優(yōu)化與實證：三因素模型在深圳證券市場的進階探索一、引言1.1研究背景與意義深圳證券市場作為中國資本市場的重要組成部分，自成立以來取得了長足的發(fā)展。從1990年深交所試營業(yè)開始，歷經(jīng)多年的改革與創(chuàng)新，市場規(guī)模不斷擴大，上市公司數(shù)量持續(xù)增加，涵蓋了眾多行業(yè)領(lǐng)域，為各類企業(yè)提供了重要的融資渠道，也為投資者創(chuàng)造了豐富的投資機會。近年來，深圳證券市場更是呈現(xiàn)出蓬勃發(fā)展的態(tài)勢。據(jù)深交所公布數(shù)據(jù)顯示，2024年深圳證券市場累計股票成交金額1467379.70億元，同比增長19.45%，這一數(shù)據(jù)充分體現(xiàn)了市場的活躍程度和投資者的參與熱情。在金融市場中，準(zhǔn)確的資產(chǎn)定價模型對于投資者的決策和市場的有效運行至關(guān)重要。傳統(tǒng)的資本資產(chǎn)定價模型（CAPM）雖然在資產(chǎn)定價領(lǐng)域具有重要地位，但其假設(shè)條件較為嚴(yán)格，在實際應(yīng)用中存在一定的局限性，如對市場因素唯一解釋能力較弱、無法解釋市場溢價、低值股票的過度回報等問題。為了更準(zhǔn)確地描述股票收益率的變化，提高資產(chǎn)定價的準(zhǔn)確性，學(xué)者們提出了多因素模型，其中Fama和French在1993年提出的三因素模型具有重要的理論和實踐意義。三因素模型在國外成熟資本市場的研究和應(yīng)用中取得了較好的效果，然而，由于不同國家和地區(qū)的證券市場在市場結(jié)構(gòu)、投資者行為、宏觀經(jīng)濟環(huán)境等方面存在差異，三因素模型在中國證券市場，尤其是深圳證券市場的適用性和有效性需要進一步的實證檢驗和研究。深圳證券市場具有自身的特點，如上市公司以中小企業(yè)、高科技企業(yè)為主，市場交易活躍度高，投資者結(jié)構(gòu)中個人投資者占比較大等，這些特點可能會影響三因素模型中各因素對股票收益率的解釋能力。因此，對三因素模型在深圳證券市場進行深入的實證研究，分析其在中國市場環(huán)境下的表現(xiàn)，具有重要的現(xiàn)實意義。對于投資者而言，準(zhǔn)確的資產(chǎn)定價模型有助于他們更合理地評估股票的價值，制定科學(xué)的投資策略，降低投資風(fēng)險，提高投資收益。通過對三因素模型的研究，投資者可以更好地理解市場因素、市值因素和賬面市值比因素等對股票收益率的影響機制，從而更準(zhǔn)確地預(yù)測股票價格的走勢，做出更明智的投資決策。同時，對于市場監(jiān)管者來說，深入了解資產(chǎn)定價模型在深圳證券市場的應(yīng)用情況，有助于完善市場監(jiān)管政策，提高市場的有效性和穩(wěn)定性，促進資本市場的健康發(fā)展。1.2研究目標(biāo)與方法本研究旨在通過對三因素模型進行改進，并在深圳證券市場進行實證檢驗，深入探究該模型在中國特定市場環(huán)境下的適用性和有效性，從而為投資者和市場參與者提供更準(zhǔn)確的資產(chǎn)定價工具和投資決策依據(jù)。具體而言，研究目標(biāo)包括：一是檢驗傳統(tǒng)三因素模型在深圳證券市場對股票收益率的解釋能力，分析各因素在該市場中的表現(xiàn)和作用；二是識別影響深圳證券市場股票收益率的其他重要因素，對三因素模型進行合理改進，提高模型的解釋力和預(yù)測精度；三是基于改進后的模型，為投資者構(gòu)建更有效的投資組合策略，降低投資風(fēng)險，提高投資收益；四是為深圳證券市場的監(jiān)管者和政策制定者提供參考，以促進市場的健康穩(wěn)定發(fā)展，提升市場的有效性。在研究方法上，本研究綜合運用多種方法以確保研究的科學(xué)性和可靠性。數(shù)據(jù)收集方面，選取深圳證券市場的上市公司作為研究樣本，樣本涵蓋不同行業(yè)、不同市值規(guī)模以及不同發(fā)展階段的企業(yè)，以保證樣本的代表性。數(shù)據(jù)來源主要包括深圳證券交易所官方網(wǎng)站、Wind金融數(shù)據(jù)庫、CSMAR數(shù)據(jù)庫等權(quán)威平臺，獲取的數(shù)據(jù)內(nèi)容包括股票的每日收盤價、成交量、流通股本、總市值、財務(wù)報表數(shù)據(jù)（如凈資產(chǎn)、凈利潤等）以及宏觀經(jīng)濟數(shù)據(jù)（如無風(fēng)險利率、通貨膨脹率等），時間跨度設(shè)定為[起始時間]-[結(jié)束時間]，以全面反映市場的長期趨勢和短期波動。數(shù)據(jù)分析方法采用定量分析與定性分析相結(jié)合。在定量分析上，運用多元線性回歸分析方法，對三因素模型及其改進模型進行參數(shù)估計和顯著性檢驗，確定各因素對股票收益率的影響方向和程度。通過構(gòu)建回歸方程，將股票的超額收益率作為被解釋變量，市場風(fēng)險溢價、市值因子、賬面市值比因子以及其他新增因素作為解釋變量，利用統(tǒng)計軟件（如Eviews、Stata等）進行回歸運算，得到各因素的系數(shù)估計值和相關(guān)統(tǒng)計量（如R2、F值、t值等），以此評估模型的擬合優(yōu)度和各因素的顯著性。同時，采用時間序列分析方法，對各因素和股票收益率的時間序列數(shù)據(jù)進行分析，研究其動態(tài)變化特征和相互關(guān)系，如通過單位根檢驗判斷數(shù)據(jù)的平穩(wěn)性，運用協(xié)整檢驗分析變量之間的長期均衡關(guān)系，利用格蘭杰因果檢驗確定因素之間的因果關(guān)系。在定性分析上，結(jié)合深圳證券市場的特點、宏觀經(jīng)濟環(huán)境、政策導(dǎo)向以及投資者行為等因素，對實證結(jié)果進行深入解讀和分析，探討模型結(jié)果背后的經(jīng)濟意義和市場機制。投資組合構(gòu)建采用分組檢驗法。根據(jù)市值和賬面市值比兩個維度對樣本股票進行分組，構(gòu)建不同的投資組合。具體來說，按照市值從小到大將股票分為[X]組，按照賬面市值比從低到高也分為[X]組，然后交叉組合形成[X*X]個投資組合。分別計算每個投資組合的收益率，并運用改進后的三因素模型對各組合的收益率進行解釋和分析，比較不同組合之間的收益率差異以及模型對不同組合的解釋能力，從而為投資者選擇合適的投資組合提供依據(jù)。同時，采用事件研究法，針對市場上的重大事件（如政策調(diào)整、行業(yè)突發(fā)事件等），研究事件對投資組合收益率的影響，進一步驗證改進模型在不同市場環(huán)境下的有效性和適應(yīng)性。1.3研究創(chuàng)新點與結(jié)構(gòu)安排本研究的創(chuàng)新點主要體現(xiàn)在改進思路和視角上。在改進思路方面，有別于傳統(tǒng)研究僅對三因素模型進行簡單應(yīng)用或在原有框架下小修小補，本研究深入剖析深圳證券市場特性，從市場微觀結(jié)構(gòu)、投資者行為模式以及宏觀經(jīng)濟關(guān)聯(lián)等多維度挖掘潛在影響因素。例如，關(guān)注到深圳證券市場中個人投資者占比較大，其投資決策易受市場情緒影響，故而將市場情緒因素納入考量，通過構(gòu)建市場情緒指標(biāo)體系，如利用社交媒體大數(shù)據(jù)分析投資者情緒傾向、市場換手率波動衡量市場活躍度與情緒熱度等，為模型增添新的解釋維度。同時，鑒于深圳證券市場中小企業(yè)和高科技企業(yè)眾多，企業(yè)成長速度和創(chuàng)新能力差異顯著，引入企業(yè)創(chuàng)新因子，以研發(fā)投入強度、專利申請數(shù)量等指標(biāo)量化企業(yè)創(chuàng)新能力，探究其對股票收益率的作用，有望突破傳統(tǒng)三因素模型的局限，顯著提升模型在深圳證券市場的解釋力和預(yù)測精度。從研究視角來看，本研究采用動態(tài)與靜態(tài)相結(jié)合的獨特視角。靜態(tài)層面，運用橫截面數(shù)據(jù)在特定時間點對三因素模型及其改進模型進行參數(shù)估計和顯著性檢驗，清晰呈現(xiàn)各因素在該時刻對股票收益率的影響程度和方向；動態(tài)層面，通過時間序列分析，跟蹤各因素和股票收益率隨時間的變化趨勢，捕捉不同市場階段因素作用的動態(tài)演變，如在市場繁榮期和衰退期，各因素對股票收益率的影響權(quán)重是否發(fā)生改變，以及這種改變背后的驅(qū)動因素，從而更全面、深入地理解三因素模型在深圳證券市場的運行機制。在結(jié)構(gòu)安排上，本文首先在第一章引言中闡述研究背景與意義，點明深圳證券市場的發(fā)展現(xiàn)狀以及資產(chǎn)定價模型研究的必要性，明確研究目標(biāo)與方法，并介紹研究創(chuàng)新點。第二章對資產(chǎn)定價理論進行回顧，梳理從馬爾科威茨投資組合理論到資本資產(chǎn)定價模型，再到套利定價理論的發(fā)展脈絡(luò)，著重闡述三因素模型的建立與發(fā)展，同時對資產(chǎn)定價模型的國內(nèi)外實證研究進行綜述，為后續(xù)研究奠定理論基礎(chǔ)。第三章進入三因素模型在深圳證券市場的實證研究，詳細(xì)說明數(shù)據(jù)來源、樣本選取標(biāo)準(zhǔn)以及投資組合的構(gòu)建方法，對投資組合收益率進行描述性統(tǒng)計分析，運用回歸分析等方法檢驗三因素模型在深圳證券市場的適用性，深入剖析各因素對股票收益率的影響。第四章基于實證結(jié)果，對三因素模型進行改進，詳細(xì)闡述新增因素的選取依據(jù)和構(gòu)建方法，再次通過實證檢驗改進模型的效果，對比改進前后模型的解釋能力和預(yù)測精度。第五章總結(jié)研究結(jié)論，概括三因素模型在深圳證券市場的表現(xiàn)、改進模型的優(yōu)勢，提出研究的局限性和對未來研究的展望，為后續(xù)研究提供方向參考。二、理論基礎(chǔ)與文獻綜述2.1資產(chǎn)定價理論回顧資產(chǎn)定價理論作為現(xiàn)代金融學(xué)的核心內(nèi)容，旨在探究金融資產(chǎn)價格的形成機制與決定因素，為投資者的決策提供關(guān)鍵的理論依據(jù)。自20世紀(jì)50年代以來，資產(chǎn)定價理論經(jīng)歷了從簡單到復(fù)雜、從單一因素到多因素的發(fā)展歷程，眾多經(jīng)典理論不斷涌現(xiàn)，推動著該領(lǐng)域的持續(xù)進步。馬爾科威茨投資組合理論于1952年由哈里?馬科維茨（HarryMarkowitz）提出，這一理論標(biāo)志著現(xiàn)代投資組合理論的開端，具有開創(chuàng)性的意義。該理論的核心思想是投資者通過對不同資產(chǎn)進行合理配置，在追求投資組合收益最大化的同時，實現(xiàn)風(fēng)險的最小化。其基本假設(shè)包括投資者僅依據(jù)收益率的期望值和方差（標(biāo)準(zhǔn)差）這兩個測度指標(biāo)來選擇投資組合，且事先知曉投資收益率的概率分布，并且收益率滿足正態(tài)分布條件。在實際操作中，馬爾科威茨將投資組合的價格變化視作隨機變量，用均值衡量收益，方差衡量風(fēng)險，把投資組合中各種證券之間的比例作為變量，將求收益一定的風(fēng)險最小的投資組合問題歸結(jié)為線性約束下的二次規(guī)劃問題。通過這種方式，投資者可以根據(jù)自身的風(fēng)險偏好和收益目標(biāo)，在有效邊界上選擇合適的投資組合，實現(xiàn)風(fēng)險與收益的最優(yōu)平衡。例如，假設(shè)有股票A和股票B，它們的預(yù)期收益率和風(fēng)險水平各不相同，投資者可以通過調(diào)整兩者在投資組合中的比例，找到一個既能滿足自身收益期望，又能將風(fēng)險控制在可承受范圍內(nèi)的組合。馬爾科威茨投資組合理論的提出，為現(xiàn)代投資管理奠定了堅實的基礎(chǔ)，使投資者開始運用科學(xué)的方法進行資產(chǎn)配置，擺脫了以往僅憑經(jīng)驗和直覺的投資方式。在馬爾科威茨投資組合理論的基礎(chǔ)上，資本資產(chǎn)定價模型（CAPM）于1964年由威廉?夏普（WilliamSharpe）、約翰?林特耐（JohnLintner）和簡?摩辛（JanMossin）等人共同提出。CAPM主要研究證券市場中資產(chǎn)的預(yù)期收益率與風(fēng)險資產(chǎn)之間的關(guān)系，以及均衡價格的形成機制。其核心原理通過公式E(Ri)=Rf+βi[E(Rm)-Rf]來體現(xiàn)，其中E(Ri)表示資產(chǎn)i的期望收益率，Rf表示無風(fēng)險收益率，通常以短期國庫券的收益率為代表，βi表示資產(chǎn)i相對于市場組合的貝塔系數(shù)，用于衡量資產(chǎn)的系統(tǒng)性風(fēng)險，E(Rm)表示市場組合的期望收益率，[E(Rm)-Rf]則表示市場風(fēng)險溢價，即市場組合相對于無風(fēng)險收益率的額外收益。該模型假設(shè)投資者都是風(fēng)險規(guī)避者，遵循均值-方差原則進行單期決策，能夠按無風(fēng)險利率借貸且借貸數(shù)量不受限制，同時所有投資者對資產(chǎn)報酬的均值、方差和協(xié)方差等具有相同的預(yù)期，買賣資產(chǎn)不存在稅收或交易成本。在實際應(yīng)用中，CAPM可用于股票定價、債券定價、房地產(chǎn)定價以及風(fēng)險評估等多個領(lǐng)域。例如，在股票定價方面，若已知無風(fēng)險收益率為3%，市場組合的預(yù)期收益率為8%，某股票的β系數(shù)為1.2，根據(jù)CAPM公式可計算出該股票的預(yù)期收益率為3\%+1.2×(8\%-3\%)=9\%，投資者可據(jù)此判斷該股票的定價是否合理，從而做出投資決策。然而，CAPM也存在一定的局限性，其假設(shè)條件過于理想化，在現(xiàn)實市場中難以完全滿足，例如市場并非完全有效，存在信息不對稱和交易成本，投資者的風(fēng)險偏好和投資行為也并非完全一致，而且貝塔系數(shù)的計算依賴歷史數(shù)據(jù)，難以準(zhǔn)確反映未來的市場變化。為了克服CAPM的局限性，斯蒂芬?羅斯（StephenRoss）于1976年提出了套利定價理論（APT）。APT是對CAPM的拓展，認(rèn)為資產(chǎn)的預(yù)期收益率并非僅由市場風(fēng)險決定，而是受多個系統(tǒng)性風(fēng)險因素的共同影響，這些因素可以涵蓋經(jīng)濟增長率、通脹率、利率、匯率變化等多個方面。其基本數(shù)學(xué)公式為E(Ri)=Rf+β1F1+β2F2+?+βnFn，其中E(Ri)為資產(chǎn)i的預(yù)期收益率，Rf為無風(fēng)險利率，F(xiàn)1,F2,\cdots,Fn表示不同的系統(tǒng)性風(fēng)險因子，β1,β2,\cdots,βn表示資產(chǎn)i對每個風(fēng)險因子的敏感度（因子暴露系數(shù)）。APT的核心觀點在于，資產(chǎn)的收益率受到多個宏觀經(jīng)濟因素的綜合作用，當(dāng)資產(chǎn)價格偏離理論價格時，市場中的套利者會迅速采取行動，通過買賣資產(chǎn)來獲取無風(fēng)險利潤，從而使資產(chǎn)價格回歸合理水平。并且不同股票對不同風(fēng)險因子的敏感度各異，因而具有不同的風(fēng)險溢價。例如，若市場利率上升，金融股的收益率可能會相應(yīng)提高；若通貨膨脹上升，消費品公司可能會面臨盈利壓力，這些因素都會影響資產(chǎn)的收益率。與CAPM相比，APT的假設(shè)條件更為寬松，它不依賴于市場組合的存在，也無需假設(shè)投資者能以無風(fēng)險利率自由借貸以及市場完全有效等條件，因此更貼合現(xiàn)實市場情況，能夠更全面地解釋資產(chǎn)價格的波動。在投資管理和風(fēng)險控制中，APT有著廣泛的應(yīng)用，投資者可利用它計算股票或投資組合的預(yù)期收益率，評估資產(chǎn)定價是否合理；基金經(jīng)理可運用APT構(gòu)建投資組合，通過調(diào)整對不同經(jīng)濟因素的敏感性來降低整體風(fēng)險；市場中的套利者則可依據(jù)APT尋找資產(chǎn)的錯誤定價機會，進行套利交易，促使市場價格回歸均衡。2.2三因素模型的建立與發(fā)展隨著金融市場的不斷發(fā)展和研究的深入，傳統(tǒng)的資本資產(chǎn)定價模型（CAPM）在解釋股票收益率的變化時逐漸暴露出局限性。在此背景下，EugeneF.Fama和KennethR.French于1993年提出了著名的三因素模型，該模型在資產(chǎn)定價領(lǐng)域引發(fā)了廣泛關(guān)注和深入研究。Fama和French通過對美國股票市場的大量實證研究發(fā)現(xiàn)，除了市場風(fēng)險因素外，市值（Size）和賬面市值比（Book-to-MarketRatio，B/M）這兩個因素對股票收益率具有顯著的解釋能力。在構(gòu)建三因素模型時，他們以資本市場線性效應(yīng)為前提，將股票超額收益分解為市場因子、市值因子和賬面市值比因子的加權(quán)和。該模型的核心公式為：R_{it}-R_{ft}=\alpha_i+\beta_{iMKT}(R_{Mt}-R_{ft})+\beta_{iSMB}SMB_t+\beta_{iHML}HML_t+\epsilon_{it}，其中R_{it}表示股票i在t時期的收益率，R_{ft}表示t時期的無風(fēng)險收益率，R_{Mt}表示市場組合在t時期的收益率，\alpha_i是截距項，表示股票i的超額收益率中無法被三個因子解釋的部分，\beta_{iMKT}、\beta_{iSMB}和\beta_{iHML}分別表示股票i對市場風(fēng)險因子（MKT）、規(guī)模因子（SMB）和賬面市值比因子（HML）的敏感系數(shù)，SMB_t（SmallMinusBig）即規(guī)模因子，代表小市值公司股票組合收益率與大市值公司股票組合收益率之差，用以衡量公司規(guī)模對股票收益率的影響，HML_t（HighMinusLow）即賬面市值比因子，代表高賬面市值比公司股票組合收益率與低賬面市值比公司股票組合收益率之差，用于體現(xiàn)公司價值特征對股票收益率的作用，\epsilon_{it}是隨機誤差項。市場風(fēng)險因素在三因素模型中占據(jù)基礎(chǔ)性地位，反映了市場整體的系統(tǒng)性風(fēng)險，對所有股票的收益率都產(chǎn)生影響。當(dāng)市場處于上漲趨勢時，大多數(shù)股票的價格會隨之上升，收益率提高；而在市場下跌時，股票價格普遍下跌，收益率降低。規(guī)模因素揭示了公司規(guī)模與股票收益率之間的關(guān)系。一般來說，小市值公司由于其業(yè)務(wù)規(guī)模相對較小、抗風(fēng)險能力較弱，但同時也具有較高的成長潛力，往往能獲得比大市值公司更高的收益率。例如，一些新興的科技創(chuàng)業(yè)公司，在發(fā)展初期市值較小，但隨著業(yè)務(wù)的快速拓展和創(chuàng)新成果的轉(zhuǎn)化，股票價格可能會大幅上漲，為投資者帶來豐厚的回報。賬面市值比因素則體現(xiàn)了公司的價值特征。高賬面市值比的公司通常被市場認(rèn)為是價值型公司，其股價相對較低，可能由于市場對其前景預(yù)期較低或公司處于困境等原因，但這類公司可能具有較高的潛在價值，當(dāng)市場對其認(rèn)識發(fā)生改變時，股價可能會上漲，從而獲得較高的收益率；而低賬面市值比的公司多被視為成長型公司，市場對其未來增長預(yù)期較高，股價相對較高，但一旦公司的發(fā)展未能達到市場預(yù)期，收益率可能會受到影響。三因素模型的提出在資產(chǎn)定價領(lǐng)域具有重要的里程碑意義，極大地推動了資產(chǎn)定價理論的發(fā)展。它打破了傳統(tǒng)CAPM模型僅考慮市場風(fēng)險單一因素的局限，引入了市值和賬面市值比這兩個重要的風(fēng)險因子，使模型對股票收益率的解釋更加全面和準(zhǔn)確。眾多學(xué)者運用三因素模型對不同國家和地區(qū)的資本市場進行了大量的實證研究，進一步驗證和拓展了該模型的應(yīng)用范圍和解釋能力。在投資實踐中，三因素模型為投資者提供了更為有效的資產(chǎn)定價工具和投資決策依據(jù)。投資者可以通過分析市場風(fēng)險、市值和賬面市值比等因素對股票收益率的影響，更準(zhǔn)確地評估股票的價值，構(gòu)建更加合理的投資組合，降低投資風(fēng)險，提高投資收益。在構(gòu)建投資組合時，投資者可以根據(jù)不同股票對三個因子的敏感系數(shù)，選擇具有互補性的股票，以平衡組合的風(fēng)險和收益。如果某只股票對市場風(fēng)險因子敏感系數(shù)較高，而另一只股票對規(guī)模因子敏感系數(shù)較高，將它們組合在一起可以降低組合對單一因子的依賴，增強組合的穩(wěn)定性。2.3國內(nèi)外相關(guān)研究綜述在國外，學(xué)者們圍繞三因素模型展開了廣泛而深入的實證研究，成果豐碩。Fama和French最初對美國股票市場進行研究，以1963年7月至1990年12月期間紐約證券交易所（NYSE）、美國證券交易所（AMEX）和納斯達克（NASDAQ）上市的股票為樣本，通過構(gòu)建多個投資組合，運用回歸分析等方法，發(fā)現(xiàn)三因素模型能夠較好地解釋股票收益率的橫截面變化，市場風(fēng)險因子、規(guī)模因子和賬面市值比因子對股票收益率具有顯著的解釋能力。該研究為三因素模型在金融領(lǐng)域的應(yīng)用奠定了堅實基礎(chǔ)，引發(fā)了后續(xù)一系列的研究。眾多學(xué)者將三因素模型拓展到其他成熟資本市場進行驗證。Chan、Hamao和Lakonishok（1991）研究了日本股票市場，以1971-1988年東京證券交易所上市股票為樣本，發(fā)現(xiàn)規(guī)模因子和賬面市值比因子在日本市場同樣顯著，三因素模型在日本市場具有一定的適用性，但與美國市場相比，各因子的作用強度和表現(xiàn)形式存在差異，這表明不同國家的市場特征會對三因素模型的解釋能力產(chǎn)生影響。同樣地，F(xiàn)ama和French（1998）對12個歐洲國家股票市場進行研究，樣本涵蓋1975-1995年期間多個歐洲主要證券交易所的上市公司，結(jié)果表明三因素模型在歐洲市場也能在一定程度上解釋股票收益率的變化，但不同國家市場的因子表現(xiàn)存在差異，如在一些小國家市場，規(guī)模因子的解釋力相對較弱，而在金融市場較為發(fā)達的國家，賬面市值比因子的影響更為顯著。這些研究進一步驗證了三因素模型在不同成熟市場的適用性，同時也揭示了市場間的差異對模型效果的影響。隨著新興市場的發(fā)展，三因素模型在新興市場的實證研究也逐漸增多。Rouwenhorst（1999）對1980-1995年期間10個新興股票市場進行研究，樣本涉及多個新興市場國家的主要證券交易所上市公司，發(fā)現(xiàn)三因素模型在新興市場同樣具有一定的解釋能力，但新興市場的風(fēng)險特征更為復(fù)雜，除了市場風(fēng)險、規(guī)模和賬面市值比因素外，還受到宏觀經(jīng)濟不穩(wěn)定、政策不確定性、市場流動性不足等因素的影響，這些因素可能導(dǎo)致三因素模型在新興市場的解釋力相對較弱。國內(nèi)學(xué)者也對三因素模型在中國證券市場的適用性進行了大量研究。早期，陳信元、張?zhí)镉嗪完惗A（2001）以1995-1998年滬深兩市上市公司為樣本，研究發(fā)現(xiàn)規(guī)模和賬面市值比因素對股票收益率有一定影響，但市場風(fēng)險因素的解釋能力相對較弱，這可能與當(dāng)時中國證券市場的發(fā)展階段、市場結(jié)構(gòu)和投資者行為等因素有關(guān)，如市場信息披露不完善、投資者非理性行為較多等，影響了市場風(fēng)險因子的作用效果。朱寶憲和何治國（2002）以1995-2001年期間滬深兩市A股股票為樣本，通過構(gòu)建投資組合并進行回歸分析，發(fā)現(xiàn)三因素模型能夠在一定程度上解釋中國股票市場收益率的變化，但模型的解釋力有待提高，并且各因素的影響在不同時期存在波動，這可能與中國證券市場不斷改革和發(fā)展過程中的政策調(diào)整、市場環(huán)境變化等因素有關(guān)。近年來，隨著中國證券市場的不斷完善，相關(guān)研究更加深入。汪煒和周宇（2002）以1996-2000年深市上市公司為樣本，研究發(fā)現(xiàn)規(guī)模和賬面市值比因子對股票收益率有顯著影響，且規(guī)模效應(yīng)在小市值公司中更為明顯。蘇冬蔚和麥元勛（2004）以1995-2003年滬深兩市A股上市公司為樣本，通過多種實證方法檢驗，發(fā)現(xiàn)三因素模型對中國股票市場收益率具有一定的解釋能力，但與美國市場相比，中國市場的規(guī)模效應(yīng)和賬面市值比效應(yīng)存在差異，中國市場的規(guī)模效應(yīng)更為顯著，而賬面市值比效應(yīng)相對較弱，這可能與中國上市公司的股權(quán)結(jié)構(gòu)、市場監(jiān)管政策以及投資者偏好等因素有關(guān)。專門針對深圳證券市場的研究中，王華和張程睿（2005）以1996-2003年深交所上市公司為樣本，研究發(fā)現(xiàn)三因素模型在深圳證券市場具有一定的適用性，但模型的解釋力存在局限性，如對某些行業(yè)和特定市值區(qū)間的股票收益率解釋效果不佳。許滌龍和張鈺（2010）以2001-2008年深圳證券市場A股股票為樣本，通過構(gòu)建投資組合和回歸分析，發(fā)現(xiàn)三因素模型對深圳證券市場股票收益率有一定的解釋能力，但市場風(fēng)險因子的穩(wěn)定性較差，這可能與深圳證券市場的高波動性以及上市公司的行業(yè)特點有關(guān)，深圳證券市場中小企業(yè)和高科技企業(yè)眾多，這些企業(yè)受市場環(huán)境和行業(yè)競爭影響較大，導(dǎo)致市場風(fēng)險因子的波動較大。綜合來看，國內(nèi)外研究表明三因素模型在不同市場均具有一定的解釋能力，但由于市場環(huán)境、投資者行為、宏觀經(jīng)濟政策等因素的差異，模型在不同市場的表現(xiàn)和解釋能力存在差異。在中國證券市場，尤其是深圳證券市場，雖然已有研究驗證了三因素模型的一定適用性，但仍存在一些問題，如模型對股票收益率的解釋力有待進一步提高，各因素的穩(wěn)定性和作用機制還需深入研究。并且以往研究在樣本選取、數(shù)據(jù)處理和模型設(shè)定等方面存在差異，導(dǎo)致研究結(jié)果的可比性和一致性受到影響。未來研究需要結(jié)合中國證券市場的特點，進一步優(yōu)化模型，挖掘更多影響股票收益率的因素，以提高模型的解釋力和預(yù)測精度。三、深圳證券市場特征分析3.1市場結(jié)構(gòu)與板塊特點深圳證券市場經(jīng)過多年發(fā)展，形成了多層次的市場結(jié)構(gòu)，包括主板、中小板和創(chuàng)業(yè)板，各板塊在上市條件、企業(yè)特點和風(fēng)險程度等方面存在差異，在市場中扮演著不同的角色，呈現(xiàn)出各自獨特的發(fā)展趨勢。主板作為深圳證券市場的重要組成部分，上市條件較為嚴(yán)格。在企業(yè)規(guī)模方面，要求發(fā)行前股本總額不少于3000萬元，發(fā)行后的股本總額不少于5000萬元，這一規(guī)定確保了主板上市公司具備一定的規(guī)?；A(chǔ)，能夠在市場中承擔(dān)重要的經(jīng)濟角色。在盈利要求上，最近3個會計年度凈利潤均為正數(shù)且累計超過3000萬元，或者最近3個會計年度經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額累計超過5000萬元，或者最近3個會計年度營業(yè)收入累計超過3億元，這體現(xiàn)了對主板上市公司盈利能力和經(jīng)營穩(wěn)定性的高度重視。主板上市公司多為大型成熟企業(yè)，如萬科企業(yè)股份有限公司，作為房地產(chǎn)行業(yè)的龍頭企業(yè)，在市場中具有廣泛的影響力和較高的市場份額，其經(jīng)營模式成熟，業(yè)績相對穩(wěn)定，產(chǎn)品和服務(wù)在市場中具有較高的認(rèn)可度。由于企業(yè)規(guī)模較大、經(jīng)營穩(wěn)定性高，主板市場的風(fēng)險程度相對較低，能夠為投資者提供相對穩(wěn)定的投資回報。在市場中，主板扮演著穩(wěn)定市場、吸引長期投資的重要角色，是市場的基石。從發(fā)展趨勢來看，隨著我國經(jīng)濟的轉(zhuǎn)型升級，主板上市公司也在不斷優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加大在新興產(chǎn)業(yè)領(lǐng)域的布局和投入，如一些傳統(tǒng)制造業(yè)企業(yè)通過技術(shù)創(chuàng)新和產(chǎn)業(yè)升級，向高端制造、智能制造領(lǐng)域轉(zhuǎn)型，以適應(yīng)市場變化和經(jīng)濟發(fā)展的需求。中小板的上市條件介于主板和創(chuàng)業(yè)板之間。在股本要求上，發(fā)行前股本總額不少于3000萬元，這與主板的發(fā)行前股本要求一致，但在其他方面的條件相對主板有所放寬。中小板企業(yè)規(guī)模相對較小，但具有較強的成長潛力，這些企業(yè)大多處于快速發(fā)展階段，在技術(shù)創(chuàng)新、產(chǎn)品研發(fā)、市場拓展等方面具有積極的探索和突破。以海康威視數(shù)字技術(shù)股份有限公司為例，在中小板上市初期，公司規(guī)模相對較小，但憑借在視頻監(jiān)控領(lǐng)域的技術(shù)創(chuàng)新和市場拓展，公司業(yè)務(wù)快速增長，市場份額不斷擴大，成為全球領(lǐng)先的視頻監(jiān)控解決方案提供商。中小板企業(yè)的風(fēng)險程度適中，既具有一定的成長空間帶來的投資機會，也伴隨著企業(yè)發(fā)展過程中的不確定性。在市場中，中小板起到了連接主板和創(chuàng)業(yè)板的橋梁作用，為中小企業(yè)提供了融資和發(fā)展的平臺，促進了中小企業(yè)的成長和發(fā)展。未來，隨著國家對中小企業(yè)扶持政策的不斷加強，中小板企業(yè)有望在科技創(chuàng)新、產(chǎn)業(yè)升級等方面發(fā)揮更大的作用，進一步推動經(jīng)濟結(jié)構(gòu)的調(diào)整和優(yōu)化。創(chuàng)業(yè)板對創(chuàng)新能力要求高，盈利條件相對寬松。在持續(xù)經(jīng)營時間上，要求持續(xù)經(jīng)營3年以上，在盈利方面，最近兩年連續(xù)盈利，最近兩年凈利潤累計超過1000萬元，且持續(xù)增長；或者最近一年盈利，且凈利潤不少于500萬元，最近一年營業(yè)收入不少于5000萬元，最近兩年營業(yè)收入增長率均不低于30％，這為一些處于創(chuàng)業(yè)初期、具有創(chuàng)新能力但盈利尚未穩(wěn)定的企業(yè)提供了上市融資的機會。創(chuàng)業(yè)板主要側(cè)重于支持創(chuàng)業(yè)型、創(chuàng)新型企業(yè)發(fā)展，這些企業(yè)大多在新興產(chǎn)業(yè)領(lǐng)域，如新能源、生物醫(yī)藥、人工智能等，具有較高的技術(shù)含量和創(chuàng)新性，但同時也伴隨著較大的不確定性和風(fēng)險。例如寧德時代新能源科技股份有限公司，作為創(chuàng)業(yè)板上市公司，在新能源電池領(lǐng)域具有領(lǐng)先的技術(shù)和創(chuàng)新能力，公司在成立后迅速發(fā)展，成為全球知名的新能源電池制造商，但在發(fā)展過程中也面臨著技術(shù)更新?lián)Q代、市場競爭加劇等風(fēng)險。創(chuàng)業(yè)板的風(fēng)險程度相對較高，因為企業(yè)的創(chuàng)新成果能否轉(zhuǎn)化為實際的經(jīng)濟效益、市場對新產(chǎn)品和新技術(shù)的接受程度等都存在不確定性。在市場中，創(chuàng)業(yè)板為創(chuàng)新型企業(yè)提供了直接融資渠道，促進了科技創(chuàng)新和產(chǎn)業(yè)升級，激發(fā)了市場的創(chuàng)新活力。未來，隨著科技創(chuàng)新的加速發(fā)展，創(chuàng)業(yè)板將吸引更多具有創(chuàng)新能力的企業(yè)上市，成為推動新興產(chǎn)業(yè)發(fā)展的重要力量，同時也對投資者的風(fēng)險識別和承受能力提出了更高的要求?？傮w而言，深圳證券市場的不同板塊相互補充，共同構(gòu)成了多層次的資本市場體系。主板的穩(wěn)定性、中小板的成長性和創(chuàng)業(yè)板的創(chuàng)新性，滿足了不同類型企業(yè)的融資需求和投資者的投資偏好，推動了市場的多元化發(fā)展。在未來，隨著市場的不斷完善和發(fā)展，各板塊將進一步發(fā)揮自身優(yōu)勢，在經(jīng)濟轉(zhuǎn)型升級、科技創(chuàng)新驅(qū)動等方面發(fā)揮更加重要的作用，同時也需要投資者根據(jù)自身風(fēng)險偏好和投資目標(biāo)，合理選擇投資板塊和標(biāo)的。3.2行業(yè)分布與企業(yè)特征深圳證券市場的行業(yè)分布呈現(xiàn)出多元化且富有特色的格局。信息技術(shù)行業(yè)在深圳證券市場占據(jù)重要地位，以騰訊、中興通訊等為代表的信息技術(shù)企業(yè)，展現(xiàn)出強勁的創(chuàng)新能力和市場競爭力。騰訊在社交媒體、游戲、金融科技等領(lǐng)域不斷拓展業(yè)務(wù)版圖，通過持續(xù)的技術(shù)研發(fā)和創(chuàng)新，推出了微信、王者榮耀等多款具有廣泛影響力的產(chǎn)品和服務(wù)，不僅在國內(nèi)市場取得巨大成功，還積極拓展海外市場，其業(yè)務(wù)模式和創(chuàng)新理念引領(lǐng)著行業(yè)發(fā)展潮流。中興通訊在通信設(shè)備制造領(lǐng)域擁有深厚的技術(shù)積累，在5G技術(shù)研發(fā)和應(yīng)用推廣方面處于行業(yè)前沿，為全球通信網(wǎng)絡(luò)的建設(shè)和升級做出重要貢獻。這些企業(yè)通常具有高研發(fā)投入的特點，騰訊每年在技術(shù)研發(fā)上的投入持續(xù)增長，不斷加強人工智能、云計算、大數(shù)據(jù)等領(lǐng)域的技術(shù)研發(fā)和應(yīng)用，以保持其在行業(yè)內(nèi)的技術(shù)領(lǐng)先地位。并且注重人才培養(yǎng)和引進，吸引了大量高素質(zhì)的技術(shù)和管理人才，為企業(yè)的創(chuàng)新發(fā)展提供了堅實的人才支撐。信息技術(shù)行業(yè)的發(fā)展受到市場需求和技術(shù)進步的雙重驅(qū)動，隨著數(shù)字化、智能化時代的到來，對信息技術(shù)產(chǎn)品和服務(wù)的需求不斷增長，促使企業(yè)加大研發(fā)投入，推動技術(shù)創(chuàng)新，以滿足市場需求。電子行業(yè)同樣是深圳證券市場的重要組成部分，如立訊精密、比亞迪電子等企業(yè)。立訊精密專注于消費電子、汽車電子等領(lǐng)域，通過垂直整合產(chǎn)業(yè)鏈，不斷提升自身的制造能力和技術(shù)水平，從最初的連接器制造逐步拓展到無線充電、聲學(xué)、光學(xué)等多個領(lǐng)域，與蘋果、華為等眾多知名品牌建立了長期穩(wěn)定的合作關(guān)系。比亞迪電子在手機部件及組裝、汽車零部件制造等方面具有較強的實力，同時積極布局新能源汽車電子領(lǐng)域，隨著新能源汽車市場的快速發(fā)展，比亞迪電子的業(yè)務(wù)也迎來了新的增長機遇。電子行業(yè)的企業(yè)多具備大規(guī)模生產(chǎn)制造能力，立訊精密擁有龐大的生產(chǎn)基地和先進的生產(chǎn)設(shè)備，能夠?qū)崿F(xiàn)高效的規(guī)?；a(chǎn)，滿足市場對產(chǎn)品的大量需求。并且對技術(shù)創(chuàng)新和產(chǎn)品升級的需求迫切，電子行業(yè)技術(shù)更新?lián)Q代快，市場競爭激烈，企業(yè)必須不斷投入研發(fā)，推出新產(chǎn)品，提升產(chǎn)品性能和質(zhì)量，才能在市場中立足。醫(yī)藥生物行業(yè)近年來在深圳證券市場發(fā)展迅速，以邁瑞醫(yī)療、華大基因等為代表。邁瑞醫(yī)療在醫(yī)療器械領(lǐng)域處于國內(nèi)領(lǐng)先地位，產(chǎn)品涵蓋生命信息與支持、體外診斷、醫(yī)學(xué)影像等多個領(lǐng)域，其監(jiān)護儀、超聲診斷設(shè)備等產(chǎn)品在國內(nèi)外市場具有較高的市場份額，通過持續(xù)的技術(shù)創(chuàng)新和產(chǎn)品研發(fā)，不斷推出高性能、高可靠性的醫(yī)療器械產(chǎn)品，滿足臨床醫(yī)療需求。華大基因在基因測序、生物信息分析等領(lǐng)域具有核心技術(shù)優(yōu)勢，在基因檢測、精準(zhǔn)醫(yī)療等方面開展了廣泛的業(yè)務(wù)應(yīng)用，為疾病診斷、預(yù)防和治療提供了創(chuàng)新的解決方案。醫(yī)藥生物行業(yè)的企業(yè)研發(fā)周期長，邁瑞醫(yī)療的一款新型醫(yī)療器械從研發(fā)到上市可能需要數(shù)年時間，期間需要投入大量的資金和人力進行臨床試驗、產(chǎn)品認(rèn)證等工作。并且面臨嚴(yán)格的監(jiān)管要求，醫(yī)藥生物產(chǎn)品的質(zhì)量和安全性直接關(guān)系到患者的生命健康，因此受到國家藥品監(jiān)督管理部門等的嚴(yán)格監(jiān)管，企業(yè)必須嚴(yán)格遵守相關(guān)法規(guī)和標(biāo)準(zhǔn)，確保產(chǎn)品質(zhì)量和安全。中小企業(yè)數(shù)量多是深圳證券市場的顯著特征之一。這些中小企業(yè)往往具有較高的靈活性和創(chuàng)新性，能夠快速適應(yīng)市場變化，敢于嘗試新的商業(yè)模式和技術(shù)。在面對市場需求的變化時，中小企業(yè)能夠迅速調(diào)整生產(chǎn)和經(jīng)營策略，推出符合市場需求的產(chǎn)品和服務(wù)。并且積極探索新的商業(yè)模式，一些互聯(lián)網(wǎng)中小企業(yè)通過創(chuàng)新的平臺模式，整合資源，實現(xiàn)了快速發(fā)展。然而，中小企業(yè)也伴隨著較高的風(fēng)險，其經(jīng)營穩(wěn)定性相對較弱，在資金、技術(shù)、人才等方面相對薄弱，抗風(fēng)險能力較差。在市場競爭激烈時，中小企業(yè)可能面臨資金短缺、市場份額被擠壓等問題，導(dǎo)致經(jīng)營困難。中小企業(yè)的創(chuàng)新性對市場的發(fā)展具有積極的推動作用。它們的創(chuàng)新活動為市場注入了新的活力，促進了技術(shù)進步和產(chǎn)業(yè)升級。一些中小企業(yè)在人工智能、區(qū)塊鏈等新興技術(shù)領(lǐng)域的創(chuàng)新應(yīng)用，推動了這些技術(shù)的商業(yè)化進程，帶動了相關(guān)產(chǎn)業(yè)的發(fā)展。并且為投資者提供了更多具有高增長潛力的投資機會，投資者可以通過投資這些中小企業(yè)，分享企業(yè)成長帶來的收益。中小企業(yè)的高風(fēng)險也對投資者提出了更高的要求，投資者需要更加深入地研究和分析企業(yè)的基本面、發(fā)展前景和風(fēng)險因素，謹(jǐn)慎做出投資決策。市場也需要進一步完善風(fēng)險投資機制、信用擔(dān)保體系等，為中小企業(yè)的發(fā)展提供更好的支持和保障。3.3交易特性與市場環(huán)境深圳證券市場的交易活躍度高，市場流動性良好，這是其顯著的交易特性之一。以2024年為例，深圳證券市場的年換手率達到了[X]%，高于國內(nèi)其他主要證券市場，也高于部分國際成熟市場同期的換手率水平。高換手率表明市場交易頻繁，股票的流動性強，投資者能夠較為便捷地買賣股票，資金能夠快速進出市場。這為投資者提供了更多的交易機會，使得投資者可以根據(jù)市場變化及時調(diào)整投資組合。當(dāng)投資者發(fā)現(xiàn)某只股票價格出現(xiàn)波動，預(yù)期其未來走勢將對自己不利時，能夠迅速賣出股票，避免損失進一步擴大；而當(dāng)發(fā)現(xiàn)有投資機會時，也能及時買入股票，把握盈利機會。市場流動性好也有助于降低交易成本，提高市場的效率。由于市場上買賣雙方的交易意愿強烈，買賣價差相對較小，投資者在交易過程中支付的交易成本也相應(yīng)降低。在高流動性的市場中，投資者更容易找到交易對手，使得大額交易也能夠較為順利地完成，不會對市場價格產(chǎn)生過大的沖擊。股價波動大是深圳證券市場的另一個重要特點。深圳證券市場的股票價格波動幅度較大，日漲跌幅超過5%的股票數(shù)量占比較高。據(jù)統(tǒng)計，在過去一年中，深圳證券市場日漲跌幅超過5%的股票平均占比達到了[X]%，部分股票的日漲跌幅甚至超過10%。股價波動大的原因是多方面的。市場中的中小企業(yè)和高科技企業(yè)眾多，這些企業(yè)通常處于發(fā)展初期，經(jīng)營穩(wěn)定性相對較弱，受到市場環(huán)境、行業(yè)競爭、技術(shù)變革等因素的影響較大。某家新興的人工智能企業(yè)，可能由于技術(shù)研發(fā)進度不及預(yù)期，或者市場競爭加劇導(dǎo)致市場份額下降，其股票價格可能會出現(xiàn)大幅下跌。投資者結(jié)構(gòu)中個人投資者占比較大，個人投資者的投資決策往往受到情緒、信息不對稱等因素的影響，容易出現(xiàn)非理性的投資行為，從而加劇股價的波動。在市場行情上漲時，個人投資者可能會盲目跟風(fēng)買入，推動股價過度上漲；而在市場行情下跌時，又可能恐慌性拋售，導(dǎo)致股價過度下跌。政策支持力度大是深圳證券市場的優(yōu)勢之一。深圳作為中國改革開放的前沿陣地，政府出臺了一系列政策鼓勵企業(yè)上市融資和發(fā)展。深圳市政府設(shè)立了專項扶持資金，對符合條件的擬上市企業(yè)給予資金支持，幫助企業(yè)解決上市過程中的資金問題。在稅收政策方面，對上市企業(yè)給予一定的稅收優(yōu)惠，降低企業(yè)的運營成本，提高企業(yè)的盈利能力。這些政策措施為市場的長期穩(wěn)定發(fā)展提供了有力保障，也為投資者提供了更多的投資機會。投資者可以關(guān)注政策導(dǎo)向，選擇符合政策支持方向的企業(yè)進行投資，提高投資成功的概率。政府大力支持新能源產(chǎn)業(yè)發(fā)展，投資者可以關(guān)注深圳證券市場中新能源相關(guān)企業(yè)的投資機會，如寧德時代等，這些企業(yè)在政策支持下，業(yè)務(wù)快速發(fā)展，股票價格也可能隨之上漲。深圳證券市場的監(jiān)管制度不斷完善，這對于維護市場的公平、公正和透明，保護投資者的合法權(quán)益具有重要意義。深交所加強了對上市公司的信息披露監(jiān)管，要求上市公司及時、準(zhǔn)確、完整地披露公司的財務(wù)狀況、經(jīng)營成果、重大事項等信息，減少信息不對稱，使投資者能夠做出更加準(zhǔn)確的投資決策。在違規(guī)處罰方面，加大了對內(nèi)幕交易、操縱市場等違法行為的處罰力度，提高違法成本，維護市場秩序。對于內(nèi)幕交易行為，不僅對違法者進行罰款，還可能追究其刑事責(zé)任。嚴(yán)格的監(jiān)管要求上市公司提高信息披露質(zhì)量，投資者需要更加關(guān)注企業(yè)的財務(wù)狀況、經(jīng)營動態(tài)等信息，以便做出明智的投資決策。投資者在分析企業(yè)財務(wù)報表時，要關(guān)注數(shù)據(jù)的真實性和準(zhǔn)確性，同時關(guān)注企業(yè)的非財務(wù)信息，如管理層能力、行業(yè)競爭態(tài)勢等，綜合評估企業(yè)的投資價值。四、三因素模型的改進思路4.1原模型局限性分析盡管三因素模型在資產(chǎn)定價領(lǐng)域取得了顯著進展，對股票收益率的解釋能力相較于傳統(tǒng)的資本資產(chǎn)定價模型（CAPM）有了很大提升，但在實際應(yīng)用和進一步研究中，仍暴露出諸多局限性，這些不足限制了其在復(fù)雜多變的金融市場中對資產(chǎn)收益率變動的精準(zhǔn)解釋。在解釋收益動能方面，三因素模型存在明顯缺陷。收益動能是指股票在過去一段時間內(nèi)的收益率表現(xiàn)能夠?qū)ξ磥硎找媛十a(chǎn)生影響的現(xiàn)象，即過去表現(xiàn)較好的股票在未來一段時間內(nèi)往往繼續(xù)保持較好的表現(xiàn)，而過去表現(xiàn)較差的股票則傾向于持續(xù)表現(xiàn)不佳。然而，三因素模型中并未包含能夠有效捕捉這一現(xiàn)象的因子。在現(xiàn)實市場中，許多實證研究都發(fā)現(xiàn)了收益動能的存在。Jegadeesh和Titman（1993）通過對美國股票市場的研究發(fā)現(xiàn)，過去3-12個月收益率較高的股票組合，在未來3-12個月內(nèi)仍能獲得較高的收益率，這種現(xiàn)象無法用三因素模型中的市場風(fēng)險因子、規(guī)模因子和賬面市值比因子來解釋。這表明三因素模型對股票收益率的時間序列變化特征解釋不足，無法為投資者在利用收益動能進行投資決策時提供有效的理論支持，導(dǎo)致投資者在構(gòu)建投資組合時，難以充分考慮股票的歷史收益趨勢對未來收益的影響，從而可能錯失投資機會或承擔(dān)不必要的風(fēng)險。規(guī)模和賬面市值比作為風(fēng)險因素，在三因素模型中缺乏堅實的理論支持。從理論根源上看，雖然實證研究表明規(guī)模和賬面市值比與股票收益率之間存在顯著的相關(guān)性，但對于為何這兩個因素能夠成為風(fēng)險因素，以及它們?nèi)绾螠?zhǔn)確衡量風(fēng)險，目前并沒有形成統(tǒng)一且令人信服的理論解釋。規(guī)模因素方面，小市值公司通常被認(rèn)為具有更高的風(fēng)險，因為它們在市場競爭中可能面臨更多的不確定性，如資金短缺、市場份額較小、抗風(fēng)險能力較弱等。然而，這種風(fēng)險的衡量方式較為籠統(tǒng)，并沒有深入探討小市值公司風(fēng)險的具體來源和作用機制，不同行業(yè)、不同發(fā)展階段的小市值公司，其風(fēng)險特征可能存在很大差異，僅用市值大小來衡量風(fēng)險顯得過于簡單和片面。賬面市值比因素同樣存在類似問題，高賬面市值比的公司被視為價值型公司，可能蘊含著更高的風(fēng)險，但這種風(fēng)險的本質(zhì)和傳導(dǎo)機制并不清晰。高賬面市值比可能是由于公司股價被低估，也可能是因為公司基本面存在問題，三因素模型未能對這些情況進行區(qū)分，導(dǎo)致在解釋賬面市值比與股票收益率之間的關(guān)系時缺乏深度和準(zhǔn)確性。這使得三因素模型在應(yīng)用中存在一定的盲目性，投資者難以從理論層面深入理解規(guī)模和賬面市值比因素對股票收益率的影響，從而影響了投資決策的科學(xué)性和合理性。三因素模型在面對不同市場環(huán)境和投資者行為時，缺乏足夠的靈活性和適應(yīng)性。不同國家和地區(qū)的證券市場，由于經(jīng)濟發(fā)展水平、市場制度、投資者結(jié)構(gòu)等方面存在差異，股票收益率的影響因素和作用機制也不盡相同。在新興市場，市場的波動性較大，政策因素對市場的影響更為顯著，投資者結(jié)構(gòu)中個人投資者占比較高，投資行為相對不夠理性。在這種情況下，三因素模型中的市場風(fēng)險因子、規(guī)模因子和賬面市值比因子可能無法充分解釋股票收益率的變動，因為這些市場環(huán)境因素和投資者行為因素并未被納入模型考量范圍。即使在同一市場的不同發(fā)展階段，投資者的風(fēng)險偏好和投資行為也會發(fā)生變化，三因素模型難以根據(jù)市場環(huán)境和投資者行為的動態(tài)變化及時調(diào)整對股票收益率的解釋，導(dǎo)致模型的適用性受到限制。在市場繁榮時期，投資者可能更傾向于投資高風(fēng)險、高收益的股票，而在市場衰退時期，投資者則更注重資產(chǎn)的安全性，這種投資者行為的變化會對股票收益率產(chǎn)生影響，但三因素模型無法有效捕捉這種變化。這使得三因素模型在不同市場環(huán)境下的應(yīng)用受到限制，無法為投資者提供具有針對性的投資決策建議。在行業(yè)特征和企業(yè)異質(zhì)性的考量上，三因素模型也存在不足。不同行業(yè)具有獨特的風(fēng)險特征和發(fā)展規(guī)律，企業(yè)之間在經(jīng)營模式、創(chuàng)新能力、市場競爭力等方面也存在顯著差異，這些因素都會對股票收益率產(chǎn)生重要影響?？萍夹袠I(yè)的企業(yè)通常具有高研發(fā)投入、高成長潛力但也伴隨著高風(fēng)險的特點，其股票收益率可能更多地受到技術(shù)創(chuàng)新、行業(yè)競爭格局等因素的影響。而傳統(tǒng)制造業(yè)企業(yè)的股票收益率則可能更依賴于成本控制、市場份額、宏觀經(jīng)濟環(huán)境等因素。三因素模型并沒有充分考慮到這些行業(yè)特征和企業(yè)異質(zhì)性對股票收益率的影響，將所有股票統(tǒng)一納入模型進行分析，導(dǎo)致模型對不同行業(yè)和企業(yè)股票收益率的解釋能力存在偏差。對于一些特殊行業(yè)或具有獨特經(jīng)營模式的企業(yè)，三因素模型可能無法準(zhǔn)確解釋其股票收益率的變動，使得投資者在對這些企業(yè)進行投資分析時，無法獲得全面、準(zhǔn)確的信息，從而影響投資決策的準(zhǔn)確性。4.2改進方向探討針對三因素模型的局限性，我們從引入新因素和優(yōu)化模型結(jié)構(gòu)與參數(shù)估計方法兩個方面進行改進方向的探討，旨在提升模型對深圳證券市場股票收益率的解釋力和預(yù)測準(zhǔn)確性。在引入新因素方面，市場情緒因素是一個重要的考慮方向。深圳證券市場投資者結(jié)構(gòu)中個人投資者占比較大，他們的投資決策容易受到市場情緒的影響，進而對股票價格和收益率產(chǎn)生作用。當(dāng)市場情緒樂觀時，投資者往往更愿意買入股票，推動股價上漲，收益率提高；而當(dāng)市場情緒悲觀時，投資者可能大量拋售股票，導(dǎo)致股價下跌，收益率降低。可以通過構(gòu)建市場情緒指標(biāo)來量化市場情緒，如利用社交媒體大數(shù)據(jù)分析投資者在各大社交平臺上對股票市場的討論熱度、情緒傾向等，結(jié)合市場換手率、成交量等指標(biāo)來綜合衡量市場情緒的高低。將市場情緒因素納入三因素模型，有望更好地解釋股票收益率的波動，為投資者提供更全面的投資決策參考。利率因素對深圳證券市場股票收益率的影響也不容忽視。利率的變動會影響企業(yè)的融資成本和投資者的資金配置決策。當(dāng)利率上升時，企業(yè)的融資成本增加，盈利能力可能受到影響，股票價格可能下跌，收益率降低；同時，投資者可能會將資金從股票市場轉(zhuǎn)移到債券市場或其他固定收益類產(chǎn)品，導(dǎo)致股票市場資金流出，股價下跌。反之，利率下降時，企業(yè)融資成本降低，盈利預(yù)期增加，股票價格可能上漲，收益率提高，投資者也可能更傾向于投資股票市場。在改進三因素模型時，可以將利率因素納入其中，選取國債收益率、央行基準(zhǔn)利率等作為利率指標(biāo)，研究其對股票收益率的影響機制，以提高模型的解釋能力。行業(yè)競爭因素同樣具有重要意義。深圳證券市場行業(yè)分布廣泛，不同行業(yè)的競爭格局和競爭程度差異較大，這會對企業(yè)的市場份額、盈利能力和股票收益率產(chǎn)生顯著影響。在信息技術(shù)行業(yè)，競爭激烈，技術(shù)更新?lián)Q代快，企業(yè)需要不斷投入大量資金進行研發(fā)創(chuàng)新，以保持市場競爭力。如果某家信息技術(shù)企業(yè)在競爭中處于優(yōu)勢地位，其市場份額不斷擴大，盈利能力增強，股票收益率可能會提高；反之，如果企業(yè)在競爭中失利，市場份額被競爭對手搶占，股票收益率可能會受到負(fù)面影響?？梢酝ㄟ^構(gòu)建行業(yè)競爭指標(biāo)，如行業(yè)集中度、企業(yè)市場份額變化率等，來衡量行業(yè)競爭程度，將其作為新因素納入三因素模型，有助于更準(zhǔn)確地解釋不同行業(yè)股票收益率的差異。在優(yōu)化模型結(jié)構(gòu)與參數(shù)估計方法方面，我們可以考慮改進模型的結(jié)構(gòu)形式。傳統(tǒng)的三因素模型是線性回歸模型，假設(shè)各因素與股票收益率之間存在線性關(guān)系，但在實際市場中，這種關(guān)系可能是非線性的?？梢砸敕蔷€性模型，如神經(jīng)網(wǎng)絡(luò)模型、支持向量機模型等，來捕捉各因素與股票收益率之間復(fù)雜的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)模型具有強大的非線性映射能力，能夠自動學(xué)習(xí)數(shù)據(jù)中的特征和規(guī)律，通過對大量歷史數(shù)據(jù)的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)模型可以更準(zhǔn)確地擬合各因素與股票收益率之間的關(guān)系，提高模型的預(yù)測精度。支持向量機模型則在處理小樣本、非線性問題方面具有優(yōu)勢，能夠在高維空間中尋找最優(yōu)分類超平面，將不同類別的數(shù)據(jù)分開，從而實現(xiàn)對股票收益率的有效預(yù)測。在參數(shù)估計方法上，傳統(tǒng)的最小二乘法在存在異方差、自相關(guān)等問題時，可能會導(dǎo)致參數(shù)估計不準(zhǔn)確?？梢圆捎脧V義最小二乘法（GLS）、加權(quán)最小二乘法（WLS）等方法來改進參數(shù)估計。廣義最小二乘法通過對誤差項的協(xié)方差矩陣進行估計和修正，能夠有效地處理異方差和自相關(guān)問題，使參數(shù)估計更加準(zhǔn)確。加權(quán)最小二乘法根據(jù)不同觀測值的重要程度賦予不同的權(quán)重，對誤差較大的觀測值賦予較小的權(quán)重，對誤差較小的觀測值賦予較大的權(quán)重，從而提高參數(shù)估計的精度。在估計深圳證券市場三因素模型的參數(shù)時，如果發(fā)現(xiàn)存在異方差問題，可以采用加權(quán)最小二乘法，根據(jù)各股票的市值大小、流動性等因素確定權(quán)重，對模型進行參數(shù)估計，以提高模型的可靠性。通過引入市場情緒因素、利率因素、行業(yè)競爭因素等新因素，以及優(yōu)化模型結(jié)構(gòu)和參數(shù)估計方法，有望改進三因素模型，使其更適應(yīng)深圳證券市場的特點，提高對股票收益率的解釋力和預(yù)測準(zhǔn)確性，為投資者和市場參與者提供更有效的投資決策工具。4.3改進模型構(gòu)建為了改進三因素模型，使其更貼合深圳證券市場的特性，我們引入市場情緒因素、利率因素和行業(yè)競爭因素，并將這些新因素納入模型，構(gòu)建改進后的三因素模型。對于市場情緒因素，我們通過社交媒體大數(shù)據(jù)分析和市場交易數(shù)據(jù)構(gòu)建市場情緒指標(biāo)。利用自然語言處理技術(shù)對社交媒體平臺（如微博、股吧等）上投資者關(guān)于深圳證券市場的討論內(nèi)容進行情感分析，提取出投資者的樂觀、悲觀或中性情緒傾向，賦予相應(yīng)的情感分值。結(jié)合市場換手率和成交量的變化情況，當(dāng)換手率和成交量大幅增加時，表明市場情緒較為活躍，可能處于樂觀狀態(tài)；反之則可能較為悲觀。將兩者綜合起來構(gòu)建市場情緒指標(biāo)Sentiment_t，其取值范圍為[0,1]，數(shù)值越大表示市場情緒越樂觀。利率因素選取國債收益率作為代表指標(biāo)，記為Interest_t。國債收益率是市場無風(fēng)險利率的重要參考指標(biāo)，其變動直接影響著投資者的資金配置決策和企業(yè)的融資成本。在市場中，國債收益率與股票收益率之間存在著密切的關(guān)聯(lián)，當(dāng)國債收益率上升時，投資者可能會將資金從股票市場轉(zhuǎn)移到國債市場，導(dǎo)致股票市場資金流出，股票價格下跌，收益率降低；反之，當(dāng)國債收益率下降時，股票市場可能會吸引更多資金流入，股票價格上漲，收益率提高。行業(yè)競爭因素通過行業(yè)集中度和企業(yè)市場份額變化率來構(gòu)建。行業(yè)集中度采用赫芬達爾-赫希曼指數(shù)（HHI）來衡量，計算公式為HHI=\sum_{i=1}^{n}s_{i}^{2}，其中n為行業(yè)內(nèi)企業(yè)數(shù)量，s_{i}為第i家企業(yè)的市場份額。行業(yè)集中度越高，表明行業(yè)競爭程度越低，企業(yè)的市場地位相對更穩(wěn)固。企業(yè)市場份額變化率則通過計算企業(yè)當(dāng)前市場份額與上一時期市場份額的差值再除以上一時期市場份額得到，記為\DeltaShare_{it}。將行業(yè)集中度和企業(yè)市場份額變化率綜合起來，構(gòu)建行業(yè)競爭指標(biāo)Competition_{it}，用于反映行業(yè)競爭程度對企業(yè)股票收益率的影響。將上述新因素納入三因素模型，改進后的模型公式為：R_{it}-R_{ft}=\alpha_i+\beta_{iMKT}(R_{Mt}-R_{ft})+\beta_{iSMB}SMB_t+\beta_{iHML}HML_t+\beta_{iSentiment}Sentiment_t+\beta_{iInterest}Interest_t+\beta_{iCompetition}Competition_{it}+\epsilon_{it}，其中R_{it}表示股票i在t時期的收益率，R_{ft}表示t時期的無風(fēng)險收益率，R_{Mt}表示市場組合在t時期的收益率，\alpha_i是截距項，表示股票i的超額收益率中無法被解釋的部分，\beta_{iMKT}、\beta_{iSMB}、\beta_{iHML}、\beta_{iSentiment}、\beta_{iInterest}、\beta_{iCompetition}分別表示股票i對市場風(fēng)險因子（MKT）、規(guī)模因子（SMB）、賬面市值比因子（HML）、市場情緒因子（Sentiment）、利率因子（Interest）和行業(yè)競爭因子（Competition）的敏感系數(shù)，SMB_t表示規(guī)模因子，HML_t表示賬面市值比因子，Sentiment_t表示市場情緒因子，Interest_t表示利率因子，Competition_{it}表示行業(yè)競爭因子，\epsilon_{it}是隨機誤差項。改進后的模型具有多方面的優(yōu)勢。從理論層面來看，它更加全面地考慮了影響深圳證券市場股票收益率的多種因素，彌補了傳統(tǒng)三因素模型的不足，使模型的理論基礎(chǔ)更加堅實。在實際應(yīng)用中，能夠更準(zhǔn)確地解釋股票收益率的波動，為投資者提供更精準(zhǔn)的投資決策依據(jù)。投資者可以根據(jù)市場情緒的變化、利率的波動以及行業(yè)競爭格局的演變，及時調(diào)整投資組合，降低投資風(fēng)險，提高投資收益。在市場情緒樂觀時，投資者可以適當(dāng)增加股票投資比例；當(dāng)利率上升時，減少對利率敏感型股票的投資。改進后的模型還可以為市場監(jiān)管者和政策制定者提供更全面的市場信息，有助于制定更有效的市場監(jiān)管政策和宏觀經(jīng)濟政策，促進深圳證券市場的健康穩(wěn)定發(fā)展。五、實證研究設(shè)計5.1數(shù)據(jù)選取與處理為了深入研究三因素模型在深圳證券市場的表現(xiàn)，本研究選取了深圳證券交易所上市的A股股票作為研究對象，數(shù)據(jù)的時間跨度為2015年1月1日至2024年12月31日，這一時間區(qū)間涵蓋了市場的多個周期，包括牛市、熊市以及震蕩市，能夠全面反映市場的變化情況，使研究結(jié)果更具代表性和可靠性。數(shù)據(jù)來源主要包括以下幾個權(quán)威渠道：深圳證券交易所官方網(wǎng)站，作為市場的核心信息發(fā)布平臺，提供了股票的每日交易數(shù)據(jù)，如開盤價、收盤價、最高價、最低價、成交量和成交額等，這些數(shù)據(jù)是研究股票價格波動和市場交易活躍度的基礎(chǔ)；Wind金融數(shù)據(jù)庫，以其全面、準(zhǔn)確的金融數(shù)據(jù)而聞名，不僅包含股票的交易數(shù)據(jù)，還提供了豐富的財務(wù)數(shù)據(jù)，如上市公司的資產(chǎn)負(fù)債表、利潤表、現(xiàn)金流量表等，為計算賬面市值比等重要指標(biāo)提供了關(guān)鍵數(shù)據(jù)支持；CSMAR數(shù)據(jù)庫，專注于中國資本市場研究，提供了經(jīng)過整理和加工的高質(zhì)量數(shù)據(jù)，涵蓋了股票市場的各個方面，包括公司治理數(shù)據(jù)、行業(yè)分類數(shù)據(jù)等，有助于從多個維度對研究樣本進行分析和篩選。在數(shù)據(jù)清洗和預(yù)處理階段，對原始數(shù)據(jù)進行了嚴(yán)格的質(zhì)量檢查和處理，以確保數(shù)據(jù)的準(zhǔn)確性和可靠性。針對缺失值處理，根據(jù)數(shù)據(jù)缺失的具體情況采用了不同的方法。對于缺失值較少的變量，若缺失值為數(shù)值型數(shù)據(jù)，采用均值插補法，即計算該變量在其他樣本中的均值，并將其填充到缺失值位置；若缺失值為非數(shù)值型數(shù)據(jù)，采用眾數(shù)插補法，以該變量出現(xiàn)頻率最高的值進行填補。對于缺失值較多的變量，如果該變量對研究結(jié)果的影響較小，則直接刪除該變量；若影響較大，則采用多重填補法，利用其他相關(guān)變量的信息，通過建立統(tǒng)計模型對缺失值進行多次填補，生成多個完整的數(shù)據(jù)集，然后對每個數(shù)據(jù)集進行分析和建模，最后綜合多個模型的結(jié)果，以減少缺失值對研究結(jié)果的影響。在異常值剔除方面，運用統(tǒng)計檢驗法中的Z-score法來識別異常值。對于每個變量，計算其Z-score值，公式為Z=\frac{X-\overline{X}}{S}，其中X為變量的觀測值，\overline{X}為變量的均值，S為變量的標(biāo)準(zhǔn)差。若某個觀測值的Z-score值大于3或小于-3，則將其判定為異常值并予以剔除。利用四分位數(shù)間距法（IQR）進一步驗證異常值。計算變量的第一四分位數(shù)Q1和第三四分位數(shù)Q3，四分位數(shù)間距IQR=Q3-Q1，若觀測值小于Q1-1.5×IQR或大于Q3+1.5×IQR，則認(rèn)為該觀測值為異常值，再次確認(rèn)并剔除。對部分?jǐn)?shù)據(jù)進行標(biāo)準(zhǔn)化處理，以消除量綱和數(shù)量級的影響，使不同變量之間具有可比性。對于數(shù)值型變量，采用Z-score標(biāo)準(zhǔn)化方法，將其轉(zhuǎn)化為均值為0、標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)正態(tài)分布數(shù)據(jù)，公式為X^*=\frac{X-\overline{X}}{S}，其中X^*為標(biāo)準(zhǔn)化后的數(shù)據(jù)，X為原始數(shù)據(jù)，\overline{X}為原始數(shù)據(jù)的均值，S為原始數(shù)據(jù)的標(biāo)準(zhǔn)差。對于某些特殊變量，如收益率數(shù)據(jù)，進行對數(shù)變換，以使其分布更加接近正態(tài)分布，同時也能更好地反映收益率的變化情況。通過以上數(shù)據(jù)選取與處理步驟，為后續(xù)的實證研究提供了高質(zhì)量的數(shù)據(jù)基礎(chǔ)，確保了研究結(jié)果的準(zhǔn)確性和可靠性。5.2投資組合構(gòu)建為了深入探究三因素模型及其改進模型在深圳證券市場的有效性，我們采用分組檢驗法構(gòu)建投資組合，以市值和賬面市值比為維度對樣本股票進行分組，進而構(gòu)建不同的投資組合，以便更細(xì)致地分析各因素對股票收益率的影響以及投資組合的風(fēng)險收益特征。在市值分組方面，我們將樣本股票按照市值從小到大進行排序，然后平均劃分為[X]組，分別記為S1、S2、…、S[X]。市值作為公司規(guī)模的重要衡量指標(biāo)，不同市值組的股票在市場表現(xiàn)、風(fēng)險特征等方面往往存在顯著差異。小市值組（如S1）的股票通常具有較高的成長性和波動性，由于公司規(guī)模較小，業(yè)務(wù)拓展空間較大，一旦市場機遇出現(xiàn)，股價可能會大幅上漲，但同時也面臨著較高的經(jīng)營風(fēng)險和市場風(fēng)險，如資金短缺、市場份額不穩(wěn)定等問題，可能導(dǎo)致股價大幅波動。而大市值組（如S[X]）的股票通常來自大型成熟企業(yè)，具有較強的市場競爭力和穩(wěn)定性，業(yè)績相對穩(wěn)定，股價波動相對較小，但成長性可能相對較低。在賬面市值比分組上，同樣將樣本股票按照賬面市值比從低到高進行排序，并平均分為[X]組，記為H1、H2、…、H[X]。賬面市值比反映了公司的價值特征，低賬面市值比組（如H1）的股票多被視為成長型公司，市場對其未來增長預(yù)期較高，股價相對較高，這類公司往往處于快速發(fā)展階段，注重研發(fā)投入和市場拓展，以實現(xiàn)業(yè)務(wù)的快速增長，但也面臨著較高的不確定性，如技術(shù)研發(fā)能否成功轉(zhuǎn)化為實際收益、市場競爭能否保持優(yōu)勢等。高賬面市值比組（如H[X]）的股票通常被認(rèn)為是價值型公司，其股價相對較低，可能由于市場對其前景預(yù)期較低或公司處于困境等原因，但這類公司可能具有較高的潛在價值，當(dāng)市場對其認(rèn)識發(fā)生改變時，股價可能會上漲。通過市值和賬面市值比的交叉分組，我們構(gòu)建了[X*X]個投資組合，如S1H1、S1H2、…、S[X]H[X]。對于每個投資組合，計算其在研究期間內(nèi)的收益率，計算公式為R_{p,t}=\sum_{i=1}^{n}\omega_{i,t}R_{i,t}，其中R_{p,t}表示投資組合p在t時期的收益率，n為投資組合中股票的數(shù)量，\omega_{i,t}表示股票i在t時期在投資組合中的權(quán)重，R_{i,t}表示股票i在t時期的收益率。權(quán)重的確定采用等權(quán)重法，即每個股票在投資組合中的初始權(quán)重相等，均為\frac{1}{n}，這種方法簡單直觀，能夠避免因主觀判斷導(dǎo)致的權(quán)重偏差，使每個股票在投資組合中具有相同的初始影響力。在風(fēng)險收益特征分析方面，我們對各投資組合的收益率進行描述性統(tǒng)計分析。計算各投資組合收益率的均值，以衡量投資組合的平均收益水平。投資組合S1H1的平均收益率為[X]%，表明該組合在研究期間內(nèi)平均獲得了[X]%的收益，較高的平均收益率可能反映了小市值和低賬面市值比股票的高成長性帶來的收益潛力。計算收益率的標(biāo)準(zhǔn)差，用以衡量投資組合的風(fēng)險程度，標(biāo)準(zhǔn)差越大，說明收益率的波動越大，風(fēng)險越高。若投資組合S1H1的收益率標(biāo)準(zhǔn)差為[Y]%，較高的標(biāo)準(zhǔn)差意味著該組合的收益率波動較大，投資風(fēng)險較高，這與小市值和成長型股票的高波動性特征相符。通過計算夏普比率，綜合評估投資組合的風(fēng)險收益狀況，夏普比率越高，說明投資組合在承擔(dān)單位風(fēng)險時獲得的超額收益越高，投資績效越好。若投資組合S1H1的夏普比率為[Z]，較低的夏普比率可能表明該組合在高風(fēng)險下的收益補償不足，投資績效有待提高。通過對不同投資組合的風(fēng)險收益特征分析，我們可以發(fā)現(xiàn)市值和賬面市值比因素對投資組合的收益率和風(fēng)險有顯著影響。小市值和高賬面市值比的投資組合（如S1H[X]）往往具有較高的收益率，但同時伴隨著較高的風(fēng)險；而大市值和低賬面市值比的投資組合（如S[X]H1）則收益率相對較低，風(fēng)險也相對較小。這些特征與理論預(yù)期相符，為進一步研究三因素模型及其改進模型在深圳證券市場的適用性提供了基礎(chǔ)，也為投資者在構(gòu)建投資組合時提供了參考依據(jù)，投資者可以根據(jù)自身的風(fēng)險偏好和收益目標(biāo)，選擇合適的投資組合。5.3模型估計與檢驗方法本研究采用多元線性回歸分析對改進前后的三因素模型進行估計。在進行多元線性回歸時，將股票的超額收益率作為被解釋變量，市場風(fēng)險溢價、市值因子、賬面市值比因子以及改進模型中新增的市場情緒因子、利率因子和行業(yè)競爭因子作為解釋變量。運用最小二乘法來估計模型中的參數(shù)，最小二乘法的原理是通過使因變量的觀測值與模型預(yù)測值之間的殘差平方和最小，來確定模型中各個解釋變量的系數(shù)。對于改進前的三因素模型，回歸方程為R_{it}-R_{ft}=\alpha_i+\beta_{iMKT}(R_{Mt}-R_{ft})+\beta_{iSMB}SMB_t+\beta_{iHML}HML_t+\epsilon_{it}，通過最小二乘法估計出\alpha_i、\beta_{iMKT}、\beta_{iSMB}和\beta_{iHML}等參數(shù)的值，以確定各因素對股票超額收益率的影響方向和程度。對于改進后的模型，回歸方程為R_{it}-R_{ft}=\alpha_i+\beta_{iMKT}(R_{Mt}-R_{ft})+\beta_{iSMB}SMB_t+\beta_{iHML}HML_t+\beta_{iSentiment}Sentiment_t+\beta_{iInterest}Interest_t+\beta_{iCompetition}Competition_{it}+\epsilon_{it}，同樣運用最小二乘法估計出\beta_{iSentiment}、\beta_{iInterest}和\beta_{iCompetition}等新增因素的系數(shù)。在模型診斷和檢驗方面，采用殘差分析來評估模型的擬合效果。繪制殘差圖，觀察殘差與解釋變量的關(guān)系，判斷是否存在異常值或趨勢。如果殘差隨著解釋變量的變化呈現(xiàn)出某種規(guī)律性的變化，如殘差隨著市場風(fēng)險溢價的增加而增加，說明模型可能存在設(shè)定偏誤；若殘差呈現(xiàn)出隨機分布，且均值為零，則表明模型擬合效果較好。計算殘差的標(biāo)準(zhǔn)差和方差，殘差的標(biāo)準(zhǔn)差和方差是衡量模型預(yù)測誤差的重要指標(biāo)，一個穩(wěn)定的模型應(yīng)該具有較低的殘差標(biāo)準(zhǔn)差和方差。通過比較不同模型的殘差標(biāo)準(zhǔn)差和方差，可以判斷哪個模型具有更好的預(yù)測能力。進行正態(tài)性檢驗，判斷殘差的分布是否接近正態(tài)分布，常用的正態(tài)性檢驗方法包括直方圖、概率圖、Kolmogorov-Smirnov檢驗和Shapiro-Wilk檢驗等。如果殘差不服從正態(tài)分布，一些統(tǒng)計推斷方法（如t檢驗和F檢驗）可能不再適用，此時可以考慮對數(shù)據(jù)進行變換，或者使用非參數(shù)統(tǒng)計方法。擬合優(yōu)度檢驗也是模型檢驗的重要環(huán)節(jié)。決定系數(shù)（R^2）是衡量回歸模型擬合優(yōu)度的重要指標(biāo)，其取值范圍為0到1，R^2越接近1，表明模型對數(shù)據(jù)的解釋能力越強；反之，R^2越接近0，表明模型的解釋能力越弱。然而，R^2存在一定的局限性，當(dāng)模型中增加自變量時，R^2的值通常會增大，但這并不一定意味著模型的預(yù)測能力有所提高。為了克服R^2的局限性，引入調(diào)整后的決定系數(shù)（AdjustedR^2），它考慮了模型中自變量的數(shù)量，從而避免了因增加自變量而導(dǎo)致的R^2虛高問題，調(diào)整后的決定系數(shù)通常用于比較不同復(fù)雜度的模型，其值越高，表明模型的擬合優(yōu)度越好。赤池信息準(zhǔn)則（AIC）和貝葉斯信息準(zhǔn)則（BIC）用于模型選擇，其核心思想是在模型擬合優(yōu)度和模型復(fù)雜度之間尋求平衡。AIC和BIC的值越小，表明模型的擬合優(yōu)度越好。與R^2和調(diào)整后的決定系數(shù)不同，AIC和BIC不僅考慮了模型的擬合優(yōu)度，還考慮了模型的復(fù)雜度，從而避免了過度擬合問題。在實際應(yīng)用中，通常選擇AIC或BIC值最小的模型作為最優(yōu)模型。通過以上模型估計與檢驗方法，對改進前后的三因素模型進行全面的評估和分析，以確定模型的可靠性和有效性，為后續(xù)的研究和投資決策提供有力的支持。六、實證結(jié)果與分析6.1描述性統(tǒng)計分析對投資組合收益率、市場因子、規(guī)模因子和賬面市值比因子等變量進行描述性統(tǒng)計，結(jié)果如表1所示。投資組合收益率的均值為[X]%，反映了投資組合在研究期間內(nèi)的平均收益水平。標(biāo)準(zhǔn)差為[Y]%，表明投資組合收益率的波動較大，存在一定的投資風(fēng)險。最大值達到[Z]%，最小值為[-W]%，體現(xiàn)了不同投資組合收益率的差異顯著，這可能是由于不同投資組合的市值和賬面市值比特征不同，以及市場環(huán)境的變化等因素導(dǎo)致的。市場因子的均值為[M]%，標(biāo)準(zhǔn)差為[N]%，說明市場整體收益率存在一定的波動。市場因子的波動受到宏觀經(jīng)濟形勢、政策變化、市場情緒等多種因素的影響。在經(jīng)濟增長較快、政策利好的時期，市場因子可能呈現(xiàn)上升趨勢；而在經(jīng)濟衰退、政策收緊的時期，市場因子可能下降。規(guī)模因子的均值為[O]%，反映了小市值公司股票組合收益率與大市值公司股票組合收益率的平均差值。標(biāo)準(zhǔn)差為[P]%，表明規(guī)模因子的波動較大，這可能與市場中不同規(guī)模公司的發(fā)展?fàn)顩r和市場表現(xiàn)的差異有關(guān)。小市值公司往往具有較高的成長性和不確定性，其股票收益率受市場環(huán)境和自身發(fā)展因素的影響較大，導(dǎo)致規(guī)模因子的波動較為明顯。賬面市值比因子的均值為[Q]%，標(biāo)準(zhǔn)差為[R]%，體現(xiàn)了高賬面市值比公司股票組合收益率與低賬面市值比公司股票組合收益率差值的波動情況。賬面市值比因子的波動可能與市場對不同價值特征公司的預(yù)期和偏好變化有關(guān)。當(dāng)市場更傾向于價值型公司時，賬面市值比因子可能上升；而當(dāng)市場更青睞成長型公司時，賬面市值比因子可能下降。通過對這些變量的描述性統(tǒng)計分析，可以初步了解各變量的基本特征和波動情況，為后續(xù)的回歸分析和模型檢驗提供基礎(chǔ)，有助于深入探究三因素模型在深圳證券市場中各因素對投資組合收益率的影響機制。變量均值標(biāo)準(zhǔn)差最大值最小值投資組合收益率[X]%[Y]%[Z]%[-W]%市場因子[M]%[N]%[具體最大值][具體最小值]規(guī)模因子[O]%[P]%[具體最大值][具體最小值]賬面市值比因子[Q]%[R]%[具體最大值][具體最小值]表1：變量描述性統(tǒng)計6.2原模型實證結(jié)果對原三因素模型進行回歸分析，結(jié)果如表2所示。市場風(fēng)險因子的系數(shù)為[βMKT]，在[具體顯著性水平]上顯著，表明市場風(fēng)險因子對股票收益率具有顯著的正向影響。當(dāng)市場整體上漲時，股票收益率也會隨之上升；當(dāng)市場下跌時，股票收益率會下降。市場風(fēng)險因子的這種影響符合金融市場的基本規(guī)律，反映了市場系統(tǒng)性風(fēng)險對股票價格的作用。在2020年初，受新冠疫情影響，市場大幅下跌，大部分股票收益率也隨之大幅下降，這體現(xiàn)了市場風(fēng)險因子對股票收益率的顯著影響。規(guī)模因子的系數(shù)為[βSMB]，在[具體顯著性水平]上顯著，說明規(guī)模因子對股票收益率有顯著影響。系數(shù)為正，意味著小市值公司股票組合收益率相對較高，存在規(guī)模效應(yīng)。這與理論預(yù)期相符，小市值公司通常具有較高的成長性和潛在收益，但也伴隨著較高的風(fēng)險。一些新興的科技類小市值公司，由于其業(yè)務(wù)處于快速擴張階段，市場對其未來發(fā)展前景預(yù)期較高，股票價格可能會快速上漲，從而帶來較高的收益率。賬面市值比因子的系數(shù)為[βHML]，在[具體顯著性水平]上顯著，表明賬面市值比因子對股票收益率有顯著影響。系數(shù)為正，說明高賬面市值比公司股票組合收益率相對較高，存在賬面市值比效應(yīng)。高賬面市值比的公司可能被市場低估，當(dāng)市場對其價值重新評估時，股票價格可能上漲，從而帶來較高的收益率。某些傳統(tǒng)行業(yè)的公司，由于市場對其行業(yè)前景預(yù)期較低，股價相對較低，賬面市值比高，但這些公司可能通過業(yè)務(wù)轉(zhuǎn)型、技術(shù)創(chuàng)新等方式提升業(yè)績，當(dāng)市場發(fā)現(xiàn)其價值時，股價會上漲。原三因素模型的決定系數(shù)（R^2）為[具體數(shù)值]，說明模型對股票收益率的解釋能力為[X]%，即模型能夠解釋股票收益率變動的[X]%。這表明原三因素模型在深圳證券市場對股票收益率具有一定的解釋能力，但仍有部分收益率變動無法被模型解釋，可能存在其他影響股票收益率的因素。變量系數(shù)t值顯著性水平市場風(fēng)險因子[βMKT][tMKT][具體顯著性水平]規(guī)模因子[βSMB][tSMB][具體顯著性水平]賬面市值比因子[βHML][tHML][具體顯著性水平]R^2[具體數(shù)值]--表2：原三因素模型回歸結(jié)果6.3改進模型實證結(jié)果對改進后的三因素模型進行回歸分析，結(jié)果如表3所示。除了市場風(fēng)險因子、規(guī)模因子和賬面市值比因子外，新增的市場情緒因子、利率因子和行業(yè)競爭因子的系數(shù)均在[具體顯著性水平]上顯著。市場情緒因子的系數(shù)為[βSentiment]，表明市場情緒對股票收益率有顯著的正向影響。當(dāng)市場情緒樂觀時，投資者的投資熱情高漲，愿意以更高的價格買入股票，從而推動股票價格上漲，收益率提高。在2023年上半年，市場對人工智能行業(yè)前景普遍看好，市場情緒樂觀，相關(guān)股票的收益率大幅上升，這體現(xiàn)了市場情緒因子對股票收益率的顯著影響。利率因子的系數(shù)為[βInterest]，說明利率對股票收益率有顯著影響。利率上升時，企業(yè)的融資成本增加，盈利預(yù)期下降，股票價格可能下跌，收益率降低；反之，利率下降時，企業(yè)融資成本降低，盈利預(yù)期增加，股票價格可能上漲，收益率提高。央行降低利率，企業(yè)的貸款成本降低，利潤可能增加，投資者對企業(yè)的未來盈利預(yù)期提高，股票價格上漲，收益率上升。行業(yè)競爭因子的系數(shù)為[βCompetition]，表明行業(yè)競爭程度對股票收益率有顯著影響。在競爭激烈的行業(yè)中，企業(yè)為了爭奪市場份額，可能會加大研發(fā)投入、降低產(chǎn)品價格等，這會對企業(yè)的盈利能力產(chǎn)生影響，進而影響股票收益率。在智能手機市場，競爭激烈，各企業(yè)不斷推出新產(chǎn)品、降低價格，導(dǎo)致行業(yè)內(nèi)企業(yè)的利潤空間受到擠壓，股票收益率受到影響。改進模型的決定系數(shù)（R^2）為[具體數(shù)值]，相較于原模型有了顯著提高，說明改進后的模型對股票收益率的解釋能力更強，能夠解釋股票收益率變動的[X]%。這表明新增的市場情緒因子、利率因子和行業(yè)競爭因子有效地提高了模型的解釋能力，使模型能夠更全面地捕捉影響股票收益率的因素。變量系數(shù)t值顯著性水平市場風(fēng)險因子[βMKT][tMKT][具體顯著性水平]規(guī)模因子[βSMB][tSMB][具體顯著性水平]賬面市值比因子[βHML][tHML][具體顯著性水平]市場情緒因子[βSentiment][tSentiment][具體顯著性水平]利率因子[βInterest][tInterest][具體顯著性水平]行業(yè)競爭因子[βCompetition][tC