329
在退休前有多年的经营经历可以运用。再者，有理由预期，人力资本的变化要远小于
与之完全相关的资产收益的变化。因此，它们分散了投资者的资产组合的风险。
杰加纳森（J a g a n a t h a n）和王（Wa n g）（J W）[1] 用基于总劳动收入的变化率来代表
人力资本的变化。除了运用市值加权股票指数（标记为
V W）对标准证券的贝塔进行估
计外，杰加纳森和王也用劳动收入的增长（标记为
l a b o r ）来估计资产的贝塔。最后，
它们考虑了经济周期影响资产的贝塔值的可能性，有关这个问题有许多研究论文。[ 2 ]
他们运用低和高信用等级的公司债券收益之间的差作为代表来说明经济周期，并对与
经济周期变量（
p r e m）有关的资产进行贝塔值的估计。
对一些股票资产组合进行这三种贝塔值的估计，杰加纳森和王估计了包括公司规
模（权益的市值，标记为M E）的二阶回归模型：
E(Ri)＝c0＋cs i z el o g ( M E )＋cV W
l a b o r ( 1 3 - 7 )
V W＋cp r e m
p r e m＋cl a b o r
表1 3 - 5显示了对方程1 3 - 7进行二阶回归的不同变型的结果，每一变型运用了等式
右边的不同子集。这些结果远比早先的检验对资本资产定价模型的支持更大，包括杰
加纳森和王的扩展的解释变量（称作“有条件的”资本资产定价模型，因为贝塔随经
济情况变化）的方程的解释力比早先检验的解释力更大，规模变量的意义消失了。
表13-5 不同资本资产定价模型规范的评估
系数c0 cV W cp r e m cl a b o r cs i z e R2
组A：不考虑人力资本的静态资本资产定价模型
估计1 . 2 4 -0 . 1 0 1 . 3 5
t-值5 . 1 7 -0 . 2 8
修正t 5 . 1 6 -0 . 2 8
估计2 . 0 8 -0 . 3 2 -0 . 11 5 7 . 5 6
t-值5 . 7 9 -0 . 9 4 -2 . 3 0
修正t 5 . 7 7 -0 . 9 4 -2 . 3 0
组B：不考虑人力资本的有条件的资本资产定价模型
估计
t-值
修正t
估计
t-值
修正t
0 . 8 1
2 . 7 2
2 . 1 9
1 . 7 7
4 . 7 5
4 . 5 3
-0 . 3 1
-0 . 8 7
-0 . 7 0
-0 . 3 8
-1 . 1 0
-1 . 0 5
0 . 3 6
3 . 2 8
2 . 6 7
0 . 1 6
2 . 5 0
2 . 4 0
-0 . 1 0
-1 . 9 3
-1 . 8 4
2 9 . 3 2
6 1 . 6 6
组C：考虑人力资本的有条件的资本资产定价模型
估计
t-值
修正t
估计
t-值
1 . 2 4
5 . 5 1
4 . 1 0
1 . 7 0
4 . 6 1
-0 . 4 0
-1 . 1 8
-0 . 8 8
-0 . 4 0
-1 . 1 8
0 . 3 4
3 . 3 1
2 . 4 8
0 . 2 0
3 . 0 0
0 . 2 2
2 . 3 1
1 . 7 3
0 . 1 0
2 . 0 9
-0 . 0 7
-1 . 4 5
5 5 . 2 1
6 4 . 7 3
[1] Ravi Jaganathan and Zhenyu Wang, “ The Conditional CAPM and the Cross-Section of Expected
R e t u r n s ,”Journal of Finance 51 (March 1996), pp. 3-54.
[2] 例如有：Campbell Harvey,“Ti m e - Varying Conditional Covariances in Tests of Asset Pricing Mo d e l s ,”
Journal of Financial Economics 24 (October 1989), pp. 289-317; Wayne Ferson and Campbell Harvey,
“The Variation of Economic Risk Premiums,”Journal of Political Economy 99 (April 1991), pp. 385415; and Wayne Ferson and Robert Korajczyk,“ Do Arbitrage Pricing Models Explain the Predictability
of Stock Returns?”Journal of Business 68 (July 1995), pp. 309-49.
330 第三部分资本市场均衡
(续)
系数c0 cV W cp r e m cl a b o r cs i z e R2
修正t 4 . 1 4 -1 . 0 6 2 . 7 2 1 . 8 9 -1 . 3 0
组D：考虑人力资本的静态资本资产定价模型
估计1 . 6 7 -0 . 2 2 0 . 2 3 3 0 . 4 6
t-值6 . 9 1 -0 . 6 3 2 . 3 7
修正t 5 . 7 1 -0 . 5 2 1 . 9 7
估计2 . 0 9 -0 . 3 2 0 . 0 5 -0 . 1 0 5 8 . 5 5
t-值5 . 8 0 -0 . 9 6 1 . 2 2 -2 . 1 5
修正t 5 . 7 0 -0 . 9 5 1 . 2 0 -2 . 11
注：这个表给出了或者有子集，或者是全部变量的截面回归模型的估计
l a b o r
E(Ri t)＝c0+cs i z el o g (M Ei) +cV W iV W+cp r e m
ip r e m+cl a b o r
i
这里，Ri t是资产组合i(i＝1 , 2 , . . . , 1 0 0 )在t月( 1 9 6 3年7月至1 9 9 0年1 2月)的收益，RtV W为股票市值加权指数的收
益，Rt-1p r e m为低与高信用等级公司债券的利差，Rt
l a b o r为人均劳动收入的增长率。
iV W为一个常数Ri t和RtV W时
的O L S回归系数的斜率，其他的贝塔值也用同样的方法估计。资产组合规模l o g (M Ei)是作为资产组合i中的
股票市值（单位为百万美元）对数的等权重平均数来计算的。回归模型用法马-麦克贝斯（F a m a - M a c B e t h）
方法来估计。“修正的t值”是把样本误差考虑进估计的贝塔值中。表中的所有R2用的都是百分比。
图1 3 - 2 ~ 1 3 - 5更生动地显示了这些检验的改进。图1 3 - 2显示常规的资本资产定价模
型的确作用有限，通过比较可以看出证券收益适于用公司的贝塔与实际收益，显然，
贝塔与实际收益之间几乎没什么关系，这反映了常规的资本资产定价模型在经验检验
中作用很弱。图1 3 - 3显示了加入公司规模后方程的适用性有了戏剧性的改进，这反映
了公司规模具有的异常功能。但是，如果我们用常规的资本资产定价模型与合适的实
际收益相比较，像图1 3 - 4那样，我们也可以得到一个合适的结果。如果把公司规模补
充进这个模型，像图1 3 - 5那样，适用性并不能因此获得任何的改善。我们的结论是一
旦我们把一些变量引进常规的资本资产定价模型，公司规模并不能改进收益的预测。
表1 3 - 6比较了常规资本资产定价模型和陈、罗尔与罗斯的多因素套利定价理论的
估计。从表中可以看到，当考虑到人力资本和单因素贝塔的周期变化时，陈、罗尔与
罗斯所思考的宏观因素的意义消失了。同样的，表1 3 - 7比较了法马与弗伦奇研究的结
果。从表中可以看到，一旦我们开始考虑人力资本和单因素贝塔的周期变化，账面-市
场价值比率和规模因素也消失了。
表13-6 陈、罗尔与罗斯应用因素的比较（1 9 8 6年）
系数c0 cV W cp r e m cl a b o r cG B cC G cI P cU I R2
估计1 . 8 -0 . 4 4 -1 . 0 7 0 . 3 9 -0 . 0 2 -0 . 0 7 3 8 . 9 6
t-值7 . 1 8 -1 . 2 8 -2 . 4 4 1 . 6 3 -0 . 1 7 -1 . 9 5
修正t 6 . 1 7 -1 . 1 0 -2 . 1 2 1 . 4 1 -0 . 1 5 -1 . 6 8
估计1 . 3 7 -0 . 5 1 0 . 2 9 0 . 1 8 -0 . 1 7 0 . 1 9 0 . 0 7 -0 . 0 3 5 7 . 8 7
t-值6 . 3 3 -1 . 4 6 3 . 5 4 2 . 4 4 -0 . 4 6 0 . 9 2 0 . 6 1 -0 . 9 9
修正t 4 . 9 7 -1 . 1 5 2 . 8 1 1 . 9 3 -0 . 3 6 0 . 7 2 0 . 4 8 -0 . 7 8
注：这个表给出了或者有子集，或者是全部变量的截面回归模型的估计
E(Ri t)＝c0＋cV W iV W＋cp r e m
ip r e m＋cl a b o r
il a b o r＋cG B iG B＋cC G iC G＋cI P iI P＋cU I i
U I
这里，Ri t是资产组合i(i＝1 , 2 , . . . , 1 0 0 )在t月( 1 9 6 3年7月至1 9 9 0年1 2月)的收益，RtVW 为股票市值加权指
数的收益，Rt-1p r e m为低与高信用等级公司债券的利差，Rt
l a b o r为人均劳动收入的增长率，G Bt是长期政府
债券与短期国库券之间的收益差，C Gt是长期公司债券与长期政府债券之间的收益差，I Pt为美国工业
月生产的增长率，U It为通货膨胀率的变化。
iV W为一个常数Ri t和RtV W用普通最小二乘法回归的斜率，其
他的贝塔值也用同样的方法估计。回归模型用法马-麦克贝斯方法来估计。“修正的t值”是把样本误差
考虑进估计的贝塔值中。表中的所有R2用的都是百分比。
