這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
此研究論文探討了股票平均報酬率的橫截面變異，並質疑了夏普-林特納-布萊克（SLB）模型的核心預測，即市場貝他值（β）足以解釋股票報酬。作者發現，在1963年至1990年間，公司規模（市值）和帳面市值比這兩個容易衡量的變數，更能有效捕捉平均股票報酬率的變異，甚至能取代槓桿率和盈餘價格比的解釋力。

內文討論:
 
A. 為什麼市值（Size）和帳面市價比（B/M）能預測股票的預期報酬？
B. 論文裡說 β 沒有解釋力，這不就打臉 CAPM 模型了嗎？
C. 市值小的公司為什麼長期報酬比較高？是風險還是市場低估？
D. 高 B/M 比的股票就是「價值股」嗎？這樣分類真的可靠嗎？
E. 他們是怎麼用回歸方式來檢驗哪些因子對報酬有影響？
F. 有沒有可能 Size 和 B/M 的效果只是統計巧合？
G. 這個模型跟三因子模型有什麼關聯？三因子模型就是從這篇來的嗎？
H. 論文的資料是從哪個市場？這個結果能套用到其他國家嗎？
I. 這些變數預測的報酬是超額報酬嗎？還是總報酬？
J. 如果我照這篇的方法選股，實務上要怎麼操作？有什麼工具可以用？
 
資料來源: Fama, Eugene F., and Kenneth R. French. "The cross‐section of expected stock returns." the Journal of Finance 47.2 (1992): 427-465.