Local EPUB Text
套利有限性因素
到目前为止，我们已经从行为角度分析了影响股票收益的因素。然而，有两个潜在因素可能是由套利的有限性而非行为特征本身引起的。我们接下来将转而分析这些因素。
非系统性风险
CAPM模型的一个基本原则是，投资者运用投资组合来分散风险，所以他们只剩下一个利润增长引擎——市场水平的风险溢价（Beta）。但如果这一原则未能实现（我们在第1章中已经指出，投资者的投资多样化做得并不好），那么非系统性风险可能会开始对资产定价产生影响。
此外，正如我们在第2章中所展示的，套利者所面临的融资风险意味着他们并不能仅仅关注长期的价格波动，还必须关注当前价格的波动。从交易开始的那一刻起，套利者就开始担心价格是否会对他们不利，或者他们是否会面临追加保证金的要求，等等。这意味着非系统性风险再次开始对资产价格产生影响。
坎贝尔等（Campbell等， 2001）表明，非系统性风险一直在上升。事实上，个股风险已经比20世纪60年代的水平翻了一番。他们还表明，在同一时段内，市场的波动几乎是无规律可循的。因此，非系统性风险的上升必然伴随着每两只股票间平均成对相关性的下降。事实上，坎贝尔等人的研究表明，美国股市的平均成对相关性仅为20世纪60年代水平的三分之一左右。参见图4.11至图4.13。
除了资产定价问题外，这些趋势对投资组合的构建具有重大影响。大多数金融教科书认为，最优的投资组合多样化（即降低投资组合的非系统性风险至与整体的指数相等）需要10至15只股票。然而，提供这些数据的研究是在20世纪60年代进行的。
坎贝尔等人在更新相关性的统计数据时，绘制出了一幅截然不同的画面。从1974年到1985年之间，你需要在投资组合中持有20多只股票，以确保达到完全多样化。在1996年至1997年期间，达到完全多样化所需的股票数量猛增，这时你必须持有大约50只股票，才能达到同等的降低风险效果。
为什么个股的波动性会上升
我们可以找到这种趋势的三种可能解释。第一，企业集团的破产。同时涉猎多个产品线公司的股票组合的市值往往低于专注于同一行业公司的投资组合（详见第7章）——公司的多元化并未受到投资者的青睐。这就鼓励了公司专注于它们的核心竞争力和小范围的目标市场。与大型企业集团相比，这些专注于 “小型业务”的企业在本质上其实更容易受到非系统性风险的影响。
导致非系统性波动增加的第二个潜在原因是公司生命周期的加速。股权市场变得越来越像风险投资市场。与过去相比，公司进入市场的时间要早得多。据J. 里特尔（Jay Ritter）教授的数据， 1997年68%在美国上市的公司都已经拥有12个月的盈利记录。 1999年，这一比例降至25%。投资者因此而产生的担忧，便直接转化为了市场的波动性。
马尔基和徐（Malkie和Xu， 2000a）提出了一个相关的观点，即成长型股票的上涨可能推动了个股风险的上升。成长型股票往往是小型、专注于在一个专业化的市场中提供产品的公司。从本质上讲，成长型股票的非系统性风险可能要高得多。实际上，马尔基和徐表明，非系统性风险与长期收益增长的预期呈正相关关系（参见图4.14）。
第三个潜在原因可能是整个金融体系的加速发展。在20世纪90年代后期，出现了自动交易、高度活跃的基金经理以及越来越多的短线交易者等类似的因素，这些因素结合起来，共同加剧了价格的上涨，使价格达到前所未有的水平。
非系统性风险对资产定价的影响究竟有多大，这是一个实证问题。马尔基和徐绘制了图4.15，以说明超额回报（在应用FF3模型之后）和非系统性波动之间的高度联系。该图也清晰地表明了，在任何股权收益模型中，我们都应该对模型是否包含反映整体非系统性风险的变量投入足够重视。
流动性
当我们在第2章讨论债券市场背景下一价定律的失效时，一个反复被考虑的因素是投资者对流动性的需求。在套利机会有限的股市中，流动性也很重要。流动性是一个有些模糊的概念，但通常指的是快速、低成本、同时不改变价格的大量交易能力。
将流动性的概念转化为可衡量的变量，本身就是令人为难的。克瑞达、罗尔和萨布拉玛尼安（Chorida、 Roll和Subrahmanyam， 2000a， 2000b）构建了各种流动性指标的每日时间序列，这些指标包含深度、报价、有效买卖价差，以及交易量（如以美元计和以股份数计的交易量）。琼斯（Jones， 2000）收集了平均报价价差的年度时间序列。阿米胡德（Amihud， 2000）使用纽约证券交易所（NYSE）股票的平均绝对价格变动交易量的比率，来构建年度总流动性指标。罗和王（Lo和Wang， 2000）使用平均周转率变量作为衡量流动性的指标。帕斯特和斯丹博（Pastor和Stambaugh， 2001）使用了一种更为复杂的基于指令流的测量方法（见图4.16）。然而，对于实践者来说，好消息是，基本上所有的估计指标都指向同一个方向。
帕斯特和斯丹博（Pastor和Stambaugh， 2001）的研究非常重要，因为它旨在发现流动性风险是否反映在股票价格中。为了检验这一假设，他们计算了敏感度，并用流动性Beta （βLi）表示股票i的流动性风险溢价，其中Beta是多元回归中Lt （它们的总流动性指数）的斜率系数，同时在这一回归中，其他独立变量也被认为是对资产定价很重要的额外因素。为了调查股票的预期收益是否与βLi相关，他们采用了一种简单的基于投资组合的方法，即创建一个流动性Beta值足够分散的资产池。从1965年开始的每年年底数据，都会根据βLi的预测值对股票进行分类，并形成10个投资组合。在接下来的12个月内，这些投资组合所产生的回报将在多年间相互联系，最后形成每个十分位投资组合的单一回报序列。然后，这些投资组合的超额回报将对基于回报的因子进行回归，这些因子通常被用于实证资产定价研究。如果回归截距（或阿尔法）与零不同，则βLi便解释了未被其他因素所解释的预期回报的一个组成部分。
帕斯特和斯丹博同时使用FF3模型、 FF3模型与WML因子结合（一个动量投资组合）构造投资组合。他们发现股票的流动性Beta在资产定价中扮演着重要的角色。流动性更高的股票具有更高的回报率。特别是预测的流动性Beta值在十分位数的首末段之间的差值，在FF3模型和WML因子的组合中每年可以产生7.5%的超额收益率（阿尔法），而在FF3模型组合中可以产生超过9%的超额收益率。
显然，流动性对资产定价很重要。尽管如此，分析师们却很少关注这一问题。相反，有关流动性的讨论通常集中在基金管理组、交易台和衍生品产品台。分析师如果希望自己在决策中更有价值，就需要更多地考虑流动性问题。
使用注意事项
上述因素是否源于对风险的有效定价、数据窥探或行为偏差，以及套利有限性对投资者的影响，似乎是一场枯燥的学术辩论，但实际上，这些研究对理解股票估值背后的驱动因素起着重要作用。
正如我们已经注意到的那样，如果市场能够对风险进行有效定价，投资者的最好做法就是线性构成并持有这些被追踪的投资组合。但是，如果市场存在行为偏差和套利有限性的情况，那么投资者就有可能获得更高的回报。
从分析师的角度来看，基于风险因素和非风险因素的估值驱动因素之间的差异是非常关键的。如果多个因素的来源都是基于风险因素的，那么分析师需要将它们纳入到基本面价值的资本成本计算中。然而，如果其来源是行为偏差和套利有限性，那么我们就会发现基本面价值和市场价值（或者说，“价格应该是多少”和“实际价格是多少”）之间是存在差异的。如果我们对纯粹的基本面价值感兴趣（可能出于公司财务方面的原因），那么CAPM模型下生成的Beta值或许是衡量股权成本的最佳方法。然而，大多数分析师也对市场价值的决定很感兴趣（或者至少应该感兴趣）。为了估计市场价值，应使用一个类似于以下模型的多因素模型：
ri, t-rf, t＝βi （rm, t-rf, t） +δi （SMBt） +φ （HMLt） +η （WMLt） +ρ （IDVOLt） +ω （LIQUIDt） +μt
其中：
rm, t-rf, t = 市场股权风险溢价
SMB = 小盘股减去大盘股的回报率
HML = 价值型股票减成长型股票的回报率
WML = 赢家减输家的回报率（动量）
IDVOL = 非系统性风险成分
LIQUID = 衡量整体市场流动性的指标
或者也可以采取一个直接基于特征的模型，这些特征包括账面市值比、市场资本化程度，以及过去的动量，而不是基于分析“回报如何随投资组合的因子协同变化”（如丹尼尔和迪特曼的研究所论述的那样）。
斯坦因（Stein， 1996）从企业的角度探讨了这些问题。如果这种模型是基于非理性的市场行为，那么管理者需要选择适合他们的资本预算方法。例如，如果管理者想最大化短期股价，那么他们应该使用一个反映这些因素的模型，即多因素模型。另一方面，如果管理者想最大化长期价值，那么就应该去估计基本面资产风险（例如CAPM模型中的Beta值）。
这种二分法为我们提供了清晰的预测思路：资产负债表表现优异的公司，或者能够较容易地获得贷款的公司，应该使用基本面资产风险指标（如CAPM的Beta值）；而需要频繁接触股票市场的公司，更有可能使用多因素模型。例如，与评级为AAA的、资产富足的公用事业公司相比，现金拮据的互联网公司应该选择能够对股价的波动做出更敏感反应的投资。
举个例子，考虑两家航空公司—— 一家经济拮据，另一家则不然。假设一波负面情绪冲击航空业，股价下跌，那么预期回报率上升。受到限制的公司，使用的是多因素贴现率，必须提高投资的门槛回报率。没有受到限制的公司，使用的是基本面的资产风险指标，也无须调整其投资的门槛回报率。受到影响的公司可能被迫将资产（飞机）出售给竞争对手。当然，这是在第2章中讨论过的资产贱卖的例子。
相反，如果航空业板块出现积极的情绪，股票价格上涨，那么预期回报率下降，使用多因素模型的公司将降低贴现率/投资的门槛回报率，并开始购买飞机——可能会在这种正面情绪的影响下过度投资。普维诺（Pulvino， 1998）就曾记录过航空业的这种资产购买和销售的模式。