资本资产定价模型在在中国股票市场的适应性分析

资本资产定价模型在在中国股票市场的适应性分析摘要绪论研究背景与意义资本资产定价模型(CapitalAssetPricingModel简称CAPM)是由美国学者夏普(WilliamSharpe)、林特尔(JohnLintner)、特里诺(JackTreynor)和莫辛(JanMossin)等人于1964年在资产组合理论和资本市场理论的基础上发展起来的，主要研究证券市场中资产的预期收益率与风险资产之间的关系，以及均衡价格是如何形成的，是现代金融市场价格理论的支柱，广泛应用于投资决策和公司理财领域。资本资产定价模型假设所有投资者都按马克维茨的资产选择理论进行投资，对期望收益、方差和协方差等的估计完全相同，投资人可以自由借贷。这些假设表明:第一，投资者是理性的，而且严格按照马科威茨模型的规则进行多样化的投资，并将从有效边界的某处选择投资组合;第二，资本市场是完全有效的市场，没有任何磨擦阻碍投资。基于这样的假设，资本资产定价模型研究的重点在于探求风险资产收益与风险的数量关系，即为了补偿某一特定程度的风险，投资者应该获得多少的报酬率。CAPM给出了一个非常简单的结论:只有一种原因会使投资者得到更高回报，那就是投资高风险的股票。不容怀疑，这个模型在现代金融理论里占据着主导地位。在CAPM里，最难以计算的就是Beta的值。当法玛(EugeneFama)和弗兰奇(KennethFrench)研究1963年到1990年期间纽约证交所，美国证交所，以及纳斯达克市场(NASDAQ)里的股票回报时发现:在这长时期里Beta值并不能充分解释股票的表现。单个股票的Beta和回报率之间的线性关系在短时间内也不存在。事实上，有很多研究也表示对CAPM正确性的质疑，但是这个模型在投资界仍然被广泛的利用。虽然用Beta预测单个股票的变动是困难，但是投资者仍然相信Beta值比较大的股票组合会比市场价格波动性大，不论市场价格是上升还是下降;而Beta值较小的股票组合的变化则会比市场的波动小。对于投资者尤其是基金经理来说，这点是很重要的。因为在市场价格下降的时候，他们可以投资于Beta值较低的股票。而当市场上升的时候，他们则可投资Beta值大于1的股票上。CAPM模型在证券理论界已经得到普遍认可。投资专家用它来作资本预算或其他决策;立法机构用它来规范基金界人士的费用率;评级机构用它来测定投资管理者的业绩。资本资产定价模型主要应用于资产估值、资金成本预算以及资源配置等方面。在资产估值方面，资本资产定价模型主要被用来判断证券是否被市场错误定价。在资源配置方面，资本资产定价模型的一项重要应用，就是根据对市场走势的预测来选择具有不同β系数的证券或组合以获得较高收益或规避市场风险。证券市场线表明，β系数反映证券或组合对市场变化的敏感性，因此，当有很大把握预测牛市到来时，应选择那些高β系数的证券或组合。这些高β系数的证券将成倍地放大市场收益率，带来较高的收益。相反，在熊市到来之际，应选择那些低β系数的证券或组合，以减少因市场下跌而造成的损失。上海和深圳股票交易所成立于上世纪90年底，在这二十多年来，它们发展迅速。期间，有部分学者对CAPM理论在沪深市的有效性做出实证检验，如阮涛、林少宫（2000）、李和金、李湛（2000）和向方霓（2001）等。但就其检验结果来看，我国股市还不支持严格的CAPM模型。中国股市虽然已经发展了二十余年且股市规模排名前列，但是与世界上其他国家成熟股市相比较来讲，仍然不能认为我国股市是一个高效率股市。而其中上海股市具有一定特殊性，且主要表现在以下几个方面：第一，它不完善的地方居多，例如以散户为主体和禁止卖空；第二，市场受政府政策干预频繁，如魏玉根等（2001）的研究表明：政策要素影响对上海股市股价异样波动影响较大。而且我国的股本结构不像发达国家那么成熟，适合西方成熟市场的理论不一定适合我国股票市场。因此，对CAPM理论在上海股市的进行适用性变得尤为重要。近年来，由于中国股市得到了长足的进步，市场监管更加科学，运行制度更加完善，信息披露更加及时准确，投资者的个人素质也得到了提升。本文希望利用近年的数据，通过实证研究来分析CAPM模型在新的历史背景下是否适用于中国股票市场，并希望通过检验研究推动模型完善发展，以更好地适用于中国股市。研究内容与方法研究内容本文旨在实证检验CAPM模型是否适用于A股市场两个具体行业。近些年随着中国股市的发展，已有许多学者进行了CAPM的适用性研究。然而关于特定行业的实证研究较少，更加缺乏对于不同行业之间模型适用性的对比分析。为了更加深入的了解CAPM模型对我国特定行业的影响。衣食住行是与国计民生紧密相关的大事，是维系社会稳定的大问题；地产股作为中国股市三驾马车之一，在A股市场有着至关重要的地位。因此，本文选择了与国计民生紧密相关的房地产行业和食品饮料行业，展开实证研究，并对比分析其在不同行业的适用性。第一章为绪论。本章从国内外资产定价理论的发现出发，结合当前我国股市发展现状，指出本文的选题背景和选题意义。然后介绍本文选取两个特定行业的原因和目的。本文采用理论和实证相结合的方式来对食品饮料行业和房地产行业的股票收益情况展开研究。最后，在本章的末尾指出本文的主要创新。第二章为文献综述。首先对资本资产定价模型(CAPM)进行系统的回顾，指出CAPM模型在资本定价理论研究上的重要意义。其次，系统梳理国内外学者对CAPM模型的实证研究成果，并将不同的研究成果进行归纳总结。最后，在上述理论分析的基础上，本文提出对A股市场特定两个行业进行模型适用性检验的必要性。第三章为理论分析和研究设计。本章首先分别介绍了资本资产定价模型(CAPM)和三因素模型的相关理论，为下文进行实证研究提供理论依据。其次，介绍了本文实证研究所使用模型的设定和模型中各个参数的选取方法。再次，提出了本文实证部分涉及的主要检验方法，为将要展开的实证分析做好铺垫。最后，是研究设计，为下文即将展开的实证研究建立框架。第四章为基于A股食品饮料行业和房地产行业的实证分析。作为全文重点，本章分为五个部分：第一部分说明了样本数据的来源和选取方法；第二部分为基于CAPM单因素模型的一元线性回归分析；第三部分是对回归结果的检验；第四部分为模型和行业拟合优度比较；最后一部分为实证研究小结。第五章为研究结论和研究展望。根据上述的实证结果对本文的研究进行总结，陈述本次研究的不足之处并提出未来的研究方向。研究方法本文的研究方法主要分为理论研究和实证研究两部分。理论研究部分主要通过资本资产定价相关理论的阐述和对国内外学者研究成果的梳理展开。回顾资本资产定价模型相关理论，为后文的实证研究提供理论基础。然后系统梳理了国内外学者对CAPM模型的实证研究结果，发现CAPM模型在中国市场的研究大多停留在整个A股市场层面，缺乏对具体行业深入研究的现状，在此基础上提出对A股市场特定行业进行模型适用性检验的必要性。实证研究部分围绕关系国计民生的两大行业（食品饮料行业和房地产行业）展开，对比分析CAPM模型在特定行业的适用性。本文首先根据本次实证研究的目的和现实的可能性选取了研究样本，这些最终样本包括2016年1月-2020年1月上证A股的食品饮料行业和房地产行业上市公司股票数据，通过回归分析和稳定性检验，分析总结CAPM模型对食品饮料行业和房地产行业股票收益率解释效果。CAPM模型的理论阐述与研究成果综述CAPM模型的理论阐述CAPM模型定义资本资产定价模型是建立在风险资产期望收益均衡基础上的预测模型。Markowitz于1952年建立了现代投资组合管理理论，该理论认为，一项投资组合的风险与他的回报一样重要。理性的市场参与者不会因为某项资产的回报率特别高而对其进行投资，也不会因为某项资产面临的风险特别低而选择该资产。一项资产的风险和收益分别可以由其对应的方差与均值进行反映。因此，评估某项资产时，往往需要同时关注该项目的收益均值和方差。当一项资产同时具备方差小和均值高的特征时，该资产就是具备投资价值的。Sharpe(1964)、Lintner(1965)和Mossin(1966)在证券组合理论的基础上发展出了资本资产定价模型(CAPM)，以一个简单的线性模型的方式将投资组合的预期收益与预期风险之间的理论关系表达出来。它的出现使人们开始量化市场风险，以及对其进行合理的定价。CAPM模型满足下述假设：首先，投资者均追求当期收益最大化，各组合的期望收益和标准差作为基础对投资组合选择类型进行选择；其次，市场控制完全有效，投资者均拥有相同预期（即：投资者对全部资产的预期收益、方差和协方差等均持一致的估计）；再次，全部投资者均能够无风险无限制的借款和贷款，且没有交易成本；最后，全部的投资者均是价格接受者，任一投资行为都不会对股票价格造成影响；此外，资产数量固定不变，所有资产均可被充分使用。基于以上假设，模型的表现形式如下。E其中，ERi代表股票或股票组合的期望收益率；Rf代表无风险收益率；βi为既定股票的风险系数；系统风险的度量系统风险指指市场中无法通过分散投资来消除的风险,也被称做为市场风险(marketrisk)。比如说:利率、经济衰退、战争，这些都属于不可通过分散投资来消除的风险。根据上文可知，投资组合的系统风险决定了其相应能够取得的期望收益，因此度量系统风险变得尤为重要。资本资产定价模型中单只股票的风险通过其收益率随着市场收益率共同变动的幅度β进行衡量。其计算公式如下：β其中，CovRi,β系数反映的是证券和市场组合之间的风险大小。从CAPM模型中可知：当βi>1时，该股票的收益率和风险程度都高于市场平均水平；当βi=1时，该股票的收益率和风险程度与市场平均水平相同，两者完全正相关；而当证券市场线按照上文所述，β系数可以用来度量单一股票的系统风险，证券市场线被用来描述该股票承担的风险与收益之间的关系。证券市场线也被称为资本资产定价模型。E式中：ERi是单支股票的预期收益率；ER在均衡状态下，该等式中的ER图证券市场线证券市场线表明，β系数反映证券或组合对市场变化的敏感性，因此，当有很大把握预测牛市到来时，应选择那些高β系数的证券或组合。这些高β系数的证券将成倍地放大市场收益率，带来较高的收益。相反，在熊市到来之际，应选择那些低β系数的证券或组合，以减少因市场下跌而造成的损失。相关研究成果综述国外研究成果传统实证研究对CAPM的支持。主要致力于验证三大方面：第一，截距为零；第二，有且只有β会影响证券的预期收益；第三，β的系数为正。尽管早期的研究未提供完全的支持，但是最起码，他们的研究都证明收益与β的正相关关系，且无充足的证据否决CAPM。Lintner(1965)和Douglas(1968)通过对个股的实证发现，如CAPM模型所述收益与系统性风险呈正相关的关系，但是截距显著的不为零，并且研究结果表明除了β，还存在其他非系统性风险对收益率产生影响。针对这一现象，Miller和Scholes(1972)认为，基于个股的实证研究可能本身存在一些数据问题。为了提高精准性，避免数据问题，Lintner(1965)，Douglas(1968)，Black，Jensen和Scholes(1972)以及Fama和MacBeth(1973)就股票组合做了实证检验，并如CAPM模型所预言的那样，平均股票收益与β之间的正相关关系成立。Yi-Chengshin、Sheng-Syon等（2014）认为在过去的40年里，对于多种资产定价模型，CAPM起着标尺的作用。20世纪70年代中后期起，学术界掀起了一股对CAPM的质疑狂潮，不少研究发现平均股票收益与β之间的这种正相关关系消失了。如Litzenberger和Ramaswamy(1979)通过对纽约证券交易所1936～1977的实证研究表明股息收益率（dividendyield）也会正向影响股票的收益率。CampbellandShiller(1989)也证实了他们的观点。除了股息收益率，Stattman(1980)和Rosenberg，Reid以及Lanstein(1985)发现另一个影响收益率的因素：B/M（账面市值比）。他们的研究表明，高账面市值比的公司的收益率往往伴随着高收益。除此之外，Basu(1977)还发现高市盈率（price/earningsratio）公司往往会获得超额收益相较于其竞争对手而言。但是他在这份研究中未否定CAPM，他将这一现象归咎于市场失效。但是，Ball（1978）对Basu(1977)的观点提出了质疑，认为这并不是市场失效所引起的，而是CAPM本身的问题。因此，Basu(1983)又做了一份补充研究验证市场有效性，并且证实了Ball（1978），肯定了市盈率对于预期收益的影响。与此同时，许多其他因素被发现对于股票的收益具有解释能力。Jegadeesh和Titman(1993，2001)提出了“惯性效应”。“惯性效应是指股票的收益率有延续原来的运动方向的趋势，即过去一段时间收益率较高的股票在未来获得的收益率仍会高于过去收益率较低的股票。Barberis，Shleifer和Vishny(1998)将这一现象解释为保守性偏差导致投资者对新信息的反应不足，使得股价在短期表现出惯性。Rozeff和kinney(1976)，Tinic和West(1984)，Pettengill等人(1995)，Fletcher(2000)以及Lam(2001)还提出了“季节性效应”。随着金融市场的发展，资本资产定价理论遭到了挑战和困难，Chorda、Subrchmanyam（2000）研究发现，分散流动性风险并不能通过资产多元化组合来实现，这与CAPM模型的假设相悖。WayneFerson(2013)指出在预测资产这一点上，长期风险模型比短期CAPM更加适合，MartinBod(2014)通过对中东地区1996～2008年的数据进行有效性检验得出，单个资产的期望收益与β系数有时不存在线性相关关系。国内研究成果我国证券市场发展的历史较为短暂，但自1990年开始，国内一些学者对CAPM也陆续做了一些研究。其中较早的是施东晖（1996）的研究，在此研究中，他选取了50家上海证券交易所的A股股票，以1993年4月27日到1996年5月31日的双周收盘价为样本，发现上海股市中股票的系统性风险与其预期收益间存在着显著的线性负相关关系，且非系统性风险在股票定价行为中也起着重要作用。杨朝军、邢靖（1998）选取1993年1月4日至1995年11月30日作为研究时间段，将上海股票市场中的179支股票按照β值得大小划分出18个股票组合，采用横截面的多元线性回归方法对日收益率进行分析，结果也表明上海股票市场股票的定价并不完全符合CAPM模型的预期，系统性风险并非是决定收益的唯一因素。之后，陈浪南、屈文洲（2000）通过选取上海A股从1994年1月4日到1998年12月31日的股价作为样本，根据股市中的三种市场格局（上升、下跌和横盘）划分了若干时间段所得出不同的β值进行分析，得出β与股市收益率的相关性不稳定。靳云汇，刘霖（2001）经过分析得出结论：不能否定市场综合指数作为市场组合代理的有效性。黄兴旺，胡四修和郭军（2002）通过研究发现：CPAM模型需要修正后才能适用于中国证券市场。于我国证券市场发展历史、市场规模、投资者结构等条件与西方资本市场不同，进而造成了CAPM模型拟合度差强人意。陈石清，帅富成（2009）基于上海证券市场从2005年7月1日至2008年12月18日的周数据为研究对象，将上证180指数代替上证综合指数作为市场收益率，得出结论发现上海股票市场的组合收益率和系统风险之间的线性关系不显著，资本资产定价模型在上海股票市场的检验与资本资产定价模型理论不相符，说明其在中国不适用。除了上述学者之外，还有不少学者的实证研究都否定了资本资产定价模型在中国的实用性，如刘佳珍（2011）、周鑫（2013）等。但也有相关学者认为资本资产定价模型在中国由一定的适用性。方成（2012）通过选择上海证券交易所上市的上证180指数成分股选取2009年1月9日到2010年12月22日期间的数据对CAPM进行实证检验。结果表明：上海资本市场股票组合的平均超额收益率与其系统性风险之间存在正相关关系，且非系统性风险也对收益率起着显著的解释力。朱顺泉（2010）通过选取2003年8月1日到2006年7月31日上海证券市场上的所有股票为样本，中国处于股权分置改革期间，发现这三年数据的结果显示基本与资本资产定价模型所预期的一致。文献综评根据上文，国内外学者对CAPM模型的实证研究主要停留在整个股票市场层面，对具体行业深入研究的学者较少。仅有有部分学者对CAPM模型在个别行业内的适用性进行了实证分析。如崔慧慧（2018）通过平安银行个股对CAPM模型我国股票市场的个股进行有效性检验。结果表明单单从这一个股票的分析结果来看，资本资产定价模型与我国资本市场定价还是较为符合的，资本资产定价模型对平安银行的股价在一定程度上是有效地。陈倩（2019）以银行业为例，利用其在2016年1月4日~2019年4月26日的日交易数据进行回归分析，并进一步对不同时期的回归方程截距项进行假设检验，验证CAPM在中国股市的适用性。结果：在中国至少对银行而言是有效的。然而，目前对两个不同行业进行CAPM模型适用性检验，并进行对比分析的研究相对较少。本文通过选取2016年1月-2020年1月上证A股的食品饮料行业和房地产行业上市公司股票数据，进行回归分析和稳定性检验，分析总结CAPM模型对食品饮料行业和房地产行业股票收益率解释效果，来进行CAPM模型的适应性研究，并对两个行业取得的实证结果进行比较，这将是对国内CAPM模型现有研究成果的补充。实证研究的设计本章将从以下三个方面进行阐述。第一方面是介绍模型的构建和模型中各个参数的定义与选取方法；第二方面系统的阐述本文实证分析中将涉及的检验方法，为下文展开实证分析做铺垫；第三方面描述研究设计，介绍下一步做实证分析的具体框架。回归模型的设计CAPM是在马科维茨理论的基础上由夏普、林特尔、特里诺和莫辛等发展而来的。最初该模型是用于解释存在风险的条件下单一证券的均衡定价问题。根据CAPM，对于任何单个资产或资产组合，其期望收益率与系统性风险之间存在线性关系，公式如下所示：R式中，Ri,t为股票i在t月的月收益率；Rf,t为t月无风险收益率，通过t月公布的7天Shibor年化收益率得出；Rm,t为市场指数在t月的月收益率，通过上证A股指数在t月的涨跌幅得出；βi为股票i的超额收益率相对于市场超额收益率的变动程度；根据模型设定，在进行实证检验之前，本文对无风险收益率和市场组合收益率进行定义。相关变量的界定无风险利率无风险利率是指将资金投放到没有风险的投资领域所等得到的回报率。在无风险收益率的选择上中美情况相差较大，国内的学者多采用国债指数、国债回购利率或者基准利率，美国的研究倾向于选择同业拆借利率或者国库券利率。这样的区别很大程度上是由于两国的国情不同导致的。在我国，目前普遍的做法是通过银行渠道进行资金的投放，购买国债的投资行为相对较少，所以本文认为将国债利率作为无风险利率不适合我国的国情。本文将全国银行间同业拆借中心公布的7天Shibor利率的年平均值换算成月利率作为无风险利率。Shibor全称是“上海银行间同业拆放利率”，英文全拼为ShanghaiInterbankOfferedRate，以位于上海的全国银行间同业拆借中心为技术平台计算、发布并命名，是由信用等级较高的银行组成报价团自主报出的人民币同业拆出利率计算确定的算术平均利率，是单利、无担保、批发性利率。Shibor报价银行团现由18家商业银行组成，从2007年1月4日开始正式运行。目前，Shibor与货币市场发展已经形成了良性互动的格局。Shibor在市场化产品定价中得到广泛运用。金融市场正在形成以Shibor为基准的定价群，各种利率之间的比价关系日趋合理、清晰。shibor利率设立时就是作为基准利率培育的，但是目前我国的基准利率依然是央行直接调整存贷款基准利率，因此一般是出于政策需求。它们之间存在一定的关联性，但由于shibor更具市场化，而目前国家所规定的存款利率还是有较强的行政干预，所以前者能够更好反映市场资金供求状况，而后者明显滞后。本文选取Shibor作为无风险利率是基于以下三个原因：首先，Shibor能够准确的反映投资者的机会成本，因为当银行间信贷资金出现紧张的情况，投资者倾向于投资银行理财等金融产品以获取低风险回报；第二，我国人民银行对基准利率的管理十分严格，很少对其进行调整，基准利率不能很好的衡量投资者的机会成本；第三，Shibor是由高信用等级的银行自主报价得到的算术平均利率，且我国银行违约的概率较小，因此本文认为可以不考虑银行借贷违约的风险，将Shibor作为无风险利率。综合考虑上述因素，本文的研究采用Shibor而不是央行公布的基准利率做为模型中的无风险利率。Shibor的数据来源于。本文将2016年1月至2020年1月的7天Shibor利率在每个月度内求算术平均得到48期月平均7天shibor。由于Shibor为年化利率，需要将其转化为月利率以符合本文的研究频率。计算方法如下：R式中：Rf,t为t月的无风险收益率；R市场组合收益率市场收益率一般指包含市场中所有资产的组合收益率。本文选取的研究对象是上证A股市场的房地产行业和食品饮料行业两个行业板块，因此市场指数本文使用上证A股指数的月收益率作为市场收益率，通过上证A股指数在t月的涨跌幅得出。表达式如下：R个股收益率股票的收益率分为两种：一种为算术收益率，即用期末价格与期初价格之差除以期初价格；另一种是对数收益率，即对期末价格和期初价格分别取对数之后相减，具体如下所示：R由于绝大多数情况下对数收益率近似服从正态分布，且能够提高时间序列的平稳性。一般来说，对各数据取对数之后不会改变数据的性质和关系，且所得到的数据易消除异方差问题；同时，取对数以后，经济变量具有弹性的含义。CAPM中也假设股票的收益率服从正态分布，故本文决定采用对数收益率。模型的检验本文采用普通最小二乘线性模型对房地产行业和食品饮料行业的股票投资收益进行实证研究，通过回归算出对应的β值并检验其是否符合CAPM要求。一元线性回归“回归分析”是解析“注目变量”和“因于变量”并明确两者关系的统计方法。是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。只有当变量与因变量确实存在某种关系时，建立的回归方程才有意义。因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度。回归分析的目的分为预测和因子分析两种。其中，因子分析是根据回归分析结果，得出各个自变量对目标变量产生的影响，因此，需要求出各个自变量的影响程度。线性回归的步骤为：1、散点图判断变量关系（简单线性）；2、求相关系数及线性验证；3、求回归系数，建立回归方程；4、回归方程检验；5、参数的区间估计；6、预测。在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。因此，本文利用一元线性回归分析法对CAPM模型在中国股票市场的适用性进行实证探究。模型有效性检验模型的有效性或者适应性以及各因素的显著性需要用统计量的值来表示，常见的统计量的值有以下：拟合优度的度量拟合优度是样本回归线对样本观测数据拟合的优劣程度，用来衡量模型整体的有效性或适用性。在统计学中R2（也叫判定系数或拟合优度）用来判断回归方程的拟合程度。R其中，SSR为回归平方和，是因变量的回归值（直线上的Y值）与其均值（给定点的Y值平均）的差的平方和，即，它是由于自变量x的变化引起的y的变化，反映了y的总偏差中由于x与y之间的线性关系引起的y的变化部分，是可以由回归直线来解释的；SST为总平方和，是每个因变量的实际值（给定点的所有Y）与因变量平均值（给定点的所有Y的平均）的差的平方和，即，反映了因变量取值的总体波动情况。因此，R2的取值在0和1之间，越接近1说明拟合程度越好变量的显著性检验变量的显著性检验的目的是剔除回归系数中不显著的解释变量，使得模型更简洁。而在一元线性模型中，因为只有有一个自变量，显著性检验的目的就是要判断自变量对因变量是否有显著性的影响。本文采用t检验与f检验对模型进行分析。其中，t检验用于对某一个自变量Xi对于Y的线性显著性，f检验用于对所有的自变量在整体上看对于因变量的线性显著性。t检验的结果看P-value，f检验看SignificantF值，一般应小于0.05，越小越显著研究设计首先，本文通过获取2016年1月至2020年1月截止的A股市场食品饮料和房地产两个行业的股票交易数据和财务报表数据。第二，数据处理。根据股票交易数据计算得到个股月收益率、市场收益率以及无风险收益率。第三，进行CAPM单因素模型的一元线性回归分析，通过对模型回归结果的观察，得出资本资产模型(CAPM)在房地产行业和食品饮料行业的适用性。第四，本文分别对食品饮料行业和房地产行业的CAPM模型的回归参数进行了稳定性检验，有助于使用该模型进行预测。最后，分别从模型和行业两个维度出发，对拟合优度展开比较，进行总结。基于上证A股食品饮料行业和房地产行业的实证分析样本数据的来源和选取方法在检验CAPM对于中国股票市场适用性的研究中，为了保证结果的稳定性，尽可能地排除干扰因素对结果的影响，我们应当尽可能选取充足的样本数据，从而提高实证分析的说服力。因此，本文采用的数据是2016年1月1日开始至2020年1月1日截止的A股市场相关上市公司的股票交易数据，在保证了样本数据充足的情况下，也保证了实证检验分析的时效性。选取这一时间段来检验CAPM模型在A股市场的有效性，主要是考虑到A股市场早期整体市值规模较小，参与者以散户投资者为主，投资决策往往不完全理性；加之监管体系不够健全，操纵市场和内部交易等行为时有发生，可能对股票收益产生一定程度的扭曲。在这四年当中A股无论是参与者的机构化程度还是监管体系的完善程度都有了明显的变化，甚至于2017年6月21日，明晟公司宣布将A股纳入MSCI新兴市场指数，在一定程度上也说明了即使以国际标准来看A股市场也步入了成熟阶段。通过观测这段期间的股市行情，能够得出具有稳定性的研究结果。本文的数据来源通过来获取食品饮料和房地产两个行业的股票历史交易数据。本文对在时间研究范围内有休市或中途上市的股票进行剔除后，随机选取食品饮料行业股票20只，房地产行业股票数20只，这些股票将构成本文的研究对象。选择房地产和食品饮料行业的原因分析衣食住行是与国计民生紧密相关的大事，是维系社会稳定的大问题。与此同时，我国的证券市场易于受到国家政策的影响，国家的政策导向不同，因此对不同行业的收益影响也不尽相同。由于各个行业受政府宏观调控的力度不同，因此从整个A股层面出发检验CAPM模型，得出的结论可能会偏离实际。考虑到我国证券市场的特殊性和行业本身的重要性，选取其中关键两个行业（“食”、“住”）的股票收益作为研究目标。选择考察房地产行业股票的原因在于地产股作为中国股市三驾马车之一，在A股市场有着至关重要的地位。房地产行业的发展牵动着我国经济的持续发展，同时也成为了维系社会稳定的关键，它备受政府关注且受政府宏观政策影响显著。股权融资是企业融资的重要手段，房地产股票是房地产行业重要的融资渠道，直接反映房地产市场的兴衰状况。选择考察房地产行业股票的原因在于地产股作为中国股市三驾马车之一，在A股市场有着至关重要的地位。房地产行业的发展牵动着我国经济的持续发展，同时也成为了维系社会稳定的关键，它备受政府关注且受政府宏观政策影响显著。股权融资是企业融资的重要手段，房地产股票是房地产行业重要的融资渠道，直接反映房地产市场的兴衰状况。选择考察食品饮料行业股票的原因是不断变化的外部环境为食品饮料行业的发展提供了新的契机。随着我国城镇化的进一步推进，居民的可支配收入显著提高，消费结构不断升级，为食品饮料行业的发展提供源源不断的动力。在此期间，国家又放开二胎政策，很多家庭选择养育第二个孩子，为食品饮料行业发展带来新的机会。此外，扩大内需成为政策的新导向。食品饮料作为居民消费的重要领域，受到扩大内需政策的重大影响，地位逐步提升。    根据国家统计局的数据，我国人均软饮料消费量呈现持续增长趋势。我国人均食品饮料消费量及消费结构都有较大的发展和改善的空间，为行业内企业提供了较大的发展机会。2018年食品饮料整个行业收入5591亿元，同比增长17%；2019整个行业收入1730亿元，同比增长16%。所以用CAPM模型解释我国食品饮料行业的收益情况，具有独特的作用和现实意义。基于CAPM模型的一元线性回归分析本文将对数收益率Ri,t=ln房地产行业回归分析结果回归结果表1房地产行业个股回归结果股票代码股票名称βR600094大名城1.2215970.241354600393粤泰股份1.1024570.117006600724宁波富达-0.232190.016175600748上实发展1.1127010.288842600503华丽家族1.4847970.448997600048保利地产0.9143250.416927600555海航创新1.1489120.233288600773西藏域投1.2007980.212066600383金地集团0.374440.039365600052浙江广厦0.0825450.000853600736苏州高新-0.103840.003129600466蓝光发展1.6658220.484539600895张江高科1.4766310.336292600007中国国贸0.9237920.367415600716凤凰股份1.4463630.39213600708光明地产1.5401590.456578600692亚通股份1.3442770.422582600215长春经开-0.423820.027256600159大龙地产1.1456770.534278600638新黄浦1.0331250.301052根据表1数据可知，在所选取的20支样本股中，各股的截距项都不显著异于0，而宁波富达、苏州高新以及长春经开三只股票的期望收益率与市场收益率负相关，这与CAPM模型不符。金地集团、浙江广厦的风险溢酬远小于1，表明该两支股票（占比10%）投资风险较小且溢价报酬低于市场平均水平，归类为风险厌恶型股票。30%股票的贝塔值都在0.8~1.2之间，表明这些股票的股价波动情况与市场相同，有较大的投资成分，归类为风险中性型股票。而华丽家族、蓝光发展、张江高科、凤凰股份、光明地产以及亚通股份等八支股票（占比40%）的风险系数显著大于1，表明其投机性较强，拥有高风险的同时也意味着较高的预期收益，归类为风险偏好型股票。单从拟合优度R2显著性检验表2房地产行业CAPM模型显著性检验股票代码股票名称T检验F检验P值600094大名城3.90776315.270610.000291600393粤泰股份2.5220096.3605280.01504600724宁波富达-0.858220.7365460.395125600748上实发展4.41537619.495555.71E-05600503华丽家族6.25411339.113931.02E-07600048保利地产5.8585434.322494.12E-07600555海航创新3.82164714.604990.000381600773西藏域投3.59427212.918790.000765600383金地集团1.3877931.925970.171745600052浙江广厦0.2023990.0409650.84046600736苏州高新-0.388180.1206810.699638600466蓝光发展6.64684944.18062.81E-08600895张江高科4.87999223.814321.26E-05600007中国国贸5.28006527.879093.09E-06600716凤凰股份5.50628930.319221.49E-06600708光明地产6.26671239.271671.06E-07600692亚通股份5.92694435.128673.24E-07600215长春经开-1.159721.3449520.251899600159大龙地产7.34292753.918582.47E-09600638新黄浦4.49932920.243964.47E-05根据上表可得，在所选取的房地产行业的20支样本股中，宁波富达等25%的股票的P值大于显著性水平0.05，不能通过显著性检验，表明这些样本股的自变量对因变量的影响并不显著，即各股收益率并不完全由市场因素所决定。对比回归分析结果发现，这些未通过显著性检验的股票的拟合优度都不理想；通过分析统计量P值，我们可以看出，75%的股票的P的显著性都小于0.05，可以通过检验，说明大部分股票的收益率主要受到市场因素的影响，即回归效果显著。这表明大部分股票可以通过CAPM模型进行解释。食品饮料行业回归分析结果回归结果表3食品饮料行业个股回归结果股票代码股票名称βR^2600298安琪酵母0.3860580.04827600429三元股份0.3779920.072683600359新农开发0.0423460.010385600965福成股份0.4913510.096324600313农发种业0.6287770.07311601007金陵饭店0.9314490.334935600354敦煌种业1.0879020海春天1.4226520.198269600305恒顺醋业0.945530.224925600737中粮糖业1.0289060.392266600251冠农股份1.240910.37571600616金枫酒业1.0434790.306375600887伊利股份1.0335250.381774600419天润乳业1.0763830.149425600597光明乳业1.1932190.411287600467好当家1.1370930.482407600598北大荒1.231210.532115600702舍得酒业1.2076160.286231600300维维股份1.3315930.452875600073上海默林1.4367920.411049根据表3数据可知，在所选取的20支食品饮料行业样本股中，所以样本股票的风险溢酬都与市场收益率成正相关，这与CAPM假设相符。其中安琪酵母、三元股份、新农开发、福成股份以及农发种业等股票（占比25%）的贝塔值显著小于1，表明这些股票投资风险较小且溢价报酬低于市场平均水平，属于风险厌恶型股票；45%的股票的股价波动情况基本与市场相同，有较大的投资成分，归类为风险中性股票；30%的股票风险系数显著大于1，投机性较强，拥有高风险的以及较高的预期收益，属于风险偏好型股票。单从拟合优度R2显著性检验表4食品饮料行业CAPM模型显著性检验股票代码股票名称T检验F检验P值600298安琪酵母1.560282.5489450.125263600429三元股份1.8988163.6055010.063872600359新农开发0.6947950.482740.490679600965福成股份2.2619415.1163770.028267600313农发种业1.9457913.7861030.057548601007金陵饭店4.91664624.173411.07E-05600354敦煌种业2.7348017.4791370.008719600381青海春天3.33594711.128540.001711600305恒顺醋业3.73222113.929470.000503600737中粮糖业5.56613830.981891.15E-06600251冠农股份5.37469428.887332.23E-06600616金枫酒业4.60453121.20173.06E-05600887伊利股份5.444429.64151.75E-06600419天润乳业2.9038598.4323970.005556600597光明乳业5.78296233.442655.37E-07600467好当家6.68856344.736882.21E-08600598北大荒7.38845954.589331.87E-09600702舍得酒业4.38732319.24866.26E-05600300维维股份6.3032839.731348.61E-08600073上海默林5.78799333.500865.28E-07根据上表可得，在所选取的食品饮料行业的20支样本股中，安琪酵母等20%的股票的显著性统计量的P值大于显著性水平0.05，不能通过显著性检验，表明这些样本股的自变量与因变量之间的影响并不显著，不能用CAPM模型进行解释；通过分析P值，我们可以看出，80%的股票的P值的显著性都小于0.05，可以通过显著性检验。说明大部分股票的收益率主要受到市场因素的影响，即回归效果显著。这表明CAPM模型适用于上证A股市场食品饮料行业的大部分股票。行业拟合优度比较通过上述分析，首先将未通过显著性检验的样本股剔除，从而比较模型在两个行业的适用性，结果比较如下表所示：表5CAPM模型行业拟合优度比较行业名称房地产食