按照“4.3.1 四因子α检验（按周期）”一节的方法，本书分别将再对ROE、PB、PE、DPR四个变量进行Carhart四因子模型回归α检验，按照期初ROE、PB、PE、DPR分类之后计算得到的四因子模型回归结果。
计算步骤为：每年年初按照公司期初ROE、PB、PE、DPR的高低将所有公司均分为10组，计算每个组合在每个月份的平均回报率，之后选取全部样本时间段内对每一类投资组合进行四因子回归，得到每个变量的回归结果。
由此，我们可以分别得到ROE、PB、PE、DPR四个变量的四因子回归结果，具体参见附表27、附表28、附表29、附表30四张数据表。
以下四点分别对应以上四张附表进行分析。
（1）附表27显示：MKT、SMB、HML、UMD四个因子合计40个组合的系数值，其中33个具有1%的统计显著性；α值除第5／6两组外，其余8组均具有1%统计水平的显著性，α由负转正，与ROE正相关。
（2）附表28显示：MKT、SMB、HML、UMD四个因子合计40个组合的系数值，其中36个具有1%的统计显著性；Intercept项（α值）只有1／2／8三组均具有10%以下水平显著，α由正转负，与PB负相关。
（3）附表29显示：MKT、SMB、HML、UMD四个因子合计40个组合的系数值，其中31个具有1%的统计显著性；Intercept项（α值）只有4／8／9／H四组均具有10%以下水平显著，α整体为负，与PE负相关。
（4）附表30显示：MKT、SMB、HML、UMD四个因子合计40个组合的系数值，其中31个具有1%的统计显著性；α值除7／8／9三组外，其余7组具有10%以下水平显著。
综上，通过Carhart四因子系数的统计水平显著性的结果，我们可以证实，本书采用的四因子模型对研究样本是有可靠性和适用性的。
再进一步汇总、整合以上四张附表，ROE、PB、PE、DPR四个变量的α值的图形如图4-30所示。
分析以上四张附表数据以及图4-30，我们有如下发现。(www.xing528.com)
（1）ROE分组从低到高，α曲线单调递增，且从负转正，表示α与ROE正相关，ROE越高的投资组合，超额收益α越高；ROE越低的投资组合，超额收益为负；ROE最高组比最低组的超额收益率高0.31%／年。
图4-30 四因子模型回归α检验值（按变量）
（2）PB分组从低到高，α曲线整体呈递减趋势，且从正转负，表示α与PB负相关，PB越高的投资组合，超额收益α越低，PB越低的投资组合，超额收益越高；PB最高组比最低组的超额收益率为-0.9%／年。
（3）PE分组从低到高，α曲线整体呈递减趋势，且α以负值为主，表示α与PE负相关，但统计结果并不十分显著。
（4）DPR分组从低到高，α值整体呈递减趋势，但α值正数居多，统计结果并不十分显著，表示α与DPR的相关不足。
本节小结：本节通过对ROE、PB、PE、DPR四个因素（变量）采用Carhart四因子回归模型进行α检验，是对“3.3.2 三因子模型α检验”一节的稳健性检验，检验结果一致，有效验证了以下系列假设。
H1：长期来看，ROE对股票收益呈正相关，ROE高的公司比ROE低的公司，股票收益更大。
H2：在ROE相同分组内，市盈率（PE）因素对股票收益呈负相关，低市盈率比高市盈率的股票收益更大。
H3：在ROE相同分组内，市净率（PB）因素对股票收益呈负相关，低市净率比高市净率的股票收益更大。
但附表30中，变量DPR对应的α值，统计结果却相对显著，与前文的结论不一致，稳健性检验未通过，也就是H4假设不能被证明。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
