历经30多年的发展,我国A股市场已经成为境内公司融资、境内投资者进行投资的主要市场。目前A股市场作为企业的直接融资渠道,活跃程度越来越高,在发挥其优化资源配置功能、推动国民经济发展方面有着不可替代的重要地位。我国A股市场经历多次的牛熊交替行情,越来越多的市场参与者开始回归价值投资理念,更加关注宏观经济运行情况、市场监管部门发布的政策信息以及公司基本面情况。在此背景下,深刻准确地把握宏观经济与股市之间的关系凸显其重要意义,只有了解宏观经济变量的资产定价含义,投资者才能更好地制定投资策略,管理投资风险,实现收益目标。本文的研究目的在于从众多国内宏观经济变量中筛选出能对资产价格变化产生显著影响的宏观因子并依据经典的多因子资产定价模型建立实证模型并检验其解释效力。重点回答以下两个问题:宏观经济变量是否可以成为反映A股市场系统性风险的定价因子,究竟是哪些宏观因子可以成为解释股市收益率横截面变化的解释变量。为此,本文首先详细介绍了多因子资产定价模型和宏观经济多因子定价模型的理论,分析了构建宏观经济多因子模型的三大理论基础:股利贴现模型、套利定价模型（APT）和跨期资本资产定价模型（ICAPM）。股利贴现模型为多因子模型中的因子选择指明了方向:影响上市公司未来现金流和折现率的宏观经济指标可以作为备选变量;作为理论和方法论基础,套利定价模型（APT）和跨期资本资产定价模型（ICAPM）认为可以存在多个风险因子共同影响风险资产的收益,并且两者之间的影响关系以线性形式存在。无论是APT还是ICAPM都聚焦于一部分的风险因子,但两类模型在因子选择背后的动因存在着重要区别:APT往往通过对历史收益率的统计分析获得风险因子,而ICAPM着眼于那些能够刻画未来收益率条件分布的状态变量。在阐述了多因子模型的理论基础之后,本文确立了宏观经济多因子定价模型的实证分析框架,系统地梳理了使用宏观经济变量构造多因子定价模型中风险因子的方法。同时,本文阐述了使用宏观因子作为解释变量在实证资产定价模型中的作用和地位,宏观经济多因子模型经历了 30多年的演变过程,资产定价领域的学者们充分意识到宏观经济因子相较于其它因子的重要性:具有直观的经济学含义和严谨的逻辑。根据上述理论中的分析,本文确立了两大实证脉络,一是在套利定价模型APT的框架下直接选定部分宏观经济指标作为因子,在此基础上使用统计学方法进行因子构造;二是在跨期资本资产定价模型ICAPM的框架下,选择可以影响未来投资机会集的宏观经济指标,提取其未预期信息作为定价因子,检验其解释能力。1、基于APT框架下的实证分析由于APT模型无法确定因子的具体构成,本文在APT模型框架下使用两种因子选取的方式进行因子构造,试图探索出更符合中国A股市场的宏观多因子定价模型。本文先从经过遴选的单个宏观经济指标序列中逐个提取因子,再将范围扩大至经过分组的大量宏观经济指标序列,按组提取风险因子。这种先后顺序遵循了宏观多因子定价模型研究的发展脉络。（1）使用宏观经济指标作为解释变量,提出了宏观多指标定价模型并进行实证检验。本文研究了国内主要的宏观经济指标是否可以作为定价因子决定股票资产的期望收益率。本文参考了 Chen,Roll和Ross（1986）提出的宏观五因子模型,构建了工业生产增长率、非预期的通货膨胀率、预期通货膨胀率、信用价差和期限利差、总消费增长率和大宗商品指数收益率等10个宏观经济指标作为解释变量的宏观多指标定价模型。实证结果显示,除大宗商品指数外的其他宏观经济指标在横截面回归中均通过了显著性检验,与Chen,Roll和Ross（1986）的结论类似,除了大宗商品指数之外的宏观经济指标都能系统地决定股票资产的期望收益率。其中非预期通货膨胀率解释效力最为显著且具有正向的风险价格。以工业生产增长率、非预期通货膨胀率、信用价差和期限利差和总消费增长率为解释变量的多指标定价模型具有比Fama-French三因子模型更低的定价误差,并且对股票收益率横截面差异具有更强的解释效力。这些指标决定股票资产的期望收益率的途径与股利贴现模型给出的模型预测是一致的。另外,市场因子在所有多因子模型中均是统计不显著的,也不能改善模型对横截面差异的解释能力,因此并未提供比宏观经济指标更多的定价信息。从一个侧面表明,我国A股的股票收益率变化与宏观经济数据之间是存在一定联系的,否定了一些投资者认为股市与经济相背离的观点。在以后的研究中,我们可以尝试使用更多的宏观经济指标,试图更好地解释股票收益率的变化,使用统计方法构造宏观因子。通过构建一个包含大量宏观经济数据的多维宏观经济信息集,使用统计方法对大规模的多维宏观经济信息集进行降维处理,这样更全面地揭示宏观经济与股票收益率之间的关系,目的是防止遗漏掉一些关键的宏观经济信息,为以后研究打下良好的基础。（2）上述方法构建了适用于我国A股市场的宏观多指标定价模型,但这种方法仍然存在局限性。首先,以股利贴现模型作为理论基础可以确定哪些宏观经济指标能够成为备选的风险因子,但对指标的选取仍然具有一定的随意性。其次,选取几个宏观经济指标并不能涵盖其所属类别的所有宏观经济信息,因此在因子选择上存在一定的主观性。如何从大量宏观经济变量的时间序列数据中提取可以成为系统性风险来源的共同因子,并且满足多因子模型对因子的约束条件,是宏观多因子模型迫切需要回答的问题。本文构建了一个包含113个宏观经济指标的多维宏观经济信息集,将1 13个宏观经济指标分成8组,对每一组宏观经济数据提取主成分,这样做的目的在于赋予这一主成分更多的经济含义。如果对所有宏观经济指标不进行分组,而直接提取主成分,按照主成分分析法（PCA）的定义,所获得的主成分因子是相互正交的,而主成分之间天然的正交性,使得我们几乎不可能对使用该法所得到的高维度因子赋予经济含义。与此不同的是分组之后经过PCA法得到的宏观主成分因子,可以直接与其所属类别相对应,并作为解释变量纳入横截面回归。本文进而运用Fame-Macbeth两阶段回归法检验这些主成分因子的定价能力和对股市收益率横截面差异的解释能力。另外,本文也使用了因子模拟组合法对解释变量进行了二次构造,目的在于提高解释变量的解释能力。本文的主要创新是使用经过分组的宏观经济指标的面板数据提取风险因子,由于投资者的资产选择行为受到所有公开发布的宏观经济信息的影响,这样的因子选择策略也使得我们可以全面评估到底哪些宏观经济变量对股票的横截面收益率差异具备解释能力,而不是先验地选择其中的一小部分。2、跨期资本资产定价模型（ICAPM）的模型设定及其实证检验本文上述两个实证研究对基于宏观经济指标得到的因子结构进行的实证检验都是在APT框架下完成的。下面本文将APT模型的单期情形扩展到ICAPM的跨期情形,将宏观经济指标和因子的未预期信息视为可以影响投资机会集变动的解释变量,检验其是否可以成为投资者进行跨期投资决策的影响因子。ICAPM的提出充分考虑到了投资者的跨期资产选择行为,投资机会集的变动直接影响了 ICAPM中投资者的跨期对冲需求。因此,投资者承担的系统性风险不仅来源于市场波动,还来源于影响投资机会集的宏观经济变量的未预期信息。从这个意义上说,ICAPM提供了选择风险因子的另一种方法和视角。本文以跨期资产资本定价模型为理论基础,借鉴了 Petkova（2006）的方法,重点考察宏观经济指标的未预期信息的定价能力。本文选取了期限利差、违约价差、股息率、短期利率的未预期信息作为解释变量,构建了宏观多指标未预期信息定价模型。实证结果显示,短期利率的未预期信息和违约价差的未预期信息通过了显著性检验,表明上述两者的未预期波动会影响投资者在下一期的投资决策,是投资者在进行投资决策时需要考虑的宏观经济指标。在使用主成分因子的未预期信息作为解释变量时,财政因子、货币因子、产出因子和价格因子均通过了显著性检验,表明这些未预期信息包含了影响资产收益的系统性风险,在上述主成分因子未预期信息变化时,投资者会根据其跨期对冲的需求决定是否会在本期进行投资,从而影响股票收益率的变化。综合实证结果,与使用宏观指标的未预期信息作为解释变量相比,使用主成分因子的未预期信息作为解释变量的模型具有更好的解释能力,能够更全面地描述宏观经济中的未预期变动,并且能够通过影响投资者的投资决策影响股票收益率的变动。本文通过对宏观多因子定价模型研究理论和方法的总结,按照宏观多因子定价模型的分析脉络,重点总结了如何在宏观经济指标中提取因子作为解释变量构建宏观经济多因子定价模型,基于不同的方法和视角,可以得到因子结构不同的宏观多因子模型,研究过程中总结的分析方法和分析框架丰富了现有文献的研究内容和范围,实证结果对市场参与者和政策制定者有一定的启示作用。