我國房地產(chǎn)行業(yè)貝塔系數(shù)的測算與分析研究

馬莉珠 中央民族大學管理學院

?

我國房地產(chǎn)行業(yè)貝塔系數(shù)的測算與分析研究

馬莉珠 中央民族大學管理學院

摘 要：房地產(chǎn)行業(yè)作為我國重要的產(chǎn)業(yè)之一，在國民經(jīng)濟中發(fā)揮著舉足輕重的作用。而其風險狀況關(guān)系到國民經(jīng)濟的安全和穩(wěn)定，本文基于此測算房地產(chǎn)行業(yè)的貝塔系數(shù)，選取了房地產(chǎn)上市公司中具有代表性的20家房地產(chǎn)公司，搜集了2014-2015年除權(quán)后的個股日收益率、并以滬深300指數(shù)的綜合回報率作為市場收益率，利用Eviews對其進行一元線性回歸，測算出每家公司的貝塔系數(shù)并推算整個行業(yè)的貝塔系數(shù)，為投資者做出理性決策、更好的規(guī)避投資風險提供一定的數(shù)據(jù)參考。

關(guān)鍵詞：房地產(chǎn)行業(yè) 貝塔系數(shù)的測算 單一指數(shù)模型

一、引言

房地產(chǎn)業(yè)是現(xiàn)階段我國經(jīng)濟中重要的產(chǎn)業(yè)組成部分，對國民經(jīng)濟發(fā)展具有重要的拉動作用，對金融穩(wěn)定和發(fā)展、改善民生也具有重要意義。房地產(chǎn)業(yè)關(guān)聯(lián)度也比較高，其發(fā)展可以帶動冶金、建筑、建材、機械、設(shè)備、水泥、玻璃、木材、塑料、電器、家具等行業(yè)的發(fā)展，并具有促進金融、商務(wù)、商貿(mào)、交通、旅游和休閑等現(xiàn)代服務(wù)業(yè)的綜合發(fā)展的特點。但任何一個行業(yè)都是有風險的，房地產(chǎn)行業(yè)也不例外。房地產(chǎn)業(yè)的風險狀況關(guān)系到國民經(jīng)濟的安全和穩(wěn)定，識別并有效的規(guī)避房地產(chǎn)行業(yè)的風險是有必要的。貝塔系數(shù)是衡量系統(tǒng)風險的重要指標，可以說明個股與整個市場風險的關(guān)聯(lián)程度，本文基于此選取了房地產(chǎn)行業(yè)20家上市公司的數(shù)據(jù)，運用Eviews8.0對這些公司的貝塔系數(shù)進行了測算，并推算出整個行業(yè)的貝塔系數(shù)，對比每家公司與整個行業(yè)的貝塔系數(shù)可以大概反映每家公司和整個行業(yè)的風險狀況，從而為人們更好的進行投資決策以及規(guī)避風險提供一些數(shù)據(jù)參考。

二、貝塔系數(shù)的相關(guān)研究綜述

對貝塔系數(shù)測算的研究，國內(nèi)的學者主要是通過搜集一些行業(yè)中具有代表性公司的數(shù)據(jù)來對貝塔系數(shù)進行測算并進行分析，如金穎（2014）選取了銀行業(yè)中具有代表性的16家銀行進行測算，得出整個銀行的貝塔系數(shù)，并將銀行進行分類，再比較國有銀行、股份制銀行和商業(yè)銀行的風險情況，并做出了一定的分析；練麗莎（2014）測算了石油行業(yè)的系統(tǒng)性風險并做了一定的預(yù)測；目前貝塔系數(shù)的測算中主要用到的模型有兩種，一個是威廉.夏普的資本資產(chǎn)定價模型，另外一個是在資本資產(chǎn)定價模型的基礎(chǔ)上改進的單一指數(shù)模型。對模型的選定，不同的學者有不同的看法，大部分學者基本都采用單一指數(shù)模型，李亮（2014）認為資本資產(chǎn)定價模型需要滿足的假設(shè)條件較多，但中國的資本市場尚不完善，采用資本資產(chǎn)定價模型不太妥當；另外，也有學者研究發(fā)現(xiàn)資本資產(chǎn)定價模型在中國是成立的，呂長江、趙巖(2003)通過對不同市場收益率的計算得出不同的貝塔系數(shù)并得出資本資產(chǎn)定價模型在中國是適用的結(jié)論，即我們在貝塔系數(shù)的測算中引用資本資產(chǎn)定價模型也是可行的。

對貝塔系數(shù)其他方面的研究，國內(nèi)外的相關(guān)研究大致可以分為貝塔系數(shù)的穩(wěn)定性研究、影響因素研究以及預(yù)測性研究，貝塔系數(shù)穩(wěn)定性的研究可分為兩類：一類是研究樣本數(shù)據(jù)時間跨度長短對貝塔系數(shù)穩(wěn)定性的影響，另一類研究樣本組合規(guī)模大小對貝塔系數(shù)穩(wěn)定性的影響，大多數(shù)研究都發(fā)現(xiàn)證券的貝塔系數(shù)不具有穩(wěn)定性，雖然可以借助于組合的方式來獲得較為穩(wěn)定的貝塔系數(shù)，但對于大多數(shù)的個人投資者來講，這意味著不能簡單地用過去時期數(shù)據(jù)所估計的貝塔系數(shù)作為當前和未來時期的預(yù)測值。因此對未來貝塔值的預(yù)測也成為了研究熱點，這一部分國內(nèi)的研究較少。此外，對貝塔系數(shù)影響因素的研究國內(nèi)也不多，研究大多集中在財務(wù)指標對貝塔系數(shù)的研究上。

本文通過測算房地產(chǎn)行業(yè)貝塔系數(shù)的方法，選取了房地產(chǎn)行業(yè)中比較有代表性的一些公司，對他們一年中交易情況進行數(shù)據(jù)搜集和整理，得出每家公司的貝塔值，并以此為基礎(chǔ)推算整個行業(yè)的貝塔系數(shù)，通過測算貝塔系數(shù)對房地產(chǎn)行業(yè)和其中的一些公司的風險情況有一定的了解和認識，為投資者做出更好的投資決策提供一些參考。

三、研究設(shè)計

（一）研究樣本與數(shù)據(jù)來源

為計算我國房地產(chǎn)行業(yè)貝塔系數(shù)并對其加以分析，本文選取了我國20家上市房地產(chǎn)公司作為研究對象，以一年時間為跨度，搜集了這些公司2014年12月1日至2015年12月1日一年的個股除權(quán)之后的每日收益率。并選擇滬深300指數(shù)的綜合回報率作為市場的平均收益率，所有數(shù)據(jù)均來自于國泰安數(shù)據(jù)庫，并用Eviews8.0對搜集到的數(shù)據(jù)進行處理。

為了使得到的數(shù)據(jù)更能反映整個行業(yè)整體的貝塔系數(shù)情況，本文將房地產(chǎn)行業(yè)又細分為房產(chǎn)服務(wù)業(yè)、園區(qū)開發(fā)業(yè)、區(qū)域房產(chǎn)業(yè)、全國房產(chǎn)業(yè)，采取系統(tǒng)抽樣的方法，以每家公司的平均總市值為依據(jù)，從每個細分行業(yè)中選取不同市值區(qū)間段的公司，分別抽取了4家、5家、6家、5家公司作為研究對象，并測算其貝塔系數(shù)，以期在一定程度上反映整個行業(yè)的貝塔系數(shù)。

（二）模型的構(gòu)建

測算貝塔系數(shù)的基本模型是由威廉.夏普和約翰 林特勒提出的資本資產(chǎn)定價模型 (CAPM模型),即通過無風險收益率、市場組合收益率、單項資產(chǎn)的投資收益率計算得出。但該模型需要滿足的假設(shè)條件有許多，這些假設(shè)條件即使是在發(fā)達的資本市場上都得不到保證，考慮到我國的實際情況，如果用資本資產(chǎn)定價模型是得不到較準確的貝塔系數(shù)的；此外，無風險收益率的確定也存在一些難度，一些研究中用國債利率來代替無風險收益率，但國債利率并不能保證完全排除通貨膨脹的影響，同時資本市場也不能保證不同期的國債利率之間保持穩(wěn)定性和一致性。

因此，結(jié)合我國市場的現(xiàn)實狀況，本文采用在資本資產(chǎn)定價模型基礎(chǔ)上改進的單一指數(shù)模型，對貝塔系數(shù)進行測算：Ki=αi+βiKm+εi

其中,Ki為第i種證券的收益率，此處的收益率都是除權(quán)之后的收益率,αi為模型中的截距項，代表非市場相關(guān)收益,βi為個股收益率對市場收益率的敏感程度,Km為證券市場的收益率，此處用滬深300指數(shù)的綜合收益率來進行計算，εi為隨機誤差項。利用最小二乘法對該模型進行估計，得出的β即為股票i的β系數(shù)估計值。觀測回歸結(jié)果中的R2來說明樣本回歸線與樣本觀測值擬合優(yōu)度的表現(xiàn)R2越接近1，則表明樣本回歸線對，樣本值的擬合優(yōu)度越好。

（三）模型的檢驗

模型的檢驗主要通過統(tǒng)計檢驗的方法來驗證貝塔系數(shù)是否顯著，通過F檢驗、T檢驗驗證貝塔系數(shù)的顯著性，即解釋變量能否很好的解釋被解釋變量。用擬合優(yōu)度檢驗來檢驗?zāi)Ｐ偷臄M合程度如何。

四、測算結(jié)果及分析

（一）房地產(chǎn)個股的分析

利用Eviews8.0，將市場組合收益率作為解釋變量，房地產(chǎn)個股收益率作為被解釋變量，運用最小二乘法進行一元線性回歸，得到了20家房地產(chǎn)公司的貝塔系數(shù)、P值、T值、F值以及R2，回歸結(jié)果整理如下表所示

股票代碼　公司名稱　所屬行業(yè)　貝塔系數(shù)　P值　T值　F值　R2000056　皇庭國際　房產(chǎn)服務(wù)　0.67　 0.0000　 6.09　 37.14　 0.13 000526　銀潤投資　房產(chǎn)服務(wù)　0.57　 0.0029　 3.04　 9.27　 0.07 002285　世聯(lián)行　房產(chǎn)服務(wù)　0.69　 0.0000　 5.03　 25.35　 0.095 600606　綠地控股　房產(chǎn)服務(wù)　1.29　 0.0000　 12.09　 146.09　 0.39 600064　南京高科　園區(qū)開發(fā)　1.12　 0.0000　 14.99　 224.98　 0.48 600639　浦東金橋　園區(qū)開發(fā)　1.38　 0.0000　 14.48　 209.5　 0.47

表4.1 房地產(chǎn)個股貝塔系數(shù)測算情況

從上表可以看出，每個貝塔系數(shù)對應(yīng)的p值都遠小于顯著性水平0.1，0.01,0.05,說明測算出的貝塔系數(shù)比較顯著，解釋變量可以較好的解釋被解釋變量，貝塔的測算結(jié)果是比較可信的。從測算的結(jié)果中可以看出，我國房地產(chǎn)行業(yè)的貝塔系數(shù)普遍都大于1，即說明房地產(chǎn)行業(yè)個股的風險要高于市場風險。貝塔系數(shù)的取值區(qū)間為【0.57,1.38】，β系數(shù)小于1的公司集中在房產(chǎn)服務(wù)業(yè)，其余的公司的β系數(shù)都大于1，最大的是浦東金橋和格力地產(chǎn)，為1.38，最小的為房產(chǎn)服務(wù)業(yè)的銀潤投資，只有0.57。

（二）房地產(chǎn)公司結(jié)構(gòu)分析

為進一步研究房地產(chǎn)各個行業(yè)的β系數(shù)的大小以及與各個細分行業(yè)、與整個房地產(chǎn)行業(yè)β系數(shù)的關(guān)系，筆者按市值將各房地產(chǎn)細分行業(yè)進行加權(quán)，估算出整個行業(yè)的和各個細分行業(yè)整體的β系數(shù)，并進行相應(yīng)的對比研究。

表4.2 個股的貝塔系數(shù)與整個行業(yè)貝塔系數(shù)的比較

如上表4.2所示，筆者搜集了每支個股的2014~2015年的月市值，然后算出其算術(shù)平均值，得到每只個股的平均總市值，并算出每只個股的市值占總市值的權(quán)數(shù)，并推算出整個行業(yè)的貝塔系數(shù)值，約為1.13，表明房地產(chǎn)行業(yè)整體上的風險要比市場風險高，即市場風險每增加一個單位，整個房地產(chǎn)行業(yè)的風險會增加1.13個單位。

另外，再看每只個股的數(shù)據(jù)，發(fā)現(xiàn)個股風險小于行業(yè)風險的公司有8家，高于行業(yè)風險的有12家，再結(jié)合表4.3可以看出，房產(chǎn)服務(wù)業(yè)、園區(qū)開發(fā)行業(yè)中風險低于整個行業(yè)風險的公司數(shù)量較多，占到了5家，其中房產(chǎn)服務(wù)業(yè)為3家，園區(qū)開發(fā)業(yè)為2家，區(qū)域地產(chǎn)只有2家，全國地產(chǎn)有1家，從數(shù)量上看，其實大部分的房產(chǎn)服務(wù)業(yè)、園區(qū)開發(fā)業(yè)的公司的風險都是相對來說比較低的，一般都低于行業(yè)風險，而區(qū)域地產(chǎn)和全國地產(chǎn)的公司風險高于整個行業(yè)風險的較多。

值得說明的一點是，雖然細分行業(yè)加權(quán)之后的貝塔系數(shù)中，房產(chǎn)服務(wù)業(yè)和園區(qū)開發(fā)業(yè)的貝塔值都是高于整個行業(yè)的，而區(qū)域房產(chǎn)、全國地產(chǎn)的貝塔值又低于整個行業(yè)，與之前得出的單個公司的風險水平與行業(yè)風險間的關(guān)系似乎有些矛盾，但其實看具體的數(shù)據(jù)可以發(fā)現(xiàn)，之所以房產(chǎn)服務(wù)業(yè)、園區(qū)開發(fā)業(yè)的加權(quán)平均貝塔系數(shù)高于整個行業(yè)的貝塔系數(shù)，是因為其中市值占整個細分行業(yè)總市值的比例較大的公司的貝塔系數(shù)高，例如房產(chǎn)服務(wù)業(yè)中的綠地控股，園區(qū)開發(fā)業(yè)中的陸家嘴。而區(qū)域房產(chǎn)和全國地產(chǎn)每家公司的貝塔系數(shù)都比較平均，且一些風險較小的公司占細分行業(yè)的總市值較大，如萬科。但從總體上來看，若只考慮風險因素，區(qū)域地產(chǎn)和全國地產(chǎn)是值得投資的，他們的投資風險是低于整個行業(yè)的風險的，而房產(chǎn)服務(wù)業(yè)和園區(qū)開發(fā)業(yè)的公司有些公司的風險還是相對來說比較小的，也可以考慮投資。

五、研究結(jié)論

從總體上來看，房地產(chǎn)整體的行業(yè)風險是大于1的，即說明房地產(chǎn)行業(yè)的風險是高于市場風險的，房地產(chǎn)行業(yè)為風險較高的行業(yè)；在細分行業(yè)中，區(qū)域地產(chǎn)和全國地產(chǎn)的風險是低于整個房地產(chǎn)行業(yè)的風險的，投資者根據(jù)自己的風險偏好可以考慮投資房地產(chǎn)行業(yè)中風險相對較小的區(qū)域地產(chǎn)和全國地產(chǎn)。但需要說明的一點是，雖然房產(chǎn)服務(wù)業(yè)和園區(qū)開發(fā)業(yè)的行業(yè)風險高于房地產(chǎn)行業(yè)的風險，但其中的一些市值較小的公司的風險仍然是低于整個行業(yè)的風險的，投資者也可以考慮投資這些公司。

六、相關(guān)建議

貝塔系數(shù)揭示了證券的系統(tǒng)性風險，從政府的角度出發(fā)，要想降低我國證券市場的系統(tǒng)性風險，可以從豐富證券投資品種和建立可行性強的證券市場監(jiān)管體系，以及嚴格執(zhí)法創(chuàng)造公正公平的交易環(huán)境來達到目的。

對于個人投資者而言，在投資的過程中可以考慮積極建立投資組合以實現(xiàn)投資的分散化來降低風險，在考慮單個資產(chǎn)系統(tǒng)風險的同時，還需要隨時關(guān)注上市公司自身的經(jīng)營狀況，最大限度地降低投資帶來的風險。

參考文獻：

[1]張士鳳；我國銀行業(yè)貝塔系數(shù)與其穩(wěn)定性分析[J]；全國商情；2014 （02）；45

[2]金穎；我國銀行業(yè)系統(tǒng)性風險研究--基于貝塔系數(shù)的測算[J];金融營銷；2014（06）；115-117

[3]周云峰，吳艷；國內(nèi)外貝塔系數(shù)相關(guān)特性研究綜述[J];財會通訊；2009（10）；107-111

[4] 練麗莎，李亮；我國石油行業(yè)貝塔系數(shù)的測算與預(yù)測[J]；河南科學；2014（04）；32-36

[5] 郭艷萍，李 嬌；資本資產(chǎn)定價模型應(yīng)用研究——對伊泰股份貝塔系數(shù)的測算[J];2013(05);95-98

[6]劉琪，疏雨；資本資產(chǎn)定價模型的實證研究----以中國國航為例[J];當代經(jīng)濟；2015（35）；126-127

[7] 呂長江，趙巖；中國證券市場中Beta系數(shù)的存在性及其相關(guān)特性研究[J];南開管理評論；2003（01）；22-23

[8] 蓋悅萍；房地產(chǎn)行業(yè)貝塔系數(shù)測算[J]；全國商情；2013（03）；35

[9] 韋念幸；酒店旅游行業(yè)股票長期貝塔系數(shù)的測算與預(yù)測[J];金融經(jīng)濟；2010（03）；39-42

[10] 王洪偉；不同市場組合下貝塔系數(shù)與貝塔系數(shù)關(guān)系探討[J];財會通訊；2012（06）；07-09