（数量经济学专业论文）上海股市β系数研究.pdf

摘要 在资本市场的理论与实践中，对投资风险的度量研究一直是学术 界和实务界关注的焦点问题。随着现代投资组合理论的建立和发展， 经济学家们提出了一系列度量风险的方法，p 系数就是其中一种被广 泛采用的风险度量指标。 近3 0 多年来，p 系数的研究与应用一直是资本市场中资产定价 和风险管理理论与实践的热点之一，争议颇多，其中研究的重点在于 p 系数的稳定性及其变动特征等方面。一方面，1 3 系数是正确理解资 本市场理论中有关收益一风险关系的关键参数，b 系数的稳定与否对 于c a p m 模型在投资决策方面的应用如资产定价、股票收益预测和 投资绩效评价至关重要；另一方面，资本市场上的许多事件研究也都 依赖于p 系数的稳定性。因此，p 系数的稳定性研究具有十分突出的 理论和现实意义。 自b l u m e 在1 9 7 1 年发表了第一篇关于1 3 系数稳定性的研究论文 以来，随后有许多学者关注这一问题，采用了各自的数据处理与分析 方法来考察1 3 系数的稳定性及其不稳定的特征表现，研究的广度和深 度不断扩展，并产生了大量丰富的研究成果和论文。与国外的研究相 比，关于中国股市p 系数的实证研究较少，而一些涉及到1 3 系数的研 究散见于对c a p m 模型的实证检验以及市场有效性研究和事件研究 中。 除了在估计方法和数据选取等方面寻求b 系数的变动原因之外， 许多学者还从公司的基本特征等方面入手探讨导致同一证券的1 3 系 数在不同时期出现变动以及不同证券的b 系数在同一时期存在差异 性的影响因素。总的来看，研究普遍认同导致b 系数差异的影响因素 主要有三大类：宏观经济因素( 如经济周期、利率、通货膨胀等) 、 公司的基本特征( 如公司的规模、财务结构等) 和公司的行业类别及 所归属的经济部门。 1 3 系数的影响因素研究具有重要的理论价值和现实意义。它不仪 揭示了除市场因素之外，宏观经济条件、公司的基本特征等也是潜在 影响p 系数的重要因素，从而使得人们对p 系数之所以不稳定及其变 动特征的探究有了更为明确及合理的解释。同时，对p 系数的影响因 素研究还能区分不同影响因素的重要程度，确认其影响方式和影响程 度，因此也为6 系数的可预测性提供了科学的理论依据和分析方法。 本文着重研究b 系数的稳定性，包括1 3 系数在年度估计时段内 和不同时段之间是否具有稳定性；也将研究b 系数的其它特征，包括 上海股市是否存在“时限效应”( i n t e r v a le f f e c t ) ，研究用日收益率和 用周收益率计算所得到的b 系数估计值是否存在差异；市场态势对p 系数估计的稳定性是否存在影响。同时，本文还将考察1 3 系数与会计 变量之间的关系，分析哪些会计变量对b 系数产生显著性影响以及对 b 系数所代表的系统性风险进行讨论。 本文共分六章，各章的结构和基本内容如下： 第一章为导论。本章首先探讨选题背景和选题意义，对p 系数的 定义和p 系数的用途进行详细的阐述和说明，指出p 系数在实践中的 应用己远不限于只是c a p m 模型中的关键参数，正是因为d 系数具 有广泛的应用价值，因而成为现代资本市场理论研究和实践中持续争 议和备受关注的问题。 第二章是文献综述。本章分为两节，第一节对1 3 系数的特征研究 进行了综述，包括收益率度量时限对b 系数估计值的影响( 时限效 应) ，p 系数稳定性的研究和市场态势对p 系数稳定性的影响三个方 面，第二节对b 系数影响因素的分析进行了综述。 第三章为6 系数的估计。本章介绍了研究样本的选取和数据的收 集过程，并且介绍了b 系数估计的三种方法，比较了三种方法的优劣， 本文选取实证研究中得到广泛应用的市场模型来估计p 系数，并计算 出用日收益率数据和用周收益率数据得到的p 系数估计值。 第四章为d 系数的特征研究。本章分为三个部分，第一节研究不 同度量时限收益率对b 系数估计的影响，即时限效应，用描述性统计 的方法得出用日收益率数据和用周收益率数据得到的p 系数估计值 的主要分布特征，并采用w i l c o x o n 秩和非参数检验对两种收益率度 量时限下6 系数估计值进行均值差异性检验，得出的结论是：2 0 0 1 年和2 0 0 2 年上海股市存在时限效应；用周收益率估计出来的b 值的 波动要大于用日收益率估计出来的口值的波动；在2 0 0 2 年- - 2 0 0 4 年， 采用日收益率数据估计的p 值平均上低于用周收益率数据所估计的p 值，与一些国外研究所发现的时限效应的表现相反。第二节研究分年 度估计时段内和相邻两年时段间的b 系数稳定性检验，分年度估计时 段内p 系数稳定性检验采用w 1 1 i t e 异方差检验法，结果表明p 系数具 有一定的稳定性，但在不同年份仍有一定比例的样本股票表现出不稳 定的特点，特别是在市场态势发生变化，即牛熊交替的年份。相邻两 年时段间的p 系数稳定性检验采用虚拟变量法，大多数样本股票的p 系数在相邻时间段之间具有稳定性，虽然仍有一定比例的股票的b 系 数在相邻时间段之间表现出不稳定，市场态势的变化( 牛熊交替) 对 b 系数在相邻时间段的稳定性具有较大影响。第三节研究市场态势对 $ 系数的影响，将样本时限划分为两段( 上升阶段和下跌阶段) ，采 用虚拟变量模型进行分析，结果表明样本股票中都有相当比例的股票 的p 系数受市场态势的显著影响，表现为不稳定。 第五章为系统性风险与会计变量之间的关系。本章根据国内外的 研究成果，选择了8 个会计变量，采用逐步回归法，研究他们对b 系 数的影响。结果表明，主营业务利润率、盈利变异性和净资产收益率 这三个盈利能力类的指标对p 系数有较显著的影响，可以这样解释， 2 0 0 2 年以来，随着机构投资者( 包括基金和q f i i ) 成为市场的中坚 力量，价值投资理念成为市场的主流，投资者逐渐改变了以前盲目跟 庄、追涨杀跌的投资方式，人们更加关注那些在其所属行业内占有重 要支配地位、业绩优良、成交活跃、红利优厚的大盘篮筹股，更加关 注股票的盈利能力，上市公司的盈利类会计变量对b 值的影响变得显 著。 第六章是关于系统性风险的分析。本章首先估算出上海股市系统 性风险的比例大约在4 0 左右，然后对系统性风险和非系统性风险进 行了理论分析，讨论了如何控制证券市场中的系统性风险，指出开展 股指期货交易是我国证券市场发展的现实选择。 本文的主要创新之处有： l 、采用逐步回归法，分年度考察上海股市样本股票8 个会计变 量对b 系数的影响。结果表明，主营业务利润率、盈利变异性和净资 产收益率这三个盈利能力类的指标对0 系数有较显著的影响。可以这 样解释，2 0 0 2 年以来，随着机构投资者( 包括基金和q f i i ) 成为市 场的中坚力量，价值投资理念成为市场的主流，人们更关注股票的盈 利能力，上市公司的盈利能力类会计变量对p 值的影响变得显著。这 是本文的一个创新，未曾在国内文献中见过，而且结果也符合现实。 2 、在对上海股市b 系数稳定性进行检验时，发现一个现象，即 在分年度估计时段内和相邻两年时段间，b 系数的稳定性都受到市场 态势变化( 牛市和熊市交替) 的显著影响，在牛市和熊市交替时，b 系数不稳定的比例明显高于其它时间段。虽然国内外的研究都表明b 系数受市场态势的显著影响，有许多股票在市场指数上升阶段相对于 指数的上涨幅度与在市场指数下挫阶段相对于指数的下跌幅度是不 一致的，但未见有国内文献研究股市牛市和熊市交替时期对b 系数稳 定性的影响。 本文关于p 系数的研究也还存在不足：最主要的是没有考虑p 系数的时变( t i m e v a r y i n g ) 特征。国外的研究表明p 系数具有一定的变 动特征，这些特征可以通过某些动态过程来描述，比如在金融时间序 列中广泛应用的a r c h ( g a r c h ) 族模型。在今后的研究中，可以尝 试向这个方向努力，而且我相信这个方向是大有可为的。 关键词：p 系数；时限效应；稳定性；市场态势； 会计变量；股指期货 a b s t r a c t i nt h ef a m o u sc a p i t a l - a s s e tp r i c i n gm o d e l ( c a p m ) d e v e l o p e db y w i l l i a ms h a r p ，e t c ，b e t ai sam e a s u r e m e n to fc o r r e l a t i o nb e t w e e nt h e p r i c ef l u c t u a t i o n so fi n d i v i d u a ls e c u r i t y ( o rp o r t f o l i o ) a n dt h ea v e r a g e p r i c ef l u c t u a t i o n so fa l ls e c u r i t i e si nt h em a r k e t ，t h a ti sc a l l e d ”s y s t e m a t i c r i s kc o e f f i c i e n t ”b e t ah a sn o to n l yi m p o r t a n ti m p l i c a t i o n si nf i n a n c e t h e o r y , b u ta l s ow i d e l yu s e di ni n v e s t m e n tp r a c t i c e ss u c ha sa s s e tp r i c i n g ， p o r t f o l i om a n a g e m e n ta n dp e r f o r m a n c ev a l u a t i o n a c c o r d i n g l y , b e t ah a s r e c e i v e da g r e a ta t t e n t i o n b o t ha c a d e m i c s a n dp r a c t i t i o n e r s e v e rs i n c et h ec a p mc a m eo u t ，m a n ys t u d i e sh a v ec o n c e n t r a t e do n t h ep r o b l e m sa b o u tb e t a ，e s p e c i a l l yt h es t a b i l i t yo fb e t aa n dt i m e - v a r y i n g b e t ai nw e l l d e v e l o p e dc a p i t a lm a r k e t s f r o mt h e7 0 so f t w e n t yc e n t u r i e s t ot h ep r e s e n t ，n u m b e r so fr e s e a r c ho u t c o m e sh a v ea c c u m u l a t e di n o v e r s e a sa c a d e m i c s w h i l et h e r ea r em a n ys t u d i e sa b o u tb e t as u c ha sb e t a i n s t a b i l i t ya n dt i m e v a r y i n gb e t ao nd e v e l o p e de q u i t ym a r k e t s ，t h e r ei s l i r l ee m p i r i c a lr e s e a r c he v i d e n c eo nt h e s ei s s u e so nc h i n a ss t o c km a r k e t ， h o w e v e r , m a n yp r o b l e m ss t i l ln e e dt ob es u p p l e m e n t e da n dp r o b e di n t o t h e r e f o r e ，t h i sp a p e ri n t e n d st oe x p l o r et h ei s s u eo fb e t as t a t i o n a r i t ya n d b e t a si n f l u e n t i a lf a c t o r si ns h a n g h a is t o c km a r k e tf o rt h ep e r i o df r o m j a n u a r y 1 9 9 9t od e c e m b e r2 0 0 4 b ys a m p l i n g3 0s t o c k sf r o mt h e s h a n g h a is t o c ke x c h a n g e s t h eo b j e c t i v e so ft h ep a p e ra r et oi n v e s t i g a t e t h ec h a r a c t e r i s t i c so fs y s t e m a t i cr i s ki n s h a n g h a i sc o n l m o ns t o c k ，t o s u p p l e m e n tt h es t u d i e so nb e t ai nc h i n aa n dt op r o v i d er e f e r e n c ef o r i n v e s t o r sa n dg o v e r n m e n t - p o l i c yr e g u l a t o r s t h r o u g ht h ee m p i r i c a ls t u d i e so nt h ei s s u eo fs t a t i cb e t as t a b i l i t y , t h e a u t h o rh a st h ef o l l o w i n gf i n d i n g s ：( 1 ) t h ee s t i m a t i o no fb e t aw i l ln o tb e i n v a r i a n tt ot h el e n g t ho ft h ed i f f e r e n c i n gi n t e r v a lo v e rw h i c ht h er e t u r n s o fs t o c k sa r em e a s u r e d ( 2 ) m o s ts t o c k sh a v ei n t r a - p e r i o ds t a b l eb e t a s ( 3 ) m o s ts t o c k sh a v ei n t e r - p e r i o ds t a b l eb e t a s ，t h a ti s ，m o s ts t o c k s h a v 。s t a b l e s v s t e m a t i cr i s k sf 而mo n ey e a rt o a n o t h e ry e a r ( 4 ) t h es t a b i l i t yo f b e t a1 8 a f f e c t e db ym 酞e t t e n d e n c y ， s o m eo t h e r 矗n d i n 擎f r o mt h ee m p i r i c a ls t u d yo nb e t a 8 m t l u 。n t l a l f a c t o r sa r e ：( 1 ) e m p i r i c a lr e s u l t s s h o wt h a tt h es t a t i s t i c a l 。e l 牡n 8 h l p 5 b e t w e e nb e t a sa n ds o m ea c c o u n t i n g v a r i a b l e sa r ed i f f e r e n tf r o mt h e w e s t e mm e o 面c a lr e l a t i o n s h i p s ( 2 ) f r o m2 0 0 2 ，e a r n i n g s a 。c o u n n g v a r i a n e sh a v eo b v i o u si n f l u e n c et o b e t a sb e c a u s ei n v e s t o r sh a y em o 。e a t t e n t i o nt oa b i l i t yo fe a r n i n go f l i s t e dc o m p a n i e s t h i sp a p e rn e e d st h ef o l l o w i n gi m p r o v e m e n t s ： i nt h ep r e v i o u se m p i r i c a lw o r k0 1 3 b e t ab y c h i n a ss c h o l a l s ，m o s to t t h e ma r eb a s e d0 nt h ea s s u m p t i o nt h a tb e t ai s a l li n v a r i a n tp a r a m e t 盯m e s t i m a t i o np e d o d sb u ti g n o r i n gt h et i m ev a r i a t i o ni n b e t ao r8 t o c h a s n c p r o p e r t i e s o fb e t a ，t h ee s t i m a t i o nm e t h o d sa r e a l s ol 胁dm 8 协t m m o d e l s t h ec h a r a c t e ro f t i m e v a r y i n gb e t a n e e d sb ec o n s i d e r e d k e y w o r d s ：s y s t e m a t i cr i s k ；b e t a ；s t a b i l i t y o fb e t a 西南财经大学 学位论文原创性及知识产权声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的 研究做出重要贡献的个人和集体，均已在文中以明确方式标明。因本 学位论文引起的法律结果完全由本人承担。 本学位论文成果归西南财经大学所有。 特此声明 学位论文作者签名：钟朝辉 2 0 0 5 年4 月1 8 日 第一章导论 第一节选题背景 在资本市场的理论与实践中，对投资风险的度量研究一直是学术 界和实务界关注的焦点问题。随着现代投资组合理论的建立和发展， 经济学家们提出了一系列度量风险的方法，p 系数就是其中一种被广 泛采用的风险度量指标。 早在1 9 5 2 年，m a r k o w i t z 开创了将风险计量问题定量化的先河。 在其基础上，w i l l i a ms h a r p e 等在1 9 6 4 年创立了资本资产定价模型( 简 称c a p m 模型) 。c a p m 模型以其对风险和收益关系之简洁直观的表 述而成为现代资本市场理论和实践中最为重要的均衡模型。以该模型 为理论基础的资本市场均衡理论己成为金融经济学领域的主流理论， 并根深蒂固地影响着近几十年来在资产定价方面的研究与实践。 1 9 5 2 年，m a r k o w i t z 在财务学刊上发表了题为资产组合的 选择的里程碑性的论文，成为现代投资学或者金融经济学产生的标 志。m a r k o w i t z 在文中论述了寻找有效资产组合边界，即在给定风险 水平下寻找收益最大的资产组合的集合或在给定收益水平下寻找风 险最小的资产组合的集合的思想和方法，奠定了投资理论发展的基 石。1 9 6 3 年，w i l l i a ms h a r p e 根据m a r k o w i t z 的模型，建立了一个计 算相对简化的模型单指数模型( 也称市场模型) ，使计算量大大 降低，打开了当代投资理论应用于实践的大门。该模型假设资产收益 只与市场总体收益有关，即 r i 、c = o f 。+ 屈r m ，f + 占“( 1 1 ) 对模型中的证券收益足求方差可得 盯2 ( 尺，) = 2 仃2 ( r 。) + 盯2 ( t )( 1 2 ) 于是，证券i 的总风险被分成两个部分：第一部分是与市场组合 收益率变动相联系的卢2 盯2 ( r 。) ，称为证券的系统性风险。第二部分 盯2 ( e ) 与市场组合收益率的变动无关，为证券的非系统性风险。随后， w i l l i a ms h a r p e ，j o h nl i n t n e r 和j a nm o s s i n 分别独立地导出了标准资 本资产定价模型( c a p m ) ： e ( e ) = r z + 层ie ( 如) 一r z ( 1 3 ) 式( 1 3 ) 中，r ，为无风险利率。 该模型建立了预期收益率与| 3 值发生联系的确切方式。而以相对 数形式出现的8 系数，则描述了市场整体的波动给单个资产带来的系 统性风险。因此，b 系数也被称为系统性风险系数，它表示资产( 证 券) 收益率变动对整体市场收益率变动的敏感程度。由于1 3 系数揭示 了某种资产( 证券) 的风险与市场所有资产( 证券) 平均风险的差异， 为投资组合管理提供了资产选择与风险控制的基本信息，并具有直观 明晰和计算简便的优点，因此成为风险度量中使用最广泛的一个指 标。 b 系数是测量股票系统性风险的主要指标之一，是现代财务理论 的一个关键概念。在单指数模型中，用个别证券的收益率时间序列对 某一标准( 通常是市场指数收益率) 序列建立模型： r 0 ) = t 2 i + 屈心0 ) + q 0 ) t = 1 ，2 ，t ( 1 4 ) 通过最小二乘法可估计出a 和p 。p 系数这一术语最初由s h a r p e 提出，正是来源于该线性回归模型，即借用了该模型的斜率参数符号。 在现代财务理论中，b 系数被定义为衡量某种( 类) 资产价格变 动与市场上平均价格变动之间关系的指标，反映了市场上资产平均价 格变动对某种( 类) 资产价格的影响程度。其定义式为： 最：鱼坚：盟( 1 5 ) v a r ( r ) 其中，r 为证券i 的收益率； r ，为市场组合的收益率； c o v ( r ，r 。) 为证券收益率与市场组合收益率之间的协方差； v a r ( 月，) 为市场组合收益率的方差。 长期以来，c a p m 模型一直是学术界和实务界考察预期收益与风 险关系的经典模型，广泛运用在公司金融、投资和资产组合管理、投 资基金的业绩评价以及事件研究中，该模型中关键参数p 系数也 被实务界广泛用于对风险问题的度量和分析。作为一个重要的风险指 数，b 系数越大，意味着相关证券或证券组合的系统性风险也就越大。 b 系数在投资理论和投资实践中占有重要地位，主要有以下几方面的 用途。 1 、投资决策 b 的重要应用表现在其作为未来决策的依据，具体有两方面：( 1 ) 在预测未来市场运动的基础上，通过预测b 系数，估计组合或个股的 未来收益率；( 2 ) 在预测未来市场收益的不确定性的基础上，通过预 测p 系数，估计组合或个股的未来收益的不确定性。可见，p 系数为 投资组合管理提供了资产选择与风险控制的基本信息，有利于对投资 组合的选择及调整做出合理的决策。 2 、业绩评价 p 系数被广泛地应用于对过去投资业绩的评价；根据资产定价模 型，投资组合的管理者应消除所有的非系统性风险，因此，只有系统 性风险才能反映投资组合的真正风险，于是，b 系数就成为业绩评价 =“ 时的重要因素。如在特利诺指数( 乙：掣) 和调整的金森指数 p p ( ，。= 孚) 中都使用了组合的p 系数值，计算每单位系统性风险系数 ， 所获得的收益，作为对投资组合管理业绩的评价。 3 、资产估价 风险是资产定价的重要因素。b 系数描述了股票的个基本风险 因素，从而在资产的定价，包括可转换资产的定价实践中得到越来越 多的应用。著名的“资本资产定价模型”以及更一般的“b l a c k 资产 定价模型”中，b 都是证券期望收益率的唯一决定因素。 因此，p 系数在实践中的应用己远不限于只是c a p m 模型中的关 键参数。也正是因为b 系数具有广泛的应用价值，因而成为现代资本 市场理论研究和实践中持续争议和备受关注的问题。 第二节选题意义 近3 0 多年来，p 系数的研究与应用一直是资本市场中资产定价 和风险管理理论与实践的热点之一，争议颇多，其中研究的重点在于 1 3 系数的稳定性及其变动特征等方面。一方面，b 系数是正确理解资 本市场理论中有关收益一风险关系的关键参数，b 系数的稳定与否对 于c a p m 模型在投资决策方面的应用如资产定价、股票收益预测和 投资绩效评价至关重要；另一方面，资本市场上的许多事件研究也都 依赖于b 系数的稳定性。 在c a p m 模型中，所有参数均表述为期望值的形式。p 系数作为 输入参数，理论上应采用未来期的d 系数值。但是，p 系数本身也是 未知参数，无法从市场中直接观察得到，只能根据过去时期的数据进 行估计，为事后计量值。这一做法实际上还隐含了一个重要假设，即 1 3 系数在一定时期内是完全稳定不变。如果用历史数据计算的d 系数 估计值不具备较好的稳定性，就不能作为未来期1 3 系数的有效估计， c a p m 模型在实践中的应用将会受到极大的限制。同时，在证券分析 和投资管理中，对系统性风险的事前预测比事后估计更为重要，而能 否准确地预测未来的p 系数，关键也在于用历史数据估计出来的p 系 数是否具有一定的稳定性。因此，b 系数的稳定性研究具有十分突出 的理论和现实意义。很多学者都认识到这一问题的重要性，他们先后 以各种方法检验p 系数的稳定性，分析p 系数的变化特征。 自b l u m e 在1 9 7 1 年发表了第一篇关于b 系数稳定性的研究论文 以来，随后有许多学者关注这一问题，采用了各自的数据处理与分析 方法来考察b 系数的稳定性及其不稳定的特征表现，研究的广度和深 度不断扩展，并产生了大量丰富的研究成果和论文。与国外的研究相 比，关于中国股市p 系数的实证研究较少，而一些涉及到p 系数的研 究散见于对c a p m 模型的实证检验以及市场有效性研究和事件研究 中。 综观d 系数稳定性的实证研究，绝大多数研究认为证券的b 系数 7 = 具有稳定性。虽然可以借助于组合的方式来获得较为稳定的b 系 数，但对于大多数的个人投资者来说，这意味着不能简单地用过去时 期数据所估计的b 系数作为当前和未来时期的预测值。因此，除了在 估计方法和数据选取等方面寻求b 系数的变动原因之外，许多学者还 从公司的基本特征等方面入手探讨导致同一证券的d 系数在不同时 期出现变动以及不同证券的p 系数在同一时期存在差异性的影响因 素，如b o s 和n e w b o l d ( 1 9 8 4 ) 就指出股票母系数的变化可能归因于微 观因素的影响，如公司运作的变化或者企业所处的经营环境的变化， 也可能与宏观因素的影响有关，如通货膨胀率、总体经济状况和对有 关未来事件的预期。理论上，1 3 系数的大小取决于两类因素：一类是 与市场相关联的各类经济变量的不确定性因素及其程度，另一类是各 类股票收益对经济变量的反应程度。比如说当企业改变其资本结构， 增大财务杠杆时，该企业对各类经济变量的反应程度就将提高，其p 系数值也将增大。因此，可以预期，在同一时期的不同证券的b 系数 及同一证券在不同时期的1 3 系数都可能存在一定程度的差异，这也已 经为许多研究所证实。总的来看，研究普遍认同导致p 系数差异的影 响因素主要有三大类：宏观经济因素( 如经济周期、利率、通货膨胀 等) 、公司的基本特征( 如公司的规模、财务结构等) 和公司的行业 类别及所归属的经济部门。 b 系数的影响因素研究具有重要的理论价值和现实意义，它不仅 揭示了除市场因素之外，宏观经济条件、公司的基本特征等也是潜在 影响p 系数的重要因素，从而使得人们对p 系数之所以不稳定及其变 动特征的探究有了更为明确及合理的解释。同时，对8 系数的影响因 素研究还能区分不同影响因素的重要程度，确认其影响方式和影响程 度，因此也为岱系数的可预测性提供了科学的理论依据和分析方法。 由于b 系数的稳定性对于c a p m 模型在投资决策方面的应用如 资产定价、股票收益预测和投资绩效评价至关重要，另外，资本市场 上的许多事件研究也都依赖于b 系数的稳定性。因此，本文将着重研 究p 系数的稳定性，包括p 系数在年度估计时段内和不同时段之间是 否具有稳定性；也将研究b 系数的其它特征，包括上海股市是否存在 引罕胡勤勤的博士论文中国股市b 系数稳定性时变性和影响团素的实证研究 5 “时限效应”( i n t e r v a le f f e c t ) ，研究用日收益率和用周收益率计算所 得到的p 系数估计值是否存在差异；市场态势对p 系数估计的稳定性 是否存在影响。同时，本文还将考察b 系数与会计变量之间的关系， 分析哪些会计变量对p 系数产生显著性影响以及对p 系数所代表的系 统性风险进行讨论。 第二章文献综述 第一节p 系数的特征研究 在对p 系数的众多研究中，b l u m e 做出了重要的贡献。他在1 9 7 1 ， 1 9 7 5 和1 9 7 9 年所做的一系列研究是最具代表性的，几乎所有涉及b 系数的研究文献都会引用b l u m e 的研究结果。从时间顺序来看，早 期的研究主要是考察d 系数在相邻期间之间的变化特征，即先验地假 定p 系数的估计值在一定的期间内固定不变，采用静态意义上的p 系 数估计方法，根据各种不同的数据集如取样时间段、估计期间长度、 收益率的不同度量时限( 如日收益率、周收益率和月收益率) 以及不 同的组合构造方式( 如随机组合和排序组合) 等，通过对同一证券( 或 组合) 在不同时间段的b 系数估计进行纵向的分析比较，判断其随时 间的推移是否具有统计意义上的稳定性，不稳定性的表现以及不稳定 性的影响因素等等，这方面的研究大多数都证实了个股的b 系数存在 不稳定性，采用投资组合的方式有助于降低b 系数的不稳定性。 下面对b 系数的相关研究作一综述。 一、收益率度量时限的影响 收益率度量时限的影响也称为“时限效应”f i n t e r v a le f f e c t ) 。在 估计b 系数时，收益率的度量时限有多种选择，可以用曰、周、月、 季、半年或年收益率。一些研究发现当采用不同时限的收益率数据时， 所得到的b 系数估计值有所差异，并将这一现象称为“时限效应”。 许多实证研究2 ，如f a m a ( 1 9 7 0 ) 及l e v y ( 1 9 9 4 ) 等都发现证券收益率 的度量时限确实影响到b 系数的估计值。l e v h a v i 和l e v y ( 1 9 7 7 ) 的研 究认为收益率的度量时限越长( 超过个月以上时限的收益率) ，风 险较大的证券( 真实p 系数 1 ) ，其p 系数的估计值平均偏高，风险较 小的证券( 真实p 系数 1 ) ，其p 系数的估计值平均偏低。 2 国外的研究综述引节吴世农所著士珂股票市场风险研究一书和胡勤勤的博十论上中【司脞市b 系数 稳定性时变性和影l 】| 勾田素的实证研究一。 h a w a w i n i ( 1 9 8 3 ) 分别用不同时限的收益率( 月收益率、三周收益率、 双周收益率、周收益率和日收益率) 估计2 1 家公司股票在1 9 7 0 年1 月至1 9 7 3 年1 2 月间的1 3 系数，结果也发现存在很大的差异，比如柯 达( k o d a k ) 股票的d 系数用日收益率数据估计时是1 2 5 ，而用月收益 率估计时则降为o 。9 3 。e s t r a d a ( 2 0 0 0 ) 对1 4 个欧洲股票市场的研究则 发现在大多数市场中，d 系数的估计值随着数据频率的增大而降低， 用日收益率数据估计的p 系数最低，由月收益率数据所估计的母系数 也低于由季度收益率数据所估计的b 系数。 国内的研究中，胡勤勤( 2 0 0 3 ) 的研究中发现用日或周收益率数 据所估计得出的b 系数有一定的差别，采用配对样本的w i l c o x o n 秩 和非参数检验对两种收益率度量对限数据下b 系数估计值进行均值 差异性检验，检验结果也证明了沪市股票样本在1 9 9 8 ，1 9 9 9 和2 0 0 2 年的d 系数估计值受到收益率度量时限的显著影响，深市股票样本在 1 9 9 9 ，2 0 0 0 和2 0 0 2 年的1 3 系数估计值也因收益率度量时限的不同两 存在统计意义上的显著性差异。从b 系数估计值的样本均值来看，并 未表现出随收益率度量时限的拉长而增大的趋势，在大多数时间段， 采用日收益率数据估计的b 系数平均上高于用周收益率数据所估计 的d 系数，这与一些国外研究所发现的“时限效应”的表现恰好相反。 刘仁和，汪永兰，李刚( 2 0 0 3 ) 发现基于日收益率的贝塔和基于周收 益率、月收益率的贝塔显著不同，用周收益率估计出的岱系数高于用 日收益率估计的p 系数，而用月收益率估计出的b 系数高于用周收益 率估计的b 系数，上海股市存在显著的“时限效应”。 在国外学术界涉及b 系数的研究中，大多数的研究采用月收益率 数据，也有些研究为了扩大样本容量，提高估计的有效性，采用日 收益率数据以包括更多的观察值，但同时也会引入其它估计问题，如 非同步交易问题。s c h o l e s 和w i l l i a m s ( 1 9 7 7 ) 就曾指出用市场模型估计 b 系数时，若采用曰交易数据会潜在地引致严重的经济计量问题一变 3 非同步交易阚题表现为证券价格与市场指数在时间卜的不一致，例如自屿交易小活跃的烂祟，在某口的 = ：后一笔交易町能在距闭市前较早时间就已完成，因此交易所报m 的收盘价口丁能茳生在当e l 的蚶轿收盘之 前，某磐股票的收盘价肯时会受到一些“造- 订肯”的挖制而现夫真规蓦= 同此个股收益率的度量时限u r 能并1 i 与市场收益率的度量时限完全匹配。 f 同步交易山 题会宁毁p 系数的1 占计值现偏差； 8 量的内生误差问题，而对于以周或月为间隔的计算来说，这些问题的 影响要小一些。m c i n i s h 和w o o d ( 19 8 6 ) 的研究结果也证实了当采用日 收益率资料时，因交易清淡和价格调整滞后4 而引致的d 系数估计偏 差相当大。h a w a w i n i ( 1 9 8 3 ) 也认为：“即使在同一估计时间段，基于 日收益率资料与基于月收益率资料的b 系数估计值也会有相当大的 差异”。h a w a w i n i ，c o r r a d o 和s c h a t z b e r g ( 1 9 9 1 ) 更进一步指出：如果使 用日收益率资料估计1 3 系数时，由于日收益率分布相对于正态分布呈 宽尾状，最d , - - 乘估计法( o l s ) 可能无效。可见，在采用o l s 估计法 求解d 系数或作相关的实证研究时，如果研究样本容量足够大、数据 量充分的话，最好不要选用日收益率数据。至于“时限效应”的成因， h a w a w i n i ( 1 9 8 3 ) 认为原因在于证券的价格运动与整体市场之间存在 不同步变动的关系，即证券价格的运动既可能与市场整体的变动同 步，也可能超前或滞后。此外，还有一个原因是由于同一证券的收益 率在不同度量时限的分布形式存在差异，即日收益率、周收益率、月 收益率、季收益率、半年收益率和年收益率的分布不同。理论上，通 常假定按任何一个时限计算的证券收益率都服从正态分布，且证券收 益率的分布具有稳定性，所以研究中估计d 系数所采用的统计方法实 际上也是建立在“随机变量正态性”假设的基础上。而迄今为止，研 究结果尚没有足够的证据表明任何时段收益率的分布均是正态且稳 定的。相对于日收益率的频率分布，f a m a ( 1 9 7 6 ) 发现月收益率的频率 分布比日收益率的频率分布更接近正态分布，而b l u m e ( 1 9 6 8 ) 详细分 析了股票组合收益率的分布性质，结果也证实正态分布可作为组合月 收益率的近似分布。国内已有的研究结果也证明收益率的分布并非是 理论所假设的正态分布，吴世农( 1 9 9 6 ) 检验1 9 9 2 年6 月至1 9 9 4 年 1 2 月间在上海和深圳两个证券交易所交易的2 0 种股票日收益率的统 计分布，结果表明上交所的1 2 种股票日收益率的频率分布明显区别 于正态分布，深交所的8 种股票中有6 种股票日收益率的频率分布近 似于正态分布。张思奇、马刚和冉华( 2 0 0 0 ) 对市场收益时间序列行为 的研究发现日收益率具有宽尾特征，不服从正态分布。徐迪和吴世农 4 交易清淡和价懈调整滞后会产生非同步交易问题。 ( 2 0 0 1 ) 应用赫斯特指数检验，结果也表明当前中国证券市场的收益属 于非正态分布。史代敏( 2 0 0 3 ) 检验1 9 9 3 年1 月- - 2 0 0 1 年7 月沪深股 票市场收益率序列，发现日收益率和周收益率均不服从正态分布，收 益率分布呈现出尖峰厚尾的非正态特性。因此在我国，收益率的分布 因收益率的度量时限不同而异也可能是b 系数估计出现偏差的成因 之一。 二、d 系数的稳定性研究 在对6 系数的稳定性的检验中，最具代表性的当属b l u m e 检验 和l e v y 检验。5 1 9 7 1 年，b l u m e 在财务学刊上发表了论风险的 衡量一文，研究了1 9 2 6 年1 月到1 9 6 8 年6 月间在纽约证券交易所 挂牌上市的所有股票，以每7 年为一个时间段，用月收益数据，估计 出各时间段的b 系数，然后以统计学的相关分析法为基础，对贝塔系 数的稳定性作深入的研究。得出的主要结论是：f 1 ) 在一个时期问估 计出来的风险系数( p 系数) 是其未来估计值的有偏估计值；( 2 ) 组合 规模越大，其未来的b 系数能被更准确地预测。同年，l e v y 研究了 1 9 6 0 1 9 7 0 年间在美国纽约证券交易所上市的5 0 0 种股票，他缩短了 估计时间，采用周收益率数据，并改变了前后估计时间段等长的传统 做法，以5 2 周为基期，后续期分别为5 2 周、2 6 周和1 3 周。其主要 结论认为：在较短的时间段内( 5 2 周) ，单一股票的1 3 系数是相当不稳 定的，但组合d 系数的稳定性有显著的提高。而且，组合规模越大， 估计时间段越长，1 3 系数的稳定性越高。 1 9 7 4 年，b a e s e l 运用转移矩阵法，研究了估计时间段长短对b 估计值稳定性的影响。他把估计时间段分别设定为1 2 ，2 4 ，4 8 ，7 2 和 1 0 8 个月，对1 9 5 0 1 9 6 7 年间纽约证券交易所的1 6 0 只股票，用月收 益资料进行研究后提出：随着估计时间段的延长，单个股票1 3 系数的 稳定性将会增强。且最佳估计时间段是1 0 8 个月。 19 8 0 年，a l e x a n d e r 和c h e r v a n y 使用m a d ( t h em e a na b s o l u t e d e v i a t i o n ) 值作为判断b 稳定性的依据，检验1 9 6 2 1 9 7 5 年间在纽约证 5 同外的卸究综述引至吴世农所菩中国股票市场风险研九一牡和胡勘勤的博t ：i - k 史中嗣股市b 系数稳 定性时变性和影响囡索的实1 l 研究。 10 券交易所交易的5 0 0 只股票及组合的p 稳定性。结果表明估计时限并 非越长越好，最佳的估计时间段是4 - 6 年。撒巴德也正确地提出b 系 数的稳定性不可能随估计时间段的不断拉长而得以无穷尽地提高。他 认为最优的估计时间段应该是1 2 0 个月。 1 9 9 4 年，我国学者沈艺峰发表上海证券交易所上市股票的贝 塔系数估计及其稳定性检验，最早把“c h o w 检验法”用于6 估计 值的稳定性检验。他对1 9 9 2 年6 月一1 9 9 3 年1 2 月上海市场的1 0 种 股票的b 值进行估计，然后将时限一分为二，采用“c h o w 检验” 研究这1 0 种股票的b 值是否随时间推移而显著变化。检验结果表明， 除了“延中实业”外，所有股票其贝塔值是稳定的。沈艺峰先后与陈 浪南( 1 9 9 5 ) 和洪锡熙( 1 9 9 9 ) 一起进一步完善其研究。其中，沈艺峰与 洪锡熙在我国股票市场贝塔系数的稳定性检验一文中，将样本扩 大到1 9 9 6 年1 月1 日至1 9 9 6 年1 2 月2 7 目所有在深圳证券交易所上 市的1 2 7 只股票，同时研究了组合及其规模对b 稳定性的影响。检验 分析结果表明：“无论是单个股票或是股票组合，贝塔系数都不具备 稳定性。” 靳云汇，李学( 2 0 0 0 ) 的研究表明股票b 系数随着上市时间增加 基本不趋于稳定，股票b 系数随着上市时间推移大多趋于增加。苏卫 东，张世英( 2 0 0 2 ) 通过对上海股市的股票与股票组合的b 系数进行 单位根检验以检验其稳定性，结果发现从长期来讲，大多数股票的b 系数不稳定，证券法实施后它们的稳定性降低，而股票组合可以增加 b 系数的稳定性。徐占东，郭多祚( 2 0 0 4 ) 根据递归的最小二乘估计， 并且利用c u s u m s q 统计量检验p 系数的稳定性，其检验结果表明p 系数是不稳定的，并且时变p 系数没有向1 回归的趋势；他们同时提 出了利用时间序列建模方法对b 序列进行预测。 胡勤勤( 2 0 0 3 ) 用w