中國煤炭采選業(yè)投資組合收益率預測研究

朱孟婷

摘要：根據我國煤炭采選企業(yè)2016～2018年的股票市場數(shù)據，將CAPM與Fama-French三因素模型進行對比，研究其在基準收益率預測方面的適用情況。結果發(fā)現(xiàn)：在“十三五”規(guī)劃中進行的煤炭行業(yè)大規(guī)模去杠桿之后，煤炭產量下降，經濟環(huán)境發(fā)生巨大變化。傳統(tǒng)的CAPM對煤炭行業(yè)的適用性不足，我國煤炭行業(yè)存在顯著的規(guī)模和價值效應，實證結果表明Fama-French三因素存在更好的適用性，因此Fama-French三因素模型對煤炭采選業(yè)收益率的預測更適用。

關鍵詞：煤炭采選業(yè);CAPM模型;Fama-French三因素模型

中圖分類號：F22?文獻標志碼：A?文章編號：1008-4657（2019）05-0041-07

0?引言

資本資產定價模型（Capital Asset Pricing Model，CAPM）是最傳統(tǒng)的資本定價模型，該模型主要應用的是市場風險的單獨因子來反映風險與收益的關系，在資本市場得到廣泛的認同，但也來自財務方面和實踐者的質疑。質疑者認為CAPM模型只考慮了單一影響因子，因此更多學者提出改進模型，其中Fama-French三因素模型（Fama-French 3-factor model，F(xiàn)F3）被認為是改進模型中的主要代表之一。該模型在CAPM模型的基礎上提出來增加規(guī)模效應和價值效應，在此前已有許多研究者論證其適用性[1]。

我國近年來對煤炭采選業(yè)在權益資產收益率的預測方面仍采用CAPM模型，由于目前煤炭采選業(yè)仍處在去杠桿后改革的調整期內，傳統(tǒng)的CAPM模型是否繼續(xù)適用仍不確定。本文通過對煤炭采選業(yè)進行狀況介紹，再通過對CAPM和FF3模型對我國上市煤炭采選業(yè)收益率預測方面的適用性進行對比，研究各個模型結果的擬合程度，從而選擇適用于我國煤炭采選企業(yè)的資產收益率預測模型。

1?煤炭采選業(yè)的現(xiàn)狀分析

從近年來看，煤炭采選業(yè)的發(fā)展主要包括兩個階段，第一個階段是2002～2012年的黃金發(fā)展階段，主要是十四大經歷全面改革時期，后經過亞洲金融危機的挑戰(zhàn)，煤炭采選業(yè)進入黃金時代。第二個階段是2013～2017年的行業(yè)調整階段，主要是三去一降一補政策的提出，對煤炭采選業(yè)進行全面調整。

根據我國統(tǒng)計局相關數(shù)據顯示，我國原煤產量從2017年開始才出現(xiàn)增長，其產量為34.45億噸。在2014～2017年供給側改革全面開展，全行業(yè)在積極淘汰落后產能的同時，對煤炭行業(yè)的內部結構和優(yōu)質產能的升級，提高煤炭產業(yè)的供給質量。圖1是2011～2018年我國煤炭產量統(tǒng)計的相關數(shù)據。

在供給側結構性改革的方面，我國“十三五”規(guī)劃中對于煤炭行業(yè)去產能的主要目標基本實現(xiàn)。每年生產30萬噸以下煤礦產能減少到2.2億噸/年以內，煤炭行業(yè)將真正的從總量性去產能實現(xiàn)到系統(tǒng)性去產能、結構性優(yōu)化產能[2]。

在煤炭產業(yè)結構性優(yōu)化升級方面，加之過濾掉落后產能，集中度明顯提高，煤炭的上下游產業(yè)結合在一起共同發(fā)展，煤焦、煤電等綜合化發(fā)展趨勢明顯。新技術、新模式推動了新能源、現(xiàn)代物流。電子商務、金融服務、礦區(qū)旅游休閑、健康養(yǎng)老等多元化產業(yè)的協(xié)調發(fā)展。通過全面的供給側結構性的改革，從而影響行業(yè)的經濟環(huán)境和內部結構，故需要對該行業(yè)的未來資本收益率進行預測，從而對行業(yè)未來發(fā)展提供借鑒意義。

2?實證研究和回歸結果

2.1?數(shù)據選取

煤炭行業(yè)在中國資本市場和產業(yè)經濟中具有重要的支柱性作用。本文主要研究的是在供給側結構性改革后，各模型對煤炭采選業(yè)資產收益率的預測的適用性的對比研究。數(shù)據選取主要是煤炭行業(yè)中的采選業(yè)進行研究，目前煤炭采選的上市企業(yè)共有30家。本文選取了12家上市煤炭企業(yè)進行研究，其中對于剔除有關企業(yè)的原因如下：

第一，ST和*ST類股票。ST股票是指財務狀況或其他情況異常的上市公司股票。其交易會被交易所進行特別處理，這類股票與其他正常股票存在一定程度的差異[3]。

第二，周收益率缺失的數(shù)據。當有些特別原因公司并未披露數(shù)據，則提出該股票的數(shù)據，否則會影響實證結果。

研究對象的12家企業(yè)分別是靖遠煤電（000552）、冀中能源（000937）、西山煤電（000983）、蘭花科創(chuàng)（600123）、兗州煤業(yè)（600188）、陽泉煤業(yè)（600348）、盤江股份（600395）、上海能源（600508）、恒源煤電（600971）、陜西煤業(yè)（601225）、平煤股份（601666）、中煤能源（601898），對以上企業(yè)的2016年1月1日至2018年12月31日的周收益率的數(shù)據進行實證檢驗[4]。數(shù)據樣本的時間跨度為3年，從2016年的第一周到2018年的最后一周，每家企業(yè)可以提取152個周交易數(shù)據，經過公式處理后可以得到152個有效的周收益率數(shù)據。本文中所有的數(shù)據主要來源于金融研究數(shù)據庫（RESSET）。

2.2?實證模型介紹

本文將建立傳統(tǒng)的資本資產定價模型（CAPM）和FF3模型。得到CAPM和FF3模型的回歸結果，并對其結果進行分析，選擇對煤炭采選業(yè)實用性更有效的模型[5]。

傳統(tǒng)的資本資產定價模型（CAPM）

在式（1）中，表示第t期的資產組合i的周收益率;表示第t期市場的周無風險收益率，表示第t期的市場組合周收益率，表示資產組合i的市場風險因子，表示方程的截距項，建立方程后得到的殘差項[1]。

FF3模型

與式（1）的指標解釋含義均相同，是規(guī)模的回歸系數(shù)，是規(guī)模的回歸系數(shù)，分別表示資產組合i對股票的規(guī)模效應和價值效應的敏感度。

2.3?變量選取與分組

因變量：

表示個股n在第t周最后一個交易日的周收盤價;表示個股n在t-1周最后一個交易日的周收盤價[6]。

自變量：

（1）周市場回報率是在RESSET數(shù)據庫中的特定交易市場的周市場回報率，因為涉及滬深A股市場，故取兩個市場的算術平均值。

（2）無風險利率是在RESSET數(shù)據庫中的周無風險收益率。

（3）樣本市值與賬面市值比分別取得是周個股流通總市值和個股期末股東權益（含少數(shù)股東權益）除以個股期末總市值得出。

將選取的煤炭采選業(yè)的研究對象將其當年年末流通市值從小到大依此排列，按大小分為S，B兩組，每組有6只股票，其中S表示的是Small（規(guī)模小）組，B表示Big（規(guī)模大）組。其次，將煤炭采選行業(yè)的當年的賬面市值比從小到大依此排列，分別L、M、H組（低、中、高組），其中均勻分配，每組有4只股票。對上述的兩種分組進行排列組合，確定SL、SM、SH、BL、BM、BH六組研究對象[1]，資產組合分組情況如表1所示。

利用上述公式，以SL、SM、SH、BL、BM、BH的組合平均周收益率分別算出SMB和HML的數(shù)值[7]。

2.4?實證檢驗與回歸結果

2.4.1?樣本數(shù)據描述性統(tǒng)計

得到SL、SM、SH、BL、BM、BH組的算術平均組合的周收益率，通過Eviews 9.0軟件對六組數(shù)據進行描述性統(tǒng)計，如表2所示。

根據表2所示，六個組合的算術平均收益率正負均有，表示2016～2018年的煤炭采選行業(yè)的經營狀況不是特別好，原因可能是在2016年至2017年正在火熱進行的供給側結構性改革對煤炭采選行業(yè)有著不小的規(guī)模調整，以至于其收益率的不穩(wěn)定狀況的出現(xiàn)。其次，SL組合SH組的標準差均小于BL和BH組，表示小規(guī)模的煤炭采選企業(yè)的風險要低于大規(guī)模企業(yè)。而在中間規(guī)模的企業(yè)卻相反，表示煤炭采選行業(yè)規(guī)模過大并不好，需要未來進行規(guī)模調整，使得可能面臨的風險相對較低。其中BL組的算術平均周收益率最高，而其標準差也是最大的，體現(xiàn)了“高風險，高收益”的特征，但SH組的風險和收益并不匹配，需要高度重視小規(guī)模但賬面市值比相對較高的企業(yè)的發(fā)展。

2.4.2?平穩(wěn)性檢驗

在建立回歸模型之前，需要對數(shù)據進行ADF檢驗，以保證數(shù)據的平穩(wěn)，回歸結果的有效性。通過Eviews 9.0軟件對六組組合資產的周收益率數(shù)據以及周市場數(shù)據進行單位根檢驗[8-9]，結果如表3。

根據上表檢驗結果可知，六組周收益率樣本數(shù)據以及市場組合周收益率的T值均遠小于1%，5%，10%的臨界值，P值均為0，拒絕原假設，故上述序列組合均不存在單位根，數(shù)據平穩(wěn)性檢驗通過，可以進行下面的建模回歸。

2.4.3?樣本數(shù)據CAPM模型回歸

2016～2018年CAPM模型回歸結果如表4所示。

表4結果中最后一列顯示截距項的系數(shù)的P值并不顯著，均不為0，顯著性水平不高，而（RM-RF）組中的系數(shù)在5% level下顯著性很高，符合CAPM模型的預期結果，故CAPM中的市場風險因子（RM-RF）可以很好解釋煤炭采選業(yè)的股票市場中面臨的風險影響因素。

2016～2018年FF3模型回歸結果如表5所示。

根據表5結果顯示，截距項的系數(shù)不為零，且每個顯著性水平均不高在顯著性水平上，S組資產組合中的SMB以及SH組和BH組的HML的P值不顯著，其余各組的SMB和HML在5% level 的顯著性水平下都很高，結果表明我國煤炭采選業(yè)的規(guī)模大且賬面市值比較低的企業(yè)存在著規(guī)模效應和價值效應，規(guī)模小的企業(yè)存在的價值效應較明顯，規(guī)模大其賬面市值也大的企業(yè)存在的規(guī)模效應明顯。故我國的煤炭采選業(yè)存在著規(guī)模效應和價值效應，F(xiàn)F3模型對該行業(yè)的適用性較強[10]。

表5中（RM-RF）的系數(shù)值：SL、SM、SH組的系數(shù)值分別為0.887 249，0.687 509，0.735 300;BL、BM、BH組的系數(shù)值分別為0.709 169、0.739 769、0.861 119。由此可知，除SL組中的系數(shù)值之外，隨著賬面市值比的升高，系數(shù)值隨著升高，這與之前Fama和French在1993年研究的結果相一致，表明傳統(tǒng)的資本資產定價模型（CAPM）中的系數(shù)值可以解釋股票的規(guī)模效應。

2016～2018年模型擬合優(yōu)度比較如表6所示。

根據表6結果可知，兩種模型的擬合優(yōu)度效果較為理想。從傳統(tǒng)的資本資產定價模型（CAPM）結果中顯示，調整的R2在0.09 946-0.322 845之間，平均值為0.2 111，F(xiàn)F3模型中的調整的R2在0.175 051-0.573 155之間，平均值為0.3 741，結果顯示優(yōu)于傳統(tǒng)的CAPM 模型，表示FF3模型對2016～2018年我國煤炭采選業(yè)的收益率的解釋能力更強，適用性效果更好。

3?結論

本文以滬深A股煤炭采選行業(yè)板塊12家企業(yè)股票為研究對象，選取2016年1月1日至2018年12月1日的周變化收率，周變化市場回報率，同時引入FF3模型中的規(guī)模和價值因子，根據與傳統(tǒng)的資本資產定價模型進行對比，得出以下結論：

第一，建立FF3模型對煤炭采選業(yè)股票收益率預測模型整體擬合效果一般，通過T值和P值可以得知市場因子、規(guī)模因子和價值因子可以較好解釋組合的收益率。但面對不同分組的解釋力度不同，不同分組中規(guī)模效應和價值效應的影響效果不同，未來需要對該行業(yè)的分組更為細致，研究不同分組的各自主要影響因素，這也是本文沒有考慮的地方[11]。同時可以對FF3的模型進行擴展，加入更有效的變量進行解釋分析。

第二，我國煤炭采選行業(yè)板塊的風險溢價同市場整體的經濟狀況成正相關，但波動幅度較小，故無論規(guī)模大小還是賬面市值比的大小，其投資風險都小于市場系統(tǒng)風險，相對的收益狀況也是較低的[12]。

第三，在進行煤炭行業(yè)的“十三五”規(guī)劃。在進行了大規(guī)模的去杠桿之后，煤炭產量下降，經濟環(huán)境發(fā)生巨大變化，傳統(tǒng)的CAPM對煤炭行業(yè)的適用性不足;我國煤炭行業(yè)存在顯著的規(guī)模和價值效應，實證結果表明FF3存在更好的適用性，因此FF3模型對煤炭采選業(yè)收益率的預測更適用?？傊顿Y者在進行投資時，需要對自身的風險偏好程度，期限選擇長短進行不同的投資，實現(xiàn)有效的資產管理。

參考文獻：

[1]李澤紅，趙安策.中國電力行業(yè)收益率預測研究——基于CAPM與Fama-French三因素模型的適用性分析[J].河北經貿大學學報：綜合版，2018，18（1）：34-39.

[2]石海娥.環(huán)保：亟須化解高耗能高污染[J].光彩，2016（5）：30-31.

[3]姚堯.獨立董事政治背景與企業(yè)價值的研究[D].北京對外經濟貿易大學，2015.

[4]陳晶璞，劉南南.基于因子分析法的上市煤炭企業(yè)財務風險評價研究[J].燕山大學學報（哲社版），2012，13（4）：71-74.

[5]鄧華卉.中國上市銀行股權資本成本分析[D].上海：復旦大學，2014.

[6]黃文青.我國股份制商業(yè)銀行公司治理績效的實證研究[J].上海經濟研究，2009（1）：104-110.

[7]蘇艾舟.證券投資基金波動率異象研究[D].南京：南京理工大學，2017.

[8]高可盈，白建妹，黎辰星，等.智慧旅游視角下貴州省旅游業(yè)轉型升級的思考[J].中國市場，2016（51）：184-186.

[9]馬晨，江忻杰.滬市低市盈率股的β系數(shù)研究[J].科協(xié)論壇，2008（12）：109-110.

[10]游郭融，吳宏旭.我國創(chuàng)業(yè)板股票定價實證研究——基于市場溢價、規(guī)模溢價、價值溢價和流動性溢價四因子模型[J].鄭州輕工業(yè)學院學報（社會科學版），2016（6）：64-72.

[11]馬健健.六因素模型與阿爾法——基于滬深股市的實證研究[J].鄭州航空工業(yè)管理學院學報，2017（06）：90-102.

[12]常媛媛.基于三因素資本資產定價模型的我國上市銀行股收益研究[D].濟南：山東大學，2011.

[責任編輯：鄭筆耕]