基于CAPM制造业行业β系数实证研究.docVIP

基于CAPM制造业行业β系数实证研究 　　摘要：在资本资产定价模型（CAPM）中，β系数反映了单个资产系统风险和整个市场的系统风险之间变动的数量关系，是理解资本市场理论中有关收益――风险关系的关键参数。制造业作为国民经济的根本，制造业行业β系数反映整个行业的期望收益率情况，关系到资本对行业的投入。以江苏制造业行业为研究对象，以22家江苏省制造业上市公司为样本，对2010年1月至2014年12月期的数据资料进行分析处理，并对β系数作回归分析，结果表明江苏省制造业行业β系数小于1。 　　关键词：资产定价模型；β系数；制造业；资本市场 　　中图分类号：F832.51；F224 　　文献标识码：A DOI：10.3963/j.issn.1671-6477.2016.06.0027 　　在资本资产定价模型（CAPM）中，β系数是反映单个资产的价格变动与资本市场平均价格变动之间关系的指标，揭示了市场上资产的平均价格变动对某个或某类资产价格的影响程度。自CAPM建立以来，这一模型被广泛应用于公司投资管理、绩效评价的研究中。β系数在金融理论和投资实践中具有重要作用，测算和预测β系数可以预计单个资产或资产组合的未来收益率，有利于选择正确的投资决策或对决策作出调整；β系数反映的资产的系统风险是投资组合的真正风险，可以用于对过去投资业绩的评价；β系数代表了资产的一个基本风险因素，可以用于对资产的定价。 　　制造业是创造价值的核心产业，是支撑经济平稳发展的主要力量，是经济结构调整的主要战场，是实施创新驱动战略的主要领域，制造业的发展直接体现了一个国家或地区的生产力水平和竞争力。江苏省作为全国GDP排名第二的经济大省，坚持发展以制造业为主体的实体经济，制造业规模位居全国前列，对支撑全省经济增长、推动社会进步、增进民生福祉发挥了巨大作用。江苏省“十三五”规划提出，要把江苏建设成为具有国际竞争力的先进制造业基地。随着江苏省制造业的投资规模的扩大，分析测算制造业行业的β系数，研究制造业行业的投资收益率，是进行制造业企业业绩考核、确定行业资本成本的基础，具有重大现实意义。 　　一、制造业β系数研究综述 　　夏普[1]、林特纳[2]和莫辛在马科维茨的风险资产组合理论和托宾的两基金分离定理的基础上研究建立了资本资产定价模型（CAPM）。CAPM将资产收益与市场组合（即资本市场均衡状态下的均值―方差有效组合）收益之间的协方差同市场组合收益方差之间的比即β界定为该资产所携带的系统风险。在CAPM中，资产价格由系统风险β来定价，资产的定价以市场为基准，即以市场的β系数是1，资产的β值越大，市场风险溢价越高，定价越高，收益率越大。布卢姆[3]对β系数稳定性和时变性进行研究，选取1926年1月至1968年6月间在纽约证券交易所挂牌上市的股票收益率的月度数据进行分析，认为一段时间内估计出来的β值可能是未来β值的有偏估计；随着组合规模的扩大，β系数预测的准确率随之提高。布卢姆认为单个资产的贝塔系数有可能遵循均值回归过程。利维[4]研究了在纽约证券交易所上市的500支股票在1960年至1970年的周收益率数据，选取52周、26周、13周不同的研究时限，结果表明：股票组合的β系数在较短期（52周）内比单个股票的β系数的稳定性有显著提高，并且组合规模越大，估计期间越长，β系数的稳定性越高。亚历山大和车凡尼[5]对1962年至1975年的纽约证券交易所的500支股票的β系数进行研究，利用β估计值的平均绝对离差来检验β系数的稳定性，结果显示并非估计周期越长，β系数越稳定，最佳的估计时长是4-6年。 　　施东晖[6]选取了1993年4月27日至1996年5月31日的在上海证券交易所上市的50支股票运用CAPM进行研究，样本股票的系统性风险占总风险的平均比例值高达81.37%，他认为上海股票市场上的风险―收益关系并不符合资本资产定价模式，原因有二：一是上海股票市场的非有效性，二是投资组合的非有效性。沈艺峰和洪锡熙[7]利用CHOU检验方法对深圳交易所1996年度所有上市公司股松的交易数据进行实证分析，认为无论是单个股票还是股票组合，β系数都不具备稳定性，当时中国证券市场的系统风险难以预测。靳云汇、李学[8]选取沪深两市51支股票作为样本，研究表明股票β系数随着上市时间增加基本不趋于稳定，股票β系数随着上市时间推移大多趋于增加，大部分股票β值的稳定性增加。马喜德、郑振龙（2006）[9]以深发展为例研究β系数的均值回归，研究表明：单个证券的贝塔系数是一个遵循均值回归过程的随机变量；贝塔系数虽然是可变的，但是也是可预测的。方匡南等[10]从沪深300成分股中选取了30支股票，运用有序聚类虚拟变量法对其β系数的稳定性进行分析，结果显示其中23支股票的β系数是稳定的，表明我国沪深