股票收益影响因素研究：无样本外预测能力

与以三因子模型为代表的风险因子模型思路不同的是，有学者认为与其不断寻找风险代理变量，不如着眼于更完备的估值方法，这样才能更好地提升收益率预测效率。Okamura M，Yoshida K（2000）用剩余收益估值模型（Ohlson，1995）来获得公司价值V的更准确估计。之后用V／P比率来预测收益率，发现基于V／P的投资策略比基于B／P比率的策略获得了更高的累计收益率。此外，还首次尝试用长期盈利预测误差（PErr）来预测收益率，结果显示基于长期预测误差和V／P比率的策略能获得45%的3年累计收益率。

除了着眼于单独的基本面因素，有学者基于整体财务指标体系构建投资策略，如孔宁宁等（2010）从传统的基础财务指标、基于外推效应确定的指标和基于未来成长性确定的指标这三组财务指标出发，构造可用于判别成长型公司财务状况的综合财务指标G指数，将成长型公司区分为赢家和输家从而获得超额收益。随着研究的深入，在传统会计指标体系的基础上发展出经济增加值（EVA）、市场增加值（MVA）指标体系，并且有学者证实它们对股票收益率的解释力要优于传统会计指标，如张玲等（2006），周小白（2012）的实证研究都表明在我国A股市场中EVA、MVA指标体系的定价效率虽然低于美国市场的水平，但高于传统会计指标体系。(www.xing528.com)

值得注意的是，虽然APT模型为探究资产收益率差异提供了非常灵活的框架，以至于文献中已经提出了数百个可以用来解释资产回报率的因子。Ludvigsona和Ng（2007）就用到了上百个因子来研究股票收益率。在这一框架下用当前的因子来解释当前资产收益率的差异，往往可以得出很理想的拟合优度（R2甚至可以超过90%）。但是，当进行样本外预测时模型的拟合优度就很低。例如Welch和Goyal（2008）把影响股价的因素分为股票特征变量、利率相关变量和宏观经济变量三大类。其中股票特征变量主要包括股利价格比（D／P）、股息支付率（D／E）、盈利价格比（E／P）和账面市值比。用均方根误差将这些变量的样本外预测效果和历史平均数据股权溢价进行比较。结果显示这些变量基本没有样本外预测能力，预测股票收益只是一个幻想。还有学者提出了用这些因子预测收益率的条件，例如Lawrenz和Zorn（2017）通过研究全球股票市场的横截面数据和时间序列数据，发现只有当该国某一时刻的基本面价格比率同时高于或低于该国历史收益率均值和全球股票收益率均值时，基本面价格比率才能有效预测收益率。