一、引言

资本资产定价模型（CAPM）是目前应用最为广泛的资产定价模型，该模型运用市场风险的单因素影响因子值反映风险与收益的线性关系，在证券市场收益率预测方面得到国内外研究者的广泛认同，但也受到了来自财务管理理论和实务界的质疑。质疑者们认为该值没有涵盖证券市场的所有风险因素，CAPM模型作为一种单因子模型不能很好地解释股票收益的横截面差异以及股票市场中的“异象”，许多学者为此提出了改进模型，Fama-French三因素模型作为其中典型的代表，在CAPM单因子模型的基础上增加了规模溢价因子和价值效应因子，包括Fama在内的许多学者论证了该模型的优越性。

目前，中国电力行业在权益资产收益率预测以及建设项目投资决策方面仍然普遍采用CAPM，由于目前电力行业正处于产业升级和结构调整的关键时期，传统的资本资产定价模型是否仍然适用还有待商榷，需要进一步的研究举证。本文通过对CAPM与Fama-French三因素模型（以下简称FF三因素模型）在中国上市电力企业收益率预测方面的适用性进行比较研究，以两种模型与现实数据的拟合程度，选择适用于中国上市电力企业的资产收益率预测模型。

我们设置水样的ph值梯度为：1、2、3、4、5、6、7；浒苔粉目数梯度为：40、60、80、100；藻粉浓度梯度：2、6、10、14、18和22 g/L；温度：27℃和32℃。在研究不同温度下浒苔粉对Ni2+的吸附情况，我们还需要设置Ni2+的初始浓度梯度：10、20、30、40 和 50 mg/L。

二、国内外研究综述

（一）对传统CAPM模型的质疑

20世纪50年代，美国学者马考维茨通过对风险和收益的量化提出最早的投资组合理论。随后，夏普、林特尔、莫森和特利诺等人分别就此基础提出资本资产定价模型（CAPM）。CAPM是一种建立在诸多假设条件下主要研究证券市场中预期收益率与风险资产之间关系的模型，以β值的高低确定单个证券风险及其风险补偿的高低，以此来表现证券组合收益率的波动情况。该模型提出后引来多方质疑，质疑主要体现在以下两个方面：（1）CAPM的假设条件过于理想化，不符合证券投资市场现实情况；（2）CAPM模型在建立量化权重标准时，仅考虑战争、经济衰退或利率等无法被分散投资消除的系统风险，而现实中还存在非系统风险，属于个别股票的自有风险，可以被投资者合理投资和技术能力来消除。由于CAPM模型计算中仅应用了系统风险和市场风险溢价，其最终得到的资产预期回报率并不准确，对现实证券交易市场的收益率波动、“小公司效应”等异象无法作出合理科学的解释[1]。

鉴于CAPM存在的缺陷，学术界提出了许多基于CAPM模型的改进模型，例如1973年Merton提出的跨期资本资产定价模型（ICAPM）；1979年Breeden发表的基于消费的资本资产定价模型（CCAPM）；1976年Stephen　Ross在套利定价理论的基础上提出了套利定价模型（APT）[2]；1993年，Fama和French在CAPM模型的基础上增加规模因子和价值因子，构建出FF三因素模型等等。

（二）FF三因素模型研究现状

同理，HML的计算公式为：

近年来，不少国内学者们对FF三因素模型对中国股市收益率方面的适用性进行研究，尽管得出的结论不尽相同，但大都与模型一致。例如，陈展辉[4]在分析沪深A股市场股票收益率截面性质的基础上，检验了FF三因素模型在中国A股市场的适用性，认为三因素模型基本上可以解释股票收益的截面差异；邓长荣[5]以深圳交易所1996年1月—2003年12月的交易数据入手，通过计算和比较分析，证明了FF三因素模型在我国证券市场的应用能力，得出类似结论的还有陈信元[6]、熊燕[7]等。

但也有许多学者提出了不同的看法。例如，田利辉、王冠英[8]发现中国证券市场有其独特国情，其市场风险区别于美、英、澳等国证券市场，仍占据主导地位，而非系统风险尚不突出，所以传统CAPM模型对我国证券市场仍有较强的适用性；梁颖琳[9]在运用三因素模型对构造的创业板股票投资组合进行检验时发现规模因素对于创业板投资组合的影响并不显著；李体委[10]对沪深股市全部上市公司进行研究之后发现，将三因素模型中的账面市值比因子替换为流通市值比因子后更具解释力。廖理、沈红波[11]以及刘维奇[12]等人运用FF三因素模型对我国股权分置改革后资本市场的效率和效果进行研究，得出的结论均表明股改提高了三因素模型的适用性，进一步表明股权分置改革提升了资本市场效率。邓长荣、马永开[13]运用FF三因素对行业平均回报率进行检验，得出三因素模型在我国各行各业都适用的结论，但采掘业、电力煤气水行业和建筑业对市值因子、账面市值比因子都未能通过检验。

飞行数据处理结束后，本文作者所在的项目组将以上情况通知了该型飞机的机务维修大队，机务维修大队进行了缓冲器压力测量，测量结果显示：右主起缓冲系统压力不足，起落架缓冲系统发生了漏气故障。

通过对文献研究发现，目前对FF三因素模型在我国证券市场的适用性研究，大多集中于对整体证券市场的研究，而很少有站在行业视角下对其适用性进行分析。依照FF三因素模型的内容，在原有单因子模型中添加市值因子（SMB）与账面市值因子（HML）来衡量的是股票的非系统风险，是上市公司自身特征的有效反映，这种风险收益关系是建立在成熟资本市场与“理性投资者”决策的基础上的[14]，也就是说小ME组合与低BE/ME组合的超额收益率来自较高的风险回报，但这一假设并非必然成立，而是与证券市场的性质及行业特征有着很大的相关性，尤其在我国，证券市场发展并不完善，政策主导市场的现象依然存在，各个行业发展的内外部环境也不尽相同，这些因素很可能导致股票市场中各行业板块对该模型的适用性存在差异，笼统的对我国证券市场进行总体研究往往会导致测算结果的不一致和不准确。

丁珰在金庸小说中实在是一个很有意思的人物，拿着女主的剧本，却演着演着突然发现不光是拿错剧本了，很可能连人设都没有搞清楚。于是糊里糊涂演了大半本书，在后半段，终于拿到对的剧本，找准了人物定位。就这样，一个根正苗红的女一，毅然决然地补缺，肩负起书中反派的重任。套用流行的“反差萌”，丁珰大概是“反差黑”。让读者对她大半本书的好感，在一息之间荡然无存。之前的古灵精怪，之前的俏皮活泼，事后看来都是面目可憎，想起来都是触目惊心。

首先，以所选取的电力上市公司股票为对象，对其当年年中流通市值由小到大依次排列，按规模大小均分为 S（small）、B（big）两组。其中，S 组为规模较小组，B组为规模较大组。其次，对所选取的电力上市公司上一会计年度的账面市值比由小到大依次排列，分为低（L）、中（M）、高（H）三组，其中各组对应总样本数量的30%、40%、30%。分组依据不同，相互独立进行，最后进行排列组合，确定SL、SM、SH、BL、BM、BH六组研究对象。

三、样本选择与研究设计

（一）样本选择

本研究对两种资产定价模型对我国电力行业收益率预测的适用性进行比较研究，为避免因环境因素对模型适用性的影响，确保研究数据和结论的准确、合理、真实，对中国上市电力企业的结构调整、经济环境和相关国家政策因素的影响进行充分的考量。因此，本研究将分1997—2002年和2007—2013年两个阶段进行研究，原因如下：第一，2002年，中国正式开启电力体制市场化改革，在电力企业组织形式及定价方式中引入竞争机制，截至2005年4月，新型电价体制框架搭建基本完成，电力行业市场化改革取得重大成果。电力市场化改革削弱了电力行业的垄断地位，电力企业经营的非系统风险增加。第二，我国证券市场中共有电力上市企业63家（A股）。其中于2006年以前上市的53家电力企业股权分置改革已全部完成。改革完毕后，非流通股股东所占比重有所下降，股票流通状况正常，资本结构配置更加合理。

第一是案例教学法导入课程内容。教师引导学生进入“导游天下”APP，选取典型案例，对处理投诉的程序进行分析探究。学生在APP平台上学习用“看”“听”“问”“析”“报”“答”等方法处理投诉。利用“导游天下”APP可视化、可重复性的特点解决投诉处理程序这一理论性强的教学重点。引导学生讨论要点，在此基础上通过课程总结分析，与学生将投诉处理程序归纳为“六字法”：一看二听，三问他，分析客情，报并答。

研究数据来源主要为两个部分：1997—2002年电力市场化改革及股改前，选取1996年12月31日前已在沪深A股上市的17家电力企业作为研究对象；2007—2013年电力市场化改革及股改后，以2007年12月31日前上市的30余家电力企业为对象，选取其收益率和市场风险系数作为样本。其中已排除沪深交易所明确标示特别处理和审查的企业。

（二）研究设计

1.模型构建及变量解释。本研究将同时构建传统CAPM模型以及FF三因素模型，以CAPM模型的数据回归结果为参考，评价FF三因素模型在证券市场投资组合投资回报率和市场风险等方面的适用性和科学性。

传统CAPM模型：

 

[4]陈展辉.股票收益的截面差异与三因素资产定价模型来自A 股市场的经验研究[J].中国管理科学，2004（6）.

FF三因素回归模型：

 

其中：Rit、Rft、Rmt、αi、βi、εit的涵义与式（1）相同；si为规模因子回归系数，hi为价值因子回归系数，分别表示样本i对股票规模溢价和价值溢价的敏感程度。

2.变量取值及分组设计。为探究研究对象是否存在规模效应和价值效应，本研究将所选取的电力行业股票进行了规模和账面市值比分组，分组及SMB、HML相应的计算方法如下：

因此，本研究选取单一行业上市企业评估FF三因素模型对股票收益率预测方面的适用性进行研究更具科学性和现实指导意义。电力行业作为我国重要的国民经济基础行业之一，受电力体制改革和股权分置改革的影响，行业的内外部环境正在经历重大变化，因而选取电力行业进行研究具有一定的代表性。

将样本数据代入上述公式中，得出样本电力上市企业当年7月至次年6月各月投资收益率。第二年继续依照上一年标准重新进行分组和排列组合，重复上述步骤对每月投资收益率进行计算，得到各小组月收益率时间序列。分别计算S组与B组月平均收益率，其差值即为研究模型所需的SMB因子序列，其计算公式为：

 

四、中国证券市场电力行业收益率预测模型适用性实证分析

1993年，Fama和French将美国的股市作为研究对象进行案例分析和实证调研，结果表明传统的CAPM模型并不能对美国股市股票收益的波动做出适当合理的分析、判断和解释。而一旦将市值因子（ME）和账面市值比因子（BE/ME）添入其中，就能够对股票市场收益的横截面变动做出有效的解释，在此基础上，二者提出了包含市场风险因素、市值因素和账面市值比因素的FF三因素模型[3]。随后为了验证新加入的市值因子和账面市值比因子的科学性和适用性，Fama和French二人以美、英、澳三国股票市场为研究对象，通过对三国股票市场整体收益率和市场风险的对比研究，推断出规模溢价和价值溢价普遍存在于各国证券市场中。随着新的三因素模型的发表和公布，引起各国学者的强烈兴趣，纷纷对本国证券市场进行三因素模型适用性研究，得出的结论普遍支持Fama和French的研究成果，在此不再赘述，本文主要对FF三因素模型在中国股票市场特别是电力企业的适用性进行研究。

 

（一）1997—2002年我国证券市场电力行业收益率预测模型适用性比较

在该阶段的研究当中，以1997—2002年选取的17家电力上市公司股票月交易数据为研究对象，每年分别计算6种投资组合的加权平均月收益率，共获得72个股票收益时间序列，代入上述公式进行计算，运用最小二乘法估计参数取值得到回归分析结果，对两种计算结果的拟合优度和参数大小进行检验，通过比较分析验证模型的适用性。

1.CAPM模型适用性分析。表1显示了CAPM模型的回归分析结果。由表1可见，表中最后一列的Sig值显示，发现常量a的取值并不十分显著，即六个投资组合的常量a全部不为零，同时，变量（Rm-Rf）的回归系数在95%置信水平下显著性水平很高，符合CAPM模型的预期结果，即CAPM模型市场风险因子能够很好地解释电力行业股票市场所面临的风险因素。

[7]熊燕.深圳A股主板市场的Fama-French三因素模型适用性研究[D].成都：西南财经大学，2012.

 

表1　1997—2002年CAPM模型回归结果

  

注：置信区间95%。

 

组别SH标准化系数t模型a RM-RF a RM-RF a RM-RF a RM-RF a RM-RF a RM-RF Sig.B SM SL BH BM BL-0.0120 0.926-0.0050 0.959 0.007 1.018 0.004 0.984-0.0170 0.913 0.005 1.003标准误差0.013 0.039 0.011 0.035 0.010 0.030 0.015 0.045 0.016 0.047 0.020 0.062-0.961 23.877-0.441 27.624 0.686 33.403 00.265 21.787-1.071 19.279 00.244 16.233 0.340 0.000 0.661 0.000 0.495 0.000 0.792 0.000 0.288 0.000 0.808 0.000

 

表2　投资组合收益率均值比较

  

H M L S B 0.017 1 0.016 7 0.014 9 0.016 2 0.010 3 0.012 5

由表3可知，在FF三因素模型的回归结果中，常量a均不为零，在显著性水平上，除SH组合SMB的Sig值以及SM组合HML的Sig值外，SMB和HML在95%置信水平下显著性水平很高，表明我国电力行业股票市场存在着规模效应和价值效应，FF三因素模型能够对电力行业股票市场横截面收益做出合理解释。

观察表3中变量（Rm-Rf）回归系数β的取值，SH、SM、SL投资组合的β值分别为0.946、0.962、1.005；BH、BM、BL投资组合的值分别为 1.020、0.931、0.961，可见，除BH组合外，小规模组合的β值大于相应的大规模组合β值，在一定程度上体现出规模效应对股票收益的影响；与此同时，随着账面市值比的降低，β的取值随之升高，这与Fama和French 1993年的研究结果相悖，表明CAPM模型中的β值不能有效解释股票收益的价值效应。

需要注意的是，SH、SM、SL投资组合SMB的回归系数为正值，而BH、BM、BL三个组合的SMB回归系数为负值，表明SMB对小规模与大规模投资组合的影响效果不同，这与Fama和French所说的规模效应并不相符，但足以证明规模效应的存在。

 

表3　1997—2002年FF三因素模型回归结果

  

注：置信区间95%。

 

组别SH标准化系数B t SM SL BH BM BL模型a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML-0.008-0.946 0.165 0.369-0.004-0.962 0.365 0.047 0.005 1.005 0.373-0.226-0.010 1.020-0.639-0.639-0.014-0.931-0.611 0.317-0.003-0.961-0.847--0.767-标准误差0.011 0.035 0.116 0.091 0.011 0.033 0.108 0.084 0.008 0.026 0.084 0.066 0.008 0.025 0.082 0.065 0.013 0.040 0.131 0.103 0.014 0.042 0.138 0.109-0.729 26.805-1.427-4.064-0.395 29.241-3.385-0.554-0.586 39.069-4.427-3.417-1.196 40.593-7.758-9.899-1.073 23.265-4.654-3.083-0.254 22.755-6.118-7.064 Sig.0.469 0.000 0.158 0.000 0.694 0.000 0.001 0.582 0.560 0.000 0.000 0.001 0.236 0.000 0.000 0.000 0.287 0.000 0.000 0.003 0.800 0.000 0.000 0.000

3.模型拟合优度比较。表4列出了1997—2002年两模型的分组拟合优度结果，从中可以看到，两种模型的拟合效果均较为理想。CAPM模型对六种投资组合收益的拟合优度在0.787～0.940，模型的平均拟合程度也达到0.871，FF三因素模型六个组合的回归模型拟合优度在0.888～0.960，全面优于CAPM模型，表明FF三因素模型对1997—2002年我国电力行业股票收益的解释能力更强，模型适用性更好。

随着微机电技术、无线传感网技术和物联网技术的不断进步，人体生命体征监测技术也得到了迅速的发展。同时随着人工智能技术近几年来的快速发展，而机器学习作为推动人工智能技术发展的核动力，在各行各业也得到了广泛应用[3]，各类机器学习算法和模型越发成熟，研究具有智能化、网络化、便携式、可穿戴式的生命体征监测设备逐渐成为智能监管领域的主要研究方向。当前我国市面上出现了几款消费级可穿戴产品，如小米手环、美心血氧仪等，以上设备虽然做到了便携性与可穿戴，但是普遍存在数据采集方式单一、测量值误差大等问题，因而无法精确提取被监管人群的生命体征健康数据，这些问题直接导致了其很难在监管等领域进行拓展应用。

 

表4　1997—2002年模型拟合优度比较

  

a.预测变量:a（常量），Rm-Rf，HML，SMB。

 

组别SH SM SL BH BM BL调整R2 CAPM 0.889 0.915 0.940 0.870 0.839 0.787 Fama-French三因素模型0.910 0.925 0.958 0.960 0.888 0.902

（二）2007—2013年我国证券市场电力行业收益率预测模型适用性比较

1.CAPM模型适用性分析。表5是CAPM模型的回归分析结果。由表5可知，六个投资组合当中，BH、BM和BL组合的常量a回归系数显著为0，而SH、SM、SL组合的常量a回归系数显著异于0，表明CAPM模型在小规模企业中的模型拟合效果并不理想，即无法解释“小公司效应”，除β值外还存在其他风险因素影响股票的横截面收益，这也进一步证实了我国电力行业股票市场规模效应的存在。

 

表5　1997—2002年CAPM模型回归结果

  

注：置信区间95%。

 

组别SH标准化系数B t SM SL BH BM BL模型a RM-RF a RM-RF a RM-RF a RM-RF a RM-RF a RM-RF 0.038 1.138 0.030 1.082 0.057 1.195-0.018-0.913-0.019-0.924 0.026 1.112标准误差0.014 0.053 0.013 0.048 0.016 0.060 0.017 0.063 0.014 0.052 0.016 0.059-2.657 21.344-2.309 22.655-3.522 19.967-1.089 14.579-1.382 17.771-1.601 18.693 Sig.0.009 0.000 0.023 0.000 0.001 0.000 0.279 0.000 0.171 0.000 0.113 0.000

2.FF三因素模型适用性分析。表6、表7显示了FF三因素模型的回归分析结果分析表6数据，通过对比每列S组和B组数据，可以看到账面市值比相同的条件下B组数据明显低于S组，即大规模上市企业的投资收益率更低。投资收益率与企业规模呈负相关关系。规模效应较为突出。但与1997—2002年的收益率数据相比，这一阶段的价值效应并不明显。

 

表6　投资组合收益率RI均值比较

  

Small Big High 0.016 0 0.012 9 Middle 0.020 8 0.009 4 Low 0.021 0 0.009 6

通过对表7数据的比较和研究，SH、SM、SL、BH、BM、BL中的a全部都大于零，即各个组SMB因子回归参数表现良好，数据显著，更加佐证规模效应的存在和影响。对于HML因子，在六组股票中有两组（SM、BM）回归参数不显著，表明这一阶段的价值效应不如1997—2002年明显。总体而言，FF三因素模型能够有效解释这一阶段股票收益率的横截面收益。

 

表7　2007—2014年Fama-French三因素模型回归结果

  

注：置信区间95%。

 

组别SH标准化系数B t SM SL BH BM BL模型a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML a RM-RF SMB HML-0.015-1.065-0.695-0.271-0.017-1.037-0.252-0.048-0.021-1.062-0.475-0.467-0.024-1.068-0.630-0.442-0.009-1.024-0.539-0.134-0.019-1.071-0.410-0.820标准误差0.013 0.048 0.113 0.108 0.014 0.050 0.118 0.113 0.013 0.050 0.118 0.113 0.013 0.048 0.115 0.110 0.013 0.047 0.111 0.106 0.014 0.050 0.119 0.114-1.159 22.325-6.166-2.513-1.239 20.785-2.133-0.425-1.524 21.343-4.034-4.148-1.845 22.040-5.503-4.034-0.740 21.885-4.865-1.264-1.368 21.291-3.445-7.203 Sig.0.250 0.000 0.000 0.014 0.219 0.000 0.036 0.672 0.131 0.000 0.000 0.000 0.069 0.000 0.000 0.000 0.461 0.000 0.000 0.210 0.175 0.000 0.001 0.000

3.模型拟合优度比较。表8列出了2007—2013年两模型的分组拟合优度结果，观察表8数据可以发现，相比1997—2002年，2007—2013年两模型的拟合优度均有所下降。CAPM模型的拟合优度下降较为明显，表明随着电力行业内外部环境的变化，CAPM模型的适用性水平在下降；在全部的投资组合中，FF三因素模型的拟合优度保持在0.854～0.896，优于同时期CAPM模型的拟合结果，说明这一时期FF三因素模型的适用性仍然很强。

 

表8　2007—2013年模型拟合优度比较

  

a.预测变量:a（常量），Rm-Rf，HML，SMB。

 

组别　调整R方SH SM SL BH BM BL CAPM模型0.846 0.861 0.827 0.718 0.791 0.808 FF三因素模型0.893 0.868 0.896 0.854 0.853 0.881

五、结论

通过上述利用CAPM模型与FF三因素模型对中国行业市场收益率预测进行的对比分析，本文得出如下结论：

第一，中国电力行业股票市场存在显著的规模效益和价值效应。2007—2013年与1997—2002年相比，中国电力行业股票市场的规模效应显著性水平提高，但价值效应有所下降，但依旧维持在较高的显著性水平。

第二，在1997—2002年以及2007—2013年两个阶段，FF三因素模型较CAPM模型均具有更好的解释能力。1997—2002年，两模型均具有良好的解释能力；2007—2013年，CAPM模型不能对股票收益的规模效应进行解释，FF三因素模型较CAPM模型更具优越性。

第三，纵向比较CAPM模型的拟合优度可以发现，2007—2013年CAPM模型的适用性比前显著下降，β值的解释力在降低，说明系统风险的主导地位在逐步降低，这也进一步证实，中国在2002年后实施的电力体制改革和股权分置改革改善了电力行业市场化经营环境，资本市场效率有所提高。

综上所述，较之传统的CAPM模型，FF三因素模型更加适用于中国电力行业股票收益率预测。虽然在2007—2013年中FF三因素模型的拟合优度相较于1997—2002年的表现有降低趋势，造成这一现象的原因可能是在取值的解释力下降的情况下，SMB与HML因子提供的解释能力有限。但同样可以肯定的是，以Fama-French三因素模型为代表的多因子模型比传统的单因子模型能够更好更全面地诠释股票所面临的风险因素。因此，如何对现有因子进行改进，寻找解释能力更强的风险因子以提高模型的拟合程度将是未来研究的方向和重点。

参考文献：

[1]Fama，EugeneF.Stock　Returns，Expected　Returns，and Real Activity[J].Journal of Finance，1990，45（4）.

① 顾忌从来都不是强者顾全大局规避风险的能力，而是弱者胆小怕事优柔寡断的借口，而被牵绊便是弱者为此而付出的代价。② 内心足够强大，便可无所顾忌，因为你完全可以做到兵来将挡，水来土掩；而相反的，若你总是怕这怕那，生怕自己少了根汗毛，那么你将顾忌的便越来越多，牵绊也因而愈来愈多。③ 总是觉得自己的状态是干出来的，而不是等出来的，太多顾忌都将你牵制住了，你又怎么拥有良好的状态？④ 因此，胆子大一点，将腿迈出去，别为自己设置太多牵绊而最终寸步难行。

[2]Fama，Eugene F.Fama and French incident capital markets II[J].Journal of Finance，1991（46）：1575-1617.

[3]Fama，Eugene F.The Cross-Section of Expected Stock[J].Journal of Finance，1992（47）：425-467.

(1)系统结构设计与维护人员。主要负责系统整体规划、系统结构设计、系统实施与运行维护等工作，可由学校网络与信息中心指定专人负责。

其中：Rit表示第t期投资组合i的收益率，Rft表示第t期市场无风险收益率，Rmt表示第t期的市场组合收益率，βi表示投资组合i的市场风险因子回归系数，αi表示截距项，εi表示残差项。

[5]邓长荣，马永开.三因素模型在中国证券市场的实证研究[J].管理学报，2005（5）.

[6]陈信元，张田余，陈冬华.预期股票收益的横截面多因子分析：来自中国证券市场的经验证据[J].金融研究，2001（6）：22-35.

当前市场信息透明度越来越高，信息传播速度越来越快，经销商在掌握信息的同时变得愈加谨慎，动作也变得迅速而精准，从此番印度招标后的市场反应就可看出来。河南晋开集团延化化工有限公司总经理助理杨同宇告诉记者，当前河南地区尿素主流出厂价为2040元/吨，即使出口不占优势，但在印标结果公布的第二天，即11月20日，当地市场行情就快速回升，成交量得到好转。一方面是因为印标为国内价格提供了参考；另一方面当前价格也被下游所接受。

2.FF三因素模型适用性分析。表2、表3显示了FF三因素模型回归分析结果。通过表2可以发现，随着账面市值比H、M、L由高到低的走向，投资组合的收益率也在逐步降低，账面市值比的大小与投资收益的高低呈正相关。该结果充分验证了FF三因素模型在我国证券市场的适用能力和准确程度。此外，表2并未捕捉到相关范围因素与股票收益的相关关系。

[8]田利辉，王冠英，张伟.三因素模型定价：中国与美国有何不同[J].国际金融研究，2014（7）.

[9]梁颖琳.基于Fama-French模型对A股及创业板新股的长期走势研究[J].中国经贸导刊，2012（14）.

[10]李体委.Fama-French三因子模型的改进和对中国股市收益率的检验[D].济南：山东大学，2011.

[11]廖理，沈红波，郦金梁.股权分置改革与上市公司治理的实证研究[J].中国工业经济，2008（5）.

[12]刘维奇.股权分置改革与资本市场效率—基于三因子模型的实证检验[J].会计研究，2010（3）.

[13]邓长荣，马永开.我国证券市场行业收益三因素模型的实证研究[J].系统工程理论方法应用，2005（3）：226-23.

[14]Fama，Eugene F.，Kenneth R.French，Common risk factors in the returns on stocks and bonds[J].Journal of Finance Economics，1993（33）：3-56.

一节优质课不局限于书本上知识点的传授，而且要同时在教学环节的设计和教学实践中全面渗透乃至升华学生的精神、思想情感、思维方式和价值观。

痊愈:以灌肠48-72h后体温恢复正常,且无反复。显效:以灌肠48-72h后,体温降低≥1.0℃但未至正常。无效:未达到有效者或体温升高。

[15]Gregory Connor，Sanjay Sehgal.Test of the Fama and French Model in India.Financial markets group，2001.

PISA2012的题型分为开放式构答(open-constructed-response)、封闭式构答(closed constructed-response)和选择题/多项选择题(selected-response/multiple-choice)[1]三种形式.其中开放式构答指需要学生有一些扩展性的回答的题目，比如学生需要写下步骤或者解释如何得到答案；封闭式构答指提供结构化设置的题目，学生容易判断正确与否，比如要求生处理的数据是出题者设置的简单数据；选择题值提供了一个或多个选项供学生选择的题目.据此对两份测试卷进行分类(见表5)：

[16]Drew Michael，Veeraraghavan Madhu.Idiosyncratic Volatility and Security Returns：Evidence from the Asian Region[J].International Q uarterly　JournalofFinance，2002（2）：1-14.

[17]Beltratti，Andrea，di Tria，Massimo.The Cross-section of Risk Premia in the Italian Stock Market[J].Economic Notes，2002（31）：389-416.

对于输变电工程来讲，成本管理贯穿前期的准备阶段，具体的施工过程，以及施工后的工资结算。而在此过程中，成本管理工作最重要的是依赖于专业人员的核算，但是绝不仅仅只是企业财务人员的事情，参与项目的每一个员工都应该作为企业价值的直接创造者，都应该努力在自己的施工岗位上做好本职工作以便于保质保量完成工程，降低成本。

[18]Drew Michael Naughton，Tony，Veeraraghavan Madhu.Firm Size，Book-to-Market Equity and Security Returns：Evidence from the Shanghai Stock Exchange[J].Australian Journal of Management，2003，28（2）：119-140.

[19]国家发展改革委，建设部.建设项目经济评价方法与参数（第三版）[M].北京：中国计划出版社，2006.

[20]王秀云.投资项目基准收益率的内涵与确定[J].化工技术经济，2003（4）：29-32.

[21]毛世平，吴敬学.投资项目财务评价参数测度方法及其应用——以种植业行业为例[J].农业技术经济，2005（4）：37-41.

[22]王玲.商业房地产项目基准收益率的确定方法及对策分析[D].西安：西安建筑科技大学，2006.

[23]兰峰.基于WACC结合Fama-Freneh三因素模型的再生水行业基准收益率研究[D].西安：西安建筑科技大学，2010.

思想政治工作是新时期打造国有企业核心竞争力的重要组成部分，它通过提高企业员工的精神素质，充分激发和调动员工的积极性和创造性，从而提高企业的劳动生产率，达到推进企业发展进步的目的。企业思想政治工作的落脚点在基层，因此，创新做实基层思想政治工作对于企业的长远发展具有重要意义。

[24]刘媛媛.中国股票市场的有效性实证研——基于Fama-French三因子模型[D].成都：西南财经大学，2012.

[25]杨忻，陈展辉.中国股市三因子资产定价模型实证研究[J].数量经济技术经济研究，2003（12）：137-141.

[26]刘辉，黄建山.中国A股市场股票收益率风险因素分析：基于Fama-French 三因素模型[J].当代经济科学，2013（4）.

[27]管伯渊，苏一纯.美国评估界常用的折现率计算方法评析[J].中国注册会计师，2003（12）：48-49.