中國股市價值溢價的時變性

黃芬紅

〔摘要〕鑒于已有研究在考察價值溢價現象及其成因時都未考慮股市的周期性，本文采用馬爾科夫區制轉移模型識別股市在不同狀態間的轉換，并分析價值溢價的時變性特征。檢驗結果發現，中國股市價值溢價表現出了與美國等成熟股市顯著不同的時變性特征：牛市時期的價值溢價較高，熊市時期的價值溢價較低；市場高波動時期的價值溢價較高，低波動時期的價值溢價較低；價值股的下行風險低于成長股，時變風險無法對價值溢價及其順周期特征做出解釋。

〔關鍵詞〕價值溢價；時變性；區制轉移

中圖分類號：F830.9文獻標識碼：A文

章編號：1008-4096（2015）03-0020-08

一、引言

價值溢價是指價值股的收益超過成長股的部分。在允許賣空的市場條件下，投資者可買入被市場低估的價值股，同時賣空被市場高估的成長股，從而在未來獲得高收益，這種投資方法屬于價值投資策略。目前，有關價值溢價的研究都將重點放在了價值投資的有效性檢驗上，卻忽略了價值投資策略的周期性問題。傳統資產配置理論假定資產收益率的數據生成過程都符合線性的時間序列模型，同時認為反映市場風險的參數在整個樣本時間內都是不變的。但是，類似于經濟周期的擴張、衰退、緊縮、復蘇，股市也在其周期內的不同狀態之間進行更替，例如，牛市和熊市、高波動狀態和低波動狀態等。市場環境以及投資者的心理和行為模式，在股票市場周期內的不同狀態具有不同的特點，因而金融資產的收益率和波動情況也是不一樣的。隨著股市運行周期的變化，任何一種策略的有效性都可能會發生變化，價值投資策略也可能在股市周期內的不同狀態中具有不同的表現。因此，本文認為無論是從理論角度對價值溢價的成因進行解釋，還是從實踐角度對投資者進行指導，忽視股市的周期性變化都是不可取的。

從理論角度看，目前有一些研究者在對價值溢價的成因進行解釋，有的從風險補償角度進行，有的從行為角度進行，不僅兩種觀點無法達成一致，而且使用相同角度和相似方法的研究也沒有得到一致的結論，部分原因在于樣本期間的選擇不同，若考慮到股市的周期性變化導致不同的市場狀態具有不同的特點，這一分歧就不足為奇了。并且，無論是風險還是行為，在不同市場狀態下都具有截然不同的特點，如果區別對待不同的市場狀態，對價值溢價的成因可能會有更深一步的理解。從實踐角度來看，僅僅知曉股市存在價值溢價這一點是遠遠不夠的，因為它過于籠統，無助于研究者深入理解與價值溢價相關的問題，也難以有效地指導市場參與者進行實際投資活動。投資者可能會關注價值投資策略的有效性是否會隨著股市周期的變化而發生改變，價值投資策略更適用于牛市還是更適用于熊市，高波動期還是低波動期。對以上兩方面問題的研究，都需要考慮股市的周期性變化。然而，已有的相關文獻僅局限于對整個樣本期間的分析，并沒有區分不同市場狀態下的狀況。

關于市場狀態的劃分，本文采用馬爾科夫區制轉移模型來進行。雖然股市的上漲和下跌是反復交替出現的，但并不是定期的，而且股市上漲和下跌是不同的內在機制在起作用。有研究表明中國股市具有明顯的非線性特征，不同的市場狀態具有不同的收益率和波動率[1-2]。馬爾科夫區制轉移模型將這種股市結構變化特征視為一種機制向另一種機制的轉換，在模型的估計過程中將其內生化使之成為待估參數，因而比事后根據指數走勢劃分市場狀態的主觀劃分方法更加科學合理。Gulen等[3]的研究也表明，嵌入非線性結構的馬爾科夫區制轉移模型對于捕捉價值溢價的時變性是非常有用的。

本文的研究具有兩方面的意義。首先，有助于進一步研究價值溢價的成因。因為標準（簡稱CAPM）的資本資產定價模型的風險度量指標不隨時間發生變化，無法體現不同狀態下的風險情況，因此具有一定的局限性。而本文的時變性視角將有助于考察時變風險及其對價值溢價成因的解釋。其次，從投資實踐方面來看，投資者如果能把握市場的周期性變化，并且了解價值溢價的時變特征，就能利用這種規律進行投資策略安排，以獲取收益或規避風險。本文剩余部分結構如下：第二部分為文獻綜述，第三部分為數據來源與模型設定，第四部分為價值溢價在不同狀態中的表現，第五部分為價值股與成長股的時變風險分析，第六部分為結論與啟示。

二、文獻綜述

國外已有一些研究從時變性視角對價值溢價進行分析。Kwag和Lee[4]對美國股市的研究發現，在整個經濟周期內，價值股組合能夠持續戰勝成長股組合，價值投資策略在經濟緊縮期的好處大于經濟擴張期。Chen等[5]通過估計價值股和成長股的條件期望收益之差證實價值股溢價表現出反周期變化的特征。Gulen等通過馬爾科夫區制轉移模型比較了股市高波動狀態與低波動狀態兩種情形下，股票與預期風險溢價之間的關系，也得到價值溢價具有反周期性的結論，股市的高波動狀態與經濟周期中的蕭條期相關，而低波動狀態與經濟繁榮期相關，價值溢價在高波動狀態中會顯著變大，而在隨后的低波動狀態中價值溢價則會下降[3]。除美國市場外，Bayramov[6]以歐洲市場（英國、法國、德國）為研究對象，考察了價值溢價和商業周期之間的關系，在歐洲市場中，價值溢價在經濟擴張期上漲，在經濟蕭條期下降，表現出了順周期行為，與美國股市結論相反。

國內目前還鮮有研究者從周期性和時變性視角對價值溢價展開研究。有關價值溢價的文獻主要關注中國股市價值溢價的存在性，而有關周期性的研究主要關注股市整體的周期性變化，將二者結合的文獻非常少見。價值溢價的存在性檢驗方面，朱憲國和何志國[7]與王春艷和歐陽令南 [8]的檢驗結果均顯示股票的收益率與市凈率呈負相關關系，說明中國股市具有價值溢價異象。關于股市周期中不同狀態的劃分，不同研究者所使用的方法不同。陸蓉和徐龍炳[9]借助波浪理論劃分股市的波峰及波谷，進而區分牛市、熊市。閆偉和楊春鵬[10]的方法與此類似，依據滬市與深市綜合指數階段運行的最高點、最低點所出現的日期對牛市、熊市進行劃分。以上研究所用的方法屬于較為簡單的事后主觀劃分方法，即根據指數走勢的高點和低點來判斷周期轉折點。嚴武等[11]則采用基于商業周期劃分方法發展起來的“BB轉折點確認程序”分析方法（簡稱BB劃分方法），找出牛市、熊市的起點和終點，并揭示出中國股票市場的牛、熊市特征，證明中國股市的牛市和熊市為兩個界限分明的階段。張兵[12]認為股價的波動實質就是狀態的轉換，運用馬爾科夫區制轉移方法對中國股市的波動進行研究，結果表明，1997—2002年中國股市存在慢牛市、瘋牛市和熊市三種狀態。高金余和陳翔[13]也采用類似的方法進行了研究，認為中國股市波動存在三種狀態：快速下跌、快速上升和慢跌，且慢跌是主要的波動狀態。

綜上可知，研究者用來劃分股市周期的方法主要有比較簡單的波浪劃分法，以及較為復雜的BB劃分方法、區制轉移模型法。鑒于國內目前缺乏對價值溢價時變性特征的研究，本文將周期視角運用到對價值溢價的分析之中。由于中國股市具有明顯的非線性特征[1-2]，而馬爾科夫區制轉移模型能很好地刻畫這種非線性特征，因而本文采用馬爾科夫區制轉移模型來考察價值溢價在股市周期內不同狀態中的表現。

二、數據來源與模型設定

（一）數據說明

本文的研究對象為中國滬深A股股票，剔除ST、PT類股票，最后進入樣本的股票數目為2 551只。為考察不同市場狀態下的價值溢價，本文所需要的數據有個股月收益率、市場月收益率、無風險收益率、市凈率、市盈率、市銷率和市現率等指標，這些數據主要來源于國泰安數據庫。由于1997年以前的股票市場還不夠完善，沒有漲跌幅限制，股票波動比較異常，因而本文選取的樣本期間為1997年1月至2014年3月。

（二）模型設定

1.模型構建

為了準確地對中國股市的市場狀態進行劃分，本文參考Hamilton[14]的思想，采用馬爾科夫區制轉移模型進行分析。為簡便起見，本文以兩狀態為例對此模型進行介紹。用rt來表示被檢驗的股票組合在t期的超額收益率，用向量Xt表示相關解釋變量，馬爾科夫區制轉移模型可被表示為：

rt=μSt+β′StXt+εt，εt～N（0，σ2St）（1）

其中，μSt為常數項，β′St為解釋變量的估計系數向量，εt為模型殘差，服從均值為0、波動率為σSt的正態分布。需要注意的是，所有估計系數的下標St是一個虛擬變量，它表示不同時期的市場狀態，在兩區制轉移模型中，St的取值為1或2，在三區制轉移模型中，St的取值為1、2或3。在此模型框架下，常數項、斜率系數、超額收益的波動率均隨著St的變化而發生變化。

虛擬變量回歸中，虛擬變量需要事先設定，具有一定的主觀性。馬爾科夫區制轉移模型認為，市場狀態及其變化是不可觀測的，因而模型的狀態變量St無法提前設定。本文模型假設狀態的變化服從一階馬爾科夫鏈，狀態轉移概率pij=P（St=jSt-1=i）表示從時刻t-1的狀態i換到時刻t的狀態j概率，t時刻的狀態St只與t-1時刻的狀態St-1有關。不同狀態之間的轉移概率可以通過轉移矩陣P來表示，P=p11p21p12p22。另外，從轉移概率可以得到各區制的持續期，持續期是指每個區制或某個狀態下持續的時間長度。

該模型與一般模型的區別在于引入了一個狀態變量，該狀態變量不可觀測，但遵循馬爾科夫過程。市場上可能存在多個狀態，每種狀態下的收益率和波動過程具有不同的性質，市場就在多個狀態之間相互轉換。該模型不僅能描述股市周期的狀態特征，而且能很好地進行轉折點的預測。

2.模型參數估計

首先是系數估計。本文采用Hamilton的極大似然估計法對模型系數進行估計。在εt服從正態分布的假設下，變量rt在變量St取值j時的條件概率密度為：

frtΩt-1，St=j，θ=12πσjexp-rt-μj-β′jXt22σ2jj=1，2（2）

其中，Ωt-1表示包含Xt-1、rt-1及其滯后變量在內的觀察值，即到t-1時刻所能獲取的所有信息。θ=μ1，μ2，σ1，σ2為模型的待估參數向量。當概率fSt=jΩt-1，θ已知，那么在Ωt-1已知的條件下，rt的概率密度可通過對f（·）進行加權求和得到為：

frtΩt-1，θ=∑2j=1PSt=jΩt-1，θfrtΩt-1，St=j，θ（3）

在樣本期內，總的對數似然函數為式（4）。最大化式（4）便可得到參數的估計值。

lnLrtΩt-1，θ=∑Tt=1lnfrtΩt-1，θ（4）

其次是區制轉移概率估計。在區制轉移模型中，除了模型中的系數，區制轉移概率也是一個需要估計的變量，區制轉移概率分為兩種：濾波概率（filter probabilities）和平滑概率（smoothed probabilities）。在給定初始值的情況下，不同時刻的轉移概率可以通過迭代的方法得到：

PSt=iΩt-1，θ=∑2j=1PSt=iSt-1=j，Ωt-1，θPSt-1=jΩt-1，θ（5）

式（5）中的區制轉移概率可以通過貝葉斯法則得到：

PSt-1=jΩt-1，θ=frt-1St-1=j，Xt-1，Ωt-2，θPSt-1=jXt-1，Ωt-2，θ∑2j=1frt-1St-1=j，Xt-1，Ωt-2，θPSt-1=jXt-1，Ωt-2，θ（6）

根據式（5）和式（6），我們可以獲得t=1，2，...，T的概率PStΩt，θ，這一概率通常被稱為區制的濾波概率。與濾波概率對應的另一概念是平滑概率，被定義為PStΩT，θ，T>t。本文通過平滑概率刻畫股市周期中不同區制的轉換。平滑概率主要是指利用全部時點的樣本信息來推斷時點t樣本處于不同區制的概率：

PStΩt，θ=∑2i=1PSt=j，St+1=iΩt，θ=PSt=jΩt，θ·∑2i=1Pji·PSt+1=iΩt，θPSt+1=iΩt，θ（7）

三、價值溢價的時變性

從整個樣本期間看，價值溢價顯著存在，價值投資者能夠獲得異常收益。但價值投資策略在股市周期的不同狀態中具有什么樣的表現呢？下文通過區制轉移模型尋找股市周期的轉折點，將整個樣本期間劃分為不同市場狀態，進而考察價值溢價在不同市場狀態中的表現。至于中國股市應劃分為幾個狀態，已有的研究結論并不一致，研究者通常采用兩狀態模型刻畫中國股市的周期性特征，但也有文獻指出三狀態模型對數據的擬合程度更好[12-13]。本文分別使用兩狀態模型和三狀態模型進行考察。

在進行區制轉移模型分析之前，需要對價值股與成長股的劃分方法以及持有期收益率的計算方法進行簡要說明。

首先是組合的劃分。除使用最基本的市凈率（PB）指標外，本文還使用市盈率（PE）、市銷率（PS）和市現率（PC）分別來構建價值股和成長股組合。借鑒LSV[15]的投資組合構建方法，分別以PB、PS、PE、PC為具體的指標對所有樣本股票進行排序，然后根據指標值的大小將股票分為若干個組合。LSV采用十等分法，而本文將所有股票劃分為五個組合，指標數值較小的一組即為價值股組合，以字母V表示；指標數值最大的一組即為成長股組合，以字母G表示；買入價值股并賣空成長股的股票組合稱為套利組合，以字母VMG表示。由于中國股市發展歷程較短、樣本數據有限，為了增加組合樣本觀測數量，本文借鑒Jegadeesh和Titman[16]提出的重疊持有期方法，即在17年的樣本期間內，每月進行一次類似的分組，依次滾動，一共構建207次組合樣本期間為1997年1月至2014年3月，由于最短持有期為12個月，故從2013年4月開始將不再繼續構造投資組合。這樣一共構造207次組合。。

其次是持有期收益率的計算，本文將持有期定為12個月，計算單只股票從組合構建點開始往后持有12個月的月平均收益率。持有期月均收益率主要有兩種計算方法：累積收益率（CR）和買入持有收益率（BHR），前者采用算術平均方法，后者采用幾何平均方法。國內研究多采用算術平均法來計算持有期收益率，但是在月收益序列波動較大的情況下，采用算術平均法計算出來的收益率要大于實際持有期收益率，這樣就會發生高估股票持有期收益率的情況，影響研究的準確性[17]。因此，本文選擇買入持有收益率來度量股票的持有期收益情況。

（一）基于兩區制轉移模型的結果

本文對滬深A股市場月收益率序列RM進行兩區制轉移模型估計，目的是根據市場收益及其波動特點進行股市周期的劃分，因而模型中未包含解釋變量Xt。根據相關參數的估計結果，在樣本期間中有141個月處于區制1，另外54個月處于區制2。從均值μSt的估計值可以看出，區制1的平均收益為-0.0043，區制2的平均收益為0.0423，顯然，區制2的收益情況比區制1高得多，而且區制1的收益小于零。這意味著，區制1屬于股市周期中的熊市，而區制2屬于股市周期中的牛市。從模型殘差的波動率σSt來看，區制1和區制2的波動率分別為0.0591和0.1247，區制2的波動更高，即牛市中收益的波動率高于熊市。這一點與國外有所不同，但符合中國股市特點。朱鈞鈞和謝識予[18]也指出，成熟股市中高波動率同經濟的蕭條期相關性很強，而中國股市中的高波動卻同牛市的相關性很強。從兩個區制的持續期數值可以看出，區制1的持續時間長于區制2，也符合中國股市“牛短熊長”的特點。而且，停留于區制1的轉移概率P11為0.9762，停留于區制2的轉移概率P22為0.9353，說明兩個區制均有較高的穩定性，不過區制1的穩定性較區制2更高一些。

圖1和圖2分別給出了區制1和區制2的轉移概率和市場收益率的走勢對比情況，圖中的柱形圖表示各時期的轉移概率，折線圖表示市場月收益率的走勢，轉移概率以及收益率的值分別通過左、右縱坐標軸給出。從圖中可看到，在整個樣本期間內，區制1占據了絕大多數時間，區制2占據的時間較短。從日期上看，區制2主要包括2005年末至2009年這段時間，其它的絕大部分時間都處于區制1，波動性較高的時段都處于區制2，波動性較小的時段則處于區制1。從波動特點進行劃分，區制1和區制2分別代表低波動區制和高波動區制。

圖1區制1的區制轉移概率和市場收益率走勢圖

圖2區制2的區制轉移概率和市場收益率走勢圖

根據上述兩區制轉移模型所估計出的兩個區制的平滑轉移概率序列，將整個樣本期間分為兩個狀態，然后分別比較兩個狀態中的價值溢價情況。具體的方法是：在每一時刻t，比較區制1和區制2的平滑轉移概率P11和P22的大小，若P11≥P22，則認為時刻t屬于區制1，若P11

表1價值溢價在兩個區制中的表現

在區制1中價值股和成長股的持有期收益率均小于零，而在區制2中價值股和成長股的持有期收益為均大于零。從這一點可以進一步認定區制1與熊市相關，區制2與牛市相關。從t值來看，在區制2中價值股和成長股的正收益都是具有統計顯著性的；而在區制1中成長股的負收益具有統計顯著性，價值股的負收益卻是不顯著的。以上結果說明，在牛市中價值股和成長股組合都能獲得正收益，只不過價值股的正收益更高；在熊市中價值股的收益基本為零，成長股的收益為負?？梢?，價值股和成長股在不同的區制表現不同，在牛市價值股比成長股漲得多，在熊市價值股比成長股跌得少。從實踐角度看，在牛市中持有價值股和成長股都能獲利，只不過持有價值股獲利更多；在熊市持有成長股會遭受損失，而持有價值股雖不能獲得正收益，但卻能避免負收益帶來的損失。通過兩區制轉移模型的分析表明，在牛市中價值投資組合所形成的價值溢價更高，市場高波動時期的價值溢價往往會高于低波動時期。

（二）基于三區制轉移模型的結果

首先，對滬深A股市場月度收益率序列RM進行三區制轉移模型估計，結果如表3所示。

根據表3可以看出，區制1、區制2和區制3的市場收益均值分別為-0.0061、-0.0629、0.1049；區制3的市場收益最高，代表股市周期中的牛市，區制1和區制2的收益都小于零，代表熊市。雖然區制1和區制2都與熊市相關，但相比而言，區制2的負收益更低，屬于“極度熊市”。結合持續期長短來看，區制1持續的時間更長，符合中國股市實際情況，即中國股市長期處于“慢熊”階段。從模型殘差的波動情況來看，區制2的波動性最高，其次是區制3，區制1的波動性最低。

其次，對三個區制的價值溢價進行考察。表4給出了以上三個區制中套利組合的收益情況。

在PB情形下，價值投資組合在區制2形成的價值溢價更高，區制3的價值溢價次之，區制1的價值溢價最低。在PE情形下，價值溢價在區制3最高，區制1次之，區制2最低（實際上，t值不顯著，說明區制2的收益與零無差異）。在PS和PC兩種情形下，價值投資組合所形成的價值溢價在區制3是最高的，區制2次之，區制1最低。從表3中已經知道，區制1、區制2、區制3分別對應著低波動區制、高波動區制、中波動區制。綜合上述數據結果，可進一步得到以下結論：從市場收益的角度看，區制3的價值溢價比較高，區制1的價值溢價較低，意味著牛市的價值溢價較高，而熊市的價值溢價較低；從波動角度看，中波動區制的價值溢價較高，而低波動和高波動區制的價值溢價較低；從四個指標對比來看，PB和PS在三個區制都存在相對較高的價值溢價，與PE和PC相比較為穩定，PB和PS對價值投資具有較強的指導價值，PB在熊市具有較強的抗跌能力，在熊市也能獲得較高的價值溢價，而PE的抗跌能力較弱，只有在牛市中才能獲得價值溢價，熊市中的價值溢價非常低。比如PB指標下的價值溢價在區制2這一“極度熊市”中的價值溢價最高，達到0.0093，而PE指標下的價值溢價在區制2中基本與零無差異。

四、價值股與成長股的時變風險分析

標準的CAPM模型通常使用單只股票收益對整體市場收益的敏感性因子β來衡量股票的風險。CAPM模型假定股票的風險在較長時間內是穩定不變的，但這種假定與現實嚴重不符。國內的許多研究也發現，通過線性回歸方法得到的股票或股票組合的β系數是不穩定的，隨時間發生變化。在現實世界中，股票的風險不是一成不變的，往往呈現周期性變化。另外需要注意的是，基于CAPM模型的β系數并不是度量股票風險最合理的指標，因為β是基于方差和協方差計算的，而方差在作為風險衡量方式的一大不足是它對收益超過均值的波動與低于均值的波動賦予同樣的權重[20]，顯然與現實不符?，F實世界里的投資者更加關注收益低于均值的波動所帶來的風險，即更加關注股市的下跌風險，因而使用基于半方差的下行風險β-能更加真實地度量股票的風險?；谝陨蟽牲c理由，本文對標準CAPM模型進行改進，使用能夠區分不同市場狀態的時變CAPM模型來考察價值股和成長股的風險情況，具體模型如下：

前文顯示中國股市的價值溢價具有時變性，在牛市的表現優于熊市。從這部分結果可知，價值股和成長股對市場收益變動存在不對稱性反應。價值股的收益在市場向好時上漲得多，在市場較差時下跌得少；成長股則相反，在市場向好時上漲得少，在市場回落時下跌得多。這一點可以對價值股相對于成長股的優異表現進行解釋，但這種解釋并不屬于已有研究提出的風險解釋。實際上，價值股和成長股在不同狀態中的不對稱，可以從投資者行為偏差角度進行解釋，這屬于行為金融學的范疇，在未來的研究中，我們將從這一視角進行更深入的分析。

五、結論與啟示

已有的經驗研究主要關注價值溢價的存在性檢驗，忽視了對價值溢價周期性和時變性的考察。本文以1997年1月至2014年3月滬深A股股票為研究對象，采用區制轉移模型考察了價值溢價在股市周期中不同市場狀態的表現，并從風險角度對此進行了深入分析。結果顯示，價值溢價具有時變性，牛市中的價值溢價較高，熊市中的價值溢價較低，從波動特點來看，價值溢價在市場高波動狀態時較高，在市場低波動狀態時則較低。分析表明，價值溢價的這種時變性并不能通過周期性風險來解釋。

與美國股市價值溢價的時變性相比，中國A股市場中的價值溢價表現出了不同的時變性特征。在中國股市價值溢價在牛市中具有更好的表現，而在美國股市價值溢價更多地來源于熊市，即美國股市的價值溢價具有反周期性。同時，本文研究也表明中國股市的價值溢價及其時變性無法通過時變風險得以解釋，而美國股市的價值溢價及其時變性則可以通過時變風險得以解釋，因為在美國股市中價值股在熊市中面臨的風險高于成長股，符合標準金融學中的風險定價理論[3]。這些不同之處可能與中美股市不同的波動特征及牛熊市特征相關，具體細節則需要進一步深入研究。

中國A股市場存在明顯的價值溢價現象，而且價值溢價表現出了時變性特征，這一點應引起學術界和實踐者的關注。價值溢價及其時變性特征無法通過時變風險因素進行解釋，是對標準金融學理論的挑戰，應深入研究其原因，為投資者和管理者提供合理的理論解釋。而對于實踐界的投資者來說，關注價值溢價及其時變性尤為重要，因為這與價值投資策略的有效性及其在實踐中的靈活運用有很大關系，投資者應嘗試根據價值溢價的時變性特征來擇時交易，提高投資組合的收益性。

參考文獻：

[1]徐緒松，彥斌.深滬股票市場非線性實證研究[J].數量經濟技術經濟研究，2001，（3）：110-113.

[2]李卓，趙勇.風險的多態性與投資組合構造：一種基于Markov狀態更替的CAPM模型[J].世界經濟，2005，（7）：60-68.

[3]Gulen， H.， Xing，Y.， Zhang，L. Value Versus Growth： Time-Varying Expected Stock Returns[J]. Financial Management， 2011，40（2）： 381-407.

[4]Kwag，S.W.，Lee，S.W.Value Investing and the Business Cycle[J].Journal of Financial Planing，2006，7（8）：1-10.

[5]Chen L.，Petkova， R.， Zhang， L. The Expected Value Premium [J]. Journal of Financial Economics， 2008， 87（2）：269-280.

[6]Bayramov， A .Value Premium and Business Cycles： A Perspective on Major European Markets [J]. Master Thesis， 2013.19-24.

[7]朱憲國，何志國. β值和賬面/市值比與股票收益關系的實證研究[J]. 金融研究，2002，（4）：71-79.

[8]王春艷，歐陽令南.價值投資于中國股市的可行性分析[J]. 財經科學，2004，（1）：32-36.

[9]陸蓉，徐龍炳. “牛市”和“熊市”對信息的不平衡性反應研究[J]. 經濟研究，2004，（3）：65-72.

[10]閆偉，楊春鵬.不同市態階段的股票收益風險實證研究——情緒沖擊與投資策略[J].當代財經，2011，（12）：54-63.

[11]嚴武，徐偉，王靜. 中國股市周期的劃分與實證分析：1991—2004[J].當代財經，2006，（10）：47-52.

[12]張兵.基于狀態轉換方法的中國股市波動研究[J].金融研究，2005，（3）：100-108.

[13]高金余，陳翔. 馬爾可夫切換模型及其在中國股市中的應用[J]. 中國管理科學， 2007， （6）： 20-25.

[14]Hamilton， J. D. A New Approaeh to the Economic Analysis of Nonstationary Time Series and the Business Cycle [J]. Econometrica， 1989， 57（2）：357-384.

[15]Lakonishok， J.， Shleifer， A.， Vishny， R.W. Contrarian Investment， Extrapolation， and Risk [J]. Journal of Finance， 1994，49（5）：1541-1578.

[16]Jegadeesh， N.， Titman， S. Returns to Buying Winners and Selling Losers： Implications for Stock Market Efficiency [J]. Journal of Finance， 1993， 48（1）： 65-91.

[17]Barber， B.， Lyon， J. Detecting Long-Run Abnormal Stock Returns：The Empirical Power and Specification of Test Statistics [J]. Journal of Financial Economics， 1997，43（3）： 341-372.

[18]朱鈞鈞，謝識予.狀態轉換和中國股市的獨特特征——基于馬爾科夫狀態轉化-自回歸模型的分析[J].上海金融，2010，（10）：50-54.

[19]Petkova， R.， Zhang， L. Is Value Riskier than Growth？ [J]. Journal of Financial Economics， 2005， 78（1）： 187-202.

[20]黃賦凱. 我國A股價值溢價實證研究——基于半方差方法的分析[J]. 南方金融， 2014， （3）：57-62.

[21]Ang ，A.，Chen， J.，Xing ，Y.Downside Risk [J]. Review of Financial Studies， 2006， 19（4）：1191-1239.

（責任編輯：鄧菁）