上市公司資產增速對股票回報率的影響

謝暢 沈昱成

摘? ?要：針對實證研究中的投資因子之謎，本文探究上市公司的資產增速對收益率的影響，以2003—2018年A股3631只為樣本，構建資產增速因子，檢驗其對超額收益的解釋能力。通過對資產增速進行單變量排序，構建了5個資產組合;結合規模或賬面市值比進行雙重排序，分別構建了15個資產組合。研究發現：組合持有收益率和資產增速間有較為明顯的負相關性，構造的風險中性投資組合有比較穩定的正收益;和FF三因子模型相比，資產增速因子并沒有提供顯著的超額收益，預示著不同因子間潛在的相互替代性;Fama-MacBeth回歸分析結果中資產增速的系數始終為負，但并不顯著。

關鍵詞：股票回報率;超額收益;Fama-MacBeth回歸分析;資產增速;因子模型

DOI：10.3969/j.issn.1003-9031.2021.11.001

中圖分類號：F830.91;F832? ? ? ? 文獻標識碼：A? ? ? ? 文章編號：1003-9031（2021）11-0003-15

一、引言

2020年是上海證券交易所和深圳證券交易所成立的第30年。30年間，中國資本市場的改革不斷進行，資源配置能力不斷增強，市場監管體制不斷完善。2019年6月，科創板正式開板;2019年12月，滬深300股指期權和ETF期權開始交易，《中華人民共和國證券法》修訂通過;2020年8月，創業板注冊制首批公司上市。截至2021年8月20日，上海證券交易所上市公司1971家，深圳證券交易所上市公司2488家，兩市總市值合計為84.58萬億元。

與兩市總市值快速上升形成鮮明對比的是，上證綜指等指數停滯不前。上證綜指從2007年2月首次突破3000點之后震蕩了十余年，到2021年7月收于3397。而兩市總市值從2006年末的大約8.9萬億波動至今，年均增長超過15%。總市值的上升主要來自以下兩個方面：一是新增的上市公司（IPO）和再融資導致的股本數量的增長;二是股本數量的增加（這里暫不考慮優先股）。根據胡李鵬和張韻（2016）的統計，2007年以來增發融資成為A股市場股權融資的主要渠道，占比常年超過50%，其次是IPO融資。近年來，可轉債轉股也成為股權融資的重要渠道，超過配股成為第三大融資渠道。十余年來的兩市股權融資結構如圖1所示。

由圖1可知，再融資和首次發行融資的差距在逐漸拉大。投資者常常戲稱上市“圈錢”。其實上市只是“圈錢”的起點，遠不是“圈錢”的終點。以上海證券交易所2019年的數據為例，再融資的各分項中定向增發是最主要的部分，達2902.43億元，其次是可轉債轉股245.81億元、公開增發83億元、配股70.16億元。2019年上海IPO籌資1019.66億元，不及再融資的三分之一。這說明了研究再融資，特別是定向增發具有重要的意義。

在公司金融層面，陸宇建和史曉楠（2019）研究了大股東認購在定向增發中的行為，發現認購比例越高，越有可能對中小股東進行利益侵占或者補償流動性風險。說明這種再融資制度可能存在效率和公平層面的缺陷。

在資產定價方面，股權融資是資產規模擴大的重要組成部分。資產增速因子是否在中國A股市場具有超額收益的解釋能力？如果有，這一因子能否被現有的因子模型如Fama-French三因子模型所解釋？認識到這一因子的存在，能否幫助我們對不合理的資產增速進行定價，構建可操作的投資組合？本文試圖回答這三個問題。

二、文獻綜述

資本市場主要有資金融通和價值發現兩大功能。融資活動實現了資金充裕者向資金需求者的轉移。中國A股市場是否實現了其價值發現的功能，需要對市場有效性進行檢驗。在中國資本市場不斷發展的同時，學術界也在對中國A股市場展開研究。其中主要有兩條路徑。

一是基于因素（因子）模型討論中國A股的資產定價模型，以及對模型適用性的檢驗。王茵田和朱英姿（2011）基于消費和投資的資產定價理論，對中國A股市場檢驗了12個因素，最后發現基于市場風險溢價、賬面市值比、盈利股價比等八個因素的模型優于Fama-French三因素模型和12因素模型，能夠更好地刻畫中國A股市場。潘莉和徐建國（2011）的實證檢驗則認為市場平均回報率、股票市值和市盈率可以解釋A股回報率變化的90%以上，股票市值背后既有風險也有特征因素，市盈率對回報率的影響只與股票的特征有關。張兵和陳曉瑩（2017）對價格因子進行了檢驗，發現低價股票組合的收益率顯著高于高價股票組合。

二是把傳統模型，如條件CAPM模型，Fama-French三因子模型，不能解釋的超額收益視為一種異象，對這種異象的產生原因和影響因素進行討論。樊行健等人（2009）發現應計利潤與企業的成長性正相關，與未來股票收益負相關，應計利潤與企業成長性的正相關程度越強，應計異象越明顯。宋云玲和李志文（2009）發現當市場樂觀時，應計項目被市場高估的程度更大;當市場悲觀時，現金流被市場低估的程度也更大。行為金融理論為一些市場異象提供了解釋，權小鋒等人（2012）發現，基于投資者關注的認知狀態差異，我國資本市場存在“鴕鳥效應”，即價格反轉收益在牛市比熊市更強，而盈余慣性收益反之。

此外，近些年資產定價的基準模型范式也在不斷發生變革。Fama&French（2015）在原有的三因子模型的基礎上加入了代表公司盈利能力的因子（RMW）和投資水平的因子（CMA），發現價值因子HML成為冗余變量。高春亭和周孝華（2016）對中國股市檢驗了Fama-French五因子模型，發現規模、B/M、盈利和投資四因素在解釋個股橫截面收益差異上的顯著性依次降低，五因子資產定價模型在表現上優于三因子模型。李志冰等人（2017）進一步驗證了五因子模型更強的解釋力，并且發現股改后盈利能力、投資風格和動量因子從冗余變得顯著，實際收益率與預期收益率的差異更接近于0。趙勝民等人（2016）則認為RMW和CMA無益于解釋股票組合的回報率。Hou等人（2015）基于實體投資經濟學的q-理論提出了一個基于市場因子、市值因子、投資因子和盈利因子的模型，也在金融界實證資產定價中得到運用。

在企業投資的過程中，一個典型的現象是企業資產規模的快速擴張。Cooper等人（2008）基于美國1968—2003年的數據檢驗發現上市公司資產增速對于未來股票的異常收益具有顯著的（負向）預測作用，并且在加入B/M比、公司市值、滯后回報率、應計利潤等變量之后仍顯著，甚至是所有變量中最顯著的。這為后來的計準模型中加入投資因子提供了重要的基礎。這一發現也引發了很多對其他市場的檢驗。Gray&Johnson（2011）對澳大利亞市場進行了相同的檢驗，檢驗結果同樣發現資產增速效應更可能是一種錯誤定價。Wen（2019）對G7國家逐一進行了檢驗，發現資產增速效應在英國、加拿大、意大利、德國也很顯著，在法國不太顯著，在日本不顯著。資產增速對投資回報率的預測能力與預測分析師的樂觀判斷的能力高度相關，隨之而來的是投資者預期的向下調整，意外的收益（下降）和系統性的偏誤。Lipson等人（2011）發現資產增速的預測能力對特異性波動率（idiosyncratic volatility， IVOL）高的企業更顯著，對于特異性波動率低的企業沒有預測作用。這種超額回報集中在收益公告期間：分析師對于高增長公司的系統性地高于實現的回報。他們認為這是套利成本造成的錯誤定價。對于這種錯誤定價，Lam&Wei（2011）給出了套利受限和投資摩擦兩種非行為因素的解釋，并且實證檢驗認為這兩種解釋都有一定的證據能夠佐證。

然而，Watanabe等人（2013）基于國際資本市場的研究發現，資產增速效應在發達的資本市場更顯著，與代表套利限制、投資者保護、會計質量的變量無關。資產增速效應更可能是源于最優投資而非錯誤定價。不僅過去的資產增速對于股市的異常收益有預測作用，Li等人（2019）還發現預期的投資增速對于市場回報也有負向的預測作用，這種預測能力部分源自風險溢價隨時間的改變。

Wang等人（2015）利用中國市場1996—2010年的數據，對中國市場的資產增速效應進行了檢驗，發現中國市場同樣存在資產增速效應，并且對于更高現金流、更低負債和國有企業更顯著，再次驗證了行為金融的解釋比基于風險因子的解釋更可信。然而在Watanabe等人（2013）的跨國比較中，中國的資產增速效應不論是等權重還是價值加權都不是特別顯著。在本地貨幣等權重組合中，比較顯著（t值>2，下同）的國家包括韓國、丹麥、德國、意大利、英國、美國，在本地貨幣價值加權組合中，比較顯著的國家包括南非、澳大利亞、丹麥、法國、英國、加拿大、美國。這一現象確實在發達的資本市場更加顯著。對于這一現象，Titman等人（2013）發現資產增速效應與公司治理和交易成本沒有太大的關系，這與將其歸因于公司治理不良或過度投資的假設不符，卻符合q-理論：發達市場的管理者能夠或愿意根據資本成本調整投資支出。

面對錯綜復雜的研究結論，我們認為有必要對中國市場的資產增速效應進行深入的梳理，上述針對中國的文獻存在如下兩點問題：一是時間范圍不合理。2005—2006年開展的股權分置改革是其中一項重要分水嶺。Wang等人（2015）和Watanabe等人（2013）都沒有加以區分，根據李志冰等人（2017）的研究，在股改后投資因子才變得顯著。股改之后，中國資本市場也日漸成熟。我們選擇的時間段從2005—2018年，大致反映中國資本市場股改之后的情況，更符合中國資本市場的現實狀況。二是對于風險因素還是行為因素沒有進行清晰的討論。基于Watanabe等人（2013）的研究，發達資本市場資產增速效應更顯著，如果基于錯誤定價理論，卻和我們認為發達資本市場資源配置更合理的傳統觀點相左，因此這一現象更可能是有效的資產定價模式。Wang等人（2015）盡管引用了該文獻，卻未對該問題進行深入討論。中國從引入QFII、RQFII到陸股通的開放這一過程，為討論這一問題提供了機會。陸股通從2016年末不足1500億元累計凈流入增長至2021年7月超過1.4萬億元。截至2021年7月31日，陸股通持股市值為2.4萬億，占A股流通市值為3.53%。截至2020年9月底，QFII/RQFII持有A股總市值為1957億人民幣。我們通過對資產增速效應在不同時段的檢驗，能夠反映中國A股市場在這一時期資產增速因子是否受到境外投資者資產定價基準的影響，進而對這種現象是基于風險因素還是錯誤定價進行討論。

三、數據和因子構建方式

（一）數據說明

本文選取A股3631家上市公司，股票代碼從000001至603999，樣本期間從2003年1月至2018年6月，共計16個年度樣本期和186個月度樣本期。由于時間跨度較長，涉及上市公司較多，存在部分與交易相關的重大事項，如中途退市或上市等，難免對實證結果產生一定扭曲，故需對數據進行初步清洗，以便后續變量處理與因子構建。對于中途退市的公司（如股票代碼000003，于2002年退市），盡管在退市后依然有公開的財務數據，但由于缺少交易信息，因此退市后數據不再納入研究范疇;對于中途上市的公司（如股票代碼603580，于2017年上市），盡管在上市后一次性公布上市前多年財務數據，但由于這些年份無交易信息，因此也應刪除，僅考慮上市后數據。對于公司類型的篩選，Cooper等人（2008）基于美股數據對資產增速因子進行檢驗時，剔除了金融類公司;但本文并未沿用該方法，主要原因在于A股市場金融公司雖然數量不多，但市值占比很大，剔除金融類公司可能不能全面反映中國A股市場的因子全貌。考慮到眾多文獻均將金融類公司從樣本中排除出去了，為了增加文獻的可比性，我們也從全樣本中剔除金融公司進行了穩健性檢驗。

（二）因子構建

1.資產增速計算

本文重點關注的因子為資產增速。由于上市公司的年報一般在次年三月份前后公布，故下文構建的每一資產組合都從t年的7月持有至t+1年的6月（從而保證獲取上一年度財務數據），所基于的財務數據即為t-1年的報表和t-2年的報表。因此，對從t年7月開始持有的資產組合中的上市公司而言，資產增速計算公式如下：

ASSETGi，t= （1）

其中，TotalAsset指公司i在t-1年的資產負債表中的總資產。

2.持有期收益率計算

本文后續實證研究選取的樣本期間以年度為單位，而已有數據給出的是月度收益率，故需另行計算和處理各上市公司的年收益率，從而獲得資產組合收益率。月度收益率數據從2004年1月開始，至2018年7月結束，因此截至2004年7月的累計收益僅為半年期收益，無法滿足持有一年的數據要求，故下文構建的第一個資產組合持有期為2005年7月至2006年6月。

3.其他因子計算

為了對資產增速因子進行檢驗，我們加入了文獻中常見的控制變量。各個控制變量的時間選擇和計算方法如下：構建t年的投資組合使用的公司規模（MV）、賬面市值比（B/M）、市盈率的倒數（E/P）、資產周轉率（Turnover）、特異性波動率（IVOL）選擇的是各個公司t年6月最后一個交易日的數據。資產回報率（ROA）和杠桿率（Leverage）是按照t-1年的財報計算得出的：

ROA= （2）

Leverage= （3）

四、實證結果

（一）變量的描述性統計結果

在計算得到資產增速后，我們進行了初步的描述性統計。由于現有數據為面板數據，包括時間（年份）與上市公司，數據較為復雜，規模較大，故此處采用的處理方法為對每一年度橫截面上的公司的各個變量取均值和中位數，而后從2004至2016財年進行排序。觀測變量包括資產增速（ASSETG）、公司規模（MV）、賬面市值比（B/M）、市盈率的倒數（E/P）、資產周轉率（Turnover）、特異性波動率（IVOL）、持有期收益率（HPR）、資產回報率（ROA）和杠桿率（Leverage），具體結果見表1（年度數據首行為均值，次行為中位數）。

由表1可知，資產增速樣本期初值為2004年末的0.19，樣本期末值為2016年的0.67，在整個樣本期間內均值為0.88，即公司的總資產年均增長率為88%，且整體呈現波動性上升的趨勢。此外，在每一年度，資產增速的均值都大于其樣本中位數，可推知該變量數值基本呈右偏分布。做橫向比較可發現，公司規模與資產增速間大致存在正相關關系，即市值越大的公司往往擁有更高的資產增速，但并不總是如此。樣本中所有公司的年均收益率為33%，且不同持有期收益率波動較大，隨機性較強。

（二）變量的分組收益率

本部分將依據各年度各公司的特征進行分組，構建資產組合。單變量分組按照公司資產增速的大小進行排序，由小到大分為5組，分別對5個組合的股票進行買入操作，持有時間為1年，由此分別計算出等權重收益率與市值加權收益率，其中組合1資產增速最低，組合5資產增速最高。多變量分組按照公司規模（賬面市值比）和資產增速進行排序，第一步根據市值（賬面市值比）對所有公司進行排序，并分成小、中和大三組后，再在每組組內根據資產增速進一步排序，由小到大再分為5組，得出15個投資組合。

1.單變量分組收益率

表2和表3為對單變量分組后資產組合的描述性統計。表2的處理方式為對每一資產組合的部分特征在13個年度樣本期內取平均值，表3的處理方式為對每一資產組合的部分特征在13個年度樣本期內取標準差。

由表2可知，資產增速最低組合的數值為-0.08，最高組合的數值為0.69，組合極差為-0.77。橫向比較看，組合在持有期內平均收益率與資產增速基本呈負相關，資產增速最低組合的收益率最高為0.23，資產增速最高組合的收益率最低為0.18，極差為0.05。此外，公司規模與資產增速呈正相關，資產增速最低組合的市值最低為321.23（百萬），資產增速最高組合的市值最高為542.15（百萬）。而從表3報告的結果來看，不同組合資產增速的標準差均較低，持有期收益率的標準差與均值相比相對較高。

在對各資產組合進行描述性分析后，對不同年度不同資產組合的一年期持有收益率進行等權重和市值加權計算，分別得到13個樣本期5個資產組合的共計65個收益率數據，結果如表4、表5所示。

由表4、表5可知，在等權重的情況下，資產增速對收益率的負效應基本成立，尤其在2005、2007和2008等年度，負相關性尤為明顯。在13個樣本期內，有9個年度資產增速最低組合的收益率高于資產增速最高組合，僅有4個年度情況相反。資產增速最低組合與最高組合間收益率之差最大的年度在2005年為0.25，最小在2004年為-0.11。而在市值加權下，盡管負相關性沒有等權重情況下明顯，但也有8個年度的狀況相符。在此情況下，資產增速最低組合與最高組合間收益率之差最大的年度在2013年為0.29，最小在2005年為-0.11。

2.雙變量分組收益率

雙變量分組可分為按規模調整和按賬面市值比調整兩種方式。根據本節開篇的分組方法，無論用何種方式，都可獲得15個資產組合，進而計算其全部樣本區間的平均持有期收益率，結果如表6和表7所示。

由表6可知，在全部15個分組中，小規模公司中資產增速最低的組合有最高的平均持有期收益率，為0.36，但僅從本文樣本來看，平均持有期收益率最低的并非大規模公司中資產增速最高的組合。橫向比較，在規模相同時，小規模組合和中規模組合的資產增速對收益率的負效應較為明顯;但大規模公司的結論基本相反，即資產增速越高，收益率越高。

由表7可知，經過賬面市值比調整后的分組，資產增速對收益率的影響更為明顯。橫向比較，在賬面市值比相同時，資產增速最低組合與最高組合的平均持有期收益率之差都為正，分別為0.07、0.05和0.01。

（三）構建投資策略回測結果

根據單變量的分組收益率統計結果，我們發現在A股市場，資產增速低的公司相比資產增速高的公司的未來收益率確實較高。這種較高的收益率在雙變量分組的比較中依然存在。我們通過年度回測發現這種差異在2005—2018年持續性的存在。

圖2反映了在2005年7月1日購入等權重組合1至組合5各1元的回測表現。組合1是資產增速最低的組合，組合5是資產增速最高的組合。從圖中我們可以看出具有最低資產增速的組合1在2005—2018年時期內獲得了最高的累積資金，產生了顯著的投資回報。

市值加權的投資組合的回測結果如圖3所示。我們發現顯著性不及等權重投資組合的差異明顯。可能的原因是中國A股市場存在比較大量的非流通股的存在，如國有法人股。采用總市值加權可能存在扭曲，采用流通市值加權可能更符合實際，現行的滬深300、上證50等指數采用的也是流通市值加權。

從構建投資策略的角度來看，我們使用的是年度收益回測，并沒有考慮到年內的回撤大小。從投資組合的表現來看，等權重的低資產增速組合收益率最高，各個組合在2015年之后的表現均不理想，但低資產增速投資組合相對于高資產增速投資組合回撤更小，在2015—2017年仍表現出風險中性的超額收益。因此買入組合1，賣出組合5構建的市場風險中性投資組合也是一個能夠產生alpha的投資組合。組合1相較于組合5，收益率更高，回撤更小，夏普比率更高。市場風險中性組合的超額收益回測如圖4所示。其中實線代表等權重組合的超額收益，虛線代表市值加權組合的超額收益。等權重組合的超額收益比市值加權組合更高。

（四）因子收益率的α

為了研究這種差異是由資產增速本身引起的，還是由資產增速所代表的其他變量引起的，我們使用Fama&French（1993）提出的三因子模型作為基準模型，分析這一因子是否產生超額收益。在第一步獲得各組的等權收益率和市值加權收益率的基礎上分別用兩種收益率與中國市場三因子進行回歸分析，得到各組相應的超額收益α和市場β。研究結果如表8所示。其中，EW是等權重組合情況，VW是市值加權組合情況。

由表8可知，在控制了市值因子和價值因子之后，并沒有產生顯著的超額收益，市場因子依然顯著。這說明在A股市場上，資產增速很可能被市值因子和價值因子涵蓋了。資產增速并不是一個好的因子。

（五）Fama-MacBeth回歸

本文使用單變量投資組合和雙變量投資組合分析方法檢驗資產增速與預期收益率的關系，結果發現股票預期收益率與資產增速存在一定的負相關性，但是在計算alpha時，我們發現資產增速并沒有提供顯著的超額收益。為了檢驗資產增速是否被市值因子和價值因子涵蓋了，我們按照Fama&MacBeth（1973）提出的兩步檢驗法分析資產增速因子（Assetg）與市值（MV）、賬面市值比（B/M）、市盈率倒數（E/P）、特質性波動率（IVOL）、資產周轉率（Turnover）、資產增速滯后項（Lassetg）和收益率滯后項（Lreturn）之間的關系，并檢驗資產增速的系數的顯著性。被解釋變量為1年期（從t年7月至t+1年6月）的持有收益率。檢驗方法如下：

? ? ? ? ? ? ? ? ? ? ? ? ?ri，t-Rf，t=α0+β1Assetgi，t-1+ΣβkXi，t-1+εi，t （4）

其中，ri，t是個股1年期持有收益率，Rf，t為對應時期的無風險利率，Assetgi，t-1為資產增速因子，Xi，t-1為MV、B/M等控制變量。第一步，以個股t+1年的收益率為因變量，以t-2年至t-1的資產增速及其他解釋變量從2004年至2018年滾動估計β值以及殘差的標準差估計值;第二步，對樣本期間以年度為單位進行截面回歸。最終將回歸系數求平均，并檢驗統計量。檢驗結果如表9所示。

檢驗結果表明除了IVOL、Turnover外大多數因子并不顯著。資產增速因子盡管系數始終為負，但并不顯著，在一定程度上可能被其他因子所覆蓋。此外，考慮到我們的時間序列長度并不長，如果各個公司在不同因子上的風險暴露并沒有隨時間產生顯著的改變，則使用截面回歸即可刻畫各個因子在預測未來回報率方面的表現。檢驗結果如表10所示。

資產增速的系數盡管始終為負，但均不顯著。MV、B/M、E/P、Turnover和IVOL比較顯著。從回歸（7）來看，資產增速因子和E/P、Turnover的相關性比較強。在A股市場上，金融公司盡管數量不多，但市值占比較高，如在滬深300指數中占比最高的10家公司有4家是金融公司，金融地產的市值占比高達25%（2021年11月），直接將金融公司排除出樣本進行研究顯然不符合中國A股市場的實際情況。考慮到大多數文獻的研究均將金融公司排除在外，我們也將金融公司排除在外進行穩健性檢驗。其中，Fama-MacBeth回歸結果如表11所示，和表9進行比較，我們發現系數的顯著性沒有發生改變，仍是IVOL和Turnover在10%的顯著性水平下顯著。

五、結論與建議

（一）結論

近年來中國A股市場再融資規模快速擴張。股權融資、發行債券和企業經營回報是企業資產擴張的三個主要方面。其中，股權融資、發行債券能夠幫助企業快速擴張，占領市場。如果經營回報率高于資金成本，那么資產擴張能夠為原來的股權持有者帶來價值，帶動股價上升。但在實際情況中，頻繁再融資的企業股票的持有收益率似乎并不高。本文通過對A股3631只股票2004年1月至2018年6月資產增速、收益率及其他數據的研究，得出以下三點結論。

一是通過構建不同資產組合并計算其持有收益率，我們發現股票回報率與資產增速之間有較為明顯的負相關性。構造的風險中性投資組合有比較穩定的正收益。資產增速效應雖然有一定的持續性，但也隨著時間推移有所波動。二是在Fama-MacBeth回歸分析與OLS截面回歸中，我們都發現盡管資產增速的系數為負，但始終不顯著。在利用三因子模型分析計算超額收益時，我們也發現資產增速因子并沒有產生顯著的超額收益。因此，僅從本文的實證結果來看，在A股市場上，資產增速很可能已經被其他因子覆蓋了，如E/P、Turnover，其本身并不是一個好的因子。三是Fama-MacBeth回歸分析結果中資產增速的系數始終為負，但并不顯著。Watanabe等人（2013）在跨國比較中發現中國的資產增速效應不論是等權重還是價值加權都不是特別顯著;資產增速效應在發達的資本市場較為顯著。我們的研究佐證了這一看法。投資者感受到的資產增速高、股票回報率反而低的現象確實是存在的，但這一現象可能不是資產增速本身造成的，這些企業往往E/P，Turnover比較高，這些特征導致了股票的持有回報率比較低。

（二）建議

從市場監管者的角度來看，企業頻繁再融資，資產急劇擴張時，資金運用的回報率可能并不理想，甚至低于資金的使用成本，制定合理規范的再融資政策對于提高市場的有效性具有重要意義。2017年證監會出臺《關于修改〈上市公司非公開發行股票實施細則〉的決定》，對于定向增發的審批更為嚴格，2019年科創板帶動下的IPO規模明顯擴大，首次公開發行相比再融資的差距有一定程度的縮小。在股權融資資源緊張的情況下，推行全市場注冊制，培育更多的上市公司，相比已經上市的公司的快速擴張在現階段更有價值。從投資者的角度來看，本文論證了雖然企業資產增速與持有收益率之間存在負相關關系，但在控制了市值因子和價值因子之后，并沒有產生顯著的超額收益。這說明在A股市場上，資產增速很可能已經被市值因子和價值因子涵蓋了。

（責任編輯：孟潔）

參考文獻：

[1]Cooper M J，Gulen H，Schill M.Asset growth and the cross-section of stock returns[J].Journal of Finance，2008，63（4）：1609-1651.

[2]Fama E，French KA.five-factor asset pricing model[J].Journal of Financial Economics，2015，116（1）：1-22.

[3]Fama E，French K.Common risk factors in the returns on stocks and bonds[J].Journal of Financial Economics，1993，33（1）：3-56.

[4]Fama E，MacBeth J D.Risk，Return，and Equilibrium：Empirical Tests[J].The Journal of Political Economy，1973，81（3）：607-636.

[5]Gray P，Johnson J.The relationship between asset growth and the cross-section of stock returns[J].Journal of Banking & Finance，2011，35（3）.

[6]Hou K，Xue C，Zhang L.Digesting anomalies：an investment approach[J].Review of Financial Studies，2015，28（3）：650-705.

[7]Lam F，Wei J.Limits-to-arbitrage，investment frictions，and the asset growth anomaly[J].Journal of Financial Economics，2011，102（1）：127-149.

[8]Lipson M，Mortal S，Schill M.On the scope and drivers of the asset growth effect[J].Journal of Financial and Quantitative Analysis，2011，46（6）：1651-1682.

[9]Titman S，Wei J，Xie F.Market development and the asset growth effect：international evidence[J].Journal of Financial and Quantitative Analysis，2013，48（5）：1405-1432.

[10]Wang Y，Liu C，Lee J S，et al.The relation between asset growth and the cross-section of stock returns：Evidence from the Chinese stock market[J].Economic Modelling，2015，44（1）：59-67.

[11]Watanabe A，Xu Y，Yao T，Yu T.The asset growth effect：insights from international equity markets[J].Journal of Financial Economics，2013，108（2）：529-563.

[12]Wen Q.Asset Growth and Stock Market Returns：A Time-Series Analysis[J].Review of Finance，2019，23（3）：599-628.

[13]樊行健，劉浩，郭文博.中國資本市場應計異象問題研究——基于上市公司成長性的全新視角[J].金融研究，2009（5）：141-156.

[14]高春亭，周孝華.公司盈利、投資與資產定價：基于中國股市的實證[J].管理工程學報， 2016（4）：25-33.

[15]胡李鵬，張韻.A股上市公司公開增發和定向增發的公告效應[J].金融論壇，2016（4）：66-80.

[16]李志冰，楊光藝，馮永昌，景亮.Fama-French五因子模型在中國股票市場的實證檢驗[J].金融研究，2017（6）：191-206.

[17]陸宇建，史曉楠.大股東認購、定價基準日選擇與定向增發折價[J].金融論壇，2019（12）：50-59.

[18]潘莉，徐建國.A股市場的風險與特征因子[J].金融研究，2011（10）：140-154.

[19]權小鋒，洪濤，吳世農. 選擇性關注、鴕鳥效應與市場異象[J].金融研究，2012（3）：109-123.

[20]宋云玲，李志文.A股公司的應計異象[J].管理世界，2009（8）：17-24.

[21]王茵田，朱英姿.中國股票市場風險溢價研究[J].金融研究，2011（7）：152-166.

[22]張兵，陳曉瑩.中國股市低價股效應研究——基于Fama & French三因子模型的檢驗[J].金融論壇，2017（10）：7-20.