表4.13四維分組後各組合特征值與股市特征值中位數之比按βHML大小分組（1到3表示由小到大）B/MSZ123123小βMKT組合大βMKT組合110.411 0.462 0.485 0.390 0.441 0.457 120.528 0.566 0.568 0.486 0.562 0.571 130.473 0.525 0.533 0.518 0.578 0.606 210.975 0.981 0.999 0.962 0.957 0.978 221.010 1.025 1.029 0.989 1.021 1.025 231.009 1.013 1.013 0.995 0.992 1.004 311.433 1.502 1.540 1.447 1.521 1.552 321.555 1.650 1.702 1.574 1.674 1.712 331.626 1.836 1.777 1.616 1.772 1.777 均值1.002 1.062 1.072 0.998 1.057 1.076 按βHML大小分組（1到3表示由小到大）B/MSZ123123小βMKT組合大βMKT組合110.576 0.520 0.482 0.575 0.517 0.502 121.094 1.036 1.030 1.093 1.066 0.979 1310.975 4.884 4.009 7.698 5.615 3.717 210.605 0.582 0.564 0.610 0.593 0.568 221.071 1.036 1.024 1.082 1.032 1.008 236.690 3.905 2.873 5.573 3.376 2.480 310.626 0.627 0.588 0.642 0.627 0.599 321.110 1.076 1.017 1.083 1.044 1.018 337.148 3.724 3.713 5.353 2.726 2.165 均值3.322 1.932 1.700 2.634 1.844 1.449 表4.8中βHML最小及最大的組合的賬麵市值比與股市中位數之比分別為0.97與1.08，而表4.13中這兩個數值則分別為1.0、1.07，有所縮小。但βSMB分組後各組合的規模值仍然有顯著區別。可見按照βSMB分組時，對規模特征的區分能力有限。
表4.14為控製市場風險後因素模型與特征模型檢驗的實證結果：
在依據βSMB進行分組後，βSMB較大組合α值小於最小欄，這與βHML情況不同，但同時α值顯著小於βHML分類下的α值，即便修正無風險利率，也仍然不可能得到特征模型預測的結果。可見四維分組後檢驗結果排除了無風險利率被低估導致拒絕特征模型的可能性。
綜上，在四維分組的框架下，仍然支持三因素模型，而拒絕特征模型。
五、結論
Daniel and Titman(1997)中認為美國股票收益率在1973－1993年間服從特征模型而不是通常認為的風險因素模型，一旦這個結論被證明對更多的時期和國家樣本成立的話，將給已有的金融理論構成巨大的衝擊。說明金融市場並非是理性定價，股票市場的收益率不能滿足無風險套利定價的要求。因而，本文研究了我國股市中，特征模型與風險因素模型的適用性。而後，對於這兩種市場異象的原因做了一探究，最優解釋力的兩種模型分別為包含市場風險，規模風險(SMB)，價值風險(HML)在內的三因素模型與特征模型。本文沿用Daniel，Titman(1997)的方法，在其上稍作改進，本文主要結論如下：
（1）我國滬深兩市在1998－2007十年間均存在顯著的規模效應與價值溢價效應。采用流通市值與總市值計量市值規模均不影響結論。
（2）我國股市不存在月份效應。
（3）通過構造“特殊組合”，發現部分總市值劃分下屬於大盤股而在流通市值劃分下屬於小盤股的股票組合收益率更接近於小盤股的收益率。由此推斷流通市值能夠更好的捕捉規模效應。
（4）收益率的協方差矩陣為平穩。
（5）HML組合的在構造日前的收益率為負。
（6）通過三維分組，及均衡組合構造法發現，我國股市服從因素模型，而拒絕特征模型。
（7）進一步的四維分組顯示，在控製市場風險後，仍然支持三因素模型，而不是特征模型。