，Beta离散度指标可以提供一些增量信息。 文献概览 Beta指标由Sharpe(1963)在资本资产定价模型（CAPM）中第一次提出，代表了证券超额收益相对市场投资组合的敏感性，是衡量风险的指标。Beta系数在证券投资和资产管理领域已被广泛应用，衡量资本成本和系统性风险。CAPM模型假设所有投资者对股票持有同质的信念，对所有投资者对某个股票的beta是相同的。然而，这个假设与现实不符：即使投资者接收到了相同的信息，他们对Beta的预期和度量也不同。 Beta是通过将资产组合的超额收益对市场的超额收益进行回归，具体而言是资产组合的超额收益与市场之间的协方差除以市场超额收益的方差来计算。因此，市场指数的选择、时间范围和回报区间，例如每日回报、每周回报、每月回报，都会导致截然不同的Beta值。例如，2021年2月26日，五粮液（000858.SZ）在不同的计算方法下，最高的Beta估计值为1.98，几乎是最低的估计值0.96的两倍。全部Beta估计值的标准差为28.19%。 Beta估计值的显著差异对投资决策、金融衍生品定价和风险管理产生重大影响。有很多解释股票收益Beta系数的文献。FamaandMacBeth(1973)检验了纽约证券交易所普通股的平均收益与风险之间的关系，发现两参数模型不能被拒绝。FamaandFrench(1992)提供了一个包含规模、账面市值比（BM）和市场超额收益因子的三因子模型，表明股票风险和预期收益不能仅用Beta系数来完全解释。尽管Angetal.(2006)在研究股票收益横截面的总波动率时，发现具有高特质波动率的股票具有较低的收益，且不能用三因子模型解释。Balietal.(2017)发现高Beta股票优于低Beta股票的证据。 除了研究资产风险和收益之间的关系，还有大量文献对Beta进行了估计。Corhay(1992)发现时间区间的选择对Beta估计有很大影响，并且时间区间的影响与企业的市场价值成反比。此外，GroenewaldandFraser(2000)比较了不同模型的预测性能，发现以5年作为时间区间来预测更为合理。Akdenizetal.(2003)介绍了动态Beta阈值的CAPM模型，说明Beta随时间、经济环境和行业而变化。回报区间也会影响Beta估计，CAPM的检验对用于估计Beta的回报区间的选择很敏感(Handaetal.,1989,1993）。一些研究还发现，投资者选择不同的投资期限可以解释一些异象，例如特质风险异象(Malagonetal.,2015)。Agrrawal andWaggle(2010)考虑不同金融机构的Beta估计差异，发现市场指数的选择也会导致Beta估计的差异。而且Lahtinenetal.(2018)验证具有不同Beta离散度的股票，收益具有差异，这意味着仅使用Beta因子无法解释股票的系统性风险。Beta估计的差异主要是由于投资者对资产风险的预期不一致。本文参考了HongandStein(2007)的分歧模型，该模型论证了一类特定的异质信念，其原理包含渐进的信息流、有限注意力和异质先验，即使在相同的信息下，不同的投资者也可能对同一时期的股票价值存在分歧。因此，我们假设Beta离散度可以被视为投资者之间异质信念的代表。 Miller(1977)论证了在卖空限制下，投资者对资产回报的不同看法将导致资产价格高估，价格将反映那些更乐观的投资者的意见。因此，对股票的意见分歧越大，高估越多，其未来回报就越低。HarrisonandKreps(1978)假设一个单一的股票市场，投机交易将在卖空和异质信念的约束下发生，并且资产价格不仅反映未来现金流的贴现，而且还反映了未来出售资产的选择权。HongandStein(2003)提出了一个基于异质投资者的模型来解释崩盘。Banerjee(2011)运用理论分析和实证分析，通过考察分歧与预期收益之间的关系，区分理性预期模型和意见分歧模型。 在实证研究中，由于异质信念无法直接衡量，目前国内外文献常使用代理变量。例如，GarfinkelandSokobin(2006),Chenetal.(2001)andDormineyetal.(2018)使用成交量来衡量不同的投资者信念。Changetal.(2013)使用标准化的预期外成交量作为意见分歧。Dietheretal.(2002)表明分析师盈利预测的分散度可被视为代理变量。Boehmeetal.(2006)提出特质公司波动率等。Chenetal.(2001)使用换手率来衡量异质信念，预测回报的偏度，从而预测崩盘。结合分析师分歧和交易量，Dangetal.(2019)证明意见分歧对股价崩盘风险有正向影响。Boehmeetal.(2006)以换手率和特质波动率作为投资者异质信念的代理变量，研究异质信念与卖空约束的交互作用对资产估值的影响。Changetal.(2013)发现在卖空约束下，由于股票不对称地包含了更多的乐观信息和较少的悲观信息，盈利公告可能会加剧高估。亏损公告还引发了更大的异质信念，并预测了未来的亏损逆转(Dormineyetal.,2018)。 一些研究人员如LiandFleisher(2004)重点研究中国股市。他们发现异质预期与A股收益呈负相关。而且证明卖空限制和异质预期的结合是对中国A股市场回报不同的更好解释，而不是流动性效应。Meietal.(2005)考虑A-B股溢价，发现A-B股溢价与A股换手率之间存在显著正相关关系。异质信念的较大变化会导致更高的换手率和更多的投机行为。 总体而言，上述这些研究讨论了中国Beta离散度与异质信念之间的关系。首先，异质信念对股票收益的影响应受卖空约束。尽管中国股市在2010年3月31日之后推出了卖空政策，但仍有严格的限制。卖空约束环境满足投资者异质信念的研究。其次，与美国股市相比，个人投资者在中国股市中的作用更为重要。因为他们有不同投资目标和信息整合能力，他们更可能对股票风险和收益分布有不同的预期，即Beta估计的分散性和意见分歧。因此，我们在中国股市的异质信念下研究了Beta离散度与股票收益之间的关系。 Beta离散度是指当投资者拥有相同的股票信息集时，他们可能会使用不同的方法来估计Beta，这些方法可以通过市场变量、时间跨度和收益区间来区分。投资者在投资过程中使用不同的Beta系数，意味着投资者在信息选择上具有特定的异质性，因此他们对股票风险、股票收益的预期以及最终的投资决策存在差异。在这项研究中，主要结论是具有较高Beta离散度的股票表现逊于较低Beta离散度的 股票。在卖空约束下，GuiandZhu(2021)发现异质信念可以解释异质性之谜。我们的论文提供了行为金融解释。我们发现异质信念可以在一定程度上解释Beta离散度对未来股票收益的负面影响。Beta离散度提供了意见分歧的其他信息，可以被视为异质信念的另一个代理变量。 本文第二部分介绍Lahtinenetal.(2018)计算Beta估计值和Beta估计值的标准差的方法。我们根据中国A股市场的Beta离散度（标准差）构建投资组合。在第三部分验证了Beta离散度与股票未来