325
较高的账面-市值比率可能表示公司要有麻烦了，公司的收益前景可能对经济
条件特别敏感，所以此时它的股票需要获取比其贝塔值所建议的更高的收益。
C A P M模型的提倡者包括一家投资银行高盛公司的费希尔·布莱克和斯坦
福大学的威廉·夏普，后者是1 9 9 0年诺贝尔经济学奖的获得者，他们认为可
以在不放弃贝塔的条件下解释新的研究成果。投资者可能非理性地偏爱大公司。
也可能缺乏现金来购买多种股票以将风险充分的分散化，这样一来，市场上的
风险与收益就不能很好地相匹配了。
那些试图从理论上找到C A P M模型替代物的学者们将很难得到什么满意的
结果。曾一度流行的“套利定价模型”在解释实际的股票收益上并不见得比
C A P M模型和贝塔值更高明。这可让华尔街犯了难：是应相信法马和佛伦奇的
证据（尽管存在着理论真空的缺憾），并使用规模和账面-市值比率来预测收益
呢，还是应坚持那逻辑上完美无缺的C A P M模型的理论呢（尽管所反映的数据
与现实不符）？
① 参见Eugene Fama and Kenneth French, “The Cross-Section of Expected Stock
R e t u r n s ,”Journal of Finance 47 (1992). Pp. 427-66.
资料来源：选自The Economist, March 7, 1992. P. 8 7 .
法马和弗伦奇（F F）提供的最令人沮丧的证据是平均收益与贝塔之间缺乏正的关
系。表1 3 - 3最好地表明了这一点。法马和弗伦奇发现，相对于平均收益，规模与贝塔
都是正的。但是，由于这些解释变量具有很高的负相关性，他们寻求把贝塔的影响独
立出来。他们通过组成1 0组不同规模的资产组合，每一资产组合有一不同的贝塔的方
式来做到这一点。
表13-3 根据规模和排序前的
形成的资产组合的性质（1 9 4 1 ~ 1 9 9 0年）
全部低
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9 高
A组：平均月收益（百分比）
全部1 . 2 2 1 . 3 0 1 . 3 2 1 . 3 5 1 . 3 6 1 . 3 4 1 . 2 9 1 . 3 4 1 . 1 4 1 . 1 0
小市值1 . 7 8 1 . 7 4 1 . 7 6 2 . 0 8 1 . 9 1 1 . 9 2 1 . 7 2 1 . 7 7 1 . 9 1 1 . 5 6 1 . 4 6
市值- 2 1 . 4 4 1 . 4 1 1 . 3 5 1 . 3 3 1 . 6 1 1 . 7 2 1 . 5 9 1 . 4 0 1 . 6 2 1 . 2 4 1 . 11
市值- 3 1 . 3 6 1 . 2 1 1 . 4 0 1 . 2 2 1 . 4 7 1 . 3 4 1 . 5 1 1 . 3 3 1 . 5 7 1 . 3 3 1 . 2 1
市值- 4 1 . 2 8 1 . 2 6 1 . 2 9 1 . 1 9 1 . 2 7 1 . 5 1 1 . 3 0 1 . 1 9 1 . 5 6 1 . 1 8 1 . 0 0
市值- 5 1 . 2 4 1 . 2 2 1 . 3 0 1 . 2 8 1 . 3 3 1 . 2 1 1 . 3 7 1 . 4 1 1 . 3 1 0 . 9 2 1 . 0 6
市值- 6 1 . 2 3 1 . 2 1 1 . 3 2 1 . 3 7 1 . 0 9 1 . 3 4 1 . 1 0 1 . 4 0 1 . 2 1 1 . 2 2 1 . 0 8
市值- 7 1 . 1 7 1 . 0 8 1 . 2 3 1 . 3 7 1 . 2 7 1 . 1 9 1 . 3 4 1 . 1 0 1 . 11 0 . 8 7 1 . 1 7
市值- 8 1 . 1 5 1 . 0 6 1 . 1 8 1 . 2 6 1 . 2 5 1 . 2 6 1 . 1 7 1 . 1 6 1 . 0 5 1 . 0 8 1 . 0 4
市值- 9 1 . 1 3 0 . 9 9 1 . 1 3 1 . 0 0 1 . 2 4 1 . 2 8 1 . 3 1 1 . 1 5 1 . 11 1 . 0 9 1 . 0 5
大市值0 . 9 5 0 . 9 9 1 . 0 1 1 . 1 2 1 . 0 1 0 . 8 9 0 . 9 5 0 . 9 5 1 . 0 0 0 . 9 0 0 . 6 8
B组：排序后
全部0 . 7 6 0 . 9 5 1 . 0 5 1 . 1 4 1 . 2 2 1 . 2 6 1 . 3 4 1 . 3 8 1 . 4 9 1 . 6 9
小市值1 . 5 2 1 . 1 7 1 . 4 0 1 . 3 1 1 . 5 0 1 . 4 6 1 . 5 0 1 . 6 9 1 . 6 0 1 . 7 5 1 . 9 2
市值- 2 1 . 3 7 0 . 8 6 1 . 0 9 1 . 1 2 1 . 2 4 1 . 3 9 1 . 4 2 1 . 4 8 1 . 6 0 1 . 6 9 1 . 9 1
市值- 3 1 . 3 2 0 . 8 8 0 . 9 6 1 . 1 8 1 . 1 9 1 . 3 3 1 . 4 0 1 . 4 3 1 . 5 6 1 . 6 4 1 . 7 4
市值- 4 1 . 2 6 0 . 6 9 0 . 9 5 1 . 0 6 1 . 1 5 1 . 2 4 1 . 2 9 1 . 4 6 1 . 4 3 1 . 6 4 1 . 8 3
市值- 5 1 . 2 3 0 . 7 0 0 . 9 5 1 . 0 4 1 . 1 0 1 . 2 2 1 . 3 2 1 . 3 4 1 . 4 1 1 . 5 6 1 . 7 2
市值- 6 1 . 1 9 0 . 6 8 0 . 8 6 1 . 0 4 1 . 1 3 1 . 2 0 1 . 2 0 1 . 3 5 1 . 3 6 1 . 4 8 1 . 7 0
市值- 7 1 . 1 7 0 . 6 7 0 . 8 8 0 . 9 5 1 . 1 4 1 . 1 8 1 . 2 6 1 . 2 7 1 . 3 2 1 . 4 4 1 . 6 8
326 第三部分资本市场均衡
(续)
全部低
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9 高
B组：排序后
市值- 8 1 . 1 2 0 . 6 4 0 . 8 3 0 . 9 9 1 . 0 6 1 . 1 4 1 . 1 4 1 . 2 1 1 . 2 6 1 . 3 9 1 . 5 8
市值- 9 1 . 0 6 0 . 6 8 0 . 8 1 0 . 9 4 0 . 9 6 1 . 0 6 1 . 11 1 . 1 8 1 . 2 2 1 . 2 5 1 . 4 6
大市值0 . 9 7 0 . 6 5 0 . 7 3 0 . 9 0 0 . 9 1 0 . 9 7 1 . 0 1 1 . 0 1 1 . 0 7 1 . 1 2 1 . 3 8
C组：平均规模（市值）
全部4 . 3 9 4 . 3 9 4 . 4 0 4 . 4 0 4 . 3 9 4 . 4 0 4 . 3 8 4 . 3 7 4 . 3 7 4 . 3 4
小市值1 . 9 3 2 . 0 4 1 . 9 9 2 . 0 0 1 . 9 6 1 . 9 2 1 . 9 2 1 . 9 1 1 . 9 0 1 . 8 7 1 . 8 0
市值- 2 2 . 8 0 2 . 8 1 2 . 7 9 2 . 8 1 2 . 8 3 2 . 8 0 2 . 7 9 2 . 8 0 2 . 8 0 2 . 7 9 2 . 7 9
市值- 3 3 . 2 7 3 . 2 8 3 . 2 7 3 . 2 8 3 . 2 7 3 . 2 7 3 . 2 8 3 . 2 9 3 . 2 7 3 . 2 7 3 . 2 6
市值- 4 3 . 6 7 3 . 6 7 3 . 6 7 3 . 6 7 3 . 6 8 3 . 6 8 3 . 6 7 3 . 6 8 3 . 6 6 3 . 6 7 3 . 6 7
市值- 5 4 . 0 6 4 . 0 7 4 . 0 6 4 . 0 5 4 . 0 6 4 . 0 7 4 . 0 6 4 . 0 5 4 . 0 5 4 . 0 6 4 . 0 6
市值- 6 4 . 4 5 4 . 4 5 4 . 4 4 4 . 4 6 4 . 4 5 4 . 4 5 4 . 4 5 4 . 4 5 4 . 4 4 4 . 4 5 4 . 4 5
市值- 7 4 . 8 7 4 . 8 6 4 . 8 7 4 . 8 6 4 . 8 7 4 . 8 7 4 . 8 8 4 . 8 7 4 . 8 7 4 . 8 5 4 . 8 7
市值- 8 5 . 3 6 5 . 3 8 5 . 3 8 5 . 3 8 5 . 3 5 5 . 3 6 5 . 3 7 5 . 3 7 5 . 3 6 5 . 3 5 5 . 3 4
市值- 9 5 . 9 8 5 . 9 6 5 . 9 8 5 . 9 9 6 . 0 0 5 . 9 8 5 . 9 8 5 . 9 7 5 . 9 5 5 . 9 6 5 . 9 6
大市值7 . 1 2 7 . 1 0 7 . 1 2 7 . 1 6 7 . 1 7 7 . 2 0 7 . 2 9 7 . 1 4 7 . 0 9 7 . 0 4 6 . 8 3
注：在t- 1年年底，根据证券价格研究中心（C R S P）把纽约证券交易所上市的股票按规模分成1 0
组资产组合，每一规模再以个别股票的排序前的
值分成1 0组不同
的资产组合，根据可能用
t－1年的1 2月底的2 4 ~ 6 0个月的收益进行估计。这样得出来的1 0 0组资产组合的等权重月收益，
然后，再计算t年的。平均收益是以百分比表示的月收益的时间序列的平均值。排序后的各
个
用的是1 9 4 1 ~ 1 9 9 0年每一资产组合排序后收益的全部样本，排序前与排序后的各个
是月
收益对当月与前一月纽约证券交易所市值加权市场收益进行回归的斜率之和。一个资产组合
的平均规模是该资产组合中股票的每一月平均值时间序列的平均。M E的单位是百万美元，
平均地看，每一规模
资产组合每个月有1 0种左右的股票。表中所有的列显示的是等权重、
按规模的资产组合的参数值，所有的行显示的是每一
组的股票等权重资产组合的参数值。
资料来源：Eugene F. Fama and Kenneth R. French,“The Cross Section of Expected Stock Returns,”
Journal of Finance 47 (1992), pp.427-66.
表1 3 - 3 B组第一行显示了每一贝塔组的资产组合贝塔值，1 0个规模资产组合的平
均值稳定地从0 . 7 6增加到1 . 6 9。在组C的第一行，显示了在每一贝塔组内平均资产组合
规模几乎是相同的，从4 . 3 4到4 . 4 0。这可以使我们把组A解释为贝塔对持有规模固定的
资产组合的平均收益的净效应的检验。
表中的组A清楚地显示从1 9 4 1 ~ 1 9 9 0年，平均收益与贝塔并不是正相关的，两个
贝塔值最高的资产组合拥有两个最低的平均收益，最高的平均收益出现在第四与第五
贝塔资产组合中。
13.3.2 防卫
法马和弗伦奇对资本资产定价模型的攻击已经产生了四种反应：
1) 在检验过程中运用更好的计量经济学。
2) 改进了资产贝塔值的估计。
3) 重新考虑了法马与弗伦奇式的结论的理论来源与含义。
4) 考虑到非交易资产与资产贝塔值周期性行为的单因素模型的收益。
在资产收益的检验中改进所用的计量经济学方法大概是法马与弗伦奇结论的最直
接的反应。阿米赫德、本特和门德尔森[1] 改进了法马与弗伦奇的检验方法，运用一般
[1] Yakov Amihud, Jesper C. Bent, and Haim Mendelson, “Further Evidence on the Risk-Return
R e l a t i o n s h i p ,”Working Paper, Graduate School of Business, Standard University (1992).
