基于CAPM的制造業(yè)行業(yè)β系數(shù)的實證研究

孫金花

摘要：在資本資產(chǎn)定價模型（CAPM）中，β系數(shù)反映了單個資產(chǎn)系統(tǒng)風險和整個市場的系統(tǒng)風險之間變動的數(shù)量關系，是理解資本市場理論中有關收益——風險關系的關鍵參數(shù)。制造業(yè)作為國民經(jīng)濟的根本，制造業(yè)行業(yè)β系數(shù)反映整個行業(yè)的期望收益率情況，關系到資本對行業(yè)的投入。以江蘇制造業(yè)行業(yè)為研究對象，以22家江蘇省制造業(yè)上市公司為樣本，對2010年1月至2014年12月期的數(shù)據(jù)資料進行分析處理，并對β系數(shù)作回歸分析，結果表明江蘇省制造業(yè)行業(yè)β系數(shù)小于1。

關鍵詞：資產(chǎn)定價模型；β系數(shù)；制造業(yè)；資本市場

中圖分類號：F832.51；F224

文獻標識碼：A DOI：10.3963/j.issn.1671-6477.2016.06.0027

在資本資產(chǎn)定價模型（CAPM）中，β系數(shù)是反映單個資產(chǎn)的價格變動與資本市場平均價格變動之間關系的指標，揭示了市場上資產(chǎn)的平均價格變動對某個或某類資產(chǎn)價格的影響程度。自CAPM建立以來，這一模型被廣泛應用于公司投資管理、績效評價的研究中。β系數(shù)在金融理論和投資實踐中具有重要作用，測算和預測β系數(shù)可以預計單個資產(chǎn)或資產(chǎn)組合的未來收益率，有利于選擇正確的投資決策或對決策作出調整；β系數(shù)反映的資產(chǎn)的系統(tǒng)風險是投資組合的真正風險，可以用于對過去投資業(yè)績的評價；β系數(shù)代表了資產(chǎn)的一個基本風險因素，可以用于對資產(chǎn)的定價。

制造業(yè)是創(chuàng)造價值的核心產(chǎn)業(yè)，是支撐經(jīng)濟平穩(wěn)發(fā)展的主要力量，是經(jīng)濟結構調整的主要戰(zhàn)場，是實施創(chuàng)新驅動戰(zhàn)略的主要領域，制造業(yè)的發(fā)展直接體現(xiàn)了一個國家或地區(qū)的生產(chǎn)力水平和競爭力。江蘇省作為全國GDP排名第二的經(jīng)濟大省，堅持發(fā)展以制造業(yè)為主體的實體經(jīng)濟，制造業(yè)規(guī)模位居全國前列，對支撐全省經(jīng)濟增長、推動社會進步、增進民生福祉發(fā)揮了巨大作用。江蘇省“十三五”規(guī)劃提出，要把江蘇建設成為具有國際競爭力的先進制造業(yè)基地。隨著江蘇省制造業(yè)的投資規(guī)模的擴大，分析測算制造業(yè)行業(yè)的β系數(shù)，研究制造業(yè)行業(yè)的投資收益率，是進行制造業(yè)企業(yè)業(yè)績考核、確定行業(yè)資本成本的基礎，具有重大現(xiàn)實意義。

一、制造業(yè)β系數(shù)研究綜述

夏普[1]、林特納[2]和莫辛在馬科維茨的風險資產(chǎn)組合理論和托賓的兩基金分離定理的基礎上研究建立了資本資產(chǎn)定價模型（CAPM）。CAPM將資產(chǎn)收益與市場組合（即資本市場均衡狀態(tài)下的均值—方差有效組合）收益之間的協(xié)方差同市場組合收益方差之間的比即β界定為該資產(chǎn)所攜帶的系統(tǒng)風險。在CAPM中，資產(chǎn)價格由系統(tǒng)風險β來定價，資產(chǎn)的定價以市場為基準，即以市場的β系數(shù)是1，資產(chǎn)的β值越大，市場風險溢價越高，定價越高，收益率越大。布盧姆[3]對β系數(shù)穩(wěn)定性和時變性進行研究，選取1926年1月至1968年6月間在紐約證券交易所掛牌上市的股票收益率的月度數(shù)據(jù)進行分析，認為一段時間內估計出來的β值可能是未來β值的有偏估計；隨著組合規(guī)模的擴大，β系數(shù)預測的準確率隨之提高。布盧姆認為單個資產(chǎn)的貝塔系數(shù)有可能遵循均值回歸過程。利維[4]研究了在紐約證券交易所上市的500支股票在1960年至1970年的周收益率數(shù)據(jù)，選取52周、26周、13周不同的研究時限，結果表明：股票組合的β系數(shù)在較短期（52周）內比單個股票的β系數(shù)的穩(wěn)定性有顯著提高，并且組合規(guī)模越大，估計期間越長，β系數(shù)的穩(wěn)定性越高。亞歷山大和車凡尼[5]對1962年至1975年的紐約證券交易所的500支股票的β系數(shù)進行研究，利用β估計值的平均絕對離差來檢驗β系數(shù)的穩(wěn)定性，結果顯示并非估計周期越長，β系數(shù)越穩(wěn)定，最佳的估計時長是4-6年。

施東暉[6]選取了1993年4月27日至1996年5月31日的在上海證券交易所上市的50支股票運用CAPM進行研究，樣本股票的系統(tǒng)性風險占總風險的平均比例值高達81.37%，他認為上海股票市場上的風險—收益關系并不符合資本資產(chǎn)定價模式，原因有二：一是上海股票市場的非有效性，二是投資組合的非有效性。沈藝峰和洪錫熙[7]利用CHOU檢驗方法對深圳交易所1996年度所有上市公司股松的交易數(shù)據(jù)進行實證分析，認為無論是單個股票還是股票組合，β系數(shù)都不具備穩(wěn)定性，當時中國證券市場的系統(tǒng)風險難以預測。靳云匯、李學[8]選取滬深兩市51支股票作為樣本，研究表明股票β系數(shù)隨著上市時間增加基本不趨于穩(wěn)定，股票β系數(shù)隨著上市時間推移大多趨于增加，大部分股票β值的穩(wěn)定性增加。馬喜德、鄭振龍（2006）[9]以深發(fā)展為例研究β系數(shù)的均值回歸，研究表明：單個證券的貝塔系數(shù)是一個遵循均值回歸過程的隨機變量；貝塔系數(shù)雖然是可變的，但是也是可預測的。方匡南等[10]從滬深300成分股中選取了30支股票，運用有序聚類虛擬變量法對其β系數(shù)的穩(wěn)定性進行分析，結果顯示其中23支股票的β系數(shù)是穩(wěn)定的，表明我國滬深股市的β系數(shù)的穩(wěn)定性概率高達76.7%。

通過上述的研究可以看出，國外的研究基于成熟的資本市場，研究認為β系數(shù)具有穩(wěn)定性，我國由于資本市場建立時間不長，隨著資本市場的擴大和發(fā)展，學者的研究也趨向于認為β系數(shù)具有穩(wěn)定性，表明β系數(shù)是可預測和可檢驗的，這就為本文的實證研究奠定了理論基礎。

二、制造業(yè)β系數(shù)研究設計

本文利用CAPM研究制造業(yè)行業(yè)β系數(shù)。標準的CAPM方程表達式為：E（Ri）=RF+β[E（RM）-RF]

其中：E（Ri）是資產(chǎn)i的期望收益率，RF指無風險利率，E（RM）為市場組合的期望收益率，它是指所有的風險資產(chǎn)組成的投資組合，β表示系統(tǒng)風險，是i資產(chǎn)與市場組合收益之間的協(xié)方差，即β=cov（Ri，RM）σ2RM。

為了便于分析，假設每一種資產(chǎn)收益率與市場收益率之間存在線性關系，建立“單一指數(shù)模型（single-index model）”如下：

Ri=αi+βRM+ε

其中：Ri是江蘇省制造業(yè)行業(yè)的收益率，αi是江蘇省制造業(yè)行業(yè)的收益中獨立于市場波動的部分；RM是市場的收益率，ε表示誤差項。

（一）樣本選取

江蘇作為制造業(yè)大省，截至2014年底，規(guī)模以上工業(yè)企業(yè)中制造業(yè)企業(yè)共48082家，在滬深兩市上市的江蘇制造業(yè)企業(yè)共172家，鑒于數(shù)據(jù)的可獲得性，本文選取2010年以前上市的歸屬工業(yè)指數(shù)（000004）成份股的制造業(yè)企業(yè)，共27家，因本文的收益率采用月度數(shù)據(jù)，剔除2010年至2014年期間停牌超過一個月的企業(yè)，共22家制造業(yè)企業(yè)。用月收益率對β系數(shù)進行估計，研究時間段選取2010年1月至2014年12月，共60期數(shù)據(jù)。

（二）變量選取

本文原始數(shù)據(jù)來源于通達信軟件和網(wǎng)易財經(jīng)，獲取2010年1月1日至2014年12月31日的22支股票及工業(yè)指數(shù)的60組月收益率數(shù)據(jù)并進行下列計算分析。

1.各支股票的收益率。

Rk，t=lnPk，t-lnPk，t-1

其中Rk，t是k股票t時刻的收益率，Pk，t是k股票t時刻的收盤價，Pk，t-1是k股票t-1時刻的收盤價。考慮股票紅利對股票價格的影響，本文在研究中對股票的收盤價進行前復權，得到復權后的收盤價。

2.江蘇省制造業(yè)行業(yè)的加權平均收益率。

Ri，，t=∑Rk，tVkt∑22n=1Vnt

其中：其中Ri，t是江蘇省制造業(yè)行業(yè)在t時刻的收益率，Rk，t是k股票t時刻的收益率，Vkt是k股票在t時刻的流通市值；Vkt∑22n=1Vnt是k股票t時刻的權重，即k股票在t時刻的流通市值占樣本池股票總流通市值的比重。

3.市場收益率。在研究β系數(shù)的文獻中多以上證指數(shù)測算市場收益率，本文以制造業(yè)行業(yè)為研究對象，在選取市場收益率時選取上證的行業(yè)指數(shù)中的工業(yè)指數(shù)（000004）作為市場指數(shù)測算市場收益率：

RM，t=lnPM，t-lnPM，t-1

其中RM，t是市場t時刻的收益率，PM，t是市場t時刻的收盤指數(shù)， PM，t-1是市場t-1時刻的收盤指數(shù)。

三、制造業(yè)β系數(shù)的實證分析

將原始數(shù)據(jù)按上述研究設計進行計算分析，計算得到的按時間序列的江蘇省制造業(yè)行業(yè)的加權平均收益率（Ri）和市場收益率（RM），具體數(shù)據(jù)見表1，并用Eviews8.0繪制回歸散點圖1。

根據(jù)圖1結果顯示，加權平均江蘇省制造業(yè)行業(yè)收益率Ri與市場收益率RM大致滿足線性關系。用Eviews進行回歸分析，得到結果如表2所示。

四、研究結論

β系數(shù)是某項資產(chǎn)的收益率與市場組合之間的相關性，β系數(shù)的大小反映了某項資產(chǎn)的收益率對市場收益變化的敏感程度，上述研究的江蘇省制造業(yè)行業(yè)的β系數(shù)小于1，說明江蘇省制造業(yè)行業(yè)的收益率變動與中國整個工業(yè)市場的收益率變動之間存在相關關系，且江蘇省制造業(yè)行業(yè)收益率的變動幅度小于中國整個工業(yè)市場的收益率，即相比于其他地區(qū)及其他工業(yè)行業(yè)，江蘇省制造業(yè)的收益風險低于整個工業(yè)市場平均風險水平。究其原因，主要有以下幾個方面：

第一，這是由制造業(yè)行業(yè)本身的特點所決定的。制造業(yè)作為實體經(jīng)濟的代表，行業(yè)的系統(tǒng)風險是低于其他行業(yè)的。江蘇省制造業(yè)行業(yè)β值小于1，這與劉仁和等 [11]對1997年前上市的所有工業(yè)類股票共113只進行研究，按月收益率數(shù)據(jù)回歸出的結果一致。江蘇省的工業(yè)企業(yè)的上市公司中，沒有采礦業(yè)，根據(jù)2010年1月至2014年12月的數(shù)據(jù)信息，分別回歸出江蘇省電力、煤氣及水的生產(chǎn)和供應業(yè)行業(yè)和江蘇省建筑業(yè)行業(yè)的β系數(shù)，見表4。

由上表4可以看出，江蘇省制造業(yè)行業(yè)β系數(shù)低于同省的電力、煤氣及水的生產(chǎn)和供應行業(yè)及建筑行業(yè)。這與劉永濤[12]的對上海證券市場的行業(yè)β系數(shù)研究中的結果不盡相同，是由于江蘇省的電力、煤氣及水的生產(chǎn)和供應和建筑業(yè)的上市公司較少，容易受個股的影響。

第二，分紅政策對行業(yè)β系數(shù)的影響。由于β系數(shù)是根據(jù)行業(yè)收益率的變動情況和市場平均收益率的變動情況之間的關系確定的，所以，在研究計算β系數(shù)的時段內，當樣本股票發(fā)放紅利與作為市場收益率的證券指數(shù)中的股票發(fā)放紅利不一致時，β系數(shù)會受到影響。當作為市場收益率的證券指數(shù)的樣本股票中發(fā)放紅利的股票中所占比例較大時，則發(fā)放紅利的股票的β系數(shù)的計算結果受影響比較??；反之，對于長期不發(fā)放紅利的股票，所受影響會很大。本文選取的樣本股票在研究期間內發(fā)放紅利較少，如太極實業(yè)（600667）五年內只除權除息了四次。

第三，不同時間頻率的收益率對行業(yè)β系數(shù)的影響。本文采用的是月度數(shù)據(jù)，得出江蘇省制造業(yè)行業(yè)β系數(shù)為0.869616。Hawawini分別用不同時限的收益率，包括月收益率、三周收益率、雙周收益率、周收益率和日收益率，估計21家公司股票在1970 年1月至1973年12月間的β系數(shù)，結果發(fā)現(xiàn)存在很大的差異，如柯達（Kodak）股票的β系數(shù)用日收益率數(shù)據(jù)估計時是1.25，而用月收益率估計時則降為0.93。

第四，證券市場的波動對行業(yè)β系數(shù)的影響。本文的樣本數(shù)據(jù)來自于各上市公司的交易數(shù)據(jù)，所以分析得出的江蘇省制造業(yè)行業(yè)β系數(shù)的相關數(shù)據(jù)是完全來自于資本市場，應用CAPM 估測β系數(shù)同樣隱含了一個假設前提：資本市場有效。中國資本市場整體發(fā)展水平不夠完善，市場機制不夠健全，運行效率不高，由此計算分析出的行業(yè)收益率不能完全反映整個行業(yè)的投資回報率。

綜上，本文通過對2010年1月至2014年12月的江蘇省制造業(yè)行業(yè)的β系數(shù)進行回歸分析，認為此期間江蘇省制造業(yè)行業(yè)的長期β系數(shù)為0.869616，小于1，低于市場一般風險，其主要原因在于制造業(yè)行業(yè)本身特點的影響，分紅政策對行業(yè)β系數(shù)的影響，不同時間頻率的收益率對行業(yè)β系數(shù)的影響，證券市場的波動對行業(yè)β系數(shù)影響。在供給側改革的背景下，發(fā)展先進制造業(yè)，促進產(chǎn)業(yè)向中高端邁進，必須擴大有效投入，衡量收益率的一個重要因素就是β系數(shù)。

[參考文獻]

[1]Sharpe W. F.，Capital Asset Prices： A Theory of Market Equilibrium under Condition of Risk [J].Journal of Finance， 1964（19）：425-442.

[2]Lintner， J.，The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets[J].The Review of Economics and Statistics， 1965.47，13-37.

[3]Blume， E. M. Betas and their Regression Tendencies： Some Further Evidence [J]. Journal of Finance， 1975， 30：785-795.

[4]Levy， R. On the Short-time Stationary of Beta coeiffcients[J]. Financial Analysis Joumal， 1971，27（5）： 55-62.

[5]Alexander，GJ. And N.L.Chervany， On the Estimation and Stabiliy of Beta[J]. Joumal of Financial and Quantitative Analysis， 1980，15（l）：123-137.

[6]施東暉.上海股票市場風險性實證研究[J].經(jīng)濟研究，1996（10）：44-48.

[7]沈藝峰，洪錫熙.我國股票市場貝塔系數(shù)的穩(wěn)定性檢驗[J].廈門大學學報：哲學社會科學版，1999（4）：62-68，125.

[8]靳云匯，李 學.中國股市β系數(shù)的實證研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2000（1）：18-23.

[9]馬喜德，鄭振龍.貝塔系數(shù)的均值回歸過程[J].工業(yè)技術經(jīng)濟，2006（1）：100-101.

[10]方匡南，朱建平，謝邦昌.有序聚類虛擬變量法及其應用[J].數(shù)理統(tǒng)計與管理，2012（2）：333-340.

[11]劉仁和，汪永蘭，李 剛.上海股市證券貝塔（β）的區(qū)間效應[J].當代財經(jīng)，2003（5）：46-49，56.

[12]劉永濤.上海證券市場β系數(shù)相關特性的實證研究[J].管理科學，2004（1）：29-35.

（責任編輯 王婷婷）

Abstract：In the capital asset pricing model （CAPM）， beta coefficient reflects the changes of the quantitative relationship between the systematic risk of individual stock market risk and the market as a whole. And the analysis and research on beta coefficient test in the continuing for many years. The manufacturing industry is the foundation of the national economy. Beta coefficient of the manufacturing industry indicates the expected rate of return of the industry. And it is also related to the capital investment in the industry. In this paper the manufacturing industry of Jiangsu Province is studied as a case. The data from Jan. 2010 to Dec. 2014 of 22 listed companies in Jiangsu Province manufacturing industry are selected as the sample. Then carry on regression analysis of beta coefficient. The results show that the beta coefficient of manufacturing industry in Jiangsu Province is less than 1.

Key words：CAPM； beta coefficient； manufacturing industry； capital market