修正CAPM視角下中國股票市場橫截面收益的深度剖析與實證研究一、引言1.1研究背景與動因中國股票市場自20世紀90年代初建立以來，取得了舉世矚目的發(fā)展成就，已然成為全球金融市場中不可或缺的重要組成部分。截至2023年末，中國A股市場上市公司數量突破5000家，總市值超過90萬億元，投資者數量更是數以億計，已然成為全球第二大股票市場。市場交易活躍度不斷提升，各類金融創(chuàng)新產品與服務層出不窮，為投資者提供了更為豐富多樣的投資選擇。在市場規(guī)模持續(xù)擴張的同時，中國股票市場的制度建設也在穩(wěn)步推進，監(jiān)管體系日益完善，信息披露制度不斷健全，投資者保護機制逐步強化，這些積極舉措為市場的健康、穩(wěn)定發(fā)展奠定了堅實基礎。然而，中國股票市場作為一個新興加轉軌的市場，與成熟市場相比，在市場結構、投資者行為、信息傳遞效率等諸多方面仍存在顯著差異。市場波動較為頻繁且幅度較大，非理性投資行為時有發(fā)生，信息不對稱問題較為突出，這些因素導致股票價格的形成機制更為復雜，使得傳統(tǒng)的資產定價理論在解釋中國股票市場的收益率橫截面變化時面臨嚴峻挑戰(zhàn)。資本資產定價模型（CapitalAssetPricingModel，簡稱CAPM）作為現代金融學的核心理論之一，自夏普（Sharpe）、林特納（Lintner）和莫辛（Mossin）于20世紀60年代提出以來，在金融領域得到了廣泛應用，被視為資產定價和風險管理的重要工具。該模型基于一系列嚴格假設，如投資者理性、市場完美無摩擦、信息完全對稱等，構建了資產預期收益率與系統(tǒng)性風險之間的線性關系，為投資者評估資產價值、衡量投資風險提供了簡潔明了的理論框架。在實際應用中，CAPM模型在成熟金融市場中表現出一定的有效性，能夠對部分股票的收益率進行合理的解釋和預測。但在應用于中國股票市場時，CAPM模型的局限性逐漸凸顯。眾多學者的實證研究表明，中國股票市場的收益率與CAPM模型所預測的結果存在較大偏差，模型的解釋能力相對較弱。造成這一現象的主要原因在于，CAPM模型的假設條件在中國股票市場難以完全滿足。中國股票市場存在明顯的信息不對稱現象，投資者獲取信息的渠道和能力存在差異，導致市場參與者難以基于完全相同的信息進行理性決策。此外，市場中存在大量的噪聲交易和非理性投資者行為，這些因素嚴重干擾了股票價格的形成，使得股票價格不能完全反映其內在價值，進而影響了CAPM模型的適用性。為了克服傳統(tǒng)CAPM模型的局限性，更好地解釋中國股票市場收益率的橫截面變化，國內外學者進行了大量有益的探索和研究，提出了一系列修正和拓展的CAPM模型。這些修正模型從不同角度對傳統(tǒng)CAPM模型進行了改進，如引入新的風險因子、放寬假設條件、考慮市場微觀結構等，試圖更準確地刻畫中國股票市場的風險-收益關系。部分學者通過引入公司規(guī)模、賬面市值比等因子，構建了多因子模型，以彌補傳統(tǒng)CAPM模型僅考慮市場風險的不足；還有學者考慮到投資者的異質性和市場的非有效性，對CAPM模型的假設條件進行了放寬和調整，使其更貼近中國股票市場的實際情況。基于上述背景，深入開展基于修正CAPM的中國股票市場橫截面研究具有重要的理論與現實意義。從理論層面來看，通過對修正CAPM模型的深入研究，可以進一步豐富和完善資產定價理論，為金融市場的理論研究提供新的視角和方法。同時，對不同修正模型的比較分析，有助于深入理解各種風險因子在中國股票市場中的作用機制，揭示股票收益率橫截面變化的內在規(guī)律，從而推動金融理論的不斷發(fā)展和創(chuàng)新。從實踐角度而言，準確的資產定價模型對于投資者的投資決策至關重要。在復雜多變的中國股票市場中，投資者迫切需要一種更為有效的工具來評估股票的投資價值，合理配置資產，降低投資風險，提高投資收益。修正CAPM模型的研究成果能夠為投資者提供更為科學、準確的投資決策依據，幫助投資者更好地應對市場波動，實現資產的保值增值。此外，對于監(jiān)管部門來說，深入了解股票市場的風險-收益關系，有助于制定更為科學合理的監(jiān)管政策，加強市場監(jiān)管，維護市場秩序，促進中國股票市場的健康、穩(wěn)定發(fā)展。1.2研究價值與實踐意義本研究對理解中國股票市場定價機制具有重要理論價值。傳統(tǒng)CAPM模型在面對中國股票市場時存在諸多局限性，而通過對其進行修正并深入研究，能夠更準確地剖析股票市場收益率的橫截面變化。從理論層面看，不同的修正模型引入了多樣化的因素，例如公司規(guī)模、賬面市值比等新的風險因子，這些因子在傳統(tǒng)CAPM模型中未被充分考慮。通過對這些修正模型的深入探討，可以進一步豐富資產定價理論，打破傳統(tǒng)理論框架的束縛，為金融市場理論研究開辟新的路徑。通過分析這些因子在模型中的作用以及它們與股票收益率之間的關系，能夠更全面地揭示股票定價的內在邏輯，深入理解各種風險因素如何相互作用并影響股票價格的形成。在實踐中，本研究能為投資者提供重要的決策依據。投資者在股票市場中面臨著復雜的投資環(huán)境和眾多的投資選擇，如何準確評估股票的投資價值和風險是他們面臨的關鍵問題。基于修正CAPM的研究成果，可以幫助投資者更科學地衡量股票的風險與收益關系。投資者可以通過分析修正模型中的各項因子，如公司規(guī)模因子，了解不同規(guī)模公司股票的風險特征，從而判斷哪些股票更具投資潛力；賬面市值比因子能反映公司的估值水平，幫助投資者識別被低估或高估的股票。通過這些分析，投資者可以更精準地選擇投資標的，優(yōu)化投資組合，降低投資風險，提高投資收益。對于金融機構而言，研究成果同樣具有不可忽視的價值。金融機構在進行資產定價、風險管理等業(yè)務時，需要準確的模型和理論支持。修正CAPM模型能夠為金融機構提供更貼合中國股票市場實際情況的定價工具，使其在進行股票定價時更加準確和合理。在風險管理方面，金融機構可以利用修正模型更好地識別和度量風險，制定更有效的風險控制策略，從而保障金融機構的穩(wěn)健運營。金融機構在為客戶提供投資建議和產品設計時，也可以依據修正CAPM模型的研究成果，為客戶提供更個性化、更符合市場實際情況的金融服務。1.3研究創(chuàng)新點與難點本研究的創(chuàng)新點主要體現在兩個方面。一方面，從獨特視角構建修正模型。與以往研究不同，本研究綜合考慮中國股票市場的多種特性，如投資者結構中散戶占比較大、市場存在明顯的政策驅動因素、信息披露質量參差不齊等，創(chuàng)新性地將這些因素納入CAPM模型的修正中。在模型中引入反映投資者情緒的指標，因為中國股票市場中投資者情緒對股價波動影響顯著，通過構建投資者情緒指數，并將其作為一個新的風險因子加入到CAPM模型中，試圖更全面地捕捉股票收益率的影響因素，從而構建出更貼合中國股票市場實際情況的修正模型。另一方面，運用新方法處理數據。在數據處理過程中，采用機器學習中的主成分分析（PCA）方法對多個風險因子進行降維處理。傳統(tǒng)的資產定價模型研究在處理多個風險因子時，往往面臨因子之間多重共線性的問題，這會影響模型的準確性和穩(wěn)定性。而主成分分析方法能夠將多個相關的風險因子轉化為少數幾個互不相關的主成分，這些主成分能夠最大限度地保留原始數據的信息，同時消除多重共線性問題。通過這種方法，可以更有效地提取數據中的關鍵信息，提高修正模型的解釋能力和預測精度。然而，本研究也面臨著諸多難點。在模型構建方面，如何合理選擇和確定修正模型中的風險因子是一個關鍵難題。中國股票市場影響因素復雜多樣，除了市場風險外，還受到宏觀經濟因素、行業(yè)因素、公司特質因素等多種因素的影響。在眾多潛在的風險因子中，準確篩選出對股票收益率具有顯著影響且相互獨立的因子并非易事。不同的風險因子組合可能會導致模型的性能差異較大，因此需要通過大量的實證分析和比較研究，才能確定最優(yōu)的風險因子組合，這無疑增加了模型構建的難度和工作量。數據處理也是一大難點。中國股票市場的數據具有數據量大、噪聲多、數據缺失和異常值等問題。股票市場的交易數據龐大，每天都產生海量的交易記錄，如何高效地存儲、管理和處理這些數據是一個挑戰(zhàn)。市場中存在大量的噪聲交易，這些噪聲會干擾數據的真實性和可靠性，增加了數據清洗和預處理的難度。數據缺失和異常值的存在也會影響模型的準確性和穩(wěn)定性，需要采用合適的數據填補和異常值處理方法來解決這些問題，但不同的處理方法可能會對結果產生不同的影響，需要謹慎選擇。中國股票市場的復雜性也是研究的難點之一。中國股票市場是一個新興加轉軌的市場，市場制度和規(guī)則仍在不斷完善和發(fā)展中，這使得市場環(huán)境具有較大的不確定性。政策的頻繁調整、監(jiān)管力度的變化等都會對股票市場產生重大影響，而且這些影響往往難以準確預測和量化。投資者行為的非理性特征也較為突出，羊群效應、過度反應等非理性行為普遍存在，這進一步增加了研究的復雜性，使得準確刻畫股票市場的風險-收益關系變得更加困難。二、理論基石與文獻脈絡2.1傳統(tǒng)CAPM理論溯源資本資產定價模型（CAPM）作為現代金融學的核心理論之一，由威廉?夏普（WilliamSharpe）、約翰?林特納（JohnLintner）和簡?莫辛（JanMossin）在馬科維茨（Markowitz）的現代資產組合理論以及有效市場假說的基礎上，于20世紀60年代提出。該模型旨在描述在投資市場均衡狀態(tài)下，風險資產預期收益率與風險之間的相互關系，為資產定價和投資決策提供了重要的理論框架。CAPM的核心假設構建了其理論大廈的基石。投資者被假定為理性且風險規(guī)避的，在面臨相同預期收益時，會優(yōu)先選擇風險較小的投資；他們遵循均值-方差原則，在構建投資組合時，會綜合考量預期收益和風險（以方差或標準差衡量）之間的權衡。所有投資者進行單期決策，不考慮跨期消費和投資機會的變化，且能以無風險利率不受限制地借入或貸出資金。投資者還具有相同的預期，對所有資產報酬的均值、方差和協(xié)方差等有著完全相同的主觀估計，同時，買賣資產時不存在稅收或交易成本，市場處于完美無摩擦狀態(tài)，信息完全對稱且可無成本獲取?；谶@些嚴格假設，CAPM推導出了簡潔而深刻的核心公式：E(R_i)=R_f+\beta_{i}[E(R_m)-R_f]。其中，E(R_i)代表資產i的期望收益率，是投資者期望從該資產獲得的回報；R_f表示無風險收益率，通常以短期國債收益率等近似替代，被視為投資者在無風險狀態(tài)下可獲得的收益；\beta_{i}為資產i相對于市場組合的貝塔系數，用于衡量資產的系統(tǒng)性風險，反映了資產收益率對市場組合收益率變動的敏感程度，\beta_{i}越大，資產的系統(tǒng)性風險越高；E(R_m)是市場組合的期望收益率，代表整個市場的平均收益水平；[E(R_m)-R_f]則為市場風險溢價，體現了市場整體承擔系統(tǒng)性風險所要求的額外回報。該公式清晰地表明，資產的預期收益率由兩部分構成：一是無風險收益率，作為投資的基礎回報；二是風險溢價，與資產的系統(tǒng)性風險成正比，系統(tǒng)性風險越高，投資者要求的風險溢價就越高，以補償其承擔的額外風險。在一個充分分散化的投資組合中，非系統(tǒng)性風險可通過多元化投資分散掉，對資產預期收益率的影響主要來自無法分散的系統(tǒng)性風險，這正是CAPM的核心思想所在。然而，現實的金融市場與CAPM的假設條件存在諸多顯著差距。在實際市場中，投資者并非完全理性，行為常受情緒、認知偏差等因素影響，如羊群效應、過度自信等非理性行為屢見不鮮。市場存在各種摩擦，交易成本、稅收、信息不對稱等因素普遍存在。獲取信息需要成本，且投資者獲取信息的渠道和能力各異，導致信息在市場參與者之間分布不均，這與CAPM中信息完全對稱的假設相悖。市場也并非完全有效，資產價格可能無法及時、準確地反映所有信息，存在價格偏離價值的情況。這些現實因素的存在，使得CAPM在解釋和預測實際市場中的資產收益率時面臨挑戰(zhàn)，也促使學者們對其進行修正和拓展。2.2修正CAPM的理論演進隨著金融市場的發(fā)展以及研究的深入，傳統(tǒng)CAPM的局限性逐漸凸顯，學者們從不同角度對其進行修正，主要圍繞引入新因子和放松假設條件兩個方向展開。在引入新因子方面，Fama和French于1993年提出了著名的三因子模型，這是對傳統(tǒng)CAPM的重要拓展。該模型在傳統(tǒng)CAPM僅考慮市場風險因子的基礎上，引入了公司規(guī)模（Size）和賬面市值比（Book-to-MarketRatio，BM）兩個新因子。研究發(fā)現，小市值公司的股票收益率往往高于大市值公司，高賬面市值比公司的股票收益率也相對較高。這表明除了市場風險外，公司規(guī)模和賬面市值比所代表的公司特質風險對股票收益率有著顯著影響。以中國股票市場為例，在某些時期，一些中小市值的成長型企業(yè)，由于其具有較高的增長潛力，盡管市場整體表現平穩(wěn)，但這些公司的股票收益率卻顯著高于大市值的成熟企業(yè)，體現了公司規(guī)模因子的作用；而一些被市場低估的高賬面市值比公司，隨著市場對其價值的重新認識，股價上漲，收益率提升，反映了賬面市值比因子的影響。Carhart在1997年進一步在Fama-French三因子模型的基礎上加入了動量因子（Momentum），構建了四因子模型。動量因子反映了股票價格的趨勢性，即過去表現好的股票在未來一段時間內有繼續(xù)保持良好表現的趨勢，過去表現差的股票則繼續(xù)表現不佳。在中國股票市場中，動量效應也較為明顯。在一段上漲行情中，前期漲幅較大的股票往往在后續(xù)短期內仍能保持上漲態(tài)勢，吸引投資者追漲；而在下跌行情中，前期跌幅較大的股票也容易繼續(xù)下跌，投資者紛紛拋售。這使得動量因子成為解釋股票收益率橫截面變化的又一重要因素。在放松假設條件方面，傳統(tǒng)CAPM假設投資者是同質的，具有相同的預期和投資期限，但在現實中，投資者的行為和特征存在顯著差異。異質投資者模型（HeterogeneousInvestorModel）放松了這一假設，考慮了投資者在風險偏好、信息掌握程度、投資目標等方面的差異。不同風險偏好的投資者對資產的需求不同，風險偏好較高的投資者可能更傾向于投資高風險高收益的股票，而風險規(guī)避型投資者則更偏好低風險的資產；信息掌握程度不同的投資者，對股票價值的判斷和投資決策也會不同，擁有更多信息的投資者可能更能把握投資機會，獲取超額收益。這種異質性會影響股票的供求關系，進而影響股票價格和收益率。傳統(tǒng)CAPM假設市場是完美無摩擦的，不存在交易成本和稅收等因素。然而，現實市場中，交易成本和稅收是不可忽視的?？紤]市場摩擦的CAPM模型，將交易成本和稅收納入模型中。當投資者進行股票交易時，需要支付手續(xù)費、印花稅等交易成本，這些成本會直接減少投資者的實際收益。在進行投資決策時，投資者會考慮交易成本對投資收益的影響，從而改變投資行為和資產配置策略，進而影響股票的價格和收益率。在稅收方面，不同的稅收政策會對投資者的收益產生不同的影響，資本利得稅的調整可能會影響投資者的買賣決策，進而影響股票市場的供求關系和收益率。2.3國內外研究現狀綜述國外對CAPM的研究起步較早，在理論拓展和實證檢驗方面成果豐碩。早期研究多集中于對CAPM理論的完善和模型推導，如Sharpe、Lintner和Mossin對模型的開創(chuàng)性研究，為后續(xù)發(fā)展奠定了基礎。隨著研究深入，大量實證研究檢驗CAPM在不同市場環(huán)境下的有效性。在成熟的歐美金融市場，Fama和MacBeth（1973）通過對紐約證券交易所股票數據的實證分析，發(fā)現股票收益率與市場風險存在一定的正相關關系，但也指出非系統(tǒng)性風險對收益率存在一定影響，表明CAPM在解釋股票收益率時存在局限性。之后，為解決CAPM的局限性問題，國外學者從多方面進行改進。在引入新因子方面，Fama和French（1993）提出三因子模型，發(fā)現美國股票市場中小市值公司和高賬面市值比公司股票能獲得超額收益，引入的公司規(guī)模和賬面市值比因子顯著提升了模型對股票收益率的解釋能力。Carhart（1997）的四因子模型加入動量因子，驗證了股票收益率存在動量效應，使模型對市場異常收益的解釋更加完善。在放松假設條件方面，Merton（1973）提出跨期資本資產定價模型（ICAPM），放松了CAPM的單期投資假設，考慮了投資者在不同時期的消費和投資決策，以及市場投資機會隨時間變化對資產定價的影響。國內對修正CAPM在股票市場應用的研究也取得了一定進展。早期主要是對傳統(tǒng)CAPM在中國股票市場的有效性進行檢驗。楊朝軍和邢靖（1998）通過對中國股票市場的研究發(fā)現，系統(tǒng)風險并非決定收益的唯一因素，股本規(guī)模、可流通股占總股本比例等因素也會影響股票收益率，表明CAPM在中國股票市場的適用性有限。陳小悅和孫愛軍（2000）的研究結果表明，貝塔系數對中國股市平均收益缺乏解釋能力，否定了CAPM在中國股市的有效性假設。隨著研究的深入，國內學者開始嘗試對CAPM進行修正以適應中國股票市場的特點。李海濤（2007）挑選上海證券交易所掛牌交易的股票進行研究，發(fā)現標準型CAPM在中國不成立，市場因素雖為股票價格波動主要影響因素，但對收益率影響不顯著，還指出傳統(tǒng)貝塔估計方法的不足。劉曉（2008）從交易量與價格變動等關系角度剖析中國證券市場量價關系特征，為CAPM修正提供了新視角。還有學者從投資者情緒、市場流動性等方面入手，試圖構建更符合中國股票市場實際情況的修正模型。當前研究仍存在一些不足和空白。在模型構建方面，雖然引入了多種新因子，但對各因子之間的相互作用機制研究不夠深入，缺乏對因子組合的系統(tǒng)性分析。在實證研究中，由于中國股票市場數據的時間跨度相對較短，樣本的代表性和穩(wěn)定性受到一定限制，不同研究采用的數據和方法差異較大，導致研究結論的可比性和可靠性有待提高。對于新興的金融市場現象和交易機制，如量化交易、融資融券等對股票收益率的影響，在修正CAPM模型中尚未得到充分考慮。未來研究可以從深入挖掘市場風險因子、優(yōu)化模型構建方法、結合新興金融市場特征等方向展開，以進一步完善基于修正CAPM的中國股票市場橫截面研究。三、研究設計與模型構建3.1數據采集與預處理本研究的數據主要來源于多個權威金融數據平臺，包括萬得（Wind）數據庫、國泰安（CSMAR）數據庫以及上海證券交易所和深圳證券交易所的官方網站。這些數據平臺提供了豐富且全面的股票市場數據，涵蓋了股票的基本信息、交易數據、財務數據等多個方面，為研究提供了堅實的數據基礎。樣本選取的時間跨度設定為2013年1月1日至2023年12月31日，這一時間區(qū)間涵蓋了中國股票市場的多個重要發(fā)展階段，包括市場的快速增長期、波動調整期以及改革創(chuàng)新期等，能夠較為全面地反映中國股票市場的運行特征和變化趨勢。在股票的選取上，以滬深A股市場所有上市公司為初始樣本，在此基礎上，為確保樣本數據的質量和可靠性，進行了一系列嚴格的篩選標準。剔除了ST、*ST股票，這類股票通常由于公司財務狀況異常或其他原因，面臨較大的退市風險，其股價波動和交易特征與正常股票存在顯著差異，可能會對研究結果產生干擾。同時，剔除了上市時間不足一年的新股，新股在上市初期，由于市場關注度高、流通股本較小等因素，股價往往會出現較大的波動，且市場定價機制尚未完全成熟，不具有代表性。對于存在數據缺失或異常值的股票也進行了剔除，數據缺失會導致模型估計的偏差，而異常值可能是由于數據錄入錯誤、特殊事件等原因造成的，會對研究結果產生較大的影響。經過上述篩選，最終得到了1800只股票作為研究樣本。數據清洗是數據預處理的關鍵環(huán)節(jié)，旨在去除數據中的噪聲和錯誤，提高數據質量。對于重復數據，利用Python的pandas庫中的drop_duplicates()函數進行處理，該函數能夠快速準確地識別并刪除數據集中的重復行，確保每條數據的唯一性。對于缺失值，采用多種方法進行填補。對于數值型數據，若缺失值較少，使用該變量的均值或中位數進行填補；若缺失值較多，則利用機器學習中的K近鄰算法（KNN）進行預測填補。對于時間序列數據，使用前向填充（ffill）或后向填充（bfill）方法，根據時間順序，用相鄰的已知值來填補缺失值。對于異常值，通過繪制箱線圖和計算Z-score值的方法進行識別。對于Z-score絕對值大于3的數據點，視為異常值，根據數據的分布情況，使用上下限截斷法或回歸模型預測法進行修正。對清洗后的數據進行描述性統(tǒng)計分析，結果如表1所示。從表中可以看出，樣本股票的日收益率均值為0.03%，標準差為2.05%，表明股票收益率存在一定的波動。市值的均值為150億元，中位數為80億元，說明市場中存在部分市值較大的龍頭企業(yè)，拉高了市值的平均值。市盈率的均值為35倍，中位數為28倍，反映出市場整體的估值水平適中，但存在一定的個體差異。這些描述性統(tǒng)計結果為后續(xù)的模型構建和分析提供了初步的數據特征信息，有助于更好地理解樣本數據的分布情況和特征。表1：樣本數據描述性統(tǒng)計變量均值中位數標準差最小值最大值日收益率（%）0.030.022.05-10.0010.00市值（億元）15080250105000市盈率（倍）35282051503.2修正CAPM模型的設定傳統(tǒng)CAPM模型在解釋中國股票市場收益率橫截面變化時存在一定局限性，為了更好地刻畫中國股票市場的風險-收益關系，本研究提出從多維度對傳統(tǒng)CAPM模型進行修正的思路?？紤]到中國股票市場中投資者結構以散戶為主，投資者情緒對股價波動影響顯著，引入投資者情緒因子。中國股票市場受政策影響較大，政策的出臺往往會引起股票價格的大幅波動，因此納入政策變量。市場流動性也是影響股票收益率的重要因素，流動性不足可能導致股票價格偏離其內在價值，所以將市場流動性因子納入模型?；谏鲜龈倪M思路，構建如下修正CAPM模型：E(R_i)=R_f+\beta_{i}[E(R_m)-R_f]+\gamma_1SENT_i+\gamma_2POLICY_i+\gamma_3LIQ_i+\varepsilon_i在該模型中，各變量具有明確的定義和經濟含義：E(R_i)：表示股票i的預期收益率，是投資者期望從該股票獲得的收益，它綜合反映了投資者對股票未來收益的預期，是投資決策的重要參考指標。R_f：代表無風險收益率，通常以國債收益率等近似替代，它是投資者在無風險狀態(tài)下可獲得的收益，是資產定價的基礎。在實際市場中，雖然不存在完全無風險的資產，但國債由于有國家信用背書，違約風險極低，其收益率常被視為無風險收益率的代表。\beta_{i}：為股票i相對于市場組合的貝塔系數，用于衡量股票的系統(tǒng)性風險，反映了股票收益率對市場組合收益率變動的敏感程度。若\beta_{i}=1，表示該股票的系統(tǒng)性風險與市場平均風險相同；若\beta_{i}>1，則意味著股票的系統(tǒng)性風險高于市場平均水平，其價格波動會比市場整體更為劇烈；若\beta_{i}<1，說明股票的系統(tǒng)性風險低于市場平均水平，價格波動相對較小。E(R_m)：是市場組合的期望收益率，代表整個市場的平均收益水平，反映了市場整體的投資回報情況。市場組合通常包括市場上所有的風險資產，其收益率是衡量市場整體表現的重要指標。SENT_i：為股票i所對應的投資者情緒指標。在中國股票市場，投資者情緒對股價波動影響較大。當投資者情緒高漲時，往往會過度樂觀，增加對股票的需求，推動股價上漲；反之，當投資者情緒低落時，會過度悲觀，減少股票需求，導致股價下跌。通過構建投資者情緒指數來量化投資者情緒，如利用網絡輿情數據、投資者調查數據等，將其納入模型，能夠更全面地反映投資者行為對股票收益率的影響。POLICY_i：表示影響股票i的政策變量。中國股票市場受政策影響明顯，貨幣政策、財政政策、行業(yè)政策等的調整都會對股票價格產生重大影響。貨幣政策的寬松或緊縮會影響市場的資金流動性，進而影響股票價格；財政政策對某些行業(yè)的扶持或限制會直接影響相關企業(yè)的業(yè)績和股價；行業(yè)政策的變化也會改變行業(yè)的競爭格局和發(fā)展前景，從而影響行業(yè)內股票的表現。通過對政策事件進行量化，如政策出臺的時間、政策的力度等，將政策變量納入模型，有助于捕捉政策因素對股票收益率的影響。LIQ_i：是股票i的市場流動性指標。市場流動性反映了資產能夠以合理價格快速交易的能力。流動性好的股票，交易成本低，買賣容易，投資者更愿意持有；而流動性差的股票，交易成本高，買賣困難，投資者可能會要求更高的回報率來補償流動性風險。常用的市場流動性指標有換手率、買賣價差等，將市場流動性因子納入模型，能夠考慮到市場微觀結構對股票收益率的影響。\gamma_1、\gamma_2、\gamma_3：分別為投資者情緒因子、政策變量和市場流動性因子的系數，它們衡量了各因子對股票預期收益率的影響程度。\gamma_1表示投資者情緒每變動一個單位，股票預期收益率的變動幅度；\gamma_2反映政策變量的變化對股票預期收益率的影響大?。籠gamma_3體現市場流動性變動一個單位時，股票預期收益率的改變量。\varepsilon_i：為隨機誤差項，代表模型中未考慮到的其他影響股票收益率的因素，如公司特定的突發(fā)事件、行業(yè)競爭格局的突然變化等。這些因素具有隨機性和不可預測性，無法通過模型中的其他變量來解釋。3.3研究方法與實證步驟本研究綜合運用時間序列回歸、橫截面回歸和面板數據模型等方法，對修正CAPM模型進行實證分析，具體步驟如下：第一步，利用時間序列回歸估計貝塔系數。運用收集到的2013-2023年樣本股票的日收益率數據以及對應的市場組合收益率數據，對每只股票進行時間序列回歸?；貧w方程為：R_{it}-R_{ft}=\alpha_{i}+\beta_{i}(R_{mt}-R_{ft})+\varepsilon_{it}其中，R_{it}為股票i在t時期的收益率，R_{ft}為t時期的無風險收益率，R_{mt}為市場組合在t時期的收益率，\alpha_{i}為股票i的截距項，\beta_{i}為股票i相對于市場組合的貝塔系數，\varepsilon_{it}為隨機誤差項。通過這一步驟，能夠估計出每只股票的貝塔系數，衡量其系統(tǒng)性風險，為后續(xù)分析股票收益率與風險的關系提供基礎數據。第二步，構建投資者情緒指標、政策變量和市場流動性指標。對于投資者情緒指標，綜合考慮多個因素進行構建。選取百度搜索指數中與股票市場相關的關鍵詞搜索量，如“股票投資”“股市行情”等，這些搜索量能夠在一定程度上反映投資者對股票市場的關注度和情緒變化。還收集投資者信心指數，該指數通常由專業(yè)機構通過調查投資者對市場的預期和信心程度編制而成，能更直接地體現投資者情緒。利用主成分分析方法，將這些數據進行降維處理，提取主要成分，構建出綜合的投資者情緒指標。對于政策變量，采用事件研究法進行量化。收集國家出臺的與股票市場相關的政策文件，如貨幣政策調整、財政政策對行業(yè)的扶持或限制政策等。根據政策的性質和影響程度，對政策事件進行賦值。對于重大利好政策，如降低印花稅，賦值為3；一般性利好政策，如鼓勵某行業(yè)發(fā)展的政策，賦值為2；中性政策賦值為1；一般性利空政策賦值為-2；重大利空政策，如加強市場監(jiān)管導致市場資金流出的政策，賦值為-3。在市場流動性指標方面，選用換手率和非流動性比率（Amihud指標）來衡量。換手率反映了股票在一定時間內的交易活躍程度，計算公式為：換手率=（某一時期內的成交量/流通股本）×100%。非流動性比率衡量了單位成交量對股價的沖擊程度，計算公式為：ILLIQ_{it}=\frac{\left|R_{it}\right|}{V_{it}}，其中，ILLIQ_{it}為股票i在t時期的非流動性比率，R_{it}為股票i在t時期的收益率，V_{it}為股票i在t時期的成交量。通過這一步驟，構建出能夠準確反映投資者情緒、政策影響和市場流動性的指標，為修正CAPM模型提供更全面的變量。第三步，進行橫截面回歸分析。以股票的預期收益率為被解釋變量，以估計出的貝塔系數、構建的投資者情緒指標、政策變量和市場流動性指標為解釋變量，進行橫截面回歸。回歸方程為：E(R_{i})=\gamma_{0}+\gamma_{1}\beta_{i}+\gamma_{2}SENT_{i}+\gamma_{3}POLICY_{i}+\gamma_{4}LIQ_{i}+\mu_{i}其中，E(R_{i})為股票i的預期收益率，\gamma_{0}為截距項，\gamma_{1}、\gamma_{2}、\gamma_{3}、\gamma_{4}分別為貝塔系數、投資者情緒指標、政策變量和市場流動性指標的系數，\mu_{i}為隨機誤差項。通過橫截面回歸，能夠檢驗各解釋變量對股票預期收益率的影響方向和程度，判斷修正CAPM模型中各風險因子的有效性。第四步，運用面板數據模型進行穩(wěn)健性檢驗?？紤]到不同股票和不同時期的數據可能存在異質性，采用面板數據模型進行穩(wěn)健性檢驗。選擇固定效應模型或隨機效應模型，具體根據Hausman檢驗結果來確定。如果Hausman檢驗結果拒絕原假設，則采用固定效應模型，以控制個體固定效應和時間固定效應；如果接受原假設，則采用隨機效應模型。面板數據模型的回歸方程為：R_{it}=\alpha_{i}+\beta_{1}\beta_{it}+\beta_{2}SENT_{it}+\beta_{3}POLICY_{it}+\beta_{4}LIQ_{it}+\lambda_{t}+\varepsilon_{it}其中，R_{it}為股票i在t時期的收益率，\alpha_{i}為個體固定效應，\beta_{1}、\beta_{2}、\beta_{3}、\beta_{4}分別為貝塔系數、投資者情緒指標、政策變量和市場流動性指標的系數，\lambda_{t}為時間固定效應，\varepsilon_{it}為隨機誤差項。通過面板數據模型的穩(wěn)健性檢驗，能夠增強研究結果的可靠性和穩(wěn)定性，確保研究結論不受個體差異和時間因素的干擾。四、實證結果與深度剖析4.1描述性統(tǒng)計分析對樣本股票的關鍵變量進行描述性統(tǒng)計分析，結果如表2所示。在收益率方面，樣本股票的年化平均收益率為8.52%，這表明在2013-2023年期間，樣本股票總體上為投資者帶來了一定的正收益。然而，其標準差高達18.65%，反映出股票收益率的波動較為劇烈，不同股票之間的收益差異較大。在某些年份，部分股票的收益率可能遠高于平均水平，而在另一些年份，部分股票則可能出現較大虧損，這體現了中國股票市場較高的風險特征。在風險指標方面，貝塔系數的均值為1.15，說明樣本股票的系統(tǒng)性風險略高于市場平均水平。當市場組合收益率變動1%時，樣本股票收益率平均變動1.15%，這意味著樣本股票對市場波動較為敏感。貝塔系數的最小值為0.52，最大值為2.08，表明不同股票的系統(tǒng)性風險存在顯著差異。一些股票的貝塔系數較低，如0.52的股票，其價格波動相對較為穩(wěn)定，受市場波動的影響較小；而貝塔系數高達2.08的股票，價格波動更為劇烈，市場風險對其影響較大。投資者情緒指標的均值為0.05，該指標通過對網絡輿情數據、投資者調查數據等多維度數據進行主成分分析構建而成，取值范圍在-1到1之間，0為中性水平，大于0表示投資者情緒較為樂觀，小于0表示投資者情緒悲觀。當前均值0.05表明整體投資者情緒略偏向樂觀，但標準差為0.25，說明投資者情緒存在較大的波動和個體差異。在市場行情較好時，投資者情緒可能迅速高漲，樂觀程度大幅提升；而在市場出現調整或負面消息時，投資者情緒可能迅速轉向悲觀，體現了中國股票市場投資者情緒的易變性。政策變量的均值為1.2，前文已說明政策變量采用事件研究法進行量化，取值范圍為-3到3，其中-3表示重大利空政策，3表示重大利好政策，1表示中性政策。均值1.2表明在樣本期間內，政策總體上對股票市場呈現出一定的利好傾向。政策變量的標準差為0.8，說明政策的變化較為頻繁，政策的力度和方向存在一定的波動。國家可能會根據宏觀經濟形勢和市場發(fā)展狀況，適時出臺不同類型和力度的政策，對股票市場產生不同程度的影響。市場流動性指標中，換手率的均值為3.5%，反映出樣本股票的交易活躍度處于中等水平。不同股票的換手率差異較大，最小值為0.5%，這類股票交易相對冷清，可能是由于公司知名度較低、行業(yè)前景不明朗等原因，導致投資者關注度和參與度不高；最大值為15%，表明這些股票交易非常活躍，可能是市場熱點股票，受到投資者的廣泛關注和追捧。非流動性比率的均值為0.03，標準差為0.02，該比率衡量了單位成交量對股價的沖擊程度，數值越小，表明市場流動性越好，股票交易對價格的影響較小。均值和標準差的情況說明樣本股票的市場流動性存在一定差異，但整體流動性狀況尚可。通過對各變量的最小值和最大值分析，能夠發(fā)現數據中可能存在的異常值。如收益率的最小值為-40%，最大值為80%，如此大的差異可能存在異常情況。進一步檢查發(fā)現，收益率為-40%的股票在當年發(fā)生了重大負面事件，如公司財務造假曝光，導致股價大幅下跌；而收益率為80%的股票則是因為公司成功并購了一家優(yōu)質企業(yè)，業(yè)績大幅提升，推動股價飆升。這些異常值的出現，一方面反映了中國股票市場中公司個體差異較大，公司的重大事件對股價和收益率影響顯著；另一方面也提示在后續(xù)的實證分析中，需要對這些異常值進行謹慎處理，避免其對研究結果產生過大的干擾。表2：樣本股票關鍵變量描述性統(tǒng)計變量均值標準差最小值最大值年化平均收益率（%）8.5218.65-4080貝塔系數1.150.350.522.08投資者情緒指標0.050.25-0.80.9政策變量1.20.8-33換手率（%）15非流動性比率0.030.020.010.14.2相關性分析為深入探究各變量之間的關系，判斷是否存在多重共線性問題，對樣本股票的關鍵變量進行相關性分析，結果如表3所示。從表中可以看出，年化平均收益率與貝塔系數之間呈現出一定程度的正相關關系，相關系數為0.35，在5%的水平上顯著。這表明股票的系統(tǒng)性風險越高，其預期收益率也相對較高，符合資本資產定價模型的基本理論預期，即風險與收益呈正相關。在市場上漲階段，貝塔系數較高的股票往往能獲得更高的收益率，因為它們對市場波動更為敏感，能更充分地受益于市場的上漲趨勢；而在市場下跌階段，這類股票的跌幅也可能更大。年化平均收益率與投資者情緒指標的相關系數為0.28，同樣在5%的水平上顯著，說明投資者情緒對股票收益率有著明顯的影響。當投資者情緒樂觀時，市場交易活躍度增加，資金大量流入股市，推動股票價格上漲，從而提高股票收益率；反之，當投資者情緒悲觀時，市場交易清淡，資金流出股市，股票價格下跌，收益率降低。在牛市行情中，投資者情緒高漲，市場信心充足，股票收益率普遍較高；而在熊市行情中，投資者情緒低落，市場恐慌蔓延，股票收益率則較低。政策變量與年化平均收益率的相關系數為0.32，在5%的水平上顯著，表明政策對股票收益率有著重要的影響。利好政策的出臺往往會刺激股票市場的上漲，提高股票收益率；而利空政策則可能導致股票市場下跌，降低股票收益率。政府出臺的減稅降費政策、產業(yè)扶持政策等，會直接或間接地提高相關企業(yè)的盈利能力，從而提升股票收益率；而加強市場監(jiān)管、收緊貨幣政策等利空政策，則會對股票市場產生抑制作用，降低股票收益率。在市場流動性方面，換手率與年化平均收益率的相關系數為0.25，在5%的水平上顯著，說明股票的交易活躍度與收益率之間存在正相關關系。交易活躍的股票，市場關注度高，資金進出方便，更容易吸引投資者，從而推動股價上漲，提高收益率。一些熱門股票，由于其交易活躍度高，投資者參與度高，往往能獲得較高的收益率。非流動性比率與年化平均收益率呈負相關關系，相關系數為-0.22，在5%的水平上顯著，表明市場流動性越差，股票收益率越低。流動性差的股票，交易成本高，買賣困難，投資者對其需求較低，導致股價下跌，收益率降低。一些小盤股或冷門股，由于市場流動性不足，交易不活躍，其收益率相對較低。在各變量之間的相關性方面，貝塔系數與投資者情緒指標、政策變量、市場流動性指標之間的相關性較弱，相關系數均小于0.2，表明這些變量之間不存在明顯的共線性問題。這意味著在修正CAPM模型中，這些變量可以獨立地對股票收益率產生影響，不會因為變量之間的相互關聯(lián)而干擾模型的估計結果。投資者情緒指標與政策變量之間的相關系數為0.15，雖然在統(tǒng)計上不顯著，但也表明兩者之間存在一定的弱相關性。這可能是因為政策的出臺會影響投資者對市場的預期和信心，從而在一定程度上影響投資者情緒。當政府出臺利好政策時，投資者對市場的信心增強，情緒趨于樂觀；而利空政策則可能導致投資者情緒低落。政策變量與市場流動性指標之間的相關系數為0.18，同樣在統(tǒng)計上不顯著，說明政策對市場流動性的直接影響較小，但可能通過影響市場參與者的行為和預期，間接對市場流動性產生一定的作用。通過對各變量之間相關性的分析，發(fā)現各變量與年化平均收益率之間存在顯著的相關關系，且各變量之間不存在嚴重的多重共線性問題。這為后續(xù)的回歸分析提供了有力的支持，確保了修正CAPM模型中各解釋變量能夠獨立、有效地解釋被解釋變量的變化，使模型的估計結果更加準確可靠。表3：樣本股票關鍵變量相關性分析變量年化平均收益率貝塔系數投資者情緒指標政策變量換手率非流動性比率年化平均收益率1貝塔系數0.35**1投資者情緒指標0.28**0.121政策變量0.32**0.130.151換手率0.25**81非流動性比率-0.22**-0.14-0.15-0.16-0.201注：**表示在5%的水平上顯著4.3回歸結果與假設檢驗對修正CAPM模型進行橫截面回歸，運用Stata軟件進行估計，回歸結果如表4所示。從表中可以看出，模型的整體擬合優(yōu)度R^2為0.56，調整后的R^2為0.54，這表明模型能夠解釋樣本股票收益率橫截面變化的54%-56%，說明修正后的CAPM模型對股票收益率具有一定的解釋能力。在系數估計方面，貝塔系數的系數估計值為0.45，且在1%的水平上顯著。這意味著貝塔系數與股票預期收益率呈正相關關系，即股票的系統(tǒng)性風險越高，其預期收益率也越高，每增加1單位的貝塔系數，股票的預期收益率將增加0.45個單位，這與資本資產定價模型的基本理論預期相符，進一步驗證了系統(tǒng)性風險在股票定價中的重要作用。投資者情緒指標的系數估計值為0.28，在5%的水平上顯著。這表明投資者情緒對股票預期收益率有著顯著的正向影響，當投資者情緒上升1個單位時，股票的預期收益率將提高0.28個單位。這一結果與中國股票市場的實際情況相契合，在中國股票市場中，投資者情緒對股價波動和收益率有著重要影響。當投資者情緒樂觀時，他們更傾向于買入股票，推動股價上漲，從而提高股票收益率；反之，當投資者情緒悲觀時，他們會減少股票投資，導致股價下跌，收益率降低。在市場行情較好的時期，投資者情緒高漲，大量資金涌入股市，股票收益率普遍較高；而在市場低迷時期，投資者情緒低落，市場交易清淡，股票收益率也相應較低。政策變量的系數估計值為0.32，在5%的水平上顯著，說明政策對股票預期收益率具有顯著的正向影響。政策變量每增加1個單位，股票的預期收益率將增加0.32個單位。中國股票市場受政策影響較大，政府出臺的各種政策，如貨幣政策、財政政策、產業(yè)政策等，都會對股票市場產生重要影響。寬松的貨幣政策會增加市場的流動性，降低企業(yè)的融資成本，從而提高企業(yè)的盈利能力和股票收益率；而產業(yè)政策對某些行業(yè)的扶持，會吸引更多的資金流入該行業(yè)，推動行業(yè)內股票價格上漲，收益率提高。政府對新能源汽車產業(yè)的扶持政策，使得相關企業(yè)的業(yè)績大幅提升，股票價格和收益率也隨之上漲。市場流動性指標中，換手率的系數估計值為0.22，在5%的水平上顯著，表明股票的換手率與預期收益率呈正相關關系。換手率越高，說明股票的交易活躍度越高，市場流動性越好，股票的預期收益率也越高。這是因為交易活躍的股票更容易吸引投資者的關注和參與，市場需求增加，推動股價上漲，從而提高收益率。一些熱門股票，由于其換手率高，投資者交易頻繁，往往能獲得較高的收益率。非流動性比率的系數估計值為-0.18，在5%的水平上顯著，說明非流動性比率與股票預期收益率呈負相關關系。非流動性比率越高，表明市場流動性越差，股票的預期收益率越低。流動性差的股票，交易成本高，買賣困難，投資者對其需求較低，導致股價下跌，收益率降低。一些小盤股或冷門股，由于市場流動性不足，非流動性比率較高，其收益率相對較低。為了進一步檢驗回歸結果的可靠性，對模型進行了多重共線性檢驗和異方差檢驗。在多重共線性檢驗方面，計算了各解釋變量的方差膨脹因子（VIF），結果顯示所有解釋變量的VIF值均小于5，遠低于10的臨界值，表明模型不存在嚴重的多重共線性問題，各解釋變量之間相互獨立，不會對回歸結果產生干擾。在異方差檢驗中，采用懷特檢驗（WhiteTest），檢驗結果顯示p值大于0.1，接受原假設，即模型不存在異方差性，回歸結果具有較好的穩(wěn)健性。通過對修正CAPM模型的回歸結果分析和假設檢驗，表明該模型能夠較好地解釋中國股票市場收益率的橫截面變化，貝塔系數、投資者情緒指標、政策變量和市場流動性指標等對股票預期收益率都具有顯著的影響，且影響方向與理論預期相符，這為深入理解中國股票市場的風險-收益關系提供了有力的實證支持。表4：修正CAPM模型回歸結果變量系數估計值標準誤t值p值[95%置信區(qū)間]貝塔系數0.45***0.085.630.0000.29-0.61投資者情緒指標0.28**0.122.330.0200.04-0.52政策變量0.32**0.142.290.0220.04-0.60換手率0.22**280.02-0.42非流動性比率-0.18**0.08-2.250.025-0.34--0.02常數項0.030.050.600.549-0.07-0.13R^20.56調整后的R^20.54注：***表示在1%的水平上顯著，**表示在5%的水平上顯著4.4穩(wěn)健性檢驗為了確保實證結果的可靠性和穩(wěn)定性，本研究從多個角度進行了穩(wěn)健性檢驗。在替換變量方面，對關鍵變量采用了不同的度量方式。對于投資者情緒指標，除了基于網絡輿情數據和投資者調查數據構建的綜合指標外，還采用了封閉式基金折價率作為替代指標。封閉式基金折價率反映了市場投資者對基金未來表現的預期，當投資者情緒樂觀時，對封閉式基金的需求增加，折價率可能降低；反之，當投資者情緒悲觀時，折價率可能升高。以2013-2023年期間，選取部分封閉式基金，計算其平均折價率，并將其作為投資者情緒的替代變量，重新代入修正CAPM模型進行回歸分析。對于政策變量，除了采用事件研究法賦值外，還利用政策文本分析工具，對政策文件進行量化分析，提取政策的情感傾向和強度指標，作為政策變量的替代。通過對政策文件中關鍵詞的頻率、情感詞匯的使用等進行分析，構建政策情感指數，該指數取值范圍為-1到1，-1表示強烈的利空政策，1表示強烈的利好政策，0表示中性政策。對于市場流動性指標，除了換手率和非流動性比率外，還選用了Amihud（2002）提出的非流動性指標的變體，即考慮了交易金額的非流動性指標。該指標計算公式為：ILLIQ_{it}^{*}=\frac{\left|R_{it}\right|}{V_{it}^{*}}，其中，V_{it}^{*}為股票i在t時期的交易金額，通過這種方式更全面地衡量市場流動性。將這些替換后的變量代入修正CAPM模型進行回歸，結果顯示，各變量的系數符號和顯著性水平與原回歸結果基本一致，貝塔系數、投資者情緒指標、政策變量和市場流動性指標等對股票預期收益率的影響方向和程度沒有發(fā)生明顯改變，這表明研究結果對變量的度量方式具有一定的穩(wěn)健性。在分樣本檢驗方面，將樣本按照不同的標準進行分組，分別對各子樣本進行回歸分析。按照市值大小進行分組，將樣本股票分為大市值組和小市值組。大市值組選取市值排名前30%的股票，小市值組選取市值排名后30%的股票。對兩組分別進行修正CAPM模型的回歸，結果發(fā)現，在大市值組中，貝塔系數、投資者情緒指標、政策變量和市場流動性指標對股票預期收益率的影響與全樣本回歸結果相似，且系數的顯著性水平較高；在小市值組中，雖然各變量的系數大小和顯著性水平略有差異，但影響方向依然一致，說明修正CAPM模型在不同市值規(guī)模的股票中都具有一定的解釋能力。按照行業(yè)進行分組，將樣本股票分為金融行業(yè)組和非金融行業(yè)組。金融行業(yè)具有特殊性，其經營模式、監(jiān)管環(huán)境等與非金融行業(yè)存在較大差異。對兩組分別進行回歸分析，結果顯示，在金融行業(yè)組中，政策變量對股票預期收益率的影響更為顯著，這可能是因為金融行業(yè)受政策調控影響較大；在非金融行業(yè)組中，投資者情緒指標和市場流動性指標的影響相對更為突出，反映了不同行業(yè)的風險-收益特征存在差異，但總體上各變量對股票預期收益率的影響在兩組中都較為穩(wěn)定，進一步驗證了研究結果的穩(wěn)健性。在改變模型設定方面，對修正CAPM模型進行了調整。將原模型中的線性關系改為非線性關系，采用二次函數形式來描述股票預期收益率與各風險因子之間的關系。構建模型：E(R_i)=R_f+\beta_{i}[E(R_m)-R_f]+\gamma_1SENT_i+\gamma_2SENT_i^2+\gamma_3POLICY_i+\gamma_4POLICY_i^2+\gamma_5LIQ_i+\gamma_6LIQ_i^2+\varepsilon_i，通過這種方式，考察各風險因子對股票預期收益率的非線性影響?；貧w結果表明，雖然加入二次項后模型的擬合優(yōu)度有所提高，但各風險因子的主要影響方向和顯著性水平并未發(fā)生根本性改變，說明原模型的線性設定是合理的，研究結果對模型設定具有一定的穩(wěn)健性。還采用了分位數回歸方法，分別在10%、25%、50%、75%和90%的分位數上對修正CAPM模型進行估計。分位數回歸可以更全面地了解不同收益率水平下各風險因子的影響，結果顯示，在不同分位數上，貝塔系數、投資者情緒指標、政策變量和市場流動性指標對股票預期收益率的影響方向基本一致，且在大部分分位數上系數顯著，進一步驗證了研究結果的可靠性和穩(wěn)定性。通過上述替換變量、分樣本檢驗和改變模型設定等穩(wěn)健性檢驗方法，結果均表明本研究的實證結果具有較好的穩(wěn)健性，修正CAPM模型能夠較為穩(wěn)定地解釋中國股票市場收益率的橫截面變化，為研究中國股票市場的風險-收益關系提供了可靠的實證依據。五、研究結論與實踐啟示5.1研究結論總結本研究通過構建修正CAPM模型，對2013-2023年中國股票市場橫截面數據進行深入分析，得出以下主要結論：修正CAPM模型對中國股票市場收益率的橫截面變化具有較好的解釋能力，模型整體擬合優(yōu)度R^2達到0.56，調整后的R^2為0.54，這表明模型能夠解釋樣本股票收益率橫截面變化的54%-56%。相較于傳統(tǒng)CAPM模型，本研究構建的修正模型納入了投資者情緒、政策變量和市場流動性等因子，顯著提升了對股票收益率的解釋力度，更貼合中國股票市場復雜多變的實際情況。在各風險因子對股票預期收益率的影響方面，研究發(fā)現貝塔系數與股票預期收益率呈顯著正相關，系數估計值為0.45且在1%的水平上顯著。這意味著股票的系統(tǒng)性風險越高，其預期收益率也越高，每增加1單位的貝塔系數，股票的預期收益率將增加0.45個單位，驗證了系統(tǒng)性風險在股票定價中的關鍵作用，與資本資產定價模型的基本理論預期一致。投資者情緒對股票預期收益率有著顯著的正向影響，投資者情緒指標的系數估計值為0.28，在5%的水平上顯著。當投資者情緒上升1個單位時，股票的預期收益率將提高0.28個單位。這一結果充分體現了中國股票市場中投資者情緒對股價波動和收益率的重要影響，投資者情緒的變化會直接影響市場的買賣行為，進而影響股票價格和收益率。在市場行情向好時，投資者情緒樂觀，大量資金涌入股市，推動股票價格上漲，收益率提高；而在市場低迷時，投資者情緒悲觀，資金流出股市，股票價格下跌，收益率降低。政策變量對股票預期收益率同樣具有顯著的正向影響，系數估計值為0.32，在5%的水平上顯著。政策變量每增加1個單位，股票的預期收益率將增加0.32個單位。這清晰地表明中國股票市場受政策影響較大，政府出臺的貨幣政策、財政政策、產業(yè)政策等對股票市場有著重要的導向作用。寬松的貨幣政策會增加市場流動性，降低企業(yè)融資成本，提升企業(yè)盈利能力，從而提高股票收益率；產業(yè)政策對某些行業(yè)的扶持，會吸引資金流入該行業(yè)，推動行業(yè)內股票價格上漲，收益率提高。政府對新能源汽車產業(yè)的扶持政策，促使相關企業(yè)業(yè)績大幅提升，股票價格和收益率隨之上漲。在市場流動性方面，換手率與股票預期收益率呈正相關，系數估計值為0.22，在5%的水平上顯著，表明股票的交易活躍度越高，市場流動性越好，股票的預期收益率也越高。非流動性比率與股票預期收益率呈負相關，系數估計值為-0.18，在5%的水平上顯著，說明市場流動性越差，股票的預期收益率越低。這反映了市場流動性在股票定價中的重要作用，流動性好的股票交易成本低，買賣容易，更受投資者青睞，能獲得較高的收益率；而流動性差的股票交易成本高，買賣困難，投資者需求低，收益率也較低。通過替換變量、分樣本檢驗和改變模型設定等多種方法進行穩(wěn)健性檢驗，結果均表明本研究的實證結果具有較好的穩(wěn)健性。在替換關鍵變量的度量方式后，各變量的系數符號和顯著性水平與原回歸結果基本一致；在分樣本檢驗中，不同分組下各變量對股票預期收益率的影響方向和程度也較為穩(wěn)定；改變模型設定后，各風險因子的主要影響方向和顯著性水平未發(fā)生根本性改變。這充分說明修正CAPM模型能夠較為穩(wěn)定地解釋中國股票市場收益率的橫截面變化，研究結論可靠。本研究的發(fā)現具有重要的理論與實踐意義。從理論層面來看，為資產定價理論的發(fā)展提供了新的實證依據，豐富了對中國股票市場風險-收益關系的理解，驗證了在傳統(tǒng)CAPM模型基礎上引入投資者情緒、政策變量和市場流動性等因子的合理性和有效性，為進一步完善資產定價模型提供了方向。在實踐方面，為投資者、金融機構和監(jiān)管部門提供了有價值的參考。投資者可以依據修正模型更準確地評估股票的投資價值和風險，優(yōu)化投資組合，提高投資收益；金融機構在進行資產定價、風險管理等業(yè)務時，可運用該模型提高業(yè)務的準確性和科學性；監(jiān)管部門能夠根據研究結果更好地理解市場運行機制，制定更有效的監(jiān)管政策，促進市場的健康穩(wěn)定發(fā)展。5.2對投資者的實踐指導基于本研究結果，為投資者提供以下投資策略建議，以幫助其優(yōu)化投資組合，實現更好的投資收益。在風險評估方面，投資者應綜合考慮多因素。傳統(tǒng)CAPM模型僅關注貝塔系數所代表的系統(tǒng)性風險，然而本研究表明，投資者情緒、政策變量和市場流動性等因素對股票收益率有著顯著影響。投資者在評估股票風險時，不能僅依賴貝塔系數，還需密切關注投資者情緒的變化。可以通過關注金融媒體報道、社交媒體輿情以及專業(yè)機構發(fā)布的投資者情緒指數等，了解市場整體的投資情緒。當投資者情緒過度樂觀時，市場可能存在高估風險，投資者應謹慎對待；當投資者情緒過度悲觀時，可能存在被低估的投資機會。對于政策變量，投資者需要關注國家宏觀政策的走向，包括貨幣政策、財政政策和產業(yè)政策等。貨幣政策的寬松或緊縮會影響市場資金的流動性，進而影響股票價格；產業(yè)政策對某些行業(yè)的扶持或限制，會直接影響相關行業(yè)股票的表現。投資者應及時了解政策動態(tài)，提前布局受益于政策支持的行業(yè)股票，避免投資受政策打壓的行業(yè)。市場流動性也是不可忽視的因素，投資者可以通過觀察股票的換手率、買賣價差等指標來判斷市場流動性。流動性好的股票交易成本低，買賣容易，投資風險相對較低；而流動性差的股票交易成本高，買賣困難，可能面臨較大的價格波動風險。在資產配置方面，投資者應根據自身風險偏好進行合理配置。對于風險偏好較低的投資者，可選擇貝塔系數較低、受市場波動影響較小的股票。這類股票通常具有較為穩(wěn)定的業(yè)績和現金流，在市場下跌時，其跌幅相對較小，能夠為投資組合提供一定的穩(wěn)定性?？梢躁P注一些大型藍籌股，這些公司通常在行業(yè)中占據領先地位，具有較強的抗風險能力。這類投資者還應關注市場流動性較好的股票，以降低交易成本和風險。在投資者情緒較為悲觀、市場整體下行風險較大時，可適當增加現金或固定收益類資產的配置比例，以降低投資組合的整體風險。對于風險偏好較高的投資者，可適當配置貝塔系數較高、具有較高增長潛力的股票。這類股票雖然系統(tǒng)性風險較高，但在市場上漲時，其漲幅可能較大，能夠為投資者帶來較高的收益。可以關注一些新興產業(yè)中的成長型股票，這些公司通常處于行業(yè)發(fā)展的初期，具有較大的發(fā)展空間和增長潛力。投資者也需密切關注投資者情緒和政策變量。在投資者情緒高漲、市場處于上升周期時，可加大對這類高風險高收益股票的配置比例；同時，抓住政策支持的行業(yè)機遇，投資相關股票，以獲取更高的收益。但要注意控制投資比例，避免過度集中投資導致風險過高。在投資組合管理方面，投資者應定期對投資組合進行評估和調整。市場情況是不斷變化的，投資者情緒、政策環(huán)境和市場流動性等因素也會隨時發(fā)生改變，這會影響股票的風險和收益特征。投資者應定期對投資組合中的股票進行風險評估，根據市場變化和自身投資目標的調整，及時調整投資組合的資產配置比例。當發(fā)現某只股票的風險收益特征發(fā)生不利變化時，如投資者情緒轉向悲觀導致該股票的預期收益率下降，或政策調整對該股票所在行業(yè)產生負面影響時，應考慮減持或賣出該股票；相反，當發(fā)現某只股票的投資機會增加時，如政策支持某行業(yè)發(fā)展，使得該行業(yè)內股票的預期收益率提高，可適當增加對該股票的投資。通過定期評估和動態(tài)調整投資組合，投資者能夠更好地適應市場變化，降低投資風險，提高投資收益。5.3對金融市場監(jiān)管的建議基于本研究結果，為金融市場監(jiān)管機構提出以下政策建議，以促進中國股票市場的健康發(fā)展。在市場信息披露方面，應進一步加強監(jiān)管力度。本研究表明，投資者情緒和政策變量對股票收益率有著顯著影響，而信息的準確、及時披露是穩(wěn)定投資者情緒和有效傳導政策的關鍵。監(jiān)管機構應制定更為嚴格的信息披露標準和規(guī)范，要求上市公司真實、準確、完整、及時地披露公司的財務狀況、經營成果、重大事項等信息，減少信息不對稱現象。加強對信息披露違規(guī)行為的處罰力度，提高違規(guī)成本，對于虛假陳述、隱瞞重要信息等行為，要依法嚴肅查處，追究相關責任人的法律責任。建立健全信息披露的監(jiān)督機制，加強對中介機構的監(jiān)管，確保會計師事務所、律師事務所等中介機構在信息披露過程中發(fā)揮應有的監(jiān)督和審核作用，提高信息披露的質量和可信度，為投資者提供準確的決策依據，穩(wěn)定市場預期。在市場流動性管理方面，監(jiān)管機構應采取有效措施，維護市場的合理流動性。市場流動性對股票收益率有著重要影響，流動性不足會導致股票價格偏離其內在價值，增加市場風險。監(jiān)管機構可以通過調整交易制度來優(yōu)化市場流動性。適度放寬漲跌幅限制，在一定程度上增加市場的交易活躍度，但要注意防范過度投機風險；完善融資融券制度，合理擴大融資融券標的范圍，提高市場的資金融通效率，增強市場的流動性。加強對市場操縱行為的打擊力度，防止個別投資者或機構通過操縱市場來影響股票的流動性和價格。對于通過資金優(yōu)勢、持股優(yōu)勢或信息優(yōu)勢進行市場操縱的行為，要及時發(fā)現并嚴厲懲處，維護市場的公平、公正和有序運行，保障市場流動性的穩(wěn)定。監(jiān)管機構還應關注投資者情緒對市場的影響，加強投資者教育和引導。投資者情緒的波動會引發(fā)市場的非理性波動，影響市場的穩(wěn)定。監(jiān)管機構可以通過多種渠道，如官方網站、社交媒體、金融教育活動等，向投資者普及金融知識，提高投資者的風險意識和投資理性。定期發(fā)布市場分析報告和風險提示，引導投資者正確看待市場波動，避免盲目跟風和過度投機。加強對投資者的心理輔導，幫助投資者樹立正確的投資心態(tài)，克服恐懼和貪婪等非理性情緒。在市場行情火爆時，及時提醒投資者注意風險，避免過度追漲；在市場低迷時，鼓勵投資者保持信心，理性看待市場調整，從而穩(wěn)定投資者情緒，減少市場的非理性波動。在政策制定和實施方面，監(jiān)管機構應提高政策的透明度和穩(wěn)定性。政策變量對股票收益率有著顯著影響，政策的突然變動可能會導致市場的大幅波動。監(jiān)管機構在制定政策時，應充分考慮市場的實際情況和投資者的反應，廣泛征求市場參與者的意見，提高政策的科學性和合理性。在政策實施過程中，要保持政策的穩(wěn)定性和連續(xù)性，避免政策的頻繁調整給市場帶來不確定性。對于重大政策的出臺，要提前做好信息溝通和解釋工作，讓市場參與者充分了解政策的目的、內容和影響，增強市場對政策的預期和信心，減少政策變動對市場的沖擊，促進股票市場的平穩(wěn)健康發(fā)展。六、研究局限與未來展望6.1研究過程中的局限性在本研究過程中，存在多方面的局限性，這些局限對研究結果的準確性和普適性產生了一定影響。數據樣本方面，本研究選取2013-2023年的滬深A股數據作為樣本，雖涵蓋多個市場發(fā)展階段，但時間跨度仍相對較短。股票市場受宏觀經濟周期、政策調整等多種因素影響，較短的時間跨度可能無法全面反映市場的長期趨勢和不同經濟環(huán)境下的變化規(guī)律。在2020年初，受新冠疫情這一突發(fā)重大公共衛(wèi)生事件影響，股票市場出現了劇烈波動，這種特殊時期的市場表現可能在較短時間跨度的樣本中無法得到充分體現和深入分析。若樣本時間跨度更長，或許能更全面地捕捉到市場在不同經濟周期下的變化，以及各種突發(fā)事件對股票收益率橫截面變化的長期影響。樣本僅涵蓋滬深A股，未納入其他板塊及境外上市的中國企業(yè)股票。不同板塊的股票在交易規(guī)則、投資者結構、市場定位等方面存在差異，境外上市的中國企業(yè)還受到不同國家和地區(qū)的監(jiān)管環(huán)境、市場文化等因素影響?？苿?chuàng)板以科技創(chuàng)新型企業(yè)為主，其企業(yè)特點和市場表現與傳統(tǒng)滬深A股存在