来源：长江商学院
股票市场中的“异常现象”一直是学术界和投资界共同关注的焦点。近年来，基于投资的资产定价理论试图从公司基本面出发解释这些异常。然而，以往研究通常选择不同的模型参数来匹配特定异常现象，缺乏一个能够解释广泛的股市异常现象的普适模型。
近日，长江商学院金融学教授、中国产业政策研究中心主任李学楠教授合作论文《基本面异常》（Fundamental Anomalies）在这一领域取得了突破性进展，提出了一种全新的基于贝叶斯马尔可夫链蒙特卡洛（Bayesian MCMC）的独立于特定投资组合的估计方法，对投资理论模型进行更全面的评估，得到一个高普适度的模型估计。该论文近日被国际顶级学术期刊Management Science接受。
Management Science （《管理科学》）创办于1954年，由美国运筹学与管理学学会主办，是管理学领域历史悠久、口碑最高的权威期刊之一。Management Science是世界公认的管理学最顶级期刊UTD24列表中管理科学类排名第一的期刊，也是英国金融时报Financial Times评定的50本商学院顶级期刊（简称FT50）之一。
Management Science主要发表和管理有关的理论和实践的研究成果，包括与战略、创业、创新、技术和组织有关的所有管理方面以及所有业务职能领域的文章。
该论文由长江商学院李学楠教授与厦门大学邹至庄经济研究院助理教授马国良、同济大学经济与金融系教授王姝晶、美国爱荷华州立大学统计系教授Cindy Yu共同撰写。
该合作论文采用1967年1月至2017年6月的美国上市公司数据，探究q理论模型能否解释大规模的股市异常现象。论文借助贝叶斯MCMC方法对模型参数进行估计，以匹配公司层面的股票回报，并与传统的广义矩估计（GMM）和非线性最小二乘法（NLS）进行比较。研究考虑了参数在不同行业和时间上的变化，并分析了模型在解释12种异常现象方面的表现。模型估计的结果产生了巨大且显著的规模溢价、动量溢价、投资溢价、盈利溢价和无形资产溢价。
核心要点
●该论文突破了以往研究中存在的“相关性难题”瓶颈，提出的模型能够更好地匹配公司层面的股票回报和模型预测的回报之间的相关性。在参数随行业和时间变化的设定下，基本面和实际投资组合回报的相关性显著提高。
●这一新方法还克服了传统方法中参数依赖于特定投资组合的问题，能够在无需改变参数的情况下，同时解释多种异象，确保了模型在不同市场条件下的稳健性和一致性，为投资者提供了更为精确的资产定价工具，具有重要的理论价值与现实意义。
●该研究不仅在理论上具有创新性，在实践应用中也极具指导意义。研究为投资者提供了一套更加精准的投资决策工具，通过对市场异象的深入分析和预测，投资者可以更好地把握市场趋势，优化投资组合配置，从而实现更高的收益。此外，研究还为政府在不确定性环境中进行更有效的财政管理提供了一套理论框架，同时强调了金融市场在政府财政政策中的关键角色。
●这项研究在加深对市场异象背后机制理解的同时，也为构建更加科学合理的资产定价模型提供了新的思路。随着金融市场环境的持续演进，资产定价模型研究的重要性将日益凸显，该论文为投资者和政策制定者提供了宝贵的参考依据。
李学楠教授简介
李学楠教授为长江商学院金融学教授、中国产业政策研究中心主任。李学楠教授的研究领域主要集中在资本结构、资产定价和宏观经济学领域。她的研究论文探讨了资产定价以及公司治理领域的前沿问题，提出了许多兼具创新性和实用性的理论观点和实践建议。研究论文多次发表在Review of Financial Studies, Journal of Financial Economics, Journal of Monetary Economics, Management Science等顶级学术杂志上，这些论文不仅具有很高的学术价值，同时也为金融行业的实践提供了重要的理论支持。李学楠教授于2017年和2023年两度获得长江商学院杰出研究奖。
李学楠教授目前担任Journal of Empirical Finance, International Review of Finance 和Quarterly Journal of Economics and Management 学术期刊的副主编。她的研究论文《资产负债表财务灵活性》近期还在全球三大金融学术会议中的中国国际金融年会上荣获最佳论文奖。
自创校起，长江商学院凭借“学术研究立校”“教授治学”等一系列机制创新，吸引汇聚了一批在世界管理学术界享有盛誉的学者全职加入长江。
学院为教授提供了较为成熟的、具有一定全球竞争力的学术研究平台及生态体系，使得教授能在加入长江后仍然能持续开展前沿性、引领性的研究，不断产生世界级的研究成果，获得全球学术界的广泛认可。
文中图片来自图虫创意，转载需获授权。
特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。
