西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也促使我们通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前！
　　当两个投资者同意对市场前景持不同意见并相互下注时，双方都希望从交易中获利。因此，分歧的增加会导致双方投资者感知的交易利润增加，边际效用降低，因此分歧贝塔系数可能会影响横截面的资产回报率。
　　作者使用对美国宏观经济基本面的专业性预测指标，构建了一个分歧度量。关于这一分歧因子的贝塔正向解释了股票、公司债券、抵押贷款支持证券和政府证券的横截面回报。作者同时发现该分歧因子在基准模型之上，对各类资产仍然拥有定价能力。
　　风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。

研究报告全文：定量研证券研究报告究分析师title郑兆磊zhengzhaoleixyzqcomcnS0190520080006西学东渐海外文献推荐系列之一百四十八--联系人assAuthor张博专zhangbo21xyzqcomcncreateTime12022年12月20日题报relatedReport告相关报告投资要点summary西学东渐--海外文献推荐系列之一百四十七西学东渐是指从明朝末年到近代西方学术思想向中国传播的历史过程西学东渐--海外文献推荐系西学东渐不仅推动了中国在科学技术和思想文化方面的发展也有力地促列之一百四十六进了社会与政治的大变革在今天西学东渐仍有其重要的现实意义作为A股市场上以量化投资为研究方向的卖方金融工程团队在平日的工西学东渐--海外文献推荐系列之一百四十五作中常常深感海外相关领域的研究水平之高内容之新而这也促使我们通过大量的材料阅读去粗取精将认为最有价值的海外文献呈现在您的面前当两个投资者同意对市场前景持不同意见并相互下注时双方都希望从交易中获利因此分歧的增加会导致双方投资者感知的交易利润增加边际效用降低因此分歧贝塔系数可能会影响横截面的资产回报率作者使用对美国宏观经济基本面的专业性预测指标构建了一个分歧度量关于这一分歧因子的贝塔正向解释了股票公司债券抵押贷款支持证券和政府证券的横截面回报作者同时发现该分歧因子在基准模型之上对各类资产仍然拥有定价能力风险提示文献中的结果均由相应作者通过历史数据统计建模和测算完成在政策市场环境发生变化时模型存在失效的风险请务必阅读正文之后的信息披露和重要声明定量研究专题报告目录一引言-3-二一个简明模型-6-21模型设置-6-22分歧和感知盈利机会-7-23分歧贝塔和预期收益-8-24将模型含义与实证检验联系起来-9-三分歧度量和测试资产-10-31宏观经济预测和分歧-10-32测试资产-12-四分歧贝塔和资产回报-15-41基准结果-15-42分歧因子的定价能力-17-43分歧贝塔和股票级的分歧和不确定性贝塔-18-五鲁棒性-20-六结论-23-图表目录图表1BCEI宏观预测的汇总统计信息-12-图表2预期分歧和共识的时间序列-13-图表3资产回报的描述性统计-14-图表4分歧贝塔投资组合的月度回报-16-图表5分歧因子的定价能力-18-图表6分歧贝塔和潜在的替代性解释-20-图表7控制基准因子的分歧贝塔估计-21-图表8行业中性投资组合和备选持股范围-22-图表9分歧因子的替代测量-23-请务必阅读正文之后的信息披露和重要声明-2-定量研究专题报告报告正文分歧贝塔文献来源GaoGPLuXSongZetalDisagreementbetaJJournalofMonetaryEconomics201910796-113推荐原因当两个投资者对市场前景持不同意见并相互下注时双方都希望从交易中获利因此分歧的增加会导致双方投资者感知的交易利润增加边际效用降低因此分歧贝塔可能会影响横截面的资产回报率作者使用对美国宏观经济基本面的专业性预测指标构建了一个分歧度量并且计算了单个证券相应的分歧贝塔作者发现分歧贝塔正向解释了股票公司债券抵押贷款支持证券和政府证券的横截面回报并且在基准模型之上仍然具有对资产的定价能力一引言在过去几十年中关于市场分歧度异质预期的研究取得了明显的进展比如Basak2005Hong和Stein2007以及Xiong2013Hong和Stein2007指出行为金融学常常被人诟病只是实证结果的叠加而缺乏理论模型如果行为金融学要打破这一桎梏那么分歧度模型可能是最好的出路然而令人惊讶的是当前的文献似乎忽视了一个分歧度对资产定价产生影响的渠道当两个投资者对市场的前景持不同意见并互相交易时他们都期待从对方身上攫取利润分歧度上升会导致投资者期待更高的利润与更低的边际效用因此分歧度Beta即资产收益与分歧度变化的协方差应当在横截面上对资产回报有定价能力据我们所知以上分歧度对资产定价的影响在文献中并没有被研究过为了正式说明上述直觉我们构建了一个简单的模型其中两组投资者同意对市场的未来持不同意见并相互交易当分歧扩大时两个投资者都会增加他们的消费因为他们都期待基于分歧的投注会带来更高的交易收益因此消费的边际效用会降低当两个投资者的边际效用都较低时具有高分歧贝塔值的资产往往表现良好但当两个投资者的边际效用都较高时则表现不佳这样的资产在均衡状态下要求较高的预期收益本文的主要贡献是实证研究了分歧贝塔在横截面收益率的效应为了测试这种分歧贝塔效应我们需要在总体市场中选择一个投资者有分歧的特定方面并构建市场范围内分歧的衡量标准而美国宏观基本面在全球经济中的重要性以及投资者对美国宏观变量预期的现成数据使得投资者在美国宏观基本面的分歧成为一个自然之选具体而言我们利用包括实际GDP增长RGDP工业生产增长请务必阅读正文之后的信息披露和重要声明-3-定量研究专题报告IP失业率UNEMP和非住宅投资增长INV在内的几个美国经济关键变量的专业预测数据构建了一个分歧衡量标准这些预测数据是从蓝筹经济指标BCEI对市场参与者的预期调查中获得的该调查被市场从业者广泛使用并且可获得其在1984年7月至2014年12月之间的月频数据对于每个月的四个宏观变量我们用单个预测的横截面标准差来衡量其分歧程度这四个分歧变量的简单平均值则被用作总的分歧横量标准在分析中我们控制了经济基本面的相关因素侧重于分析分歧度贝塔的效应事实上当市场预期下跌时分歧通常很严重在这种情况下市场条件的恶化增加了投资者的边际效用而具有高度分歧的投资者所感知到的高交易利润则降低了他们的边际效用因此在贝塔值估计和投资组合分析中这两种途径都要被考虑到以剔除和我们分歧猜想途径相反的市场风险的潜在混淆影响特别地为了估计资产的分歧贝塔值我们将分歧指标的变化对其月度超额收益进行回归并控制市场因素和一致预期变化所代表的经济基本面然后在每个资产大类中根据估计的分歧贝塔值将资产归类为投资组合并检验其未来收益我们发现在各种美国资产市场包括个股和固定收益证券中资产的预期收益与其分歧贝塔之间存在着强烈的正相关关系在美国个股中最高10市值加权组合和最低10市值加权组合之间的收益差为每月067t366在16个美国公司债券收益率指数和21个抵押贷款支持证券MBS收益率指数中前25和后25的回报差异分别为每月024t184和每月022t204当投资组合由公司债券MBS和政府债券组成来增加每个分组中的证券数量时收益率差甚至更大约为每月031t265在控制了标准资产定价因素后最高和最低投资组合之间的收益差仍然很大对于个股Fama-French2015五因子FF5的阿尔法超额收益每月为040t212而Hou等人2015四因子HXZ4的阿尔法每月055t228对于固定收益资产在调整了Asvanunt和Richardson2015的长期公司债券超额收益系数以及Asness等人2013在债券市场中的价值和动量系数表示为FI3后分歧贝塔的多空对冲投资组合阿尔法值为每月030t247我们进一步对分歧度因子在横截面上的定价能力进行了测试首先我们发现在控制FF5和HXZ4因子后分歧因子仍然减少了分歧贝塔投资组合的阿尔法特别是在使用多空对冲的分歧贝塔投资组合作为可交易的分歧因子时我们发现在FF5和HXZ4基础上增加分歧因子平均绝对超额收益分别降低约30和40在25个基于规模和分歧beta的双排序组合中也发现了类似的结果其次我们考虑了一系列基于投资组合的测试资产特别是Fama-French75FF75投资组合包括25个规模账面市值比sizeBM投资组合25个规模经营盈利能力sizeOP投资组合和25个规模投资sizeINV投资组合以及49个行业IND49投资组合Fama和French2015和Lewellen等人2010鉴于FF5和HXZ4因子已被证明对这些投资组合具有定价能力我们将这两个基准因子都包括在内并使用Feng等人2017的非参数检验方法来评估分歧因子的边际定价能力该非参数检验在所包含的基准因子中选择最强大的一个这在请务必阅读正文之后的信息披露和重要声明-4-定量研究专题报告我们的设置中尤其重要因为FF5和HXZ4因子具有较大的重叠结果表明分歧因子对FF75和IND49资产组合具有显著的定价能力其因子风险溢价约为每月50个基点t统计量为236如果加上按分歧贝塔值排序的十等分组合或基于规模和分歧贝塔值的25个双重排序组合其显著性甚至更强而且按分歧贝塔值排序的固定收入组合也作为测试资产时其显著性仍然很高分歧贝塔效应也不同于两种相关的经济机制首先分歧贝塔效应不同于众所周知的基于分歧和卖空约束之间相互作用的效应具体而言一只股票的价格反映了乐观主义者的估值因为悲观主义者由于卖空限制而持观望态度因此高度分歧导致未来回报率低Miller1977对于这种基于卖空限制的机制分歧是基于每个资产因此每个资产的投资者分歧程度也不同在我们独特的机制中分歧基于宏观经济和资产这些资产在基于宏观变量的分歧贝塔上不同尽管如此我们仍然为美国个股构建了双重排序投资组合并表明在控制股票水平分歧度的情况下平均多空对冲分歧贝塔组合的月度回报率为038t值为35其次分歧会造成财富份额的起伏自然也会诱发投资组合风险的波动例等2009和Xiong和Yan2010如与此相关的是在资产定价研究Dumas中预测的分散程度被用作不确定性和模糊性的代理指标见Anderson等2009Drechsler2013Bali等2015以及DellaCorte和Krecetovs2015因此或许有人会把我们的分歧贝塔效应解释为一种波动性或者不确定性贝塔的效应然而这些解释的含义与我们的实证相反根据这些解释高贝塔资产是那些在与投资者边际效用增加相关的不确定性比较大时表现良好的资产因此在均衡中应该获得更低的预期收益因此我们估计的贝塔和资产收益之间显著的正相关关系反驳了我们的分歧指标只反映了不确定性的解释我们又使用VIX以及Baker等2016和Jurado等2015的不确定性措施明确控制了不确定性贝塔效应结果为我们的分歧贝塔效应提供了进一步的支持我们还进行了一系列的稳健型测试首先在估计分歧贝塔时将基准因子作为控制因素第二考虑股票的行业中性投资组合第三我们研究了分歧贝塔在季度半年度甚至年度投资组合持有期限的影响第四使用第一主成分分析AR1残差和单个预测的顶部减去底部平均数构建了分歧度量最后我们还分析了比基线分析使用更多的宏观变量的另一种分歧衡量标准我们发现分歧的贝塔效应对所有这些可选规范都是高度稳健的自Miller1977Harrison和Kreps1978以及Detemple和Murthy1994等早期贡献以来关于异质预期的文献一直在大幅扩展同意-分歧模型的一个普遍特征是所有投资者都期望从对手的损失中获得收益然而直到最近这些文献都没有直接地研究这个途径对经济主体消费以及对资产价格的相关影响Gallmeyer和Hollifield2008最初调查了分歧对投资者消费的收入与替代效应主要关注股票市场的总体定价Guzman和Stiglitz2016创造了伪财富一词指投机交易双方感知的利润并对其消费效应进行了综合分析Ehling等人2018和Iachan等2015也分别用这一机制来解释近几十年的债券收益率和资产回报的下降趋势我们的论文的不同之处在于我们关注的是分歧贝塔及其对横截面资产回报的影请务必阅读正文之后的信息披露和重要声明-5-定量研究专题报告响Hong和Sraer2016的一项相关工作考虑了在施加卖空约束下的总体市场的分歧我们也分析了总体市场的分歧但至少在两个重要方面有所不同首先我们研究的是关于分歧本身的贝塔系数而不是这些相关研究中关于市场风险或宏观风险的贝塔系数其次对于由分歧猜想的途径所影响的分歧贝塔效应约束卖空约束是不必要的Anderson等人2005的研究也与此密切相关他们在时间序列回归中证明了预期收益与分歧的正依赖性其动机来自一个理性资产定价模型该模型将预期的异质性作为风险因子我们的不同之处在于我们关注的是与分歧beta相关的横断面资产收益率其动机来自异质信念的一个独特的通用特征所有投资者都期望从交易对手的损失中获利然而Anderson等人2005和我们的论文相互补充都指出在没有卖空约束的情况下分歧是一个重要的资产定价因素二一个简明模型在本节中我们给出了一个模型以阐明分歧贝塔如何影响横截面资产回报的基本直觉我们的目标是为实证分析提供理论动机而不是提供最普遍的模型因此在建模时我们忽视其他经济渠道只关注投资者押注分歧度的影响21模型设置我们的模型设置有两个时间段对应时间点t012经济的状态用一个变量S表示它的值将在t2时实现简单起见我们假设S有两个可能的值0和1该经济中存在两个连续的投资者他们事先是相同的他们在t0时禀赋W0都是一样的他们对随机变量有着相同的理念该随机变量在005上是均匀分布其值将在t1处实现在t1时每个投资者都有50的概率成为两种类型中的一种每个投资者的类型都是独立抽取的两类投资者对S的分布意见不一致第一类投资者的理念由以下公式给出1withaprobabilityof05S0withaprobabilityof05-而第二类投资者的理念由以下公式给出1withaprobabilityof05-S0withaprobabilityof05以上公式说明度量了两类投资者在t1之间的分歧的值越大分歧越强投资者可以在两个时期以0利率获得无风险资产重要的是在t1时投资者还可以通过交易净供给为零的证券对经济状况进行投机如果S1则证券在t2时支付一单位消费否则为0这种证券在t1时的价格记为Pa并将在均衡状态下确定Guzman和Stiglitz2016也指出产生分歧的投资者需要一种赌博工具来实现感知利润并获得更低的边际效用在实践中直接基于宏观变请务必阅读正文之后的信息披露和重要声明-6-定量研究专题报告量上的经济衍生品如GDP增长非农就业增长和供应管理协会制造业指数的期权以及通胀互换和期权Grkaynak和Wolfers2005Haubrich等人2012和Fleckenstein等人2017可以作为对宏观风险某一方面产生分歧的投注工具此外股市指数和国债等金融资产可以作为对市场风险意见产生分歧的投注工具我们的目标是分析t0到t1之间的横截面资产收益我们引入N种从t0持续到t1的资产资产jj1N在t1时的现金流为DjDj的分布情况将在后面具体说明为简单起见假设资产j的总供给为0资产j在t0时的价格记为Pj并在均衡中确定所有的投资者都是价格接受者并且在t2时消耗掉他们所有的财富在t1时在投资者的类型确定后i型投资者的目标i12是选择消费1持有单位证券并将剩余的财富投资于无风险资产maxuciEuWi1i12c1iiiE1表示第i型投资者已知t1期全部信息的条件期望W2是第i型投资者在t2期的财富u是投资者的效用函数11其中为相对风险厌恶与Guzman和Stiglitz2016类似我们关注的是1的情况其中财富效应主导替代效应这在文献中是一种标准惯例在t0时每个投资者的目标是选择他的消费c0N个资产和无风险资产的投资iimaxuc0E0VW12iiiii其中E0表示投资者t0时信息的条件下的期望VW1maxuc1E1uW2i是i型投资者的价值函数W1为t1时投资者的财富均衡价格被定义为Pa和Pjj1N以及所有投资者的消费和投资选择在这些价格和消费和投资选择下所有投资者都最大化了他们的期望效用1和2在此情况下市场出清因为证券和N种资产的总需求都为0i这个平衡分两步建立首先考虑t1时的均衡让投资者的财富W1为给定值这就形成了这样一种直觉当两种类型的投资者意见分歧更大时他们都希望通过相互打赌获得更高的交易利润在第二步中分析t0时的均衡以证明分歧贝塔对横截面资产收益的影响22分歧和感知盈利机会1由于所有投资者在事前都是相同的他们在t1时拥有相同的财富即W12W1所以我们可以去掉上标用W1来表示投资者的财富下面的命题描述了均衡价格和投资者的消费选择命题1t1时证券的价格由以下给出1P32第一类投资者做多证券的单位第二类投资者做空单位其中请务必阅读正文之后的信息披露和重要声明-7-定量研究专题报告1112-1-2W11142121-2两类投资者的消费金额相同1221111152121-2要看命题1是如何得到的通过无套利另一个Arrow证券在S0时支付1单位消费的价格为1P由于对称性两支Arrow证券的价格相同从而得到311在t2S1时1型投资者的财富为1c1P在S0时为1c1P在这些表达式中替换3我们可以将1型投资者的目标函数重写为11maxuc105uW-c105-uW-c1-11112112c1一阶条件为11uc105uW-c105-uW-c1-11121121105uW-c105-uW-c1-1121124和5从上面的方程中得到这个命题突出了这样一种直觉当投资者之间分歧的幅度增加时他们都发现自己获利的机会提高了这在3中得到了说明从1型投资者的角度来看证券的预期收益是2类似地2型投资者认为证券的预期收益是2注意41型投资者做多证券而2型投资者做空证券因此对于这两种类型的投资者他们在证券上的头寸的预期回报是2而当理念分散度增加时这两类投资者都希望自己的交易更有利可图直觉上这两类投资者都认为自己会以牺牲交易对手的利益为代价获得利润分歧越大投资者越认为自己在占交易对手的便宜因此他们期望获得更高的利润自然当分歧更大的时候投资者就会下更多的赌注即在4式中的中上i涨时对5中投资者在t1的消费进行简单微分表明在中的c增加时也就1是说当两种类型的投资者的感知交易利润较高时他们消费更多由于我们设置中的对称性两种投资者的消费相同23分歧贝塔和预期收益为了分析t0时的均衡我们首先注意到投资者在这一阶段是相同的因此他们在所有N种资产中持有为零并且有相同的消费c0此外如方程5所述两个投资者在t1时的消费相同因此我们可以简单地用c1来表示t1时所有投资者的消费而资产i在t0时的价格由以下公式给出uc1PiE0Di6uc0为了分析分歧beta的影响我们将资产i的分红改写为DiDii-i7其中Di和分别表示Di和的期望值是资产i的分歧贝塔i是均值为0且方差有限的残差且独立于请务必阅读正文之后的信息披露和重要声明-8-定量研究专题报告将7代入6得到iPiDiE0uc1-uc0将5代入上式可得1111iPiDiE01121-2-8uc0W0-c0228中的期望等于两项的协方差前提是第二项的期望E0-0而且在第P一项中减少而在第二项中增加意味着这个协方差是负的因此我们有i0这i进一步引出了下面的命题命题2资产的期望收益随着其分歧贝塔的增加而增加其中为资产i的收益率这一命题表明资产的预期收益与其分歧贝塔之间存在正相关关系其直觉是这样的当分歧较少时分歧贝塔值较高的资产往往表现较差正如命题1中所指出的正是在投资者预期未来收益较低消费较少边际效用较高的时候因此也要求较高的预期收益率分歧贝塔值较高的资产在均衡状态下24将模型含义与实证检验联系起来在本节中我们将分歧贝塔效应的模型含义与将要进行的实证检验联系起来最重要的是我们的简化模型从经济基本面波动的经典效应中提取出来因此投资者的边际效用只依赖于分歧引发的交易利润可以想象的是一个动态模型例如通过扩展Guzman和Stiglitz2016的框架可以让经济基本面和分歧同时影响边际效用从而为资产定价为了梳理出经济基本面的潜在混淆效应我们在实证设置中纳入了来自这两个渠道的定价效应也就是说资产的预期收益遵循ddff其中d是我们简化模型关注的分歧贝塔f是我们的模型提取Erxiiiii出来的相对于经济基本面如市场贝塔和宏观贝塔的贝塔在分歧贝塔估计和投资组合分析的实证模型中我们将对经济基本面进行控制我们的简单模型还举例说明了分歧贝塔效应的几个重要方面可以对其进行实证检验首先在我们的框架中分歧是关于宏观经济而不是某一项资产的资产回报的差异是由每一项资产的贝塔相对于宏观分歧变量的差异所影响的因此我们的分歧贝塔效应不同于众所周知的对具有卖空约束的个别资产的分歧效应Miller1977Chenetal2002Dietheretal2002此外分歧贝塔效应来自于在意见不同的投注下所产生的事前感知利润这与分歧导致事后财富份额变动并引发波动的渠道不同如Dumas等人2009和Xiong和Yan2010此外分歧贝塔效应也不同于波动性或不确定性的影响许多研究使用分析师预测离散度来表示然而横截面资产定价关于不确定性的含义与我们的分歧贝塔效应相反当存在与投资者边际效用增加相关的更大不确定性时高不确定性贝塔效应的资产往往表现良好因此应该在均衡中获得较低的预期回报Ang等人2006年请务必阅读正文之后的信息披露和重要声明-9-定量研究专题报告三分歧度量和测试资产在本节中我们构建了我们的分歧度变量然后介绍了在我们的实证分析中使用的测试资产31宏观经济预测和分歧投资者对经济或市场的各个维度和指标可能存在分歧为了实证检验分歧贝塔效应我们需要选择总体市场中投资者存在分歧的一个特定方面并构建测量方法来捕捉这种市场范围内的分歧自然地我们关注投资者在美国宏观基本面的分歧因为它在全球经济中的重要性以及投资者对美国宏观变量预期的现成数据具体来说我们使用BCEI调查数据来表征投资者对美国关键宏观变量的预期BCEI预期的一个优势是其月频数据的可获得性因此可以按月进行分歧贝塔估计这往往比使用其他调查数据进行的估计更准确例如季度和半年等较低频率的专业预测者的调查SPF和来自费城联邦储备银行的利文斯顿调查BCEI调查提供了来自银行经纪自营商和咨询公司等领先金融机构的大量专业经济学家对美国各种宏观变量的预测为了保持我们模型结构的简洁性在我们的基线分析中使用了几个关键的美国经济变量的预测包括实际GDP增长率RGDP工业生产增长率IP失业率UNEMP和非居民固定投资增长INV遵循宏观金融文献Drechsler2013Segaletal2015Orliketal2015和Ludvigsonetal2016在第5节中也考虑了对其他额外变量的预测以进行稳健性检验BCEI收集当前公历年和下一个公历年的预测例如2005年1月的调查包含了对2005年和2006年的预测预测期限分别为12个月和24个月然而2005年2月的调查分别将2005年和2006年的预测期限缩短一个月分别为11个月和23个月从这个月到下个月的预测期限递减的这一特定数据特征产生了预测的季节性基于X-12ARIMA的过滤模被应用到原始预测系列中以去除这种季节性RGDPIP和INV的预测都是基于同比百分比变化而UNEMP的预测则是基于年平均失业率此外BCEI调查通常在每个月的前两个工作日进行并于10日发布因此调查结果在每个月的月底被市场参与者知晓这使得基于该调查的月度投资组合分析具有可实施性图表1报告了这些预测的汇总统计数据包括平均值中位数标准差StdDev最小值Min最大值Max第一四分位数Q1和第三四分位数Q3我们的样本期为1984年7月至2014年12月该表报告了全样本和各种子样本的这些统计数据的时间序列平均值平均而言每个月约有50名专业预测者参与其中在我们的样本中预测标准差在近年来似乎比早些时候要低此外预测的平均值和中位数随时间变化显著对于每个月的四个变量中的每一个其分歧被衡量为专业投资者对当前公历k年预测的横截面标准差具体来说定义fit作为个体i对宏观变量k的预测对于kRGDPIPUNEMPINV在第t个月我们测量对变量k的分歧为请务必阅读正文之后的信息披露和重要声明-10-定量研究专题报告kNt12kkkDisagreefit-fttNktikkkk其中Nt表示为变量k在第t月的预测次数ftfitNt表示为一致预期即为个体预测的横截面平均值然后这四个分歧变量的简单月平均值被用作我们的分歧度量记为Disagreet以捕捉对整个美国宏观基本面的分歧情况同样我们用RGDPIPUNEMP和INV的单个预测的横断面中位数的月平均值来衡量美国经济的一致预期Consensust图表2绘制了四个宏观经济变量的分歧和共识度量和的月时间序列以及美国整体经济的分歧和共识度量和Disagreet的月时间序列我们观察到和随着时间的推移都ConsensustDisagreetConsensust有显著变化此外通常在重大事件期间出现峰值如年月日Disagreet2001911的恐怖袭击和2007-2008年全球金融危机并且与Consensust呈负相关相关系数为036这意味着当一致预期较低时市场参与者的分歧往往更大请务必阅读正文之后的信息披露和重要声明-11-定量研究专题报告图表1BCEI宏观预测的汇总统计信息1资料来源JournalofMonetaryEconomics兴业证券经济与金融研究院整理32测试资产分歧贝塔关于N种资产的截面定价能力的本质是对分歧进行投机的投资者1此表包含于BCEI宏观预测的汇总统计信息面板A至D的统计汇总报告了横截面描述性统计数据的时间序列平均值包括对美国宏观变量的专业预测的平均值中位数标准差StdDev最小值Min最大值Max第一四分位数Q1和第三四分位数Q3特别地从1984年7月到2014年12月的每个月我们计算了不同专业分析师对一个宏观变量的预测的统计数据然后我们计算每个宏观变量的这些统计数据的时间序列平均值我们从平均约50名专业预测人员获得个人预测由蓝筹经济指标调查BCEI提供并遵循美国人口普查局的标准程序对原始预测系列使用X-12ARIMA过滤模型以去除季节性我们纳入了四个宏观变量年同比实际GDP增长RGDP工业生产增长IP年平均失业率UNEMP和实际非居民固定投资增长INV整个经济领域的分歧共识度量是根据四个宏观变量的分歧共识度量的平均值来计算的面板E和F报告了这两个变量的汇总统计数据我们报告了全样本和各种子样本的汇总统计数据请务必阅读正文之后的信息披露和重要声明-12-定量研究专题报告也是这些N种资产的边际投资者考虑到我们的分歧度量是针对美国宏观基本面的我们自然选择美国证券作为测试资产比如美国股票和固定收益证券因为这些资产的边际投资者很可能是那些对美国宏观经济前景进行投机的投资者图表2预期分歧和共识的时间序列2资料来源JournalofMonetaryEconomics兴业证券经济与金融研究院整理图表3汇总了美国个股公司债抵押贷款支持证券和政府证券的月超额收益率超过一个月期美国国债利率的统计数据对于大多数变量样本期为1984年7月-2014年12月刚好对应于BCEI预测数据的时间段但根据可获得性的不同部分资产的起始月份有所不同美国股票样本包含来自纽约证券交易所美国证券交易所纳斯达克交易所交易所代码为12或3的CRSP普通股股份代码为10或11图表3的面板A显示平均月收益率约为068具有正偏度2该图绘制了关于实际GDP增长RGDP工业生产增长IP失业率UNEMP和非居民投资增长INV的预测分歧和共识措施的月度时间序列原始预测序列来自经济指标蓝筹调查BCEI样本周期为1984年7月-2014年12月我们平均从约50名专业预测人员那里获得个人预测并遵循美国人口普查局的标准程序对原始预测系列执行X-12ARIMA过滤模型以去除季节性预测分歧被估计为单个预测的横断面标准差标度在右轴而一致预期是中位数标度在左轴我们在顶部和中间的图中分别绘制了四个宏观变量的一致预期和分歧序列然后我们通过四个宏观变量的分歧和共识度量的各自平均值在左下方的面板中绘制构建整个经济领域的分歧和共识度量右下方的面板分别绘制了全经济领域的分歧和共识度量的一阶差异变化请务必阅读正文之后的信息披露和重要声明-13-定量研究专题报告图表3资产回报的描述性统计3资料来源JournalofMonetaryEconomics兴业证券经济与金融研究院整理我们的固定收益资产样本来自巴克莱资本通过Datastream获得特别要指出的是美国公司债样本包含16个公司债回报指数有各种信用评级如AAA3该表提供了来自CRSP面板A的美国普通股每月超额收益超过一个月美国国债利率的汇总统计数据包括平均值标准差偏度和峰度以及来自巴克莱资本BarclaysCapital通过Data-streamBloomberg获取的16个美国公司债券指数面板B21个美国抵押贷款支持证券指数面板C4个政府证券指数面板D总体样本期为1984年7月至2014年12月不同资产有不同的可用性每种资产类别的证券的平均值在每个面板的最后报告请务必阅读正文之后的信息披露和重要声明-14-定量研究专题报告AAABAAHighYield等和期限长期和中期的组合MBS样本包含16个不同期限1-35年至85年及以上的投资级商业抵押贷款支持证券回报指数评级从BBB到AAA4个机构MBS回报指数1个资产支持证券回报指数美国政府证券样本包含4个综合收益指数即美国机构美国政府美国通货膨胀保值债券和美国财政部表3的BC和D组分别报告了公司债券住房抵押贷款支持证券和政府证券指数的清单以及它们的汇总统计数据平均而言公司债的月收益率为043MBS为031政府证券为028多数为负偏度四分歧贝塔和资产回报本节展示了分歧贝塔对资产回报的解释力的实证检验为了估计分歧贝塔我们控制了经济基本面的指标如第24节所讨论的市场因子如图表2所示分歧通常与市场和一致预期呈负相关因此在对分歧贝塔的估计中控制一致预期和市场回报可以剔除由于这种负相关而产生的混杂效应具体来说对于每一项资产我们通过回归其月超额收益rxt来估计其分歧贝塔t关于分歧度量的变化同时也控制市场因子DisagreetDisagreetDisagreet-1MKTt美国样本中的CRSP价值加权市场超额收益和一致预期ConsensustConsensustConsensust-1的变化rxtDisagreetConsensustMKTt我们基于过去36个月的观测数据和至少24个月的可用数据使用标准滚动窗口回归以确保估计中的观测数据数量的合理性41基准结果在我们的基准分析中从1986年7月到2014年11月每个月底根据分歧贝塔值美国个股会形成10个十等分的投资组合为了减轻对微型股票影响结果的担忧我们遵循Hou等人2017的做法使用纽交所的断点来组成投资组合并关注市值加权VW投资组合回报这些投资组合被持有一个月然后平仓对于我们的固定收益证券样本我们根据它们的分歧贝塔值组成四个四等分的投资组合并计算等权重的月度再平衡投资组合回报率图表4的第一列报告了美国个股的十个分歧贝塔投资组合的月超额收益而最后一列报告了分歧贝塔的估计低高分歧贝塔投资组合由最低最高分歧贝塔的资产组成我们观察到分歧贝塔从前5组的负值增加到后5个组的正值低高分歧贝塔股票的超额收益为032098每月收益差异为067每月Newey-West统计值为366与我们第2节的模型预测一致分歧贝塔值与预期股票收益之间存在很强的正相关关系图表4的第二和第三列报告了美国个股的分歧贝塔投资组合的因子调整回报率对Fama和French2015五因子FF5进行调整后低分歧贝塔组的阿尔法为-请务必阅读正文之后的信息披露和重要声明-15-定量研究专题报告011t122而高分歧贝塔组的阿尔法为030t217对Hou等人2015的四因子HXZ4进行调整后低分歧贝塔组的阿尔法为-018t137而高分歧贝塔组的阿尔法为034t223经FF5和HXZ4因子调整后美国个股高-低分歧贝塔投资组合的阿尔法分别为040每月t212和055每月t228图表4分歧贝塔投资组合的月度回报4资料来源JournalofMonetaryEconomics兴业证券经济与金融研究院整理图表4的后九列显示固定收益市场的分歧贝塔中超额收益和阿尔法大多是单调增加的对于公司债券收益指数低高分歧贝塔四分组每月收益031055每月收益差异024t统计量为184对于MBS收益指数低高分歧贝塔组合每月收益015036高-低分歧贝塔组合每月收益022t统计量为204这两个资产类别的收益率差较低可能是由于每个组合中的资产数量较少每个组合中只有大约45个指数为了增加测试能力我们将公司债MBS和政府证券收益指数汇集在一起形成四个四分组的投资组合结果在最后两栏报告其经济和统计显著性都有所改善例如高-低分歧贝塔投资组合的回4该表给出了美国个股16个巴克莱公司债券收益率指数21个抵押贷款支持证券收益率指数和4个政府证券收益率指数在分歧贝塔基础上形成的投资组合的月平均超额收益率百分比因子调整收益率百分比和Newey-westt统计量括号内在控制市场因素和宏观一致预期Consensus的变化的情况下一个证券的分歧贝塔是通过对分歧测度Disagree的变化逐月回归其超额收益得到的我们利用纽约证券交易所的断点为美国股票构建了10个十分组的投资组合为公司债券抵押贷款支持证券公司债券和抵押贷款支持证券组合以及结合这三种类型的所有固定收益资产构建了4个四分位数的投资组合我们持有这些投资组合一个月计算美国股票的市值加权VW投资组合回报率以及固定收益资产的等量加权EW投资组合回报率在个股公司债券MBS中第一个组合形成月分别是1986年7月1986年7月和1987年7月而对所有投资组合最后一个组合形成月是2014年11月对于个股我们根据Fama-French2015五因子FF5和Hou等人2015四因子HXZ4进行了调整对于固定收益资产我们调整了Asvanunt和Richardson2015的长期公司债券超额回报因子以及Asness等2013的债券市场价值和动量因子VAL和MOM对于美国股票和所有固定收益资产我们报告了每个投资组合内资产的分歧贝塔估计值中位数的时间序列平均值和表示在105和1的显著性水平请务必阅读正文之后的信息披露和重要声明-16-定量研究专题报告报率为031每月t统计量为265调整Asvanunt和Richardson2015的长期公司债券超额回报因子和Asness等人2013在债券市场表示为FI3的价值和动量因子公司债券MBS和固定收益市场的高-低分歧贝塔投资组合的阿尔法分别为023t174024t221和030t247总体而言上述证据表明分歧贝塔对美国资产市场的截面收益具有显著的解释力并且与现有的收益预测指标不同42分歧因子的定价能力在证明了如上所述的分歧贝塔对资产收益有很强的正向影响之后本节对分歧因子作为横截面资产定价因子相对于标准模型的定价能力进行了两次检验首先我们研究了在FF5和HXZ4因子之上分歧因子是否降低了分歧贝塔投资组合的阿尔法特别地继Fama和French2015之后我们计算了Gibbons的GRS检验统计量和分歧贝塔十分组等人投资组合的平均绝对截距1989A模型中使用了FF5和HXZ4因子加上分歧因子我们还报告了时间序列回归的平均R2考虑到FF5和HXZ4因子都是基于回报的因子因此使用多空分歧贝塔投资组合作为因子模拟投资组合其收益作为可交易的分歧度因子图表5的面板A的前四列报告了我们基线分析中分歧十分组投资组合的结果我们观察到在FF5和HXZ4模型中增加分歧因子平均绝对阿尔法降低了约30和40至7和8个基点相关地当在FF5HXZ4模型中加入分歧因子时GRS检验统计量从14211665下降到09970892而平均2从08850876增加到09070898在面板A的最后四列报告中基于规模和分歧贝塔的25个双重排序投资组合也发现了类似的结果总体而言相对于FF5和HXZ4模型分歧因子确实为横截面股票收益带来了额外的定价能力其次除了分歧贝塔投资组合之外我们也在研究中包括了一套广泛的测试资产我们特别考虑了FF75投资组合包括25个sizeBM投资组合25个sizeOP投资组合和25个sizeINV投资组合以及49个行业IND49投资组合Fama和French2015和Lewellen等人2010为了评估我们的因子相对于FF5和HXZ4的边际定价能力并考虑到FF5和HXZ4之间的重叠信息我们采用了Feng等人2017FGX的方法该方法旨在评估一个新因子相对于一大批现有定价因子的边际定价能力图表5的B组在第一行报告了FF75和IND49投资组合的分歧因子与九个基准因子FF5和HXZ4的FGX检验分歧因子的因子风险溢价为47个基点每月t统计量为236表明分歧因子对这些基于组合的测试资产具有显著的定价能力第二行和第三行将10个分歧贝塔投资组合和25个规模和分歧贝塔投资组合添加到测试资产集从中我们观察到较高的因素风险溢价约为60-70个基点其t统计量值较高为29-36最后三行进一步将固定收益的分歧贝塔四分组投资组合请务必阅读正文之后的信息披露和重要声明-17-定量研究专题报告加入到前三行的每一组测试资产中相应地FI3因子也被纳入基准因子集分歧因子的因子风险溢价约为80个基点t统计量高于39总而言之在基准因子之上分歧因子对一组基于投资组合的测试资产具有显著的横截面定价能力图表5分歧因子的定价能力5资料来源JournalofMonetaryEconomics兴业证券经济与金融研究院整理43分歧贝塔和股票级的分歧和不确定性贝塔如第24节所讨论的分歧贝塔效应的经济机制不同于基于对个别证券的分歧和不确定性贝塔的经济机制在本节中我们将从实证把我们的发现与这两种相关效应区分开来首先根据文献从IBES中提取金融分析师对美国个股的一个季度前盈利预测并使用他们的横截面标准差除以盈利预测的均值作为对个股的分歧度量计算这个分歧度量至少需要5个可用的预测然后基于分歧贝塔和股票级分歧构造44独立双排序投资组合并计算每组的市值加权投资组合回报对于每个四分组分歧贝塔组合取4个股票级别分歧投资组合的平均值这一过程创建了一组分歧贝塔四分组其股票层面的分歧水平相似但分歧贝塔水平不同结果报5该表报告了分歧因子的定价能力它是基于分歧贝塔构建的多空投资组合的回报面板A展示了GRS统计数据测试10或25个截距估计值的期望值是否为零即调整后的平均R2截距的平均标准误差截距的平均绝对值A第一列报告回归模型中的因子我们用第二行第四行和第六行中的分歧因子来补充市场模型FF5模型和HXZ4模型第二至五列报告了使用10个关于分歧贝塔组合作为测试资产的结果第六至九列报告了使用25个规模差异贝塔投资组合作为测试资产的结果面板B报告了估计的因子风险溢价以基点每月为单位和相应的t统计量使用Feng等人2017中的双选择LASSO方法第一列表示用于估计因子风险溢价的测试资产FF75包括Fama和French2015中使用的25个规模账面市值比sizeBM25个规模经营盈利能力sizeOP和25个规模投资sizeINV组合IND代表Fama-French49个行业投资组合Disp10表示10个分歧贝塔的十分组SizeDisp25表示25个规模-分歧投资组合BD四分组包括公司债券公司债券和MBS以及所有固定收益证券中由分歧贝塔组成的所有四分组投资组合在前三行中我们控制估计过程中的FF5和HXZ4因子共9个因子后三行我们控制了FF5HXZ4和债券市场三因子共12个因子请务必阅读正文之后的信息披露和重要声明-18-定量研究专题报告告在图表6的第一列中可以观察到控制股票级分歧后分歧度贝塔对横截面股票收益有显著的正向影响分歧贝塔的高低组合之间的收益率差为038每月t统计量为350而FF5和HXZ4阿尔法分别为026和038t统计量分别为203和265此外我们调查了具有不同分歧贝塔值的股票之间的交易活动正如预期的那样交易活动通常在股票级别的分歧中增加相比之下交易活动对分歧贝塔具有U型模式十分组中第一和第十组较高中间分组值较低这进一步突出了分歧贝塔效应和分歧在个人资产层面的影响之间的差异其次如第24节所讨论的不确定性的资产定价推断与我们的分歧效应相反因此我们估计的贝塔值和迄今记录的资产回报之间的显著正相关关系与分歧度量只反映不确定性的解释相反分歧度量和不确定性波动率度量之间的相关性在015到038之间尽管如此我们使用Baker等人2016和Jurado等人2015的波动率指数和不确定性指标明确控制了资产的不确定性贝塔效应每个资产的不确定性贝塔是基于与我们的分歧贝塔使用的相同的滚动窗口贝塔估算程序来估算的对于美国个股分别基于对EPUJLN和VIX测量的分歧贝塔和不确定性贝塔形成44独立的双排序投资组合对于四个分歧贝塔组合中的每一个图表6的面板A的第二第三和第四列报告了四个不确定性贝塔投资组合的平均回报来控制不确定性贝塔效应在t统计量大于3的情况下分歧贝塔投资组合的收益差约为030每月而FF5和HXZ4投资组合的阿尔法为023-035每月t统计量大多大于229图表6的PanelB控制了所有固定收益资产的不确定性贝塔效应为了在每个投资组合中有足够的资产我们构造22独立的双排序投资组合不奇怪的是高低分歧贝塔组合之间的收益差和FI3阿尔法小于股票中的收益差在每月010到018之间但t统计值在174到256之间仍然略显显著总体而言这些结果证实在控制不确定性贝塔后分歧贝塔对横断面股票和固定收益资产回报率具有显著的正向影响请务必阅读正文之后的信息披露和重要声明-19-定量研究专题报告图表6分歧贝塔和潜在的替代性解释6资料来源JournalofMonetaryEconomics兴业证券经济与金融研究院整理五鲁棒性我们进行了许多鲁棒性检查首先在估计分歧贝塔值时控制基准因子考虑到使用36个月的滚动窗口进行估计在一次回归中包含所有基准因素会增加太多的干扰并大大扭曲估计精度因此将基准因子逐个纳入图表7报告了贝塔估算值在分别控制面板A和面板B中HXZ4和FF5因子的股票后的十分组投资组合以及控制面板C中FI3因子的四分组投资组合多空分歧贝塔投资组合的阿尔法使用相应的基准模型计算我们观察到与基线结果一样收益差和阿尔法都是显著的6该表报告了基于分歧贝塔和股票级别分歧的独立双排序投资组合对于每只个股我们从IBES中提取金融分析师对这只股票一个季度前的盈利预测并使用由盈利预测均值放大的横截面标准差作为衡量股票级别分歧的尺度我们需要至少5个可用的预测来计算这个股票层面的分歧度量我们根据分歧贝塔和使用纽约证券交易所对每个变量的断点的股票级别分歧将股票独立地分为44的投资组合并计算价值加权回报率然后对于四个分歧贝塔排名中的每一个我们取四个股票级别分歧投资组合的平均值以获得四组的分歧贝塔我们将第四组和第一组之间的收益差报告为High-Low还报告了多空投资组合的FF5HXZ4阿尔法和相应的t统计量接下来的三列报告了基于分歧贝塔和三个波动率不确定性贝塔的独立双排序投资组合分别针对Baker等人2016的经济政策不确定性测度Jurado等人2015的宏观不确定性测度和VIX逐月变化这些波动率和不确定性贝塔的估计方法与分歧贝塔的估计方法相同对于美国个股我们首先根据分歧贝塔和一个波动率不确定性贝塔组成44独立的双排序投资组合并遵循与股票层面分歧相同的程序最后三列报告了对所有固定收益资产的分歧贝塔和三个波动率不确定性贝塔的独立双排序结果我们形成22的独立双排序投资组合以确保在固定收益市场资产数量较少的情况下每个投资组合中有足够数量的资产我们报告了固定收益资产的收益差异和三因子阿尔法值Newey-westt统计量在括号内报告和表示105和1的显著性水平请务必阅读正文之后的信息披露和重要声明-20-