Erica X. N. Li, Guoliang Ma, Shujing Wang, Cindy Yu

Management Science (Volume 72, No. 2, February 2026)

推荐理由

如何用企业基本面解释股票收益差异是金融学的重要课题。然而，传统模型存在”组合依赖”问题——能解释某些市场异常的参数，往往无法解释其他异常，可能高估模型效力。我院经济与金融系王姝晶教授与团队开展深入研究，其合作论文”Fundamental Anomalies”在国际管理学顶级期刊《Management Science》（UTD 24本顶级学术期刊之一）发表。

作者简介

Erica X. N. Li: Cheung Kong Graduate School of Business

Guoliang Ma: Xiamen University

Shujing Wang: Tongji University, 通讯作者

Cindy Yu: Iowa State University

关键词

q-theory, Bayesian MCMC estimation, anomalies, investment, profitability

内容简介

本文提出了一种基于贝叶斯马尔可夫链蒙特卡洛（Bayesian MCMC）方法的组合无关参数估计框架。与以往使用GMM匹配测试组合平均收益率的做法不同，本文直接匹配1967至2017年间全部个股层面的股票收益率，从根本上避免了参数估计对特定测试组合的依赖。研究采用与Gonçalves et al.（2020）相同的双资本q-模型，考虑四种参数设定：常数参数、行业特定参数、时变参数以及行业特定且时变的参数。

实证结果显示，在允许参数具有行业和时间变异的设定下，模型隐含的基本面收益率与实际收益率之间的截面相关系数均值达到0.69（十分位组合）和0.43（多空组合），远高于已有文献的结果。行业和时间维度的参数变异对匹配多空组合收益率至关重要。

估计得到的双资本q-模型能够生成显著的规模、动量、盈利能力、投资和无形资产溢价，涵盖了12个广泛研究的异象中的大部分。然而，即使在最优设定下，模型仍无法生成显著的价值溢价和应计异象。分析表明，组合无关估计得到的投资调整成本参数显著低于以往基于组合的估计值，本文估计为0.14至0.73，而Gonçalves et al.（2020）基于组合的估计为2.84。

先前较高的估计值可能受到测量误差的影响，本文的结果与Cooper and Haltiwanger（2006）等直接估计更为一致。这一发现验证了Campbell（2017）的批评：当参数不再针对特定异象进行优化时，模型解释部分异象的能力确实会减弱。

本文的主要贡献在于：提出了一种组合无关的模型参数估计方法，为评估基于投资的资产定价模型提供了更公正的框架；实证结果揭示了参数选择对模型解释能力评估的影响，为理解q-理论模型的适用范围和局限性提供了参考；同时发现行业和时间维度的参数异质性对于模型匹配实际收益率至关重要。