新常态下煤电联动β系数分析.docVIP

新常态下煤电联动β系数分析 　　[提要] 中国正处“新常态”，煤炭作为困难行业其资产结构调整方向、进度备受关注。本文选取系统风险？茁系数，基于VAR模型，分析煤炭？茁与电力？茁间的关系。结果表明：煤炭？茁变化不是引起电力？茁变化的格兰杰原因，仅存在从电力到煤炭的单向因果关系；电力？茁对来自煤炭？茁冲击的响应较小，且不做出立即反应；煤炭？茁对电力行业？茁的贡献度不大，平稳时仅达4%；电力？茁对煤炭？茁的贡献度较大，平稳时达14%；煤炭？茁对电力？茁的敏感度不断增加，但2012年后增长停滞。此结果体现出部分煤炭企业应对“新常态”实施煤电一体化战略，但全行业结构调整尚不到位，关键问题在于低煤价。 　　关键词：供给侧结构调整；纵向一体化；？茁系数时变；VAR模型 　　中图分类号：F223 文献标识码：A 　　原标题：从煤、电股？茁时变看新常态下煤企资产结构调整 　　收录日期：2016年12月12日 　　一、引言 　　中国GDP增速从2012年回落，进入了经济“新常态”。相应的，煤价从2012年初1，280元的峰值一路狂跌至2015年的420元。“新常态”下，经济结构必须优化升级，从要素与投资驱动向创新驱动转变。煤炭行业对要素、投资依赖强，在“新常态”下尤为困难，其结构调整方向、进度成为备受关注的问题。 　　煤电一体化是煤炭企业的转型方向，其推进程度实时反映到其资产的系统风险属性上。β系数是衡量企业股票系统风险属性的重要指标，在有效市场假设条件下，煤、电β系数趋同与否理论上可以反映煤电一体化的进展。因此，量化煤炭β与电力β的关系，对于衡量结构调整程度具有一定的意义。 　　在研究β时变性方面，苏克义、赵佳仁等以煤炭行业上市公司股票为研究对象，运用资本资产定价模型CAPM的β值进行研究，分析煤炭股的系统风险与非系统风险，对我国证券市场的研究和改进具有一定的指导意义；朱晓青、李兴国、姜文超等采用邹至庄间断点检验法和邹至庄预测失效检验法从时序稳定性和预测稳定性两个角度对我国股票市场行业β系数的稳定性进行检验，发现除工程建筑、机械、通信三个行业外，我国股市大部分行业？茁系数都具有时序稳定性，而所有行业都不具有预测稳定性，并按照时序稳定性和预测不稳定性由高到低的顺序对行业β系数的稳定性情况进行了排序。 　　关于煤炭β与电力？茁关系的研究在国内尚无。因此，本文采用最新的数据，基于回归模型进行Chow分割点检验，基于VAR模型进行Granger因果关系检验、脉冲响应分析和方差分解分析，从静态角度分析电力β变化对煤炭β的影响；基于状态空间模型，进一步从动态角度研究电力β变化对煤炭β影响的时变效率。基于动静态角度的分析，以期为下阶段的政策制定提供参考。 　　二、实证分析 　　（一）数据来源与处理。本文涉及两个变量，煤炭β和电力β，二者分别由沪市上市的煤炭行业4家大型企业：中国神华、中煤能源、大同煤业、兖州煤业按照市值权重加权形成的组合的β系数和沪市上市的电力行业4家大型企业：华能国际、华电能源、大唐发电、国电电力按市值加权形成的组合的β系数的时间序列数据为代表。计算β系数所需的个股日收益率数据时间从2008年2月至2016年8月。为减少数据的异方差性，对日收益率取对数。统计数据来自万得数据终端。 　　（二）序列平稳性检验与VAR模型的建立。运用ADF单位根检验方法对煤炭行业股β系数mb和电力行业股β系数db进行检验。检验结果显示，序列在1%显著性水平下均通过检验，表明二者均为平稳序列。基于ADF检验，分别对2008～2012年和2013～2016年两个样本区间建立VAR模型。模型最优滞后阶数通过比较LR、FPE、AIC、SC、HQ指标确定2阶。然后，对两样本区间的VAR（2）进行模型稳定性检验。证明VAR（2）模型是稳定的。 　　（三）Granger因果关系检验。由于两阶段样本区间的VAR模型的最优滞后阶数为2阶，对序列进行以滞后阶数为2的Granger因果关系检验。Y_mb与Y_db分别代表煤炭板块β系数序列和电力板块β系数序列。由2013～2016年Granger因果关系检验结果可知，在10%的显著性水平上，存在从Y_db到Y_mb的单向Granger关系，即电力β是煤炭β的弱格兰杰原因，煤炭β不是电力β的格兰杰原因。 　　Granger因果关系检验结果表明，2012年后我国煤炭行业系统风险受电力行业系统风险影响，但电力行业系统风险不受煤炭行业系统风险影响，说明新一届政府推出的供给侧结构调整政策得到了煤企的实质性响应，我国煤炭企业持有资产的系统风险属性向电力行业靠拢，煤电产业链向前纵向一体化程度加深。 　　（四）脉冲响应分析。基于前文建立的VAR（2）模型，对存在Granger因果关系的2013～2016年样本区间进行脉