課程論文選編

基于上證A股市場的資本資產(chǎn)定價模型實證檢驗

金思宇 李婉婷 李昱希

摘要：本文以上證180中選取的具有代表性的82只股票為研究樣本，運用簡化的FM方法對資本資產(chǎn)定價模型進行實證檢驗。發(fā)現(xiàn)資本資產(chǎn)定價模型的假設(shè)條件與中國股市的實際情況差距過大，檢驗結(jié)果證明資本資產(chǎn)定價模型并不適應(yīng)于中國證券市場。

關(guān)鍵詞：資本資產(chǎn)定價模型；FM方法；股票組合

一、研究背景

隨著我國證券市場的發(fā)展，資本資產(chǎn)的均衡收益率確定一直是學(xué)術(shù)界和業(yè)界關(guān)心的問題。

資本資產(chǎn)定價模型（Capital Asset Pricing Model, CAPM）從理論上給出了資本資產(chǎn)定價的依據(jù)，得到了證券理論界的普遍認可和運用。CAPM是由Sharpe（1964）和Lintner（1965）等研究者根據(jù)Markowit（1952）的資產(chǎn)組合理論得到的，在當(dāng)代金融市場價格理論中占據(jù)了重要地位。Shih和Chen等（2014）認為，在過去的40年里，CAPM對于多種資產(chǎn)定價模型起著標尺的作用。而隨著金融市場的發(fā)展，資本資產(chǎn)定價理論遭到了挑戰(zhàn)和困難，Mehra和Prescott（1985）認為CAPM無法解釋“股權(quán)溢價”和“無風(fēng)險利率”; Chordia和Roll等（2000）研究發(fā)現(xiàn)，分散流動性風(fēng)險并不能通過資產(chǎn)多元化組合來實現(xiàn)，這與CAPM模型的假設(shè)相悖。Ferson和Nallareddy等（2013）指出在預(yù)測資產(chǎn)這一點上，長期風(fēng)險模型比短期CAPM更加適合；Bod和Kanderova（2014）通過對中東地區(qū)1996—2008年的數(shù)據(jù)進行有效性檢驗發(fā)現(xiàn)，單個資產(chǎn)的期望收益與β系數(shù)有時不存在線性相關(guān)關(guān)系。CAPM也被用作考察發(fā)展較遲的中國證券市場是否完善。陳石清和帥富成（2009）認為，由于我國股市處于弱式有效市場，不滿足CAPM嚴格的假設(shè)，因此不適用我國市場。丁琳和劉文?。?013）認為，盡管預(yù)期收益率和風(fēng)險度量系數(shù)β兩者之間的線性關(guān)系在中國市場成立，但我國資本市場的現(xiàn)有條件仍無法滿足CAPM的其他假設(shè)。屠新曙和韋宏（2013）認為，已有CAPM的假設(shè)條件無法確保資本市場線的存在，也就無法進一步研究CAPM。大部分的研究顯示，CAPM與市場實際結(jié)果存在很大差距，并不能完全解釋資產(chǎn)定價中遇到的問題。趙清和烏東峰（2015）指出，雖然CAPM并不適合我國的資本市場，但可明顯發(fā)現(xiàn)CAPM在我國的適用性在逐漸增強，對我國證券市場與投資者的決策仍有重要的指導(dǎo)作用。

2008年金融危機后，中國股市先后經(jīng)歷了幾次較大程度的震蕩。由于投資、產(chǎn)業(yè)振興等，2008年11月至2009年8月股市大漲，2009年9月至2010年7月以及2010年11月至2011年6月由于受到宏觀緊縮政策的影響股市遭遇熊市，2014年7月開始股市又漸入牛市，2015年8月再次步入熊市。在此期間中國股市得到了長足的進步，市場監(jiān)管更加科學(xué)，運行制度更加完善，信息披露更加及時準確，投資者的個人素質(zhì)也得到了提升。本文希望利用近年的數(shù)據(jù)，通過實證研究來分析CAPM在新的歷史背景下是否適用于中國股票市場，并希望通過檢驗研究推動該模型不斷完善發(fā)展，以更好地適用于中國股市。

二、模型簡介

CAPM是以風(fēng)險資產(chǎn)期望收益均衡為前提建立的預(yù)測模型，目的是探究證券市場中資產(chǎn)的期望收益率與風(fēng)險資產(chǎn)之間的聯(lián)系，并確定均衡價格。CAPM反映某一證券合理的風(fēng)險溢價，而這是由該證券所面臨的風(fēng)險對資產(chǎn)組合整體風(fēng)險的貢獻程度所決定的。單個證券的風(fēng)險由非系統(tǒng)性風(fēng)險（可分散風(fēng)險）和系統(tǒng)性風(fēng)險（不可分散風(fēng)險）組成，可分散風(fēng)險可以用增加投資渠道的方式消除，而其對市場投資組合風(fēng)險的貢獻程度可以用β衡量。

對CAPM的實證檢驗，一般是利用回歸方程對歷史數(shù)據(jù)進行時間序列或橫截面的檢驗。CAPM的表達式為：

式中，E（Ri）為股票的期望收益率；rf為無風(fēng)險收益率；E（Rm）為市場組合的期望收益率；, β系數(shù)是單個證券的收益率與證券市場平均收益率之間的協(xié)方差與證券市場平均收益率的方差的比值。

三、實證檢驗

（一）樣本選擇與數(shù)據(jù)確定

1．樣本選擇

由于上證180指數(shù)的選樣方法更為公正客觀，能夠更加準確地評價市場，我們選擇從上證180指數(shù)里選取樣本股。鑒于2008年9月爆發(fā)了全球金融危機，2014年11月開始股市出現(xiàn)了較大程度的震蕩，本文以2009年1月1日至2014年10月31日作為樣本股的選取時期，并以周收盤價作為樣本觀測值。本文選取了在2009年1月1日和2014年10月31日兩個時間點同時入選上證180指數(shù)的87只股票，并剔除數(shù)據(jù)缺失嚴重的股票1只、貝塔值異樣的股票4只，最終剩余82只股票作為樣本股。

2．收益率的確定

（1）個股收益率的確定?？紤]到我國股市年限較短，如果采用月數(shù)據(jù)會產(chǎn)生數(shù)據(jù)量不足等問題，因此我們選用周數(shù)據(jù)進行分析。股票的周收益率計算公式為：

式中，Ri,t為股票的周收益率；Pi,t、Pi,t-1分別為第t、t-1周各只股票5日收盤價的平均值。

（2）市場收益率的確定。本文是基于上證股票的研究，所以采用上證180指數(shù)作為市場投資組合收益率。市場的周收益率計算公式為：

式中，Rm,t為市場的周收益率；Pm,t、Pm,t-1分別為第t、t-1周5日上證180指數(shù)收盤價的平均值。

3．無風(fēng)險收益率的確定

國外研究中通常以一年期的短期國債利率或銀行同業(yè)拆借利率來代替無風(fēng)險收益率，但由于我國利率尚未市場化，因此無法用國債利率來代替無風(fēng)險收益率。而人民幣定期存款利率最低時限要求是三個月，且其隨時間的變化程度不明顯，故本文將上海銀行間同業(yè)拆借利率（SHIBOR）的周數(shù)據(jù)作為無風(fēng)險收益率。

（二）檢驗方法

本文采用簡化的FM方法進行實證檢驗，具體步驟如下：

（1）組合形成期：利用2009—2010年各樣本股的周收益率回歸計算各個股票的βi值，并對其進行排序，將所有股票分成14組，構(gòu)成14個投資組合。

（2）估計期：利用2011—2012年數(shù)據(jù)重新計算各個股票的βi，并用算術(shù)平均法得到各投資組合的βP。

（3）檢驗期：利用2013年1月1日至2014年10月31日的周市場收益率Rm對估計期的βP進行橫截面回歸檢驗。

（三）檢驗過程

1．計算βi

首先計算2009—2010年個股的周收益率Ri和市場收益率Rm，再利用公式

回歸出個股的βi。表1列出了部分股票的相關(guān)信息及回歸得到的β值。

2．分組

為了分散非系統(tǒng)性風(fēng)險，需要構(gòu)建投資組合，將樣本按2009—2010年計算所得的個股βi進行排序并分為14組，構(gòu)建投資組合。根據(jù)2011—2012年的個股周收益率Ri和市場收益率Rm重新計算組合βP，依據(jù)公式為：

式中，;rf為無風(fēng)險收益率。

利用Matlab回歸得到各投資組合的αP、βP，并對其進行t檢驗。其回歸結(jié)果如表2所示。

由表2我們可以看出，α的顯著性都大于0.05，沒有通過檢驗；βP的顯著性都小于0.05，可以通過檢驗。這說明股票的收益率主要受到市場因素的影響。

3．橫截面檢驗

結(jié)合第二期βP以及2013—2014年的RP，用Matlab對模型

進行橫截面回歸，主要檢驗常數(shù)項系數(shù)α0是否顯著為零，一次項系數(shù)α1是否顯著接近Rm（Rm=0.0037），二次項系數(shù)α2是否顯著為零。該模型可以更準確地考察個股的期望收益率是否依賴于βP。

回歸結(jié)果如表3所示。

從表3中可以看出R2只有0.0833，擬合度非常不好，α0、α1、α2的顯著性都大于0.05,其結(jié)果非常不顯著。其中，α1的估計值小于0，說明市場股票收益與系統(tǒng)風(fēng)險并無正相關(guān)關(guān)系；α2的估計值為正，說明股票收益率與系統(tǒng)風(fēng)險也不成線性關(guān)系，這都與CAPM不一致。而且模型的擬合度較低，這說明在現(xiàn)實的市場環(huán)境中，系統(tǒng)性風(fēng)險并不是影響個股收益的唯一因素，非系統(tǒng)性風(fēng)險或其他因素也是影響股票預(yù)期收益的主要因素，CAPM不能很好地解釋股票市場是如何定價的。

四、結(jié)論與啟示

本文的檢驗結(jié)果與CAPM的結(jié)論不符，側(cè)面反映了CAPM自身有很大的局限性。CAPM通過對現(xiàn)實證券市場進行一系列嚴格的假設(shè)，試圖將人們復(fù)雜的投資決策通過數(shù)字計算的效用值表達出來。我國證券市場中的各種因素都處于不穩(wěn)定狀態(tài)之中，市場本身存在一定的缺陷，各種經(jīng)濟因素和非經(jīng)濟因素還不能滿足CAPM理論嚴格的基礎(chǔ)假設(shè)條件，這降低了CAPM的可操作性：一是，模型所采用的無風(fēng)險收益率和市場投資組合可能不存在；二是，估計的β值只是代表過去數(shù)據(jù)的變動程度，而把模型真正應(yīng)用到股票投資決策上時，未來股票價格的波動才是投資者投資決策時的真正依據(jù)，但是即使是較為成熟的證券市場，也無法真正滿足CAPM的假設(shè)條件；三是，我國證券市場還處于弱式有效市場，且并沒有實現(xiàn)完全意義上的“全流通”，不是每個投資者都能正確分析信息，做出準確的投資決策，投資者更多地表現(xiàn)出從眾行為；四是，我國產(chǎn)權(quán)結(jié)構(gòu)仍處于國有經(jīng)濟占主導(dǎo)地位的階段，投資者更信任國有企業(yè)；五是，在證券組合中，決定收益的唯一因素并非是系統(tǒng)性風(fēng)險，在非系統(tǒng)性風(fēng)險沒有完全消除時，公司的糾紛、股本規(guī)模、決策失誤、并購等要素對股票價格的影響也很大。

通過以上實證分析，并結(jié)合我國國情，本文給出以下幾點建議：第一，完善信息披露制度，改善信息不對稱問題，保證信息足夠公開且真實；第二，改善我國產(chǎn)權(quán)結(jié)構(gòu)，給有發(fā)展?jié)摿Φ闹行⌒头菄衅髽I(yè)更多的發(fā)展空間，增強投資者對該類企業(yè)的信心，使資金流向最有效率的企業(yè)，提高市場有效性；第三，加大力度培養(yǎng)具有專業(yè)知識的投資人群體，幫助廣大中小投資者做出正確的投資決策；第四，投資者在進行投資決策之前，要掌握一定的證券投資知識或?qū)で髮I(yè)投資經(jīng)理的幫助，減少非理性投資和盲目從眾投資行為的發(fā)生。

參考文獻

[1]Sharp W.Capital Asset Prices:A Theory of Capital Market Equilibrium under Conditions of Risk[J]. Journal of Finance,1964,19（3）:425-442.

[2]Lintner J.The Valuation of Risky Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets[J].Review of Economics and Statistics,1965,47（1）:346-382.

[3]Markowitz H.Portfolio Selection[J].The Journal of Finance,1952,7（1）:77-91.

[4]Shih Y C, Chen S S, Lee C F, et al.The Evolution of Capital Asset Pricing Models[J].Review of Quantitative Finance and Accounting,2014,42（3）:415-448.

[5]Mehra R, Prescott E C.The Equity Premium:A Puzzle[J].Journal of Monetary Economics,1985, 15（2）:145-161.

[6]Chordia T, Roll R, Subrahmanyam A.Commonality in Liquidity[J].Journal of Financial Economics, 2000,56（1）:3-28.

[7]Ferson W, Nallareddy S, Xie B.The“Out-of-Sample”Performance of Long Run Risk Models [J]. Journal of Financial Economics,2013,107（3）:537-556.

[8]Bod M, Kanderova M.Linearity of the Sharpe-Lintner Version of the Capital Asset Pricing Model[J]. Procedia-Social and Behavioral Sciences,2014,110:1136-1147.

[9]陳石清，帥富成．基于上海股市的資本資產(chǎn)定價模型的實證檢驗[J]．經(jīng)濟問題，2009（8）:94-96.

[10]丁琳，劉文?。袊鴾匈Y本資產(chǎn)定價模型的實證檢驗——基于動態(tài)分組方法[J]．中南財經(jīng)政法大學(xué)學(xué)報，2013（4）:101-109.

[11]屠新曙，韋宏．資本資產(chǎn)定價模型使用條件分析[J]．華南師范大學(xué)學(xué)報，2013（3）:36-39.

[12]趙清，烏東峰．CAPM資產(chǎn)定價機制及中國適用性研究[J]．東南學(xué)術(shù)，2015（6）:12-18.

注：1．本文刊登于《時代金融》2016年第3期第154～155頁，此處略有改動。

2．本文作者為：金思宇，女，杭州電子科技大學(xué)經(jīng)濟學(xué)院金融系2013級本科生；李婉婷，女，杭州電子科技大學(xué)經(jīng)濟學(xué)院金融系2013級本科生；李昱希，女，杭州電子科技大學(xué)經(jīng)濟學(xué)院金融系2013級本科生。

3．張婉嫻、朱凱娜、祝詩依和褚純純也參與了本文的部分工作。

上市公司貝塔系數(shù)的影響因素實證分析

蘇鴻輝 袁桂秋

摘要：貝塔系數(shù)是投資和風(fēng)險管理領(lǐng)域中很重要的一個指標。本文首先回顧時變貝塔系數(shù)的計算方法，然后針對不同行業(yè)特點選擇有代表性的4家上市公司進行面板數(shù)據(jù)分析來探究時變貝塔系數(shù)的影響因素，表明貝塔系數(shù)是公司營運財務(wù)狀況和市場行為共同作用下的結(jié)果，通過這些分析也為我們更好地了解公司狀況、挖掘投資機會和管理金融風(fēng)險提供依據(jù)。

關(guān)鍵詞：行業(yè)特征；貝塔系數(shù)；投資

一、引言

金融市場中的風(fēng)險和收益共存，刻畫風(fēng)險程度的一個有力指標就是貝塔系數(shù)，金融決策模型中使用的貝塔系數(shù)應(yīng)該是對業(yè)務(wù)表現(xiàn)進行的動態(tài)衡量。所以，貝塔系數(shù)受到極大關(guān)注，幾乎對于所有的投資決策來說，它都是一個非常重要的工具，而且在現(xiàn)代投資組合理論中也扮演一個重要的角色。

在探究貝塔系數(shù)的影響因素上，Beave、Kettler和Seholes（1970）研究了貝塔系數(shù)與公司基本特征之間的關(guān)系，發(fā)現(xiàn)貝塔系數(shù)與股利支付率、財務(wù)杠桿、會計貝塔系數(shù)顯著相關(guān)；與成長性、規(guī)模和流動比率顯著無關(guān)。Adedeji（1997）選取了英國股市的375家上市公司，分析貝塔系數(shù)與會計變量的關(guān)系，結(jié)果發(fā)現(xiàn)貝塔系數(shù)與財務(wù)杠桿、股利支付率、公司規(guī)模顯著正相關(guān)，與經(jīng)營杠桿、市盈率流動比率、稅率呈負相關(guān)。吳世農(nóng)（1999）選取滬市1997年10月9日到1998年10月10日200只股票的51個周收益率和上證綜指的周收益率，根據(jù)“單一指數(shù)模型”做一元線性回歸分析估計貝塔系數(shù)，然后就7個財務(wù)指標進行橫截面多元線性回歸，發(fā)現(xiàn)總資產(chǎn)增長率、財務(wù)杠桿、流動比率與貝塔系數(shù)呈正相關(guān)，股利支付率、流通盤規(guī)模、盈利波動率與貝塔系數(shù)呈負相關(guān)，經(jīng)營杠桿對貝塔系數(shù)沒有顯著影響。羅登月、王春風(fēng)和房振明（2007）利用相關(guān)多元GARCH模型計算深圳股市諸行業(yè)指數(shù)的時變貝塔系數(shù)，對系統(tǒng)風(fēng)險貝塔系數(shù)和收益進行條件檢驗，發(fā)現(xiàn)市場處于上漲時，貝塔系數(shù)與收益顯著正相關(guān)；市場處于下跌時，貝塔系數(shù)與收益顯著負相關(guān)。周仁才（2009）驗證股票換手率與其歷史收益率之間存在較強的正相關(guān)，高的收益率將導(dǎo)致后續(xù)交易日換手率的增加；同時，換手率與收益率之間的相關(guān)性隨著股票流通市值的不同而呈現(xiàn)差異；相對于大市值股票，小市值股票表現(xiàn)出更加強烈的正相關(guān)。

本文將采用普遍接受的GARCH（1,1）-M模型構(gòu)造時變貝塔系數(shù)，然后選取財務(wù)指標，針對4只代表不同行業(yè)特征的股票進行面板分析來探究貝塔系數(shù)的影響因素。

二、貝塔系數(shù)計算

貝塔系數(shù)（Beta Coefficient）是一種評估證券系統(tǒng)性風(fēng)險的工具，用以度量一種證券或一個投資證券組合相對總體市場的波動性，常見于股票、基金等投資術(shù)語中。

其計算公式為：

式中，Cov（rit, rmt）為證券t的收益與市場收益的協(xié)方差；為市場收益的方差。

我們可以按照以下公式計算時變貝塔系數(shù)：

本文選取招商地產(chǎn)（000024）、中原環(huán)保（000544）、海螺型材（000619）、中水漁業(yè)（000798）4只股票。數(shù)據(jù)來源于國信金太陽軟件，時間從2007年9月7日到2011年12月30日，按周收盤價計算收益率。

通過EViews統(tǒng)計分析，本文得到以下時變貝塔時序（見圖1），我們可以發(fā)現(xiàn)：

招商地產(chǎn)（000024）的貝塔系數(shù)相對穩(wěn)定，貝塔系數(shù)在0.5～1.7波動，短時間內(nèi)小幅波動，符合大盤股穩(wěn)定股市行情的特點。2008年以來，招商地產(chǎn)的貝塔系數(shù)能夠保持在1.0上下，這是因為當(dāng)時房地產(chǎn)行業(yè)處于興旺狀態(tài)；2009年后，由于國家宏觀政策沒有充分生效，房地產(chǎn)行業(yè)仍強于大盤，招商地產(chǎn)走勢強勁，總體而言，公司的經(jīng)營狀況良好，屬于行業(yè)中的領(lǐng)先企業(yè)。

中原環(huán)保（000544）的貝塔系數(shù)大部分在1以上，表現(xiàn)強于市場行情，分析其業(yè)績報告可發(fā)現(xiàn)其利潤大部分是靠政府補貼的支持。缺點是在下跌期，大幅的波動導(dǎo)致其收益大大減少?！笆濉逼陂g，國家政策將進一步支持污水處理行業(yè)發(fā)展，全國城鎮(zhèn)污水處理設(shè)施建設(shè)資金需求總量約為1539.69億元，污水處理基礎(chǔ)設(shè)施建設(shè)行業(yè)發(fā)展勢頭將持續(xù)，可見市場容量將不斷擴大，而中原環(huán)保污水處理的毛利率保持在50%以上，在這個背景下，中原環(huán)保能夠繼續(xù)保持較高的貝塔系數(shù)。

海螺型材（000619）在2008年之前的貝塔系數(shù)一直在0.9左右，業(yè)績平穩(wěn)；但是2009年年底開始貝塔系數(shù)快速上升，這是因為當(dāng)年其在四川、新疆等地新建廠房不斷擴大規(guī)模，而導(dǎo)致營業(yè)狀況出現(xiàn)下滑?！笆濉逼陂g，國家將積極發(fā)展循環(huán)經(jīng)濟和低碳經(jīng)濟，加大既有建筑節(jié)能改造投入，積極推進建筑節(jié)能，海螺型材憑借覆蓋全國的生產(chǎn)基地、巨大的銷售網(wǎng)絡(luò)，加上原材料價格的下跌，股價將繼續(xù)上漲，走勢明顯強于市場，貝塔系數(shù)也很高。

中水漁業(yè)（000798）的貝塔系數(shù)短時間內(nèi)非常平穩(wěn)，而隨著國家對遠洋捕撈政策支持力度的減小、對捕撈企業(yè)的限制加大，中水漁業(yè)的業(yè)績出現(xiàn)下滑，導(dǎo)致風(fēng)險驟然上升，貝塔系數(shù)在2以上。中水漁業(yè)主營遠洋水產(chǎn)品的捕撈、儲運、銷售和進出口。雖然國家明確提出“扶持和壯大遠洋漁業(yè)”，遠洋漁業(yè)的扶持和優(yōu)惠政策得到進一步增強，但是國際油價的高位運行、捕撈成本的居高不下給中水漁業(yè)帶來了很大的不確定性。

從計算結(jié)果看，大盤型公司受突發(fā)因素的影響明顯小于小盤股和成長型股，時變貝塔系數(shù)比較穩(wěn)定，一般在1上下。國家政策支持型公司符合國家發(fā)展規(guī)劃，往往處在高速發(fā)展或者改革前列，由于政策支持和大額補貼，受到市場追捧，貝塔系數(shù)一直處于高位。一旦外部環(huán)境發(fā)生變化促進成長型企業(yè)高速增長，這時，時變貝塔系數(shù)在短期內(nèi)將迅速提高，與外部環(huán)境不利時形成鮮明對比。小盤業(yè)績穩(wěn)健增長型企業(yè)，其業(yè)績能夠持續(xù)上漲，有很強的擴張想象空間，時變貝塔系數(shù)一直居高不下，甚至有時高得驚人。

三、時變貝塔系數(shù)的影響因素實證分析

（一）變量的選取

（1）成長性指標。一個處于成長期的企業(yè)主要靠風(fēng)險投資和債務(wù)投資運營，其產(chǎn)品市場占有率低，銷售收入不斷上漲。成長性指標體現(xiàn)了企業(yè)實體經(jīng)濟規(guī)模的擴大程度，在規(guī)模經(jīng)濟的前提下，擴大產(chǎn)能會降低平均成本，從而使企業(yè)獲得競爭優(yōu)勢，有機會進入成熟期。凈資產(chǎn)增長率（nzzz）體現(xiàn)了企業(yè)權(quán)益的增加情況，當(dāng)度過創(chuàng)業(yè)期后，股東會加大投資力度，一方面提供內(nèi)部資金，減小極高的債務(wù)成本；另一方面也能獲得更多股權(quán)，加大對企業(yè)的實際控制力度。

（2）償債性指標。企業(yè)的償債水平?jīng)Q定了資金借貸成本的大小、資本結(jié)構(gòu)的合理性與否。不同行業(yè)有著不一樣的最優(yōu)資本結(jié)構(gòu)。資產(chǎn)負債率（zcfz）是最常見的償債性指標，低負債率說明企業(yè)資本安全，財務(wù)風(fēng)險小，但是這會喪失利用負債來放大股東權(quán)益的機會，是企業(yè)不善于利用負債優(yōu)化資本結(jié)構(gòu)的表現(xiàn)；而較高的資產(chǎn)負債率意味著極大的財務(wù)風(fēng)險，外部融資的成本極高。

（3）收益型指標。用總資產(chǎn)收益率（roa）和營業(yè)收入增長率（rmi）來進行衡量。

（4）市場指標。流通股是指企業(yè)在證券交易所流通的股份。流通股的大?。?span id="6qhgspt" class="italic">ltg）反映了企業(yè)的規(guī)模，流通股大的企業(yè)相對穩(wěn)定，風(fēng)險小，在證券市場中往往是大盤股，但是不能為投資者帶來超常的收益；相反，流通股小的企業(yè)抵抗風(fēng)險能力小，而且往往容易被莊家控制，如果能夠及時預(yù)見莊家的動向，投資者就能運籌帷幄、操作自如。換產(chǎn)率（hsl）反映了交易股票的流動性，也納入指標范疇。

（二）面板分析及優(yōu)化

進行面板分析時，本文采用固定效應(yīng)模型的變截距模型，初步假設(shè)模型如下：

式中，βit為i公司在t時刻的貝塔系數(shù)；α為四家公司的平均截距；αi為i公司的截距；λ為各個指標的系數(shù)。

用EViews 6.0進行面板實證，我們發(fā)現(xiàn)凈資產(chǎn)增長率和營業(yè)收入增長率不顯著，剔除這兩個變量后，重新建立如下模型：

得到如下結(jié)果：

式中，α1=-0.253661, α2=0.258584, α3=-0.204735, α4=0.199812。

四、實證結(jié)果的經(jīng)濟分析

（一）凈資產(chǎn)增長率

我國上市公司的主要目的是籌集資金發(fā)展公司規(guī)模，在其他籌資途徑缺乏時，通過上市直接獲得投資者的股權(quán)投資對于上市公司來說至關(guān)重要。一旦在證券交易所上市后，企業(yè)的權(quán)益就相對固定，在短時間內(nèi)不會發(fā)生很大變化，所以對于時變貝塔系數(shù)影響不明顯。

（二）資產(chǎn)負債率

資產(chǎn)負債率的系數(shù)為0.44，說明其與貝塔系數(shù)存在正相關(guān)關(guān)系，符合預(yù)期。高資產(chǎn)負債率說明企業(yè)資本結(jié)構(gòu)中的負債比率高，也恰恰說明了企業(yè)善于利用負債籌資實現(xiàn)高速成長。對于上市公司來說，資產(chǎn)負債率高并不一定會直接導(dǎo)致企業(yè)風(fēng)險增加，因為上市公司有著強硬的地方背景、銀行支持，而且我國企業(yè)目前債券融資規(guī)模小，高資產(chǎn)負債率對融資的影響不像西方國家那么大。

（三）總資產(chǎn)收益率

總資產(chǎn)收益率的系數(shù)為3.48，說明其與貝塔系數(shù)存在正相關(guān)關(guān)系，符合預(yù)期。總資產(chǎn)收益率越大，表明企業(yè)利用資產(chǎn)創(chuàng)造利潤的能力越大，在一個均衡的市場里，行業(yè)的經(jīng)濟利潤為零，這就激勵管理層在成本管理、技術(shù)創(chuàng)新上加大開發(fā)研究力度，從而獲得高于行業(yè)的收益，總資產(chǎn)收益率對貝塔系數(shù)的正向影響體現(xiàn)了該企業(yè)在經(jīng)營管理方面的高效。

（四）換手率

換手率的系數(shù)為0.27，說明其與貝塔系數(shù)存在正相關(guān)關(guān)系，符合預(yù)期。高換手率是短期受熱點激發(fā)、被市場過度炒作的結(jié)果，因此時變貝塔系數(shù)也變大，該結(jié)果也說明貝塔系數(shù)本身就是市場的一種表現(xiàn)形式。

（五）流通股

流通股的系數(shù)為-0.09，說明其與貝塔系數(shù)存在弱負相關(guān)關(guān)系。市場一般喜歡流通規(guī)模較小的股票，流通規(guī)模較大的股票不易被市場炒作。同時，一個流通盤較大的股票本身就說明該企業(yè)已經(jīng)經(jīng)歷了一個成長良好的階段，公司未來的持續(xù)增長會有更多困難，所以市場更傾向于小盤高增長的股票，而不會傾向于低增長高流通盤的股票。

不同類型的公司在資本結(jié)構(gòu)、運營模式、企業(yè)戰(zhàn)略方面存在很大差異，其股票走勢以及相應(yīng)的時變貝塔系數(shù)也不一樣，本文選取的4只具有不同類型特征的股票分別是大盤業(yè)績穩(wěn)定型、國家政策支持型、高增長型和小盤業(yè)績穩(wěn)定型股票，并借此分析其時變貝塔系數(shù)。

這些結(jié)果進一步表明，股票的走勢和時變貝塔系數(shù)的影響因素，跟公司的基本面情況密切相關(guān)，要想在股票投資方面獲得較好收益，還需要深入分析公司的基本特征。

參考文獻

[1]吳世農(nóng)．我國上市公司系統(tǒng)風(fēng)險和會計變量之間關(guān)系的實證研究[J]．會計研究，1999（12）:29-33.

[2]羅登月，王春風(fēng)，房振明．深圳股市時變Beta條件CAPM實證研究[J]．管理工程學(xué)報，2007（12）:102-109.

[3]周仁才，吳沖鋒．股票收益率對于換手率的影響及其動因[J]．上海交通大學(xué)學(xué)報，2009（4）:538-541.

[4]Beaver W H, Kettler P, Scholes M.The Association Between Market-Determined Risks[J].The Accounting Review,1970（10）:654-682.

[5]Adedeji.Facts and Fallacies about the Determinants of Beta[J].Issues in Accounting and Finance, 1997（6）:217-240.

注：1．本文刊登于《消費導(dǎo)刊》2013年第3期第81～82頁，此處略有改動。

2．本文作者為：蘇鴻輝，男，杭州電子科技大學(xué)經(jīng)貿(mào)學(xué)院金融系2009級本科生。

基于時變β系數(shù)的股票投資分析

張律行 袁桂秋

摘要：本文利用GARCH（1,1）-M模型估計我國股票市場中的時變貝塔系數(shù)，并且計算了銀行、房地產(chǎn)等6個行業(yè)指數(shù)從2007年8月1日到2011年12月31日的時變貝塔系數(shù)。通過分析這些時變貝塔系數(shù)，發(fā)現(xiàn)時變貝塔系數(shù)能較好地反映股票的即時走勢，特別能捕捉到經(jīng)濟環(huán)境和消息面變化所引發(fā)的行業(yè)內(nèi)公司股價的變化。因此，時變貝塔系數(shù)較常數(shù)貝塔系數(shù)更能為投資者提供許多有益的投資參考。

關(guān)鍵詞：貝塔系數(shù)；GARCH模型；投資

一、引言

所謂時變貝塔，指的是貝塔系數(shù)值隨著時間推移而不斷地變化。國內(nèi)外學(xué)者比較廣泛地關(guān)注時變貝塔系數(shù)，Braun、Nelson和Sunier（1995）利用雙變量EGARCH模型考察好消息和壞消息對波動性和β系數(shù)的影響，結(jié)果證明了行業(yè)組合的時變β系數(shù)不存在消息面上的不對稱性。Koutmos和Knif（2002）采用TGARCH模型來估計并考察芬蘭股票市場股票組合的時變β系數(shù)，結(jié)果發(fā)現(xiàn)時變β系數(shù)遵循穩(wěn)定且緩慢的均值回復(fù)過程；他們認為雙變量GARCH模型能較好地解釋系統(tǒng)性風(fēng)險的動態(tài)特征，并指出若只是要獲得股票β系數(shù)的點估計值，采用簡單的回歸方法也是可行的。周少甫和杜福林（2005）應(yīng)用Engle提出的一種多元DCCGARCH模型，選取了上海證券交易所的陸家嘴、青島啤酒、青島海爾、四川長虹和上海石化這5只上市時間比較長的股票的日數(shù)據(jù)進行研究，獲得了比較準確的時變貝塔系數(shù)，并給出了時變貝塔系數(shù)的預(yù)測公式。羅登躍、王春峰和房振明（2007）使用Engle提出的動態(tài)條件相關(guān)的多元GARCH模型計算深圳股市諸行業(yè)指數(shù)從2001年7月2日到2005年7月15日期間的時變貝塔系數(shù)，進而對系統(tǒng)風(fēng)險貝塔系數(shù)與收益的關(guān)系進行傳統(tǒng)的檢驗和由Pettengill等人于1995年提出的條件檢驗，并且探討了非系統(tǒng)性風(fēng)險、總風(fēng)險在資產(chǎn)定價中的作用。林清泉和榮琪（2008）利用國外最新提出的能夠預(yù)測多元資產(chǎn)條件協(xié)方差矩陣的多元GARCH模型，對上證指數(shù)與工業(yè)、商業(yè)、地產(chǎn)、公用和綜合5種行業(yè)指數(shù)的日數(shù)據(jù)進行了實證研究，研究結(jié)果發(fā)現(xiàn)利用條件異方差矩陣計算得到的時變貝塔系數(shù)的均值與經(jīng)典CAPM回歸所得到的貝塔值存在顯著差異，另外在時變貝塔和傳統(tǒng)貝塔模型的收益率殘差分析中，發(fā)現(xiàn)時變貝塔系數(shù)也可用于刻畫單個資產(chǎn)相對于市場組合的風(fēng)險大小，并且時變貝塔模型計算的殘差更接近于零，因此驗證了時變貝塔模型在風(fēng)險度量上是對傳統(tǒng)模型的改進。

研究貝塔的時變路徑是一項很有價值的工作，Ling（2005）給出了三個研究理由：①貝塔的時變路徑可以使“時變過程”具體化，這樣貝塔結(jié)構(gòu)拐點就能很容易被偵查到，更為重要的是完備的貝塔時序估計能提高股票的行業(yè)平均收益預(yù)報的準確度。②具體化的貝塔的連續(xù)變化，使得辨別重要的政治或經(jīng)濟事件對貝塔的沖擊變得簡單。③時變貝塔的分析也有助于公司金融管理人員和資產(chǎn)組合管理人員，獲得對貝塔和股市行業(yè)平均收益的更準確的估計。本文主要基于Ling（2005）的思路，利用時變貝塔系數(shù)分析股票的投資決策。

二、時變貝塔估計模型的計算

常數(shù)貝塔市場模型主要是用來作為比較基準的，其公式為：

式中，Rit、Rmt分別為t時刻股票的收益率和相應(yīng)的市場指數(shù)收益率；αi、βi分別為估計的系數(shù)；εit為隨機誤差項。其中,,由于該模型是常數(shù)貝塔模型，因此可以非常容易地通過最小二乘法（OLS）而計算得出。

式（1）中的誤差項并不是正態(tài)獨立同分布的，這樣就會導(dǎo)致用OLS得到的估計量存在偏差。為了解決這個問題，現(xiàn)有文獻中經(jīng)常使用的一個模型就是GARCH模型，為了簡單起見，本文使用GARCH（1,1）模型，其均值方程為：

式中，υit=σitεit,υmt=σmtεmt，其中{εit}、{εmt}是均值為0、方差為1的獨立同分布隨機變量序列；μit代表投資組合i在時期t內(nèi)的收益率的條件均值；υit代表擾動項；dit、dmt是條件方差（波動率）前的系數(shù)，如果系數(shù)為正，代表收益率與其波動率呈正相關(guān)；而σit和σmt代表條件方差，其定義如下：

式（4）和式（5）意味著條件方差的大小依賴于滯后一期的殘差項的平方和滯后一期的條件方差項的平方的大小，滯后一期的殘差項的平方的系數(shù)為ARCH項的相關(guān)系數(shù)bi，滯后一期的條件方差項的平方的系數(shù)為GRACH項的系數(shù)ci。bi可以解釋為新聞系數(shù)，ci可以解釋為過去的新聞的波動系數(shù)。條件方差按下式進行計算：

式中，ρim是行業(yè)投資組合i的回報率和市場回報率之間的相關(guān)系數(shù)，而且被認定為在整個時間跨度內(nèi)為常數(shù)。因此，GARCH（1,1）模型的貝塔值可以用下式來估算：

三、實證分析

（一）數(shù)據(jù)來源

本文采用的樣本數(shù)據(jù)為日收盤數(shù)據(jù)，具體包括房地產(chǎn)、有色金屬、醫(yī)藥生物、銀行、出版媒體、農(nóng)林牧漁等6個行業(yè)指數(shù)，以上證指數(shù)表示市場指數(shù)。本文選擇的時間跨度為2007年8月1日到2011年12月31日，共計1079個交易日，即上證指數(shù)和每個板塊指數(shù)各有1079個日收盤數(shù)據(jù)。為了更好地進行比較分析，本文所有數(shù)據(jù)都是復(fù)權(quán)處理后的數(shù)據(jù)。

（二）GARCH（1,1）建模計算時變貝塔

根據(jù)式（2）至式（5）對各行業(yè)收益率和市場整體收益率建立GARCH（1,1）模型。

1.GARCH（1,1）模型實證結(jié)果

由式（4）和式（5），通過EViews可以直接求出各個行業(yè)板塊指數(shù)的ARCH系數(shù)bi和GARCH系數(shù)ci。而且在回歸過程中ARCH系數(shù)bi和GARCH系數(shù)ci的P值全部等于0，這說明在1%的顯著性水平下，這些系數(shù)全部都是顯著的。所有6個行業(yè)的兩個系數(shù)之和都小于1，這也意味著6個行業(yè)都符合有限無條件方差的要求。所有行業(yè)的ARCH系數(shù)bi和GARCH系數(shù)ci全部列入表1中。

2．時變貝塔實證結(jié)果

求出ARCH系數(shù)bi與GARCH系數(shù)ci之后，為了估計式（4）和式（5）中的和，就必須知道和，但是這兩個值是沒有辦法直接求出來的。參考已有文獻和理論知識，本文假設(shè)，而為GARCH（1,1）模型中各個行業(yè)的回歸標準誤的平方。因此，求出和后，根據(jù)式（4）和式（5）即可求出GARCH（1,1）-M市場模型中的時變貝塔。求出時變貝塔值以后，每個行業(yè)將有1078個時變貝塔值，一共有6個行業(yè)。本文將這些時變貝塔值一一列出。求出每個行業(yè)的1078個時變貝塔值以后，加總求和，再求出均值，即可得到根據(jù)GARCH（1,1）-M市場模型估計出來的每個行業(yè)的時變貝塔均值（見表2）。

其中，出版媒體行業(yè)貝塔最大值異常的原因在于，2007年12月21日遼寧出版?zhèn)髅焦煞萦邢薰旧鲜幸鸸蓛r暴漲。為了更清晰地展現(xiàn)時變貝塔的波動過程，本文選取10個行業(yè)的時變貝塔數(shù)據(jù)，并做出了常數(shù)貝塔、GARCH（1,1）-M貝塔的時間序列圖。具體如圖1至圖6所示。

從以上這些圖中可以清楚地看到：

農(nóng)林牧漁業(yè)的時變貝塔系數(shù)序列在均值附近上下波動比較頻繁，停留在均值上方或下方的時間都比較短，數(shù)值大部分集中在0.9～1.2。其實，我國政府2007年以來一直重視農(nóng)林牧漁業(yè)的發(fā)展，并經(jīng)常出臺一些支持政策，所以農(nóng)林牧漁行業(yè)的股票經(jīng)常被市場借利好消息不斷炒作，但是農(nóng)林牧漁企業(yè)的增長速度遠不如資源類和高科技類企業(yè)，所以短暫炒作之后就回復(fù)到低貝塔系數(shù)值狀態(tài)。

有色金屬業(yè)的時變貝塔系數(shù)值一直較高，最高達到1.8以上，較其他行業(yè)的貝塔值顯著，表明有色金屬一直受到市場追捧。其實，這是受到多年來我國經(jīng)濟高速發(fā)展的影響，股票市場已深刻認識到稀缺資源的重要性，尤其經(jīng)歷2005—2008年的爆炒，有色金屬類股票仍然是市場上被重點投資炒作的對象。

醫(yī)藥生物業(yè)的時變貝塔系數(shù)序列在0.7～1.3波動，總體來看波動幅度不大，但是波動范圍具有明顯的階段性。其中，2007年和2009年的數(shù)值基本低于常數(shù)貝塔值，而2010年以來則基本高于常數(shù)貝塔值。該行業(yè)傳統(tǒng)上屬于長線板塊，其時變貝塔系數(shù)的表現(xiàn)與市場趨勢一致，2010年后由于醫(yī)藥生物業(yè)的快速發(fā)展而引起的市場高度關(guān)注，導(dǎo)致貝塔值呈現(xiàn)上升趨勢。

我國的銀行業(yè)在2008年美國金融危機中受到的影響最少，雖然在2008年8月到2009年4月之間，我國經(jīng)濟處于低谷，很多行業(yè)不景氣，但是銀行業(yè)仍獲得較高的利潤，所以這段時期銀行業(yè)的走勢遠遠強于其他行業(yè)，時變貝塔系數(shù)值也大于1。但是，因為銀行板塊的流通盤太大，不易被市場炒作，當(dāng)其他行業(yè)出現(xiàn)投資機會時，市場資金轉(zhuǎn)向別的行業(yè)，從而使得銀行業(yè)的貝塔系數(shù)值一直較低。

面對美國金融危機，我國在2009年年初開始不斷推出經(jīng)濟刺激計劃，最敏感的房地產(chǎn)業(yè)首先做出強勁的市場反應(yīng)，在2009年5—6月期間，房地產(chǎn)一直被熱炒，其貝塔系數(shù)一直高居在1.5以上。但是2010年后隨著國家不斷出臺房地產(chǎn)調(diào)控政策，房地產(chǎn)行業(yè)的股票走勢趨弱，不再強勁，這時的貝塔系數(shù)也較小。

出版媒體業(yè)的技術(shù)含量并不高，并且競爭激烈，同時出版媒體公司的業(yè)績一般不太高，所以出版媒體業(yè)的股票在大部分時間不被市場重點炒作。但是，黨的十七屆六中全會對推動文化產(chǎn)業(yè)成為國民經(jīng)濟支柱性產(chǎn)業(yè)這一重大戰(zhàn)略任務(wù)做出了全面部署。出版媒體板塊也因此受到熱炒，貝塔系數(shù)瞬時超過1.5，成為當(dāng)時市場的最大亮點。

四、結(jié)論與建議

通過以上分析可見，誠如Ling（2005）所說，結(jié)合外部經(jīng)濟環(huán)境的變化，利用時變貝塔系數(shù)可以辨別重要的政治或經(jīng)濟事件對市場的沖擊。同時，時變貝塔系數(shù)的“時變過程”具體化可以讓投資者很好地把握市場的變化和轉(zhuǎn)換，及時捕捉到投資機會，提高股票的行業(yè)平均收益預(yù)報的準確度，這是常數(shù)貝塔系數(shù)所不能的。所以，通過時變貝塔系數(shù)的分析有助于公司金融管理人員和資產(chǎn)管理人員獲取對市場更有益的信息。

參考文獻

[1]施東暉．上海股票市場風(fēng)險性實證研究[J]．經(jīng)濟研究，1996（10）:44-48.

[2]林清泉，榮琪．時變貝塔資本資產(chǎn)定價模型實證研究[J]．經(jīng)濟理論與經(jīng)濟管理，2008（12）:51-56.

[3]靳云匯，劉霖．中國股票市場CAPM的實證研究[J]．金融研究，2001（7）:106-115.

[4]羅登躍，王春峰，房振明．深圳股市時變Beta、條件CAPM實證研究[J]．管理工程學(xué)報，2007（2）:102-109.

[5]周少甫，杜福林．上海股市時變貝塔系數(shù)的估計[J]．統(tǒng)計與決策，2005（22）:17-19.

[6]吳武清，陳敏，劉偉．中國股市時變貝塔的統(tǒng)計特征及其在股指期貨中的應(yīng)用[J]．系統(tǒng)工程理論與實踐，2008（10）:14-23.

[7]Ling T H.Instability and Predictability of Factor Betas of Industrial Stocks:The Flexible Least Squares Solutions[J].The Quarterly Review of Economics and Finance,2005（45）:619-640.

[8]Braun P A, Nelson D B, Sunier A M.Good News, Bad News, Volatility, and Betas [J].Journal of Finance,1995（50）:1575-1603.

[9]Koutmos G, Knif J.Time Variation and Asymmetry in Systematic Risk:Evidence from the Finnish Stock Exchange[J].Journal of Multinational Financial Management,2002（12）:261-271.

[10]Choudhry T.The Long Memory of Time-Varying Beta:Examination of Three Emerging Asian Stock Markets[J].Managerial Finance,2001（27）:5-23.

注：1．本文刊登于《金融經(jīng)濟》2012年第6期第93～94頁，此處略有改動。

2．本文作者為：張律行，男，杭州電子科技大學(xué)經(jīng)貿(mào)學(xué)院金融系2008級本科生。