CAPM模型在创业板股票中的beta估计与有效性检验.docxVIP

CAPM模型在创业板股票中的beta估计与有效性检验

一、引言

资产定价是金融研究的核心命题之一，资本资产定价模型（CapitalAssetPricingModel，CAPM）自Sharpe（1964）、Lintner（1965）和Mossin（1966）提出以来，凭借其简洁的线性关系和对系统风险的量化能力，成为刻画风险与收益关系的经典理论工具。该模型通过beta系数衡量个股相对于市场组合的系统性风险，并断言资产的预期收益仅由beta决定，非系统性风险不影响收益。然而，CAPM的有效性高度依赖市场有效性、投资者理性等严格假设，在新兴市场中常因市场特征差异面临挑战。

创业板作为我国多层次资本市场的重要组成部分，以服务成长型创新创业企业为定位，具有上市公司规模小、行业集中于高新技术领域、股价波动性高、投资者结构以散户为主等特征（王某某，2018）。这些特征可能导致市场摩擦加剧、信息不对称突出，进而影响beta估计的稳定性和CAPM的适用性。在此背景下，检验CAPM在创业板的有效性，不仅能为投资者优化资产配置提供参考，也能为完善创业板定价机制提供理论支持。本文将围绕beta估计方法、创业板市场特征对估计结果的影响，以及CAPM在创业板的有效性展开深入探讨。

二、CAPM模型与beta系数的理论基础

（一）CAPM的核心逻辑与假设

CAPM的核心思想是：在有效市场中，投资者仅因承担系统性风险（无法通过分散投资消除的风险）获得补偿，非系统性风险（可分散风险）不会产生额外收益。模型的数学表达为：资产i的预期收益率等于无风险利率加上市场风险溢价与beta系数的乘积。其中，beta系数（βi）定义为资产i收益率与市场组合收益率的协方差除以市场组合收益率的方差，反映资产收益对市场波动的敏感程度（Sharpe，1964）。

CAPM的成立依赖一系列严格假设：一是投资者均为理性的均值-方差优化者，追求在给定风险下的最大收益；二是市场无摩擦，即无交易成本、税收，所有资产可无限分割；三是投资者对资产收益的概率分布具有同质预期；四是存在无风险资产，投资者可无限制借贷（Lintner，1965）。这些假设在现实市场中难以完全满足，尤其是新兴市场的信息效率和投资者理性程度常低于成熟市场，这为CAPM的实证检验提出了挑战。

（二）beta系数的经济含义与估计方法

beta系数是CAPM的核心参数，其经济含义是个股收益对市场整体波动的“弹性”。β=1表示个股与市场同涨同跌；β1意味着个股波动性高于市场，属于“进攻型”资产；β1则波动性更低，属于“防御型”资产。理论上，beta应反映资产的系统性风险，但实际估计中需考虑数据频率、市场指数选择、非同步交易等问题（Dimson，1979）。

实践中，beta通常通过市场模型（MarketModel）估计，即对个股收益率（Ri）与市场指数收益率（Rm）进行线性回归：Ri=αi+βiRm+εi。回归得到的斜率βi即为个股的beta系数。为提高估计准确性，需注意：一是选择与个股相关性高的市场指数（如创业板指而非上证综指）；二是采用适当的数据频率（月收益率或周收益率，避免日收益率因高频噪声导致估计偏差）；三是处理非同步交易问题（如部分个股因停牌导致交易不同步，可引入滞后或超前的市场收益率作为工具变量，Dimson，1979）。

三、创业板市场特征对beta估计的影响

（一）创业板的市场特性分析

创业板与主板市场的显著差异体现在以下方面：其一，上市公司以中小市值企业为主，平均市值仅为主板的1/3-1/2，抗风险能力较弱，业绩波动更剧烈（李某某，2020）；其二，行业集中于信息技术、生物医药等高新技术领域，技术迭代快、研发投入高，企业成长不确定性大；其三，投资者结构中散户占比超过60%（中国证券投资者保护基金，2021），散户的非理性行为（如追涨杀跌、过度交易）可能放大股价波动；其四，政策敏感性强，如IPO注册制改革、退市制度调整等政策常引发板块短期剧烈波动。

（二）市场特性对beta估计的具体影响

首先，高波动性会导致beta估计的不稳定性。创业板个股年化波动率普遍在30%-50%，远高于主板的20%-30%（王某某，2018）。高波动意味着个股与市场的协方差易受短期事件冲击（如业绩暴雷、政策利好）影响，导致beta估计值在不同样本区间差异显著。例如，某科技股在行业景气周期中beta可能高达1.5，而在行业调整期可能降至0.8。

其次，信息不对称加剧会降低beta的解释力。创业板企业多处于成长期，财务信息透明度较低，机构投资者的调研覆盖度仅为主板的70%（张某某，2019）。信息劣势下，散户更易受市场情绪驱动，股价可能偏离基本面，导致个股收益与市场收益的相关性减弱，beta无法有效反映系统性风险。

最后，非同