对于同一只股票,它的收益率变化程度,在市场上涨和下跌时的敏感性可能是不同的;对于不同股票:有的股票在股票市场上涨的时候,自身的股价也会上涨并且上涨幅度会更大,而在股票市场下跌的时候,其股价下跌的幅度比市场下跌的程度低;另一些股票则存在与之截然相反的情况,在股票市场上涨时自身股价不怎么上涨,但在市场下跌时自身股价却存在很大程度的下跌。这意味着上行市场时个股和股票市场的联动性与下行市场时个股和股票市场的联动性是有差异的。国内和国外对于股票存在的这种非对称风险的研究角度众多,有下行贝塔,其具体还可以分为半方差下行贝塔、协方差下行贝塔以及非对称响应下行贝塔等,以及上行贝塔,方差,协方差,协偏度,下行相关系数等传统的非对称风险测度方法。但是如果运用这些指标来衡量的个股收益和市场收益联动的非对称性不够准确,因为它们只能够反映个股收益率和市场收益率之间的线性相依关系,捕捉不到非线性相关关系。根本的原因还是这些指标本质基于二阶矩,不含更高阶矩的信息,所以它们不能够衡量股票收益率和市场收益率之间完整的相关关系。Jiang,Wu,and Zhou（2018）提出了一种新的衡量股票收益率和市场收益率联动非对称性的熵测度方法,他们运用该方法,发现在美国市场确实存在显著的非对称联动效应,并且下行非对称协动更大的股票会有更高的预期收益率。文中构建了个股收益率和股票收益率的上行、下行联合分布概率密度函数,结合距离熵测度方法,构建了熵测度统计量和下行非对称因子,本文也采用相同的方法,来检验中国的A股市场是否显著存在这种非对称联动性。本文实证部分围绕上述检验展开,首先将中国A股市场所有上市股票按市值、账面市值比、动量大小分组,等比例构造了十个资产投资组合,分别计算C=0和C=0.5的熵测度统计量,发现所有的熵测度值均显著,说明中国A股市场中,个股收益率和市场收益率在上行市场和下行市场的联动效应是非对称的,即我国A股市场存在显著的非对称联动效应。其次,为进一步检验下行非对称联动更强的股票是否会有风险补偿,进而产生更高的预期回报率。本文基于上文构造的非负熵测度值,结合股票上行概率和下行概率构建了有正有负的熵测度非对称因子;非对称因子越大,代表股票下行风险更高。通过IC值分析和Fama-Macbeth回归结果分析检验了非对称因子对股票预期收益率的影响方向和影响显著性。并基于非对称因子的大小,从小到大对股票进行排序,等比例构建了五个资产投资组合,发现基于过去六个月收益,C=0构造的DOWN＿ASY非对称因子对股票的预期收益率有显著为负的影响,即随着非对称因子的增加,股票收益率和市场收益率的下行非对称协动更强,股票的预期收益率逐渐变小,这与传统的资本资产定价理论不同,说明市场存在低风险异象,即低风险高收益,高风险却低收益的现象。另外,为了确定非对称因子对于股票预期收益率的影响是有别于传统非对称风险测度因子的;本文还对比了非对称因子和传统的非对称风险因子的相关系数、IC值、Fama-Macbeth回归结果和因子资产组合收益率,发现非对称因子和传统的风险因子的相关性极低,所以不同于传统的风险测度因子,非对称因子可以提供额外的新的信息来解释股票的预期回报率。最后,通过稳健性检验,基于过去十二个月的收益率和C=0.5构建了新的非对称因子,对比了新非对称因子和之前的非对称因子的IC值、FamaMacbeth回归结果和因子资产组合收益率,发现上述结论具有稳健性。