衍生品风险溢酬及定价风险

本小节的任务，是在6.3.1估计得到的三个跳跃风险因子的基础上，在单因子模型下运用FM两步法对中国A股市场上的跳跃风险溢酬进行估计和检验。具体过程为：

第一步，从2000年1月[8]开始，对个股月超额收益率与上述三个跳跃风险因子时间序列每3年进行单因子时间序列回归，逐月滚动，估计出因子载荷。具体回归方程为

其中，R i表示股票i的月收益率，R f为该月对应的无风险利率，F 1、F 2和F 3分别表示月度的跳跃幅度均值因子、跳跃幅度波动率因子与跳跃频率因子，估计得到的系数βi，1、βi，2和βi，3就是股票i对三个跳跃风险因子的因子载荷，即在个股的月收益率中有多少能够被相应的跳跃风险因子所解释。所谓“每3年”和“逐月滚动”，以股票i和因子1为例，就是从2000年1月至2002年12月进行第一次3年的时间序列回归，得到时间上的第一个βi，1；然后从2000年2月至2003年1月进行第二次时间序列回归，得到时间上的第二个βi，1，逐月进行。其他股票和其他因子以此类推。这样最终可以估计出每只股票的βi，1、βi，2和βi，3月时间序列（各有91个值）。

第二步，在估计出每只个股的因子载荷βi，1、βi，2和βi，3之后，代入式进行单因子横截面回归。与通常做法相同，式中的预期收益率用一个月的真实收益率代替：

这样可以分别估计出三个跳跃风险因子的单位风险溢酬λ1，t＋1、λ2，t＋1和λ3，t＋1。如果λ显著异于零，说明该风险因子被定价，或者说，该风险因子对预测下一期的预期超额收益率有帮助；反之则未被定价或没有预测能力。与βi，1、βi，2和βi，3的月时间序列相匹配，横截面回归也逐月滚动，从2003年1月到2010年7月的每月均有一个回归结果，从而形成三个跳跃因子风险溢酬的月时间序列（各有91个值）。表6.6报告了最终汇总的跳跃因子风险溢酬回归结果。(www.xing528.com)

由表6.6的结果可以看出，无论是跳跃幅度均值因子、跳跃幅度波动率因子还是跳跃频率因子，在2003年1月到2010年7月期间，在单因子模型下的平均预测能力都是不显著的。这个结果初步表明，在中国A股市场上，长期来看跳跃风险并不是一个系统性风险，投资者无法通过长期持有或者卖空跳跃风险较大的股票来获得额外的收益，因此，表6.3根据跳跃三个风险维度所算出的分组收益率差异更可能是因为中国股票市场上的各种重组、资产注入等个股层面的特质风险所导致的，而非系统性风险溢酬。但是，另一个值得关注的现象是：这些跳跃风险因子在91次横截面回归中的显著次数占到了60％以上，表明在短期内跳跃风险对下一期的收益率是具有一定的预测能力的，但这种预测能力却是不固定的，时正时负，随着时间的变化而变化。

表6.6　单因子风险溢酬回归结果

注：括号中为t值。

上述结果表明：中国A股市场上的跳跃风险溢酬是时变的和短期显著的，可能受到其他因素的影响。接下来，我们将金融资产定价研究中常用的其他风险因子作为控制变量加入FM两步回归中，考察多因子模型下的跳跃风险溢酬。正如之前所提到的，虽然多因子模型得出的跳跃风险溢酬和期权定价中的跳跃风险溢酬不能一一对应，但可以用来考察中国市场上的跳跃风险因子是否能够被常用的其他风险因子所解释。