β系数+(自动保存的)

1、财务管理课程专题研究指导书 3题目：如何测算上市公司权益报酬率的贝塔系数课程编号:40L382Q授课对象:2015级本科生载体设计:马忠授课学期:20162017学年第二学期2021年11月目 录1.贝塔系数评估概要11.1 研究问题及目标11.2 实际应用22.证券风险与贝塔系数33.研究模型与测度方法43.1 定义法43.2 回归法44.贝塔估计的关键问题64.1 市场指数选取64.2 无风险收益选取64.3 回归期限长度74.4 回归时间间隔74.5 实务选择与本指导书方法75.资本结构与贝塔系数95.1 加权平均资本成本95.2 权益贝塔、负债贝塔与资产贝塔105.3 杠杆性贝塔与非杠

2、杆性贝塔106.实验步骤与操作详解116.1 基于定义法的权益贝塔估计116.2 基于回归法的权益贝塔估计136.3 财务杠杆与权益贝塔176.4 权益贝塔的年度比较186.5 无风险收益的计量207.参考文献22贝塔系数估计实例1. 贝塔系数评估概要1.1 研究问题及目标指导书在中国证券交易所历史交易数据的基础上，运用基于资本资产定价模型（CAPM）的评估方法对上市公司的贝塔系数做出测度。以中兴通讯股份有限公司（000063）为分析样本，从股权投资者的角度出发，对中兴通讯投资风险中与经济环境变动相关的系统风险做出量化评估，为分析和衡量中兴通讯的期望收益率提供相关信息，以帮助投资者控制证券风险

3、、构建投资组合。在此基础上，本指导书将进一步考察企业财务杠杆对股票投资风险的影响。高杠杆能够显著地放大企业的权益资本损益，在景气的经济条件下，投资者的收益很高，而在萧条的经济条件下，投资者也会承受较大的损失。考察企业资产负债水平变动与贝塔系数的关系，有助于投资者分析上市公司增发股票、债券等重大财务事项对股权投资风险的影响。而财务杠杆与证券系统风险并非简单的线性关系，考察两者联系需引入加权平均资本成本的概念。基于CAPM模型的评估方法能够有效衡量股权投资者要求的必要回报率，即权益资本成本，估计得到的贝塔为权益贝塔。当企业完全通过股权方式融资时，权益资本成本也是公司资本成本。但是，当公司同时举债融

4、资时，公司资本成本就需要同时考虑股权与债务，是两者资本成本的加权平均。财务结构变化不影响负债权益整体生成的现金流总量及其风险，加权平均资本成本将保持不变。在资本成本中分离债务资本成本成分，就可以分析不同资产负债水平下的权益资本成本，并进一步得到权益贝塔。本指导书的核心问题如下：（1） 中兴通讯公司的系统风险如何？在股权投资者视角下，持有中兴通讯上市公司股票相应的期望收益率如何？（2） 中兴通讯公司系统风险的影响因素分析。财务杠杆变动将如何影响现有的股权投资风险及期望收益？将核心问题细分为以下具体研究问题：（1） 如何确定无风险收益，采用定期存款利率或是政府债券利率？怎样选择银行存款及国债的期限

5、长度？（2） 如何确定市场风险溢价？市场风险溢价为市场期望收益减去无风险收益，而市场期望收益应该如何选取，是采用深沪两市加权平均收益，或是深圳证券交易所上市公司采用深证成指收益、上海证券交易所上市公司采用上证指数收益？（3） 如何确定回归模型中的样本时间长度？采用尽可能长的估计窗口，以保证充足的样本，或是采用较短的估计窗口，以保证估计结果的实效性？（4） 如何确定回归模型中的样本时间间隔？采用年收益率、月收益率、周收益率或日收益率？（5） 在计算加权平均资本成本及资产贝塔时，如何确定上市公司的股权资本市场价值及债务资本市场价值？两者的权重与资产负债率有何区别？（6） 财务杠杆如何影响上市公司的

6、系统风险，及股权投资者的期望收益？ 通过本指导书的实践过程： （1） 掌握基于CAPM模型的贝塔系数计算方法的基本原理及估计步骤，了解市场法与CAPM模型的区别；（2） 掌握CSMAR国泰安数据库的使用方法，能够借助于专业数据库软件的帮助，顺利地提取研究问题所需的相关数据资源；（3） 初步学习Stata统计软件或Excel的基本功能，能够导入导出数据，并简单回归、分析结果。1.2 实际应用基于资本资产定价模型估计得到的上市公司权益贝塔系数被广泛应用于股票基金、债券等资产定价的分析和投资决策中。资产收益分为无风险收益与风险收益两个组成部分，投资者承担的风险越高，预期的风险收益越高。贝塔值衡量了证

7、券资产或投资组合相对于市场投资组合的风险程度。贝塔值为零时，投资项目仅能获得无风险收益率；贝塔值为1时，投资项目与市场投资组合系统风险相同，期望的风险收益相同；相应的，贝塔值为2时，资产风险为市场投资组合的两倍，期望的风险收益也是市场指数风险收益的两倍。贝塔系数越高，预期风险收益越高，但是也可能蒙受较大的损失；相应的，贝塔系数越低，投资项目的风险越低，实际收益变动较小，收益更为平稳。借助权益贝塔可以合理考察投资项目的风险收益。（1）加权平均资本成本则主要用于资本投资预算即投资项目评价时作为贴现率，为管理层项目投资决策提供帮助。在项目可行性分析中，当投资项目的风险水平与企业整体的风险一致时，可以

8、直接使用加权平均资本成本作为预期现金流的贴现率。而在投资项目与企业整体风险不同时，估计得到的加权平均资本成本也是一个很好的起点，可以做出适当的增减修正。净现值为正的项目可以增加企业的价值，在资金充足时，应当优先选择；而净现值为负的项目则会造成企业价值毁损，管理层需要坚决予以拒绝。（2）加权平均资本成本也可以用于企业价值评估，在公司财务状况分析和短期财务预测的基础上，对公司自由现金流贴现计算净现值，以全面了解企业价值及未来发展潜力。在投资者角度上，企业价值评估可以寻找最佳投资对象及投资机会，实现资本增值；在管理层角度上，公司绩效是业绩评价的衡量标准，而绩效通常又分为会计指标和股票价值两部分。企业

9、价值越高，企业股票价值越高，管理层报酬越高。因而，投资者及管理者都需要借助于加权平均资本成本，以及时清楚地掌握公司价值。242. 证券风险与贝塔系数在资本市场中，投资者面对众多的证券产品，应如何权衡风险收益、制定合理投资决策，是其最为关注的核心问题。通常认为，高风险投资项目的期望收益较高，低风险投资项目的投资回报较低。但是相对于投资收益而言，风险的概念并不直观。长期以来，如何量化投资风险一直是学术界及实务界关注的重点。早期研究中，学者通常采用历史收益的标准差来估计证券收益的风险。其原理在于，收益的变动幅度越大，证券投资的风险越高。这一计量方式可以很好地胜任单项资产或简单投资组合的风险度量。但是

10、，它也存在着以下两项不足。第一，当投资组合包含的资产数量较多时，标准差的计算变得异常复杂。投资组合包含两项证券时，标准差需计算两项个体方差与两项协方差。而投资组合包含10项不同证券时，就需要计算10项个体方差及90项协方差。对于大规模投资组合的风险，标准差并不是一项简便的指标。第二，标准差难以联结风险收益，在确定风险下提供证券的必要报酬率，而这正是投资者关注的焦点。标准差衡量了证券的总体风险，既包含与整体经济环境变动相关的系统风险，也包含与企业个体经营策略等相关的非系统风险。非系统风险不能得到风险补偿，预期收益仅与系统风险相关。对于未完全分散的投资组合，标准差与预期收益没有确定的联系。综合上述

11、，寻找一项简便易用的系统风险计量指标是十分必要的。William Sharp于1964年提出的资本资产定价模型解决了这一问题。模型中的贝塔系数是系统风险的计量指标，描述了证券资产相对于市场经济运行的敏感程度。当证券市场有效时，贝塔系数表现了资产相对于市场投资组合的敏感程度。具体来说，当某一证券资产贝塔系数为0.5时，市场投资组合收益率增长（下跌）10%，这一资产收益率相应地增长（损失）5%；当贝塔系数为1.5时，市场投资组合收益率增长（下跌）10%，这一资产收益率相应地增长（损失）15%。可以发现，当证券资产的贝塔系数小于1时，其系统风险小于市场指数，能够缩小市场风险，获得更为稳定的收益；当证

12、券资产的贝塔系数大于1时，其系统风险大于市场指数，能够放大市场风险，争取更为高额的回报。对于投资组合来说，上述风险收益的关系同样适用。投资组合的系统风险则由组合中各单项资产的系统风险决定。在数量上，资产组合贝塔系数等于各单项资产贝塔系数按市值加权的平均数。在刻画证券系统风险外，更为重要的一点在于，资本资产定价模型下的贝塔系数是联结证券风险与预期收益的桥梁。模型表明，投资者要求的必要超额收益率，与证券资产的贝塔值成正比。高贝塔的资产，在经济景气时，能够收获更高的收益，同时，在经济低迷时，投资者承受的损失也更高。因而，其投资风险较高，投资者也会要求较高的回报。反之，低贝塔资产更为安全，收益更为稳定

13、，回报率相应地比较低。特别的，政府债券由财政部发行，受到国家信用担保，无违约风险。在投资后能够依据票面利率按时获取本息，其预期回报与经济运行状况无关。因而，政府债券的贝塔值为0，对应的收益率最低，为无风险收益率。由此，在高风险高回报这一定性概念外，学者及投资者开始可以通过简单易行的方式，定量地分析风险与收益的确定性联系。3. 研究模型与测度方法3.1 定义法在充分竞争的证券市场中，投资者均持有分散化的证券投资组合。因而，单项证券的个体风险并不重要，投资者更为关注资产对投资组合风险的贡献，也就是证券中的系统风险部分。贝塔系数的定义为某个资产的收益率同市场组合收益率之间的相关性，它反映了个别资产收

14、益率的变化与市场上全部证券资产平均收益率变化的关联程度，即相对于市场全部资产平均风险水平来说，一项资产所包含的系统风险的大小。在数理统计层面上分析，单项证券对于市场投资组合风险的贡献，可以表示为单项资产收益率与市场资产组合收益率之间的协方差。而协方差从数量上表述了单项资产收益变动对市场投资组合收益变动的贡献程度，更需要从比率上直观地考察单项资产与市场投资组合收益变动的大小关系，或是市场投资组合风险中某一证券风险所占的百分比。因而，在协方差基础上标准化，需再除以市场投资组合收益的方差，得到贝塔系数的定义式。具体的数量方程式如下：其中： 当贝塔值大于一时，资产收益变动（系统风险部分）大于市场投资组

15、合；当贝塔值小于一时，资产收益变动小于市场投资组合。利用相关统计软件，分别计算得到证券资产与市场收益的协方差，以及市场收益的方差，就可得到证券资产在特定时期的贝塔系数估计值。3.2 回归法CAPM指出，在市场处于均衡状态时，单项资产或资产组合的投资收益和风险存在一定的关系，CAPM模型可表示为：其中：从CAPM模型出发，利用估计期间内的市场收益率，单项资产或资产组合的收益率，以及无风险利率的数据，采用最小二乘回归的方法，就可以求出相应时间窗口内的贝塔系数值。市场收益率和单项资产（或资产组合）收益率由历史证券交易形成，其数据内容可以通过数据库或网络资源直接获取。在我校可以直接登录CSMAR数据库

16、，通过机房镜像版程序，提取相应的历史收益数据。而无风险收益率有多种选择方式，在实际操作中，研究人员通常选择国债利率或一年期定期存款利率，风险溢价由此可测算得出。在上述模型基础上稍加简化，不再使用无风险收益变量，转变为市场收益与证券收益的简单一元一次回归，新模型被称为单指数模型，或称市场模型。市场模型的出发点在于，现实资本市场中的股票价格普遍同涨同跌，证券价格与市场指数存在着联动机制，因而，使用股票收益与市场收益回归，可以粗略地估计股票的收益。市场模型与资本资产定价模型相比，并不需要一系列的严格假设，在使用中变量更少，计算也更为方便。市场模型不仅可以用来估计证券资产的贝塔系数，在事件研究法中，也

17、被用来估计AR，即事件日的超额收益。市场模型的表达式如下：从数理角度来看，如果估计期间内的无风险收益率保持不变，资本资产定价模型与市场模型在贝塔系数的估计结果完全相同，而无风险收益发生变化时，两模型的结果则会存在差异。但是，无风险收益不变这一基本条件能成立吗？以中国资本市场为例，无风险收益可以取为定期存款利率（通常取为一年期）。2011年至2015年的中国银行定期存款利率（整存整取）统计信息，如下表所示：表1 ：2011-2015中国银行定期存款利率调整时间定期存款三个月半年一年二年三年五年2011.02.092.62.833.94.552011.04.062.853.053.254.154.

18、755.252011.07.073.13.33.54.455.52012.06.082.853.053.254.14.655.12012.07.062.62.833.754.254.752014.11.222.352.552.753.3542015.03.012.12.32.53.13.752015.05.111.852.052.252.853.52015.06.281.61.822.63.252015.08.261.351.551.752.3532015.10.24 1.11.31.52.12.75 可以发现，五年内定期存款利率调整了多达十一次，在我国，银行存款利率一直处在频繁的变动过程中。

19、因而，使用较长的估计窗口，必然需要考虑无风险收益变动因素的影响。即使采用较短的估计窗口，如两年的证券回报率与市场回报率信息，以最近的2014-2015年为例，利率也出现六次调整。因而，市场模型与资本资产定价模型在估计贝塔系数上会出现不同的结果。两者相比，CAPM模型更为合理，估计得到的贝塔系数更为准确可靠，市场模型更倾向应用于事件研究法CAR计算上。同时需要注意的是，通过市场模型计算贝塔也是非常常见的估计方式。4. 贝塔估计的关键问题上文提到，贝塔系数有两种计算方法，定义法及回归法。其中，回归法使用证券投资回报率与市场指数回报率，回归估计得到资产的贝塔系数值，模型非常直观易懂，而借助于统计软件

20、的帮助，计算过程也非常简洁方便。因而，回归法备受学者及实务界投资者的推崇，成为最为普遍的贝塔系数计算方法。同时需要注意的是，贝塔估计过程中，在市场指数、无风险资产，回归的期限长度、时间间隔等问题上，并没有统一的选择方式。因而，不同学者、不同企业、不同数据库，对于同一时期同一上市公司的贝塔系数都可能会计算得到不同的结果。下文针对这些贝塔估计当中涉及的关键问题一一做出具体的说明。4.1 市场指数选取回归法采用证券资产回报率与市场指数回报率回归，而市场指数就存在着不同的选择方式。按照资本资产市场定价模型，市场投资组合应包含资本市场上全部可供投资者选择的风险资产。而在美国的证券市场中，纽约证券交易所与

21、纳斯达克证券交易所的上市公司均超过三千家，每年新上市的公司又很多，市场投资组合的更新十分频繁，收益率统计比较麻烦。因而，在实际计算中，通常选用市场指数收益率作为替代。常用的指数有S&P500指数，即500家规模最大、行业上具有代表性的上市公司，按市值加权所得到的投资组合，作为市场投资组合的近似。实践表明，采用全部风险资产或选用标准普尔500指数资产，估计得到的贝塔系数是相近的。而在中国证券资本市场中，就市场指数资产的选择问题，还没有达成一致。目前主要有三种选择方式。第一，采用上海证券交易所与深圳证券交易所的所有上市公司，按市值加权组合市场投资组合。这一方式是符合CAPM资本资产定价模型

22、的基本定义的。当大部分投资者仅选择投资于本国证券市场时，沪深两市所有流通股票即为全部可供选择的风险资产组合。第二，对于上海证券交易所的上市公司，计算其贝塔系数时，市场回报率选为上证指数收益率，对于深圳证券交易所的上市公司，计算其贝塔系数时，市场回报率选择深证成指收益率。这一方式主要考虑到上海证券交易所与深圳证券交易所的上市公司，其股价变动仍存在着一定的独立性，分开估计贝塔系数的可靠性更强。第三，类似于美国上市公司贝塔系数估计选择标准普尔500指数，我国上市公司也可以选择沪深300指数，中证500指数，或中证800指数等指数资产，作为市场投资组合的近似。4.2 无风险收益选取投资者通过承担更高的

23、证券风险，能够获得更高的风险溢酬，也就是，承担风险能够获得超过无风险回报的期望收益率。而什么样的资产可以被看作无风险资产，无风险收益率应如何选择，也存在着不同的观点。在美国资本市场中，通常选择国库券作为无风险资产。美国国库券主要有以下五种：1）T-Bills，即Treasury Bills，是美国财政部发行的短期债券，期限不超过一年；2）T-Notes，即Treasury Note，是美国财政部发行的中期债券，期限不超过十年；3）T-Bonds，即Treasury Bonds，是美国财政部发行的长期债券，期限在十年以上；4）TIPS，即Treasury Inflation Protected

24、Securities，译为通胀保值债券，在固定利息外，TIPS的面值会定期依据CPI指数调整；5）STRIPS，分割债券。或称本息分离债券。在实际计算中，通常选择短期国债（期限在一年以内）的利率作为无风险收益。在我国，也是通过财政部发行国债，债券以政府信用担保，代表国家向社会公众集资，用于特定的基础设施建设等公共福利项目。但是，由于我国的债券市场尚不成熟，在发行规模上，存在着明显的不足，在融资额度上，显然难以与银行存款相提并论。在投资者需要无风险资产时，往往难以购买得到国债，只能退而求其次，通过银行存款获得稳定的收益。因而，在我国资本市场上，通常也可以选择一年期银行定期存款作为无风险资产，其利

25、率作为无风险利率。4.3 回归期限长度在确定市场指数资产，及无风险资产后，选择几年的数据回归估计贝塔系数，在研究人员具体分析时，也有着一定的选择的空间。大多数证券服务机构通常使用五年的数据估计贝塔值。选择较长的估计窗口，能够尽可能多地使用已有的证券交易数据，样本更多，回归的标准差更小，能够得到比较好的估计结果。但是，上市公司的贝塔系数随时间也会发生变化。例如在进行回归分析的区间里，两年前公司举借了大量的债务用于收购其他公司，公司的基本风险特征有很大变化，其真实贝塔值也会随之变动。那么用最近两年的数据计算的结果要比用五年的数据更能反映公司的风险。有的机构也会使用较短期限的数据。选择较短的估计窗口

26、，期间内企业的贝塔系数较为稳定，但是，数据不足会大大增加估计贝塔的标准差，回归的可靠性不足。因此，公司风险特征无重大变化时，可以采用5年或者更长的预测期长度；如果公司风险特征发生重大变化，应当使用变化后的年份作为预测期长度。回归期限长度的选择也是一种权衡。4.4 回归时间间隔确定回归期限长度，即两年期或五年期的估计窗口后，还需要确定回报率的最小时间间隔。股票收益可能建立在每年、每月、每周、每天的基础上。在数据库中，也相应地能够提取到股票或市场投资组合的年收益率、月收益率及日收益率。使用日收益率会提高回归中数据的观察量，但是，也存在着下面两项问题：1）日收益率变动幅度比较大，包含了很多的噪音。日

27、收益率较多地体现了上市公司经营策略、特殊事件等因素的非系统风险的影响，而贝塔系数则是证券系统风险的度量。因而，使用日收益率可能会影响贝塔系数估计的准确程度；2）上市公司经常会因股东大会等事件停牌，导致日收益率缺失。市场收益率每日都存在，就会存在着市场收益、股票收益的匹配问题。这使得回归估计较为繁琐。年收益率也很少被用于贝塔系数估计。我国资本市场尚处在发展阶段，上海证券交易所于1990年12月19日建立，深圳证券交易所于1990年12月1日开始试营业。早年上市的企业数目非常少，至今也仅有20年的交易历史数据，年收益样本数量很少，估计结果并不可靠。而且，20年前的企业，与今天的上市公司相比，已发生

28、了非常明显的转变。从经济环境看，20年前万科公司所在的房地产市场，还主要以福利分配为主，而当前房地产已是市场主导，在供应及价格上已不可同日而语。另一方面，在企业运营上，主营业务及营业范围都可能已经发生了重大变革。假定数十年间一家企业的贝塔系数一直保持不变，显然是不符合现实状况的。事实上，周回报率及月回报率是相对比较合适的选择。既能满足数据样本数量的要求，收益率又比较稳定，且不会出现缺失。而两者中如何选择，并没有统一的观点。而在中国资本市场的研究中，学者及证券公司研究人员多使用月收益率或日收益率。4.5 实务选择与本指导书方法上文分别介绍了贝塔系数估计中存在的各项关键问题，本节则主要介绍贝塔系数

29、提供商及专业数据库在贝塔估计中的选择。然后在此基础上，提出本指导书的研究方法，以提供可行、可靠，并且建立在实务基础上的贝塔系数计算方式。主要的贝塔系数提供商及数据库的贝塔系数估计方式如下表所示：表2：贝塔系数估计方式Value Line（价值线）Reuters（路透社）Bloomberg（彭博社）CSMAR（国泰安）回报率周收益率月收益率周收益率日收益率期限5年5年2年1年市场指数NYSE CompositeS&P 500S&P 500沪深综合/分市场是否调整是否是否回报率及期限比较容易理解，这里主要解释市场指数及是否调整两行的内容。在市场指数上，价值线（Value Line）

30、采用了NYSE综合指数，或称纽约股票交易所综合指数。它包括在纽约股票交易所上市所有普通股的指数，每种股票市场价值等于股价乘以上市股票的数目。指数构造时，排除了新上市及摘牌的影响。路透社（Reuters）和彭博资讯社（Bloomberg）在市场指数上，则选取了S&P500指数，或称标准普尔500指数。这一指数包含了美国股市两大证券交易市场、纽约证券交易所与纳斯达克证券交易所中的500家大型上市公司。标准普尔公司定期更换指数中的成分股，股票选择主要依据市场规模、流通性及行业，选取有代表性的、行业领先公司。每种股票在指数中的比重与其市场价值成正比。是否调整是指，在回归估计得到贝塔系数后，是否

31、做出修正，提供调整贝塔。采用历史证券交易数据估计贝塔时，总是存在着估计误差的问题。当回归贝塔系数与行业平均贝塔水平存在明显差异时，应秉持怀疑的态度。已有研究表明，上市公司的估计贝塔系数会向着全部证券投资组合的贝塔均值移动，即长期来看，贝塔值倾向于取值为1（Blume, 1975）。因而，将估计贝塔与长久贝塔值1.0取加权平均值。Bloomberg（彭博资讯社）调整贝塔的计算式如下：实际上，原始贝塔及长久贝塔各自所占的权重是主观确定的。彭博资讯社分别采用了0.67及0.33的权重，而其他数据服务商则可能采用了不同的权重数值。这一调整贝塔的基本思想是可以认同的，但是，权重取值的随意性可能也会损害估

32、计结果的准确性。国泰安CSMAR作为研究中国证券资本市场的主要数据提供商，在贝塔系数上采用了单指数模型（股票收益率与市场收益率的一元回归）。其提供的贝塔系数数据比较丰富，分为日贝塔文件、月贝塔文件及年贝塔文件（见“专题研究系列”中的“中国股票市场风险评价系数数据库”）。其中，月个股的风险系数采用四年时间段约48个样本，使用股票月收益率与市场月收益率回归。年个股的风险系数上，则采用当年所有交易日的数据作为样本，用股票日收益率与市场日收益率回归。市场收益率则分别取为沪深综合市场收益率，及分市场收益率（对深市股票采用深市股票综合回报率，对沪市股票采用沪市股票综合回报率）。通过上文可以发现，权威的数据

33、服务机构在贝塔系数计算上并不一致。本指导书目的并非要从中寻找一项最为合理、准确、可靠的计算方式，或依据CAPM资本资产定价模型的理解，创立一项新的贝塔估计方法。本指导书主要目的是较为详尽地介绍如何通过历史证券交易数据（本指导书中，数据来源为CSMAR数据库。没有数据库时，完全可以从网络上自行获取）信息估计贝塔系数，并在这一过程中熟悉数据库及统计软件的使用。因而，本指导书贝塔系数估计将以国内权威的数据库的贝塔估计方式为基础，按照CSMAR数据库的方法，实际提取收益率数据计算2015年度贝塔系数，并与CSMAR数据库实际提取得到的计算结果相比较。5. 资本结构与贝塔系数5.1 加权平均资本成本上文

34、介绍了依据历史证券交易数据估计证券当前贝塔系数的方式。同时，投资者也着眼未来，关注于上市公司重大财务事项，如公开发行股票或发行公司债券，对企业风险及必要投资回报率的影响。因此，仅停留在回归估计贝塔系数的层面是远远不够的。预测贝塔系数变动需在企业整体的视角下，统筹兼顾权益、债务价值的变动，以及股权投资者与债权人的风险回报要求。为了能够比较清楚地阐述财务杠杆与股权投资风险的联系，本节首先简单引入加权平均资本成本的概念。贝塔系数是证券资产系统风险的衡量指标，体现了股权投资者对于所持有上市公司的普通股的收益要求，即权益资本成本。当企业完全依赖股权方式融资时，估计能到的权益资本成本也是公司资本成本。但是

35、，负债率为零的上市公司是不存在的，通过银行贷款、企业债券等方式融资是极为普遍的现象。因而，衡量企业的资产贝塔需要考察债权人的风险收益要求。很容易理解，公司资本成本也称为加权平均资本成本，是权益资本成本及债务资本成本按照市场价值加权平均值。其具体表达式如下：其中： 通常情况下，负债资本的市场价值可以直接取为负债的账面价值。而股权资本的市场价值则应等于每股股价乘以总股数。需要注意的是，表达式中的权重不是经常使用的资产负债率。资产负债率中，权益部分取账面价值，而上式中，权益取市场价值。一般来说，对于正常运营的上市公司，其股权市场价值都是远远大于股权的账面价值的。另一方面，债务部分并非资产负债表中列示

36、的负债总额，而是仅包含长期债务（长期借款、一年内到期的长期借款及应付债券）。权益资本成本可以通过基于定义、基于CAPM模型、基于市场指数三种评估方法计算，等于无风险收益与风险收益，其中，风险收益等于证券贝塔系数乘以市场投资组合风险收益，其具体估计步骤在上文已经详细阐述。评估债务资本成本应将上市公司当前承担的所有借款合同中的贷款利率按市值加权平均。而在实务应用中，往往难以获得如此全面的企业贷款利率信息。因此，研究分析人员通常采用以下三种方式作为近似的替代选择。（1）采用近期披露的几项贷款合同利率近似估计整体债务资本成本；（2）依据资产负债表中长期借款、短期借款金额，及现金流量表中的分配股利、利润

37、或偿付利息所支付的现金（需先行扣除股利部分），计算债务资本成本；（3）将同期银行的贷款利率近似作为评估企业的债务资本成本。加权平均资本成本主要用于投资项目评估。在合理预测项目未来的现金流收支后，采用估计得到的加权平均资本成本作为现金流的贴现率，进而计算得到项目净现值，是项目可行性分析中必不可少的一项重要步骤。而在企业价值评估中，将项目现金流收支相应地替换为企业的自由现金流，在财务状况评估及短期财务预测的基础上，可以计算企业股票的公平市场价值。5.2 权益贝塔、负债贝塔与资产贝塔第一小节已经分析了公司财务结构对于期望收益的影响。而本小节将区分权益贝塔、负债贝塔及资产贝塔，并在此基础上考察上市公司

38、财务杠杆对于贝塔系数的影响。贝塔系数是收益相对于市场经济环境变动的敏感程度。在经济繁荣时收益越高，在经济萧条时收益越低，其贝塔系数越大。在CAPM模型中，我们已经学习到，当市场有效时，证券资产收益率相对于市场指数收益率的敏感程度越高，其权益贝塔系数越大。实际上，贝塔系数的概念也可以应用于负债及资产。将加权平均资本成本计算式子中的收益率替换为相应的贝塔，具体的表达式如下：其中： 可以发现，资产贝塔是权益贝塔及债务贝塔以权益、债务市场价值为权重的加权平均数。5.3 杠杆性贝塔与非杠杆性贝塔为研究权益贝塔与财务杠杆的关系，将上述表达式改写为关于权益贝塔的函数如下：企业财务结构的变化并不影响总资产生成

39、的现金流的总量及其风险。资产投资时，股东投资的一元钱与债权人投资的一元钱，在项目运营角度上起到的作用是完全相同的。因而，资产贝塔仅取决于企业经营行业及经营杠杆，而不随财务结构变化而变化，数值上等同于无杠杆（零负债）时的股权资本贝塔，即非杠杆性贝塔系数。历史数据显示，债权人承担的风险远小于股东面临的风险，大型蓝筹企业的债务贝塔接近于0。因而，通常就假定负债贝塔值为0。另外，债务利息在税前支付，可以抵扣利润，降低企业上缴的税费，能够起到抵税作用，也需相应做出调整。此时，表达式为：可以发现，财务杠杆是影响权益贝塔系数的一项重要因素。在其他因素不变的情况下，高负债比例会显著提升企业股权资本的贝塔系数。

40、在经济繁荣时期，固定利息支出的银行贷款及企业债券能够放大收益，而经济衰退时期，高负债又会成为公司运营中的沉重负担。较高的负债率会加剧收入的变动，提升股权投资者的投资风险。因而其贝塔值也会更高。6. 实验步骤与操作详解6.1 基于定义法的权益贝塔估计本部分以2015年中兴通讯数据为例，首先介绍贝塔系数的定义估计方法，然后进一步介绍贝塔系数的回归估计方法，并以此分析资本结构对于权益贝塔的影响。最后，给出2012年2015年期间基于回归法的中兴通讯贝塔系数的估计结果，并对其年度变动原因做出简要的分析。首先，从CSMAR数据库中提取所需的2015年度中兴通讯（000063）每一交易日下的股票收益率，以

41、及相应的沪深两市A股综合市场收益率。路径选择“股票市场系列”_ “CSMAR中国股票市场交易数据库” _ “个股交易数据”，代码选择“000063”，起始日期选择“2015年01月01日”，终止日期选择“2015年12月31日”，字段选择“证券代码”、“交易日期”及“考虑现金红利再投资的日个股回报率”，提取并导出数据。然后，在“综合市场交易数据”中提取市场收益率。证券代码及起止日期同上，字段选择“综合市场类型”、“交易日期”及“考虑现金红利再投资的综合日市场回报率（流通市值加权平均法）”。限制综合市场类型等于5，即综合A股市场。将所得数据导出至Excel文档。整理股票收益率与市场收益率并放在一

42、起，如下图所示：图1 提取的股票收益率与市场收益率图1中左侧为整理得到的考虑现金红利再投资的综合市场回报率，右侧为中兴通讯上市公司在2015年度有效交易日下的日个股收益率数据。下面，需要将同日的股票收益率与市场收益率汇总在一起，为回归分析做准备。需要注意的一点是，不能简单的直接将两组数据粘贴在一起。每一交易日下市场收益率都是存在的，而单一上市公司则可能存在着特殊事项休市等问题，使某些市场交易日下收益率并不存在。所以总体来说在一年内，个股回报率的数量往往小于综合日市场回报率的数量。处理的基本原则为，在股票停牌日（股票回报率不存在而市场收益率存在），将股票回报率定为0（休市日股价不变），具体操作方

43、法如下：在C2单元格输入公式“=VLOOKUP(A2,J$2:K$242,2,FALSE)”（不包含引号，注意添加$绝对引用符号）。图2 汇总股票收益率与市场收益率 VLOOKUP为Excel内置的查询函数，上述公式的意思为，在“J2:K242”的区域范围内查询首列（J列）等于“A2”的单元格，将这一单元格右侧第“2”列（K列）的数值返回到C2单元格（输入函数的单元格），并要求查询的单元格与A2单元格精确相等“false”。“$”符号表示，在拖动单元格粘贴公式时，符号后的行或列将保持不变。双击C2单元格右下角È，即可完成全部的汇总。修改表头后结果如下所示：图3 汇总股票收益率与市场收

44、益率可以发现，中兴通讯在2015年共242个交易日，而市场共计245个交易日，将C列中的三个值为“#N/A”的单元格的值替换为“0”（2015年7月9日、2015年7月10日、2015年7月13日）。至此，数据收集与初步处理已经完毕，开始进行定义法计算贝塔系数。然后，计算该公司收益率的标准差、上证指数收益率的标准差以及二者之间的相关系数。相应地，需要用到STDEV与CORREL两个函数。STDEV函数用来计算一组数据的标准差，其基本格式为STDEV（number1，number2，），“Number1，Number 2，”为对应于总体样本的各个参数。CORREL函数用来计算两组数据之间的相关系

45、数，基本格式为CORREL（array 1，array 2），Array 1 为第一组数值单元格区域，Array 2 为第二组数值单元格区域。根据上述分析，在工作表的F4输入公式计算市场回报率的标准差：=STDEV（B2:B245），在F5输入公式个股回报率标准差：=STDEV（C2:C245），在F6输入公式计算两回报率之间的相关系数：=CORREL（C2:C245,B2:B245），具体见图4。图4 计算各个参数最后，根据定义法计算股票贝塔系数。在工作表的F7处输入公式“=F6*F5/F4”，便求得中兴通讯当年的贝塔系数，见图5。图5 利用定义法求得贝塔系数到此，基于定义法的权益贝塔估计完

46、成。6.2 基于回归法的权益贝塔估计基于回归法的权益贝塔估计，即对股票收益率与市场收益率进行一元线性回归，以计算得到中兴通讯的贝塔系数。该操作可以采用Stata统计软件完成，也可以直接通过Excel表格计算结果。下面分别做出介绍。由于数据来源与初步处理与定义法一致，因此本节对该不再赘述，详细可见6.1节的图1至图3内容。(1) Stata回归分析方法打开Stata统计软件，本指导书所用版本为Stata 12。其界面如图6所示：图6 Stata界面左上角以命令的形式记录历史操作，右上角输出分析结果，用户在右下角输入命令，完成所需数据分析。点击最上一行的“Data” _ “Data Editor”

47、，将整理得到的Excel表格数据（仅导入市场回报率与日个股回报率即可）修改表头后直接复制粘贴到Stata统计软件中。图7 导入数据在右下角命令窗口输入回归函数并按回车键：reg ret market得到回归分析的结果如下：图8 回归结果随后可以将stata界面上的回归结果直接粘贴回Excel保留数据即可；回归统计指标可以分析得到以下结果：【1】 回归斜率为1.104913，这是以2015年日收益率数据计算得到的中兴通讯上市公司的贝塔系数。当采用其他计算方法及时间窗口时，将会得出不同的结果。【2】 回归R2为61.15%，即中兴通讯上市公司的风险中有61.15%来自于市场风险，即系统风险部分占总

48、风险的61.15%，剩余38.85%来自与公司的特有风险，与企业的经营策略等有关。【3】 回归系数标准差为0.05662，表明真实的贝塔系数有95%的可能在区间 0.993, 1.216内。（2） Excel回归分析方法与定义法一样，将数据整理如图3左侧所示。然后，选择“数据”标签下的“数据分析”，找到“回归”一项，如图9所示。图9 数据分析在弹出的窗口内，填入必要的信息。其中输出区域可以选择任意区域：图10 回归选项 在输出区域即可得到如下回归结果：图11 回归结果需要注意，本指导书采用Excel2013版本，在Excel2007及Excel2010版本中均可实现上述分析，但相应的功能选项位

49、置可能并不完全一致。基于定义法与回归法对中兴通讯2015年的贝塔系数估计结果均为1.104913，两者相同，可见两者方法测算股票贝塔系数均具有合理性。但由于回归法中加入截距项，同时对固定因素进行了控制，为追求更高效度，本指导书在后述分析过程中所利用的贝塔系数，均基于回归法计算而得。6.3 财务杠杆与权益贝塔（1）财务杠杆与权益贝塔通过上述分析，我们已经知道，在2015年度下，中兴通讯上市公司的贝塔系数为1.104913，其股权投资的系统风险与投资于整体证券市场的风险相近。下面，将考察举债效应对于中兴通讯贝塔系数的影响。首先，需要计算公司的债务股权资本比率，即分别计算得到上市公司的股权资本价值与

50、债务资本价值。中兴通讯2015年收盘价为每股18.31元，总股数为4,125,049,533股，总市值为75,529,656,949元。债务市场价值为：长期债务=长期借款+一年内到期的长期借款+应付债券 =6,016,254,000+4,617,604,000+0 =10,633,858,000元债务股权资本比率=10,633,858,000/75,529,656,949=7.10%企业所得税税率为25%。由上述资料可得：非杠杆性贝塔系数=当前贝塔系数/1+(1-税率)(长期债务市场价值/股权资本市场价值) =1.104913/ 1+ (1-25%)*7.10%=1.0491当债务资本比率取其

51、它值时，相应的股权资本的贝塔系数如下所示：表3：贝塔系数取值债务总资本比率债务股权资本比率贝塔系数举债效应0%0.00%1.0491 0.0000 10%11.11%1.1365 0.0874 20%25.00%1.2457 0.1967 30%42.86%1.3863 0.3372 40%66.67%1.5736 0.5246 50%100.00%1.8358 0.7868 60%150.00%2.2292 1.1802 70%233.33%2.8849 1.8358 80%400.00%4.1962 3.1472 90%900.00%8.1301 7.0811 可以发现，随着负债的提升，贝

52、塔值随之提升，意味着高负债使上市公司股东承担了更高的风险，从而对于股权投资要求更高的风险收益。（2）短期借款长期化的影响长期以来，中兴通讯短期借款数额均大于长期借款与应付债券的数值，考虑到中兴通讯存在着使用短期借款为长期项目融资的问题。债务价值中仅计算会计账目上的长期债务可能低估了公司的整体负债水平。因而，在计算债务市场价值时，相应地加入短期借款账面价值。在2015年年末，其有息债务如下表所示：表4:2015年末有息债务数额项目（有息债务）数额短期借款7,907,572,000.00一年内到期的非流动负债4,617,604,000.00长期借款6,016,254,000.00应付债券合计18,

53、541,430,000.00短期借款是长期借款的1.31倍，其短期借款长期化的现象比较明显。债务中加入短期借款后：债务股权资本比率=18,541,430,000.00/75,529,656,949=24.54%非杠杆性贝塔系数=当前贝塔系数/1+(1-税率)(有息债务市场价值/股权资本市场价值) =0.9854/ 1+ (1-25%)*24.54%=0.9331当债务资本比率取其它值时，相应的股权资本的贝塔系数如下所示：表5：贝塔系数取值债务总资本比率债务股权资本比率贝塔系数举债效应0%0.00%0.9331 0.0000 10%11.11%1.0109 0.0778 20%25.00%1.1

54、081 0.1750 30%42.86%1.2331 0.2999 40%66.67%1.3997 0.4666 50%100.00%1.6329 0.6998 60%150.00%1.9829 1.0498 70%233.33%2.5660 1.6329 80%400.00%3.7325 2.7993 90%900.00%7.2316 6.2985 6.4 权益贝塔的年度比较依据上文给出的方法，可以计算得到2012-2015年度的贝塔系数，具体估计结果如下表所示：表6：权益贝塔系数2012年2013年2014年2015年年度交易日244239246245估计贝塔系数1.1691 1.2844

55、 1.0171 1.1049系数标准误差0.1053 0.1393 0.0925 0.0566R Square0.33850.26490.33210.6115影响贝塔系数的主要因素有三个：（1）企业所处的行业，或企业从事的业务类型：奢侈品行业的上市公司与日常消费品行业的上市公司相比，其经营业绩对于市场条件更为敏感，在不同的经济周期（繁荣或萧条）下，营业收入、利润的变动也更大，其贝塔系数也更高；（2）企业的经营杠杆：固定成本相对于总成本的比例越高，其经营杠杆越大，这一指标主要受到企业的技术水平影响。固定成本比例越高，可变成本比例越低，销售一单位商品的边际收益越大，因而，销售额发生变动时，其营业利润会发生更大比例的变动。高经营杠杆的上市公司，贝塔系数越高。（3）企业的财务杠杆：高财务杠杆放大了企业