第 1 章 绪论
1.1 选题背景及意义
作为全球最大发展中国家的中国，我国经济高速发展，已成为世界第二大经济体，仅次于美国。正是在这样的背景下，中国股票市场也成为全球公认发展最为迅速的几个证券市场之一。面对这样一个庞大的市场经济体，越来越多的国内外投资者、机构和政府都在积极的寻求各种方式来投资中国市场。其中，股票市场作为中国金融市场的重要组成部分，自然而然也就成了一种重要的投资渠道。因此，对于绝大多数投资者来说，为了获取股票市场的超额收益去研究中国A股市场资产收益率的可预测性问题就显得愈发重要。
其实，股票市场资产收益率可预测性一直是金融市场研究中最基本的问题，也是最热门的话题。早在 20 世纪 70 年代，Fama就指出市场是有效的，股票价格是不可预测的，即著名的有效市场假说。之后，Fama（1991）又对市场有效性做出第二次评述，即市场的不可预测性与“弱型有效”等同。实际上，随着近代资本市场的不断扩张，尤其是在行为金融学出现后，经济学家们开始注意到市场上各种异象，如多度自信、羊群效应等。这也重新引发了经济学家们对于资产（尤其是股票）收益率是否具备可预测性的思考。
中国股票市场资产收益率是否存在可预测的成分？如果存在可预测性，那么股票市场收益率的可预测性强弱水平又如何呢？事实上，关于我国股票市场的可预测性一直备受争议，大家的意见并不一致。一方面，部分学者认为我国已进入有效金融市场，股票价格服从于或接近服从于随机游走，股票的可预测性较弱（参见黄少军,2004；Chen et al., 2010 等）；另一方面，学者们指出中国股票市场还不成熟，可以说是一个新兴市场。因为，法制、监管等因素都会造成市场信息传递效率低下, 使得投资者在博弈中处于信息不对称的位置。并且，这种不对称状态在市场中并不能被有效及时的消除。这样的结果，就是导致股票价格不服从随机游走序列，即股票收益存在可预测成分，从而降低中国金融市场有效性。因此，
重新追溯股票市场资产收益率可预测性问题的本源，既是对中国特殊市场环境股票收益可预测性的重新考察，也是为了寻找一种更加符合中国实际的收益率预测方法。更进一步，一种符合中国股票市场实际的收益率预测模型，既可以为指引投资者的投资趋于理性，也可以为决策制定着有效的调控市场奠定基础，促进我国股票市场健康发展。
...........................
1.2 研究思路与结构
本文的主要目的是利用IVX检验方法对中国金融市场大样本数据的测试，考察那些已经在国内外被证实具有预测能力的变量，在中国股票市场上是否同样具有显著的预测功效。再者，通过对样本的切分和分组，分析这种变量预测能力在不同股票市场中所发生的变化。这样的做法，一方面可以验证IVX检验方法相对于以往预测检验方法在理论和实践上的优势；另一方面，经过对样本的多层次分析，可以帮助我们对常用金融变量或变量组合预测中国股票市场资产价格收益率的显著性水平有个整体且权威性的了解。
因为，倘若我们使用传统的普通最小二乘法对金融变量的预测能力进行检验，那么事先就要针对不平稳型变量进行差分处理使其变得平稳，否者其统计检验结果定然是有偏的。实际上，这样的处理方式也是不对的。因为，差分后的变量本身已失去原有的经济意义，如利率变量。并且，预先检验变量持续性高低的方法也有一定的犯错概率；或者，我们通过选择合适的方法，使其适合非平稳性变量的预测性检验。然而，这样的方法虽能解决自变量不平稳性所带来的结果不准确问题，但是对平稳性变量它并不适用。也就是说，现有的多数预测性检验方法都没有充分考虑到由于自变量持续性的不确定性带来的统计检验偏误问题。尤其是当变量还存在内生性和异方差性的特征时，以上问题所带来的后果将更加的严重。正是由于传统的t-test和其它检验方法都没有完全考虑到数据实际的时间序列特征，越来越多的学者在持续不断的研究何种检验方法使得统计检验结果更加稳健、可靠。例如，在不考虑预测变量非平稳性和内生性问题的基础上，姜富伟等(2011)利用普通最小二乘法检验发现部分金融变量（如D/Y、换手率和M1 与M2 的增长率等）对股票收益有明显的样本内及样本外预测效果。同样，Chen et al.(2010)运用修正的模型进行检验，结果也发现样本内只有账面市值比对股票收益具有一定的预测功效。根据以上例子及其它现有文献，我们可以发现，虽然学者们在尝试运用各种有助于降低实证检验结果偏误的方法来检验中国金融市场的可预测性，但是实际上他们都没有完全将数据的三个关键特征即持续性、内生性以及异方差性考虑进去，或者说，即使大致上囊括了主要问题，但方法本身过于复杂导致不能被普遍应用。因此，本文系统性评估了国内外学者关于预测性检验方法的研究文献，且考虑数据的三个关键特征，利用工具变量估计法（Kostakis et al.，2015）对金融变量预测中国股票市场的效果进行实证检验。
........................
第 2 章 文献综述
2.1 股票收益可预测性文献综述
股票收益的可预测性研究早在上世纪六、七十年代就已经开始，研究大多集中在对美国等其它发达国家市场，新兴市场则很少，中国也不例外。例如，Fama在 20 世纪 70 年代就提出了著名的有效市场假说，认为股票价格的波动是一种随机游走过程，未来的股价是不可预测的，即人们不可能通过对历史价格信息和公开信息的分析而获取超额收益。然而，这样的结论在之后学者们的实证研究中似乎并不成立。例如，Keim and Stambaugh(1986)，Campell and Shiller(1988)等通过实证分析发现，一些特定的经济变量（如股利价格比 D/P、盈余价格比 E/P）对股票未来收益具有明显的预测功效。对此，Fama(1991)则认为，之所以出现这样的结果，是因为时间变化风险溢价的缘故，它并不违背市场有效性假说。因此，近二十年来，学者们对于股票市场资产收益率可预测性的研究一直热度不减。但是，关于股票收益是否可以被有效预测至今没有得到解决，一直备受争议。一方面，姜富伟等(2011)，Chen et al.(2016)认为某些特定的变量对于未来股票收益有显著的预测功效，如股息率（D/Y）、股息价格比率（D/P）、账面市值比（B/M）和短期利率（TBL）等金融变量。也就是说，股票市场实际上是存在一定的可预测成分的，金融市场并非达到完全有效状态；另一方面，部分学者指出他们并没有发现一些有意义的预测变量，其不论是在样本内还是样本外，都具有稳健的预测能力(Welch and Goyal,2008)。还有，Xuanjuan Chen，Kenneth A.Kim，Tong Yao(2010)也发现对股票市场资产收益率具有预测能力的变量实际上很少。在以上学者看来，虽然研究表明股票市场存在可预测性的成分较少或者没有，但是这并不代表市场本身是有效的。因为，金融市场的有效性与股票市场具有可预测性并不是直接的等价关系。
.....................
2.2 股票收益可预测性检验文献综述
关于验证股票可预测性，一般情况下学者们会选择传统的普通最小二乘法进行检验。可是，Campbell and Yogo(2006)指出 OLS 方法在面临自变量存在高持续性特征时，即自相关系数接近于 1，对于原假设会表现出过度拒绝。并且，当自变量还存在内生性的情况时，以上问题将会更加的严重（Stambaugh，1999）。同样，Welch and Goyal(2008)也发现，在实证中所运用的多数金融变量一般具有高度持续性或者自相关系数接近于 1，据此而利用普通最小二乘法估计得到的结果是有偏误的。因此，当解释变量属于非平稳过程并存在内生性的情况下，估计量和显著性检验均会产生不同的变化，其实证结果的可靠性是值得商榷的。
鉴于以上情况，即变量实际的数据特征，近年来，学者们都在不断的尝试运用新的预测性检验方法来正确揭示因变量与自变量之间的真实关系，以便为金融变量预测股票收益的结论提供强有力的实证支撑。实际上，检验股票收益的可预测性，其实证支持关键在于预测性检验方法的稳健性，即方法所采用的假设检验功效和规模大小。首先，从国外文献来看，Lanne(2002)，Jansson and Moreira(2006)，Hjalmarsson(2011)等建议将预测变量控制在近单位根过程的状态下，解决变量持续性的不确定性。他们假定预测变量的自回归系数形式满足ρ = 1 +cn⁄ ，当样本量 n 趋于∞时，其服从 AR（1）过程，进而解决由于变量持续性不确定所带来的结果不准确问题。尽管，这样的操作方式会使得模型更具有灵活性，但预测变量平稳性的控制对于技术层次的要求也相当高。与之相比，Amihud, Hurvich, and Wang (2009)的操作方法则更为直接，即直接假定预测变量完全属于平稳过程，然后运用迭代的方法去检验多元变量的一致预测功效。可是，在实际中，预测变量完全平稳的假定是不存在的。因此，有些学者则从模型的残差角度出发来对检验方法进行改进。例如，Campbell and Yogo (2006)假设预测变量的残差和收益的残差服正态分布，提出了一种复杂程度较高的 Bonferroni Q 检验，相比 Cavanagh,Elliott and Stock (1995)论文中的 Bonferroni t 检验，其在 Pitman 功效上更为显著。除此之外，Cai and Wang (2014)考虑到预测变量的非平稳性会导致回归模型中对于 β 系数的估计可能有偏的问题，通过限定预测模型中两个残差之间的关系，运用两阶段估计程序来估计参数以及研究它们的渐进分布。
...........................
第 3 章 模型构建与数据描述............. 12
3.1 基础模型 .................... 12
3.2 IVX 模型构建 ................... 12
第 4 章 单变量回归实证分析.................. 20
4.1 单位根检验 ........................ 20
4.2 月度样本分析 .................. 21
第 5 章 多变量回归实证分析.................. 31
5.1 月度样本分析 .................... 31
5.2 季度样本分析 .......................... 33
第 5 章 多变量回归实证分析
5.1 月度样本分析
如表 5.1 所示，第 4、5 和 6 列分别报告了现有文献已被证明过有联合预测能力的变量组合经过 IVX 方法重新检验的结果。结果显示，Ang and Bekaert(2007)的 D/P 与短期利率组合对沪深 A 股市场收益具有一定的联合预测能力（在 10%水平上显著）。相反，Lamont(1998)的 D/P 与 D/E 组合以及 Kostakis et al.(2015)的 E/P、Ntis 与短期利率组合却没有表现出相应的一致预测效果（在 5%的水平及以下显著）。与此相比，经过 AIC 准则筛选得最优变量组合的预测效果则是最优的。这表明，我们在使用组合指标来对市场或者投资组合收益进行预测时，不能笼统地选取部分指标加以组合，而需要通过一定条件筛选出符合要求的指标。因为，投资者一般不可能会去参考所有与投资标的相关的金融变量。相反，他们希望通过一定方式去筛选出满足自己条件的最优变量组合。因此，通过分析本文再次验证了单一变量并不能解释股票收益的全部信息的结论。
....................
第 6 章 结论
在金融实证模型中，我们通常会发现多数变量都具有高持续性特征，即自相关系数接近于 1 或等于 1，尤其是股票预测模型。然而，现有检验方法要么没有考虑自变量持续性的不确定性，要么预先检验自变量的平稳性，并对不平稳型变量进行差分使其平稳，其统计检验结果都是值得怀疑的。因为，第一，高持续性特征型变量没有经过处理直接放到模型中作回归，其结果是不准确的；第二，预先检验自变量持续性高低的测试方法本身具有一定的犯错概率；第三，针对不平稳型变量进行差分，差分后变量其经济意义和解释力度远比不上变量本身。而且，如果因变量的残差与预测变量的残差还存在相关性时，那么线性预测回归模型中的系数检验量和预测性检验结果可能会更加的不准确。因此，为了解决以上问题，尤其是预测变量持续性问题，本文综合比较了国内外各种检验方法，最终利用工具变量估计法（IVX）对 2005-2016 年中国 A 股市场股票收益能否能被滞后一阶的常用金融变量所预测进行了一系列的实证检验。通过分析，本文发现：首先，单变量预测性检验中，消费者价格指数同比增长率（CPI）、短期利率（IBWA7）和长期利率（BMY10）对股票收益具有明显的预测能力。然而，其它公司特征型变量却并没有表现出丝毫的预测效果，仅在分组市场中有所体现。例如，短期利率和换手率（TO）指标随着股票规模的增加其预测能力不断上升。
参考文献（略）