已实现跳跃波动与中国股市风险溢价研究——基于股票组合视角-陈国进.pdf

《已实现跳跃波动与中国股市风险溢价研究——基于股票组合视角-陈国进.pdf》由会员分享，可在线阅读，更多相关《已实现跳跃波动与中国股市风险溢价研究——基于股票组合视角-陈国进.pdf（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第19卷第6期2016年6月管理科学学报JOURNAL OF MANAGEMENT SCIENCES IN CHINAV0119 No6Jun2016已实现跳跃波动与中国股市风险溢价研究基于股票组合视角陈国进1一，刘晓群3，谢沛霖1一，赵向琴2+(1厦门大学王亚南经济研究院，厦门361005；2厦门大学经济学院金融系，厦门361005；3海南大学旅游学院，海El 570228)摘要：基于我国股市5分钟高频数据为研究样本，采用非参数方法估计了FamaFrench25个股票组合的已实现跳跃波动率的主要成分(规模、均值、标准差和到达率等)，实证分析表明：(1)已实现跳跃波动的主要成分可通过线性和非线

2、性(交叉项)形式预测大部分股票组合的超额收益率(2)已实现跳跃波动率成分在一定程度上可以通过线性方式解释股票组合的横截面收益(3)已实现跳跃波动率可能是FamaFrench三因子模型中规模因子和账面市值比因子的背后驱动因素关键词：股票组合风险溢价；已实现跳跃波动率；FamaFrench三因子模型中图分类号：178309；F83059；F8325文献标识码：A文章编号：10079807(2016)060098160 引 言跳跃是股票价格运动中的重要现象，往往包含着重要的信息，因而在金融学中受到了广泛的关注而对于跳跃波动率的估计包括参数方法和非参数方法一方面，在参数模型中，跳跃序列的获取比较复杂，

3、且跳跃主要通过间接方式解释和预测风险溢价，如Drechsler【11发现跳跃到达率和跳跃规模会影响到方差风险溢价，Maheu等旧1将跳跃到达率、跳跃均值和方差以非线性形式嵌人到条件方差、条件偏度和条件峰度动态方程中，通过两成分GARCH跳跃扩散模型间接估计了跳跃对股权溢价的影响另一方面，Barndorff-Nielsen和Shephard-sj发展出基于双幂方差的非参数高频方法来估计已实现跳跃波动率，在估计已实现跳跃波动率时无需假定股票价格运动的具体表达形式Andemen等【6 J、Huang和Tauchen【71认为基于非参数方法可以更精确估计已实现跳跃波动率，并分析了已实现波动率中的连续成

4、分和跳跃成分在解释风险溢价上的不同贡献Todorov和Bollerslev旧1使用市值最大四十只个股及其组合的跳跃波动率，发现已实现跳跃波动率与连续波动率在解释风险溢价方面的贡献显著不同进一步地，Tauchen等旧1提出了一个以市场风险、长期跳跃波动率风险和短期跳跃波动率风险构成的三因子模型，与FamaFrench三因子模型相比，该模型的定价偏误更低，长期跳跃波动率和短期跳跃波动率对风险溢价有不同的贡献，并且认为长期跳跃波动率源于整体宏观经济的变动，而短期跳跃波动率与公司微观层面的融资约束密切相关Tauchen等【91证实，基于股市指数估计的已实现跳跃波动率的规模、均值、到达率和方差等参数对信

5、用违约掉期利差具有显著的解释能力；Guo等叫选取S&P500指数探讨已实现跳跃成分与风险溢价之间的关系国内文献中，陈国进收稿日期：20150326；修订日期：20151230基金项目：国家自然科学基金资助项目(71471154；71571153；71131008)本文入选“第十二届金融系统工程与风险管理年会”优秀论文(山西大学，2014年8月)通讯作者：赵向琴(1966一)，女，山西孝义人，博士，副教授Email：xqzhaoxmueduca万方数据第6期 陈国进等：已实现跳跃波动与中国股市风险溢价研究基于股票组合视角 一99一等1、左浩苗等12、牛华伟1 31、赵秀娟等1 41、黄冉等纠也研

6、究了跳跃波动率在资产定价和风险管理中的作用那么，如何从经济学角度去解释跳跃波动率的风险溢价呢?基于灾难风险的资产定价模型为探讨跳跃波动率的风险溢价提供了一种理论解释6171这里的灾难风险是指发生概率很小，但是一旦发生会造成很大损失的灾难性事件冲击灾难风险主要通过两种渠道影响到风险溢价，一是灾难实际发生造成实体经济的重大损害，进而传递到股票市场，二是投资者对灾难风险的预期，即使灾难风险实际上没有发生，投资者基于历史上发生灾难的认知，担心未来灾难可能发生，从而要求有一个更高的风险溢价而基于高频数据跳跃波动率和基于个股横截面尾部风险是估计我国股市罕见灾难风险的重要方法Bollerslev等副基于跳跃

7、尾部风险构造了投资者恐慌指数，发现投资者规避灾难风险是导致跳跃波动率风险溢价的主要原因KeHy等引认为基于个股横截面数据估计的股市尾部风险，可以较好解释美国股市横截面收益的差异性陈国进等旧叫参考Kelly等的方法，利用我国个股横截面日收益率数据提取尾部风险，作为灾难风险的度量，根据尾部风险因子载荷系数大小将股票资产分成5个股票组合，实证研究发现高尾部风险载荷系数的股票组合收益率显著大于低尾部风险载荷系数股票组合的收益率在现有文献中，对已实现跳跃波动率风险的研究主要是使用市场综合指数或大公司个股旧卜2 3|，尚缺乏对股票组合的分析，一个可能的原因是，相对于指数和个股序列，通过滚动方法动态构造股票

8、组合来估计跳跃风险比较复杂和繁琐本文将采用非参数方法，利用我国股市A股5分钟高频数据，来估计股票组合的已实现跳跃波动率主要成分(包括跳跃规模、均值、方差、到达率等)，实证分析已实现跳跃波动率主要成分对股票组合收益的预测和解释能力，并进一步分析已实现跳跃波动率主要成分与FamaFrench三因子模型中规模因子和账面市值比因子之间的内在联系，弥补这一领域的研究空缺1 已实现跳跃波动率成分估计：非参数方法使用高频数据非参数估计方法识别已实现跳跃波动率，一个隐含的前提是股票市场的跳跃极少发生(如一个交易日里最多只算发生一次跳跃)，但是一旦跳跃发生，它将对股市收益率产生很大的影响假设对数股票价格P。=I

9、n(P。)服从一个跳跃扩散过程(1P。=弘。dt+or。d形+J,dq。 (1)dg。是一个泊松跳跃过程，强度(跳跃率)为A，是相应对数跳跃规模的分布，服从正态分布N(z，or，)；根据Andersen和Bollerslevml对已实现波动率的计算方法，假定一个交易日t，将每日的交易分割为M段，P“表示交易日t中第，个收盘价，=1，2，M令r“为交易日t内第歹时段的对数收益率，r。=lnP。一lnP铲1交易日t的已实现波动率(RL)可以表示为村 1 JRK 2；2_L1盯轴+L1 zd吼(2)，=l o I一 。I一在现实股票市场中，由于市场受较大的信息冲击和投资者非理性因素的影响，金融资产的

10、价格波动不再是连续的，而存在跳跃性波动为分离出离散跳跃方差，Bamdorff-Nielsen和Shephard45 3提出了已实现双幂次变差(realized bipower variation，BV)，即BL；詈石等妻h。l h川I一厂一，盯；ds(3)其中刀2=E(1I,)，皿是一个服从标准正态分布的随机变量，M(M一1)是对样本容量的修正根据Barndorff-Nielsen和Shephard4引的研究，当M-+时，已实现波动率RE与已实现双幂万方数据100 管理科学学报 2016年6月REBK三RJV, (4)EK一 ()Huang和Tauchen71在二次双幂次变差理论基础弘万CiR

11、V,-8丽L)RV丽, (5)阻=高。币丽h 14力h一。1们I rt,i-2 r (6)RJV,=，(Z。多：1),ERK日K (7)其中t。=I(Z。中：1)是示性变量此时t为天，率的连续样本下方差日E和离散跳跃方差RJV,Size_RJV。h=Size_RJVd卵 (8)I(Js泌捌一讹n删)2)l I2r ， 、 1有组合成分日已实现跳跃规模的平均值，Ar乙Wkm为一个月里跳跃的强度或到达率，它随着所选的置信水平a的不同而不同在实际操作过程中，需要选取合适的Ot，Tauchen和Zhao一1发现在跳跃贡献度分别为10和80时，置信水平分别为O99和0999，这样通过选择合适的跳跃风险检

12、验水平，可以得到精确的参数估计值，并随样本规模的增大而收敛，在本文中根据以往中国股市的特征研究，置信水平a选取0952I2数据来源及股票组合跳跃波动率成分的描述性统计21数据来源日内数据的抽样频率对研究结果影响较大，一方面，抽样频率太低，不能很好地刻画当天波动信息；另一方面，抽样频率太高，会产生微观噪音进而影响研究结果因此，本文兼顾这两方面的影响，采用中国股票市场综合A股指数和其所有成分股5分钟高频数据作为研究跳跃成分的样本，数据来源于国泰安高频金融数据库样本的时间跨度为2007年1月4日至2013年12月31日，共84个月，每天49个交易数据(包括1个隔夜交易数据和48个日内交易数据)以月频

13、率来进行研究，25组合的流通市值加权月收益率数据来源于锐思数据库，月已实现跳跃成分由每组的日数据加总后得到月数据本文中估计的RV、BV、Art_RJv、SizeRJv、MeanRJv、StdRJv等变量均由SAS 93软件处理得到22股票组合构建本文参考FamaFrench股票组合的构建方法，根据规模与账面市值比构建25个股票组合，分组方法为：公司规模用r年6月末的市值代表，公司账面市值比用r一1年会计年度股权的账面价值除以丁一1年12月末的市值；分别取市值及账面市值比的五等分点，两个五等分点相交，将所有的股票分为25组完成25个股票组合的分组后，计算每个股票组合r年7月到r+1年6月每月按照

14、流通市值作为权重的加权平均收益率万方数据第6期 陈国进等：已实现跳跃波动与中国股市风险溢价研究基于股票组合视角 一101一样本区间为2007年2013年共7年，每一年有25个组合，参考FamaFrench滚动构建股票组合的方法，构成的这25组中成分股是可能发生变化的以每一年25组中每一组中成分股的高频5分钟数据计算出每只股票每日频率RJV的大小、均值、标准差、到达率，并简单相加得到每只股票的12个月度频率跳跃数据，再将这些股票进行简单平均最终得到该组合在这一年的12个月度跳跃成分数据综合7年数据，相应25个组合的四个跳跃成分每一年的12个数据组合在一起，构成84个数据的时间序列值得注意的是，构

15、成每一个组合的股票在每一年里可能会发生变化，但是每个组合包含的特征没有发生变化，本文关心的是slblslb5，s2bls2b5，s5bls5b5这25个组合(sls5是规模市值由低到高，blb5是账面市值比由低到高，slbl为市值规模最小且账面市值比最小的股票组合，sSb5为市值规模最大且账面市值比最高的股票组合)在这7年里成分股在2008年时，又是通过25组合不同的成分股来计算跳跃值，以此类推至2013，虽然每一年的成分股是不一样的，但仍反应出7年里25个组合的时变已实现跳跃波动率(肼y)简而言之，使用7年组合成分股计算每一年的月频率时y，最后整合在一起构成84个月的84个RV序列作为本文所

16、需要的跳跃变量表1A至表1E概括了样本区间内股票组合平均收益率(PortfolioReturn)和已实现跳跃规模(Size埘y)、均值(Mean捌y)、达到率(Arr_RJV)和标准差(Std POY)的均值，JarqueBera值以概率的形式用星号给出，可以看出已实现跳跃成分序列表现出明显的“尖峰厚尾”，不服从正态分布同时可以看出，25个组合的跳跃规模(Size一彤y)约为9，所有个股组合的跳跃均值(Mean一时y)约为23，跳跃标准差(StdRJy)约为045，跳跃到达率(Arriving Rate，Arr一对y)为19左右Tauchen和Zhou【91认为股价指数、债券各自以组合这个整体

17、表现形式在12个月的跳跃 和外汇市场中Art RJV在10一20之间，作者值的变化所以，2007年计算25个组合跳跃值的 的估计与Tauchen和Zhou E91的估计基本一致表1A Fama-French组合收益率的描述性统计Table 1 A Summary statistics for FamaFrench portfolio returnPortfolioReturn bl b2 b3 b4 b5s1 0032 0 0030 8 O025 6 0039 3 0035 1s2 0024 9 0028 3 0027 6 0023 4 O026 7s3 0022 8 002l 0 0028

18、0 0017 4 0019 ls4 0010 8 0022 5 0017 4 0019 9 0016 3s5 0011 5 0016 2 O011 0 0013 7 0012 2从表1A可以看出，我国股票市场也存在显 定程度上也存在价值股溢价效应，总体上价值股著的规模效应，控制公司的账面市值比后，小公司 的收益率要高于成长股的收益率，虽然这种单调收益显著高于大公司的收益我国股票市场在一 性不如公司规模效应明显表1B FamaFrench组合跳跃规模(S妇j【)的描述性统计Table 1 B Summary statistics for FamaFrench portfolio jmP sire

19、(S泌_aV)SzeRjv bl b2 b3 b4 b5sl O113 6 0103 6 0098 2 O088 7 0082 8s2 O106 4 0096 8 O09l 6 0086 3 0080 9s3 0106 7 O093 4 O088 6 0086 5 0082 784 0102 6 0093 l 0087 0 0085 l 0082 2s5 0097 O O084 2 0083 2 00r79 4 O077 5注：表中、“和分别表示在l、5和10的显著性水平下显著，下同万方数据-102- 管理科学学报 2016年6月表1C Fanm-French组合跳跃均值(Mean_RJV)的

20、描述性统计Table 1 C Summary statistics for Fama-French portfolio jump mean(Mean_RJV)Meanj bl b2 b3 b4 b5sl O024 8 0024 l 0023 3 0021 0 0020 3s2 0024 5 O024 2 0023 0 0022 0 0019 9s3 0025 9 0024 O 0023 0 0022 4 0019 3s4 0025 7 0024 0 0023 4 0022 3 0020 4s5 0025 2 0023 0 0022 5 0021 3 0019 6表1D Fanm-French组

21、合跳跃到达率(Arr R)的描述性统计Table 1 D Summary statistics for FamaFrench portfolio jump arrival rate(AnjVy)hj四 bl b2 b3 1,4 b5s1 0227 6 O215 7 0207 6 O206 6 O204 5”s2 0227 0 O199 O 0198 3 0194 5“ 0202 9s3 0203 7 0189 0 0192 8 0194 l O22l 9s4 0199 4 0196 6 O189 0 0189 3 0209 Os5 0186 1 0179 4 0186 3 O183 2 020

22、3 5表1E FamaFrench组合跳跃标准差(SUI RJV)的描述性统计Table 1 E Summary statistics for FamaFrench portfolio jump standard deviation(Std_RJV)Std_RJV bl b2 b3 b4 b5s1 0004 3 00D4 4 O004 4 O003 8 O003 4s2 0004 4 O004 7 0004 4 0004 2 0003 6s3 0005 4 0004 5 0004 6 0004 5 0003 9s4 O005 3 0005 0 0004 4 0004 4 0004 0s5 00

23、05 9 0005 O O005 1 0004 0 O004 0从表1B到表1E给出的公司规模、公司账面市值比与跳跃波动率各个成分之间关系总体而言，规模小的组合收益率高，SizeRJV和ArrR-，弛高，规模大的组合收益率低，SizeRJV和An肼y变小，符合高收益率伴随着高风险，同时规模因子Size与StdRJV有一个负相关的关系；而BM小的组合收益率低，虽然不是有严格的递减趋势，一般来说，BM在b1时收益率低于最大的b4和b5下的组合收益率，此时的SizeRJV和MeanRJV与Jsfd尺在b1时偏高，这意味着低账面市值比的组合获得相对较低的收益率，同时却面临着高风险，而高账面市值比的组合

24、获得相对较高的收益率，同时却面临着相对较低的风险3跳跃性波动与股票组合收益关系分析31 已实现跳跃成分对超额组合收益率时序分析本文的主要关注点在于跳跃成分是否可以作为一个风险因子来预测和解释股票组合的超额收益率对于跳跃成分以何种形式引入方程，Bali等o使用高频数据实证探讨收益一风险权衡关系的建模思路，Zhang等1用已实现跳跃成分之间的简单线性关系建模，Heston等心刊及Nijman等1在分析平均组合收益率时使用变量之间的交叉项，Maheu等【21在参数框架下以非线性的方万方数据第6期 陈国进等：已实现跳跃波动与中国股市风险溢价研究基于股票组合视角 一103一式将跳跃到达率和跳跃分布参数的

25、均值及方差嵌入到条件方差、条件偏度和条件峰度，间接探讨时变跳跃对股权溢价动态性的作用，参考以上做法，将跳跃成分同时以线性和交叉项的非线性方式进人方程来解释和预测组合超额收益率由此，提出以下对股票组合市场超额收益率的预测回归方程ri”1一r11=C+卢脚(Ir，)+屈，鼢SizeI+卢i，Meanl峨涮StdI巾i加A一+M鲥SizeI：I：AITt竹i,$删StdI木ArrI+BM，sh Ms汰。+9M?MMeanI+9M?，MAn,+9M，cd MStd,+tt?l“(12)式(12)即对25组合进行第一阶段HorseRaces时序实证分析的回归方程，其中i为股票组合，为简化起见，组合已实现

26、跳跃的大小、均值、标准差和到达率分别用Sze、Mean、Std、Arr表示，同样的，椰泌、MMean、MStd、MArt分别是市场指数已实现跳跃成分，包括市场指数已实现跳跃的大小、均值、标准差和到达率，省略号()代表其它可能的八种交叉项，t为月频率，r。+。一r。为股票组合超额收益率，。；一r，。为市场超额收益率式(12)也是下面使用Fama-MacBeth两步回归法深入分析跳跃与股票组合收益关系的基础先使用方程(12)初步验证跳跃风险与股票组合超额收益率之间的关系，考虑组合本身的跳跃成分，并将代表系统性风险的市场跳跃波动作为控制变量，能更精确探讨股票组合本身特质性的非系统风险对其超额收益率的

27、影响使用HorseRaces回归方法进行估计，相对于OLS回归方法，此方法更加直接通过Horse_Races回归逐步剔除最不显著变量，最终仅保留所有显著变量的结果显示：25个组合中有19个组合的跳跃成分以线性和非线性的形式显著，调整拟合优度值达到0608，解释和预测了一部分超额收益率，具体结果见表2A和表2B的slbi和s2bi，其余由于篇幅所限不再一一列出表2A基于组合跳跃成分和市场跳跃成分向前一期预测slb组合超额收益率Table 2A One-period ahead forecasting of exceS6 return of portfolio sl bi based On the

28、 portfolio and market jumpslbl C Mean A，r MA A_Std JIfAStd RHRf Msize AajR2系数 0272 9 一13cr7 1923 11362 14687 7 246 0936 0756 0610 9t值 2770 l 一2857 3282 3447 8 219l 3 2832 9197 2390slb2 C Sze Mean Std S+A |jIfStd 一R， AajR2系数 一0083 2488 9296 8 26980 6207 9 9957 103l 3 0616 1t值 一128l 1736 2166 3 1670 l

29、 1956 9 190l 10498slb3 C 一f+Std AStd R村一R， adjR2系数 0008 2 2860 51932 1072 8 0662 2t值 0561 7 2347 2125 9 12245slb4 C Sze Std S村 肼Std R肼一月， AdjR2系数 0037 2 一1393 29026 40479 8368 1085 7 0606 6t值 0925 3 一1845 1830 7 2318 9 222l 1041lslb5 C Sre Mean Arr SJ|If SStd MSt,d SMA AdjR2系数 一0，383 5391 9 37801 10

30、82 7 1730 2 308 6 082 50565 O665 5t值 一3085 3501 6 3883 0 2910 2 3009 3453 5 3875 2896R一只， SAStd系数 1169 7 4 077t值 12023 2920注：表中为Horseraces回归保留下的所有显著变量，在交叉项变量中，S、M和A分别为已实现跳跃规模SizePdV、均值MeanRIV和到达率Arr_RJV的简写，下同万方数据-104 管理科学学报 2016年6月表2B基于组合跳跃成分和市场跳跃成分向前一期预测心M组合超额收益率Table 2A One-period ahead forecastin

31、g of excess return of portfolio s2bi based on the portfolio and market jUmps2b2 C Mean J4rr Std SM SStd A+Std SMA AdjR2系数 0151 9 20531 一1873 1899 2995 2 1511 l 0409 l 040，5 O743 9值 1150 2 2645 l 一3054 3433 2662 3011 O 3235 9 2742 0RMR MAStd SAStd SM+A十Std系数 1129 3 15 896 8 81l 40 467t值 13007 2399 27

32、82 1777 7s2b3 C Sze Arr |sA SStd 肘十Std MAStd SAStd Adj萨系数 0347 7 6620 一1337 29696 1 353 2 955 12 648 5 822 0653 3t值 2518 9 2620 2121 2503 4 2450 2 2088 1688 2217RMRf 朋rArr系数 1059 l 一0130t值 11578 1860s2h5 C M十A MSu R_|IfR AdjR2系数 一0003 8097 0 1570 1058 7 0649 6t值 一0179 2475 6 一1756 12051在HorseRaces时序

33、分析中比较显著的一些跳跃变量的系数有出现负值，Lettau和Ludvigson旧引也得到波动率与风险溢价之间负的或不显著的关系一个可能的解释是特质波动率与收益率序列之间的反向关系，因为公司层面特质波动率的研究也是从偏度、融资约束、投资者风险厌恶等不完全市场理论进行分析的32 已实现跳跃成分与超额组合收益率横截面分析上述的HorseRaces时序回归初步得出了影响每个组合的线性和非线性跳跃解释因子接下来分别以19个显著组合的解释变量为共同风险因子，进行19次FamaMacBeth两步回归，深入探讨横截面风险收益权衡关系从以下三个方面进行分析：第一，总结出以哪一个组合的解释变量进行FamaMacB

34、eth第一步时序回归时，其它24个组合在同样的解释变量下也存在在统计和经济意义上都显著的相同变量；第二，以其中一个组合的解释变量进行回归时，其它哪些组合最大程度在这些变量上也显著，即这些组合不仅有其自身通过HorseRaces方法得出的显著解释变量，在使用其它组合形成的解释变量时也是显著的，这隐含着，一方面可以探讨这两个及以上组合解释变量之间的规律，另一方面可以探讨横截面不同特征组合在风险因子上的共同规律第三，FamaMacBeth第二步回归，得出解释横截面风险溢价的线性和非线性跳跃因子具体说来，以slbl为例，在FamaMacBeth第一步回归中，slbl在HorseRaces回归中得出的显

35、著解释变量Mean彤y、A，7J己，V、Mean木Arr、Arr木s斑、Mean木Arr牢Std、R|If一尺，和MSize作为所有25组合的回归变量，建立如下方程尺i。一Rf,。=di+JBk跏Mean。一l+卢0 A一l+。M，lcAI-l+成。蹦A宰Std,一l+厮。蹦M木A木Std,一1+瞄孵(如，。一毛。)+厩触MSize；一I+毛。在Farm-MacBeth第二步截面回归中，一 一、RtRf=Ao+A1卢：If缸+A2卢0+A3卢：If。+，、 ，“A4成。d+A5卢鲁。sd+，、，、入68MBT+入1瓯sk+eI其中尺，是第f个股票组合在样本期间内的平均收益，7率；Rf是样本期间

36、内无风险利率的平均值；屯，、熊泣等，锄吕乞锄岛触等在第一步中的估计值万方数据第6期 陈国进等：已实现跳跃波动与中国股市风险溢价研究基于股票组合视角 一105一依次类推，分别以余下18个组合在时序HorseRaces回归中的显著解释变量作为FamaMacBeth第一步回归中共有解释变量，再进行第二步截面回归，进行18次下面分开阐述以上三个问题的回归结果：1)所有19次FamaMacBeth第一步时序回归中，当以slbl的Mean一兄、舫一RIV、Mean木Arr、Arr宰Std、Mean球Art=lc Std、RM一尺，和MSize为解释因子时，另有17个组合此时的时序回归中，有相应的跳跃成分是

37、显著的；以s364的SizeRJr、Mean己，V、ArrRIV、|S如e木Mean、Size：Ic Arr、Size木Std、Mean木Art、Arr=I=Std、Size：l：Mean，lc Art、Mean串Arr木Std和R村一R，为解释因子时，另有18个组合有相应的跳跃成分是显著的，且它们调整拟合优度值可达到060080；s4b5、s363和slb5分别有14、13和11个显著；余下的组合都有相对应显著的其它组合，但个数只有3到9个不等2)由1)得出以组合s3b4、slbl、s4b5、s363、s1 b5在Horse-Races回归中的解释变量为余下组合的解释变量时，显著的组合最多，

38、因而主要分析它们的结果，由于篇幅所限，这里只列出slbl和slb5的结果，即表3A一表3B表3kslbl及其它组合解释变量系数Table 3A The explanatory variables coettleients of sl bl and other portfoliosC Mean ArT M+A AStd MAStd RMRf 朋Size AdjR2slbl7 0272 9 一1307 一1923 11362 14687+ 一7 246 0936 4 一0756 0610 9s4b56 0163 8 6354“ 一1001“ 42866 67185 一2 497 1048 8 一0

39、032 0741 994b5一Org C Arr S十M 肘A AStd MA+Std SJ】IfAStd RM一墨 AdjR20054 0926 一2302 35949 13468 一6 128 11 854+ 1080 4 0766 2MMean MStd4040 5+ 一1147注：表中slbl7代表slbl在HorseRaces回归中的7个解释变量，且都是显著的；s4b56代表s4b5在slbl中的7个变量中有6个是显著的；s465一Org为s4b5在自身HorseRaces回归时得出的显著变量，下同表311 slb5及其它组合解释变量系数Table 3B The explanator

40、y variables coefficients of slb5 and other portfoliosslb59 C Sze Mean Art SJIf SStd AdjR20383 一5。392 37801 1082 7 一1730 2 3081 O665 5】If+$td S+肼A SAStd R肘一JR，一6 082 50565 一4 077 1169 7s2b29 C Sze Mean A，r S$肘 SStd AdjR20161 一2687+ 17806” 041l 0 一1190+ l 6124 0734 4肘Std SJ】IfA SA涮 R脚一只，一3 209 5lO19+

41、一4 116 1135 3s2b2一Org C Mean Arr Std SJ】If S$td AdjR2O15l 9 2053l” 一1873 一1899 一2995 2 1511 0743 9AStd S膨A 埘AStd SAStd SMAStd RW一1 0409 1 0409 一15 896” 一8 811 40 467+ 1129 3万方数据一106一 管理科学学报 2016年6月从回归结果，可以发现slbl在HorseRaces回归时有6个变量是显著的，此时的94b5和slb3在这个变量中都有6个显著以s4b5为例，它自身的Horse_Races回归有同样的4rr剐V、Mean木舫

42、、Arr=lc Std、Mean；Ic Art木Std显著。且系数符号与slbl一致；slb5时有9个显著变量，s2b2同样9个变量都显著，这与s2b2自身的HorseRaces回归，其显著变量有12个有密切联系，可以看出共同显著的变量有4rr冗，旷、Sze半Mean、Size木Std、Size：Ic Mean半Art、SizejIc Art宰Std，且符号一致3)对所有19个解释变量组进行19次FamaMacBeth第二步截面回归，结果显示与第一步时序回归接近一致：slbl，s262，s364，s4b5的截面回归结果较好由表4A表4D可以发现，以s364的解释变量为其它所有24组的回归因子时

43、，所有线性和非线性的已实现跳跃成分因子都是显著的，且口系数为正，其中已实现跳跃到达率(Arredv)在这三组以及s262中都显著且系数值最大，已实现跳跃均值(Meanj己，y)在这四组中也是显著的，同时交叉项的跳跃成分显著，但系数值偏低，说明对于横截面组合收益率，跳跃风险主要还是以线性方式产生作用表4A以slbl的解释变量作为Fama-MacBeth共同回归因子时的横截面回归结果Table 4A Regreion results：The sl bl explanatory variables as the FarnaMacBetl common fictorsC Mean Arr MA A十S

44、斑 MAS斑 RMRf8938E一叭 1684E一01 1344E一03 3262E一03 6400E一04 1410E一05 1380E一06Msze Adj砰4699E03 7985E一01表4B以心b2的解释变作为Fama-MacBeth共同回归因子时的横截面回归结果Table 4B Regression results：The s2b2 explanatory variables as tIle Farna-MaeBeth common f如torsC Mean Arr Std SM Ss以 ASd8692E一0l“ 1858E一02 1672E一0l 3514E一03 1547E一0

45、3 3140E一04”+ 6970E一04SMA MA剐 SA制 SM+AS础 RMRf AdjR22980E一04+ 1630E一05 6430E一05 1620E06 4208E一03 81lE一01表4C以ob4的解释变量作为Fama-Maelletla共同回归因子时的横截面回归结果Table 4C Regression results：The s3b4 explanatory variables 8s tle FamaMacBeth common f如torsC S沁 Mean Arr S肼 SA S跗7463E01 6003E一02 1683E一02 1428E01 1500E一03

46、 1226E一02”+ 2930E一04MA AS埘 S+IIfA IlfAS斑 R，一R， Msze AdiR23246E一03 63IOE一04 3220E一04” 1590E05 5205E03 3503E一02” 8002E01表4D以s4b5的解释变量作为FamaMaeBetll共同回归因子时的横截面回归结果Table 4D Regression results：The舛b5 explanatory variables as tIle FamaMacBetl common f如torsC Arr _SM MA A_s斑 MAStd SMtA女Std8938E01 1684E01 1344E一03 3262E一03 6400E一04 1410E一05 1380E一06RMRf gMean Mstd AdjR24699E一03+ 750