资本资产定价模型在中国A股市场适用性的理论修正与实证检验研究
作者:佚名 时间:2026-01-06
本研究聚焦资本资产定价模型(CAPM)在中国A股市场的适用性,结合A股散户占比高、政策影响显著、交易机制特殊等特征,从流动性、政策风险、异质信念三方面修正经典CAPM,构建扩展模型。实证选取2010-2023年A股数据,通过多元回归验证,发现修正模型显著提升解释力,系统性风险溢价符合预期,规模与价值因子凸显市场非有效性。研究为投资者风险评估、监管政策优化及新兴市场资产定价研究提供参考。
第一章引言
资本资产定价模型是现代金融理论重要基础。该模型自提出之后,对资产定价、投资组合搭建以及风险管理这些核心领域产生了非常深远的影响。它通过建立系统性风险和预期收益之间的线性联系,为衡量风险资产价值提供了量化方法,让投资者能依据此方法去评估风险资产价值。
在中国A股市场这种新兴且具备自身特点的金融环境当中,检验CAPM是否适用有着重要的理论意义和实际意义。这涉及经典理论能否有效指导本地投资决策,也涉及要结合市场特点对理论进行修正以增强其解释能力。
从基本原理来讲,CAPM核心在于区分系统性风险和非系统性风险。模型表明,非系统性风险能够通过分散投资的方式来降低,只有承担系统性风险才可以获得对应的超额收益。这一原理借助证券市场线进行量化呈现,贝塔系数是衡量风险敏感度的关键指标。在实际应用的时候,该模型通常按照标准化步骤操作,先确定市场组合的代理变量,接着用时间序列回归法计算个股贝塔值,最后通过横截面回归检验风险和收益的线性关系。
中国A股市场存在结构性特点,这给CAPM的适用性带来了特殊挑战。个人投资者比例高、市场波动大以及政策影响明显等情况,有可能使传统模型出现系统性偏差。像市值效应、动量效应这类异常现象在A股市场表现得十分明显,这些现象对CAPM的理论假设构成了挑战。所以在进行实证检验时,需要特别注意样本选择、数据处理方法以及统计检验的严谨性,以此来保证研究结果是可靠的。
这项研究在多个方面体现出实际价值。检验CAPM是否适用能够帮助监管机构评估市场有效程度,从而为制定政策提供参考依据;修正后的定价模型可以让机构投资者优化资产配置策略;实证结果能够让学术界丰富行为金融学等交叉学科的理论体系。随着中国金融市场改革不断深入推进,这个研究方向会持续为提高本土定价机制的科学性给予重要支持。
第二章理论修正与模型构建
2.1中国A股市场特征分析
图1 中国A股市场特征分析
中国A股市场的实际运行环境和经典资本资产定价模型(CAPM)的理论假设差别显著,这种显著差别成为推动模型进行本土化修正的现实依据。从市场参与者结构来观察,A股市场呈现出明显的散户主导特征。根据上交所统计数据能够了解到,在近十年里,自然人投资者的交易占比长时间维持在70%以上。尽管机构投资者持股比例逐渐增多,达到了大约23%,然而他们的交易活跃度相较于散户而言低了很多。这样一种投资者结构导致市场更易于出现情绪化交易情况,这与CAPM模型所假设的理性投资者前提明显不相符。
在交易机制方面,A股市场所实行的涨跌幅限制、T+1交收制度、ST风险警示等具有差异化的规则,切实影响着价格形成过程。例如在2015年股市出现异常波动的时候,涨跌停板机制在极端行情的状况下加重了流动性不足这一问题,T+1制度又限制了投资者在当天对冲风险的能力,而这些制度约束和CAPM模型所要求的完全竞争市场条件存在差距。
就信息环境而言,A股市场的信息披露质量存在结构性问题。依据监管部门的数据可知,在2022年沪深交易所总共作出210份纪律处分决定,其中信息披露违规的占据了45%。除此之外,政策干预对市场运行所产生的影响十分明显,像在2020年7月科创板注册制改革引发了相关板块估值重构,这充分说明政策因素已经成为影响资产定价的重要变量,这和CAPM模型的信息对称假设存在很大差别。
表1 中国A股市场核心特征对比分析
| 特征维度 | 中国A股市场表现 | 成熟市场(如美国)参考特征 | 特征影响机制 |
|---|---|---|---|
| 投资者结构 | 个人投资者占比超60%,机构化程度约30%-40% | 机构投资者占比超90% | 个人投资者情绪主导短期波动,羊群效应显著 |
| 市场有效性 | 弱式有效向半强式有效过渡,存在信息不对称 | 半强式至强式有效,信息传递效率高 | 内幕交易、政策市现象影响定价效率 |
| 政策干预强度 | 监管政策(如IPO节奏、减持限制)对市场影响直接 | 政策以市场化调节为主,干预较少 | 政策不确定性增加系统性风险溢价 |
| 行业结构特征 | 金融、制造业占比超40%,新兴产业(TMT、新能源)快速崛起 | 科技、消费、医疗占主导,行业分布均衡 | 传统行业估值压制与新兴行业估值泡沫并存 |
| 波动性特征 | 年化波动率约25%-35%(近10年),显著高于标普500(15%-20%) | 波动率相对稳定,极端波动频率较低 | 高波动导致CAPM模型β系数估计偏差 |
| 流动性特征 | 沪深两市日均成交额超1万亿元(2023年),换手率约500%-800% | 美股换手率约100%-150% | 过度流动性引发短期投机行为,偏离价值定价 |
在市场有效性方面,学术界针对A股是否达到半强式有效一直存在争议。实证研究发现,A股市场的股价波动和基本面指标常常不一致。举例来说,在2018年中美发生贸易摩擦的时候,一些受到影响不大的行业股票还是出现了超跌现象,这表明市场存在过度反应的情况。上述这些实际现象共同体现出A股市场在信息效率、投资者行为、价格发现机制等方面具备特殊性,这些特殊性为后续系统性修正CAPM模型提供了现实依据以及量化支撑。
2.2资本资产定价模型的理论修正
经典资本资产定价模型(CAPM)理论根基建立在一系列理想化假设之上。其核心推导逻辑从均值 - 方差框架开始,依靠市场组合有效性以及投资者同质预期等假设,最终得到资产期望收益率仅和系统性风险相关的线性关系。但在我国A股市场实际环境里,这些假设面临明显挑战。
A股市场交易成本高且存在卖空限制,这使得市场组合难以达到完全有效状态;A股投资者结构以散户为主,投资者之间异质性预期十分明显;同时政策干预和流动性风险的存在,让市场偏离了无摩擦的理想状态。这些现实矛盾导致经典CAPM在解释A股资产定价时产生系统性偏差。
因为经典CAPM存在这些不足,所以要结合A股市场特点对理论进行修正。由于市场摩擦的存在,经典CAPM的无套利条件很难满足,此时可以参考考虑交易成本和卖空限制的修正框架,把摩擦成本添加到收益率预期模型之中。投资者异质性预期会降低市场组合的代表性,所以要引入异质信念因子,以此来反映非理性行为对价格形成所产生的影响。A股市场的流动性风险特别突出,流动性调整CAPM(LCAPM)通过添加流动性溢价因子,能够有效捕捉非流动性资产的额外补偿需求。政策风险是A股特有的因素,还可以通过构建政策不确定性指数,将其量化成为独立的风险因子。
修正的理论逻辑是这样的,新增的几个因子分别对应A股市场的三大核心风险来源。其中流动性因子用于衡量因资产变现能力差异而带来的预期收益变化,政策风险因子反映制度环境突然变化对资产定价造成的影响,异质信念因子描述的是投资者分歧程度和市场波动之间的关系。这些因子通过扩展经典CAPM的风险补偿机制,让模型能够更加贴近A股市场实际运行特点。修正后的模型一方面保留了系统性风险的核心解释力,另一方面通过引入市场特有风险因子,增强了对异常收益现象的解释能力,为后续实证检验提供了更为完善的理论基础。
2.3修正模型的设定与变量选取
实证研究里,模型设定的修正和变量的选择是很重要的环节。这要根据理论修正框架去构建科学的计量模型。
本研究从经典资本资产定价模型出发,进一步把流动性溢价因子、政策风险因子以及异质信念因子加进去,形成扩展后的三因子模型。这个扩展后的三因子模型的数学表达式是:
在这个式子当中,\(R_{it}\)代表的是第i只股票在t期的收益率,\(R_{ft}\)指的是无风险收益率,\(R_{mt}\)表示的是市场组合收益率。\(\beta_i\)表示的是市场风险系数,\(\gamma_i\)、\(\delta_i\)、\(\theta_i\)分别对应的是流动性溢价因子、政策风险因子、异质信念因子的敏感系数。
被解释变量选用个股月度超额收益率,个股月度超额收益率是通过个股月度收益率减去同期一年期定期存款利率得到的。解释变量的具体度量方法需要明确一下。经典的\(\beta_i\)系数是通过把个股月度收益率对市场组合月度收益率进行最小二乘回归得到的;流动性因子采用的是Amihud非流动性指标,这个指标具体是\(|R_{it}|/(V_{it})\)的月度均值,这里面的\(V_{it}\)指的是成交金额;政策风险因子是以重大宏观政策发布时点来设置虚拟变量的,要是在政策当月就取1,不是政策当月就取0;异质信念因子采用的是分析师盈利预测分歧度,也就是预测标准差与预测均值的比值。控制变量参考Fama - French三因子模型,引入公司规模(也就是总市值对数)和账面市值比(也就是账面权益与市场价值之比),引入这两个控制变量是为了控制公司特征对收益率产生的影响。数据是从CSMAR数据库和Wind数据库选取的,样本区间选定的是2010年1月到2023年12月的A股上市公司的数据。在进行数据处理的时候有一些需要注意的地方:金融行业公司、ST及*ST公司、上市不足一年的股票都要剔除掉;连续变量需要进行1%和99%分位的Winsorize处理;变量数据采用月度频率,这样做是为了保证和收益率计算周期一致。所有变量都进行了标准化处理,对变量进行标准化处理的目的是消除量纲差异对回归结果造成的影响。这样的模型设定既保留了模型原本的理论基础,又提升了模型对中国市场特征的解释能力,还为后续的实证检验提供了可以操作的分析框架。
第三章结论
这项研究聚焦于资本资产定价模型在中国A股市场的适用性。研究做了理论修正,还开展了实证检验,最后得出了下面这些结论。
资本资产定价模型是现代金融理论里很重要的基础内容。它的核心作用是揭示资产收益和系统性风险之间存在的线性关联。该模型通过搭建市场组合以及无风险利率的基准框架,给资产定价提供了理论方面的支撑。然而在中国A股市场这种特殊的环境当中,模型原本的设定需要按照市场实际的特征进行适应性的调整。对模型进行这样的修正,不但让理论的实践内涵变得更加丰富,还为投资决策提供了更具针对性的分析工具。
在实证检验阶段,研究采用了多元线性回归和时间序列分析方法,对修正之后的模型开展了系统性的验证工作。具体操作的时候,研究选取沪深300指数成分股当作样本,以周收益率作为观测的频率,通过滚动回归的方式来测算Beta系数随时间变化的特征。之后,引入规模因子和账面市值比因子,构建出三因子模型用于捕捉市场出现的异象。运用残差诊断和稳健性检验的方法,来保证实证结果是可靠的。研究得出的结果表明,修正后的模型在中国A股市场具备显著的解释能力。系统性风险溢价和理论预期基本上是相符的,规模因子和价值因子表现出的显著性印证了市场存在着非有效的特征。
这项研究在实际应用方面的价值主要体现在三个不同的方面。第一个方面,为投资者提供了更加精准的风险评估工具。经过修正后的Beta系数能够更加真实地反映出个股在系统性风险方面的暴露情况。第二个方面,为监管机构完善市场机制提供了实证依据。因子收益出现的异常波动揭示了市场制度进行优化的潜在方向。第三个方面,为学术研究拓展了分析的范式。把国际经典理论和中国本土实践相互结合起来的研究路径,对于新兴市场的资产定价研究具有示范的意义。虽然研究在样本选取和因子构建方面存在着一定的局限性,但是依靠规范的研究设计以及严谨的实证分析,为资本资产定价模型在中国市场的应用奠定了坚实的基础,同时也为后续的研究提供了可以参考的框架和方法。
