摘要：在資本資產(chǎn)定價(jià)模型（CAPM）中，β系數(shù)反映了單個(gè)資產(chǎn)系統(tǒng)風(fēng)險(xiǎn)和整個(gè)市場的系統(tǒng)風(fēng)險(xiǎn)之間變動(dòng)的數(shù)量關(guān)系，是理解資本市場理論中有關(guān)收益——風(fēng)險(xiǎn)關(guān)系的關(guān)鍵參數(shù)。制造業(yè)作為國民經(jīng)濟(jì)的根本，制造業(yè)行業(yè)β系數(shù)反映整個(gè)行業(yè)的期望收益率情況，關(guān)系到資本對(duì)行業(yè)的投入。以江蘇制造業(yè)行業(yè)為研究對(duì)象，以22家江蘇省制造業(yè)上市公司為樣本，對(duì)2010年1月至2014年12月期的數(shù)據(jù)資料進(jìn)行分析處理，并對(duì)β系數(shù)作回歸分析，結(jié)果表明江蘇省制造業(yè)行業(yè)β系數(shù)小于1。

關(guān)鍵詞：資產(chǎn)定價(jià)模型；β系數(shù)；制造業(yè)；資本市場

中圖分類號(hào)：F832.51；F224

文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.3963/j.issn.1671-6477.2016.06.0027

在資本資產(chǎn)定價(jià)模型（CAPM）中，β系數(shù)是反映單個(gè)資產(chǎn)的價(jià)格變動(dòng)與資本市場平均價(jià)格變動(dòng)之間關(guān)系的指標(biāo)，揭示了市場上資產(chǎn)的平均價(jià)格變動(dòng)對(duì)某個(gè)或某類資產(chǎn)價(jià)格的影響程度。自CAPM建立以來，這一模型被廣泛應(yīng)用于公司投資管理、績效評(píng)價(jià)的研究中。β系數(shù)在金融理論和投資實(shí)踐中具有重要作用，測算和預(yù)測β系數(shù)可以預(yù)計(jì)單個(gè)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?qū)Q策作出調(diào)整；β系數(shù)反映的資產(chǎn)的系統(tǒng)風(fēng)險(xiǎn)是投資組合的真正風(fēng)險(xiǎn)，可以用于對(duì)過去投資業(yè)績的評(píng)價(jià)；β系數(shù)代表了資產(chǎn)的一個(gè)基本風(fēng)險(xiǎn)因素，可以用于對(duì)資產(chǎn)的定價(jià)。

制造業(yè)是創(chuàng)造價(jià)值的核心產(chǎn)業(yè)，是支撐經(jīng)濟(jì)平穩(wěn)發(fā)展的主要力量，是經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的主要戰(zhàn)場，是實(shí)施創(chuàng)新驅(qū)動(dòng)戰(zhàn)略的主要領(lǐng)域，制造業(yè)的發(fā)展直接體現(xiàn)了一個(gè)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(jì)大省，堅(jiān)持發(fā)展以制造業(yè)為主體的實(shí)體經(jīng)濟(jì)，制造業(yè)規(guī)模位居全國前列，對(duì)支撐全省經(jīng)濟(jì)增長、推動(dòng)社會(huì)進(jìn)步、增進(jìn)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(shè)成為具有國際競爭力的先進(jìn)制造業(yè)基地。隨著江蘇省制造業(yè)的投資規(guī)模的擴(kuò)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(jìn)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(chǔ)，具有重大現(xiàn)實(shí)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(fēng)險(xiǎn)資產(chǎn)組合理論和托賓的兩基金分離定理的基礎(chǔ)上研究建立了資本資產(chǎn)定價(jià)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(fēng)險(xiǎn)。在CAPM中，資產(chǎn)價(jià)格由系統(tǒng)風(fēng)險(xiǎn)β來定價(jià)，資產(chǎn)的定價(jià)以市場為基準(zhǔn)，即以市場的β系數(shù)是1，資產(chǎn)的β值越大，市場風(fēng)險(xiǎn)溢價(jià)越高，定價(jià)越高，收益率越大。布盧姆[3]對(duì)β系數(shù)穩(wěn)定性和時(shí)變性進(jìn)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(jìn)行分析，認(rèn)為一段時(shí)間內(nèi)估計(jì)出來的β值可能是未來β值的有偏估計(jì)；隨著組合規(guī)模的擴(kuò)大，β系數(shù)預(yù)測的準(zhǔn)確率隨之提高。布盧姆認(rèn)為單個(gè)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(shí)限，結(jié)果表明：股票組合的β系數(shù)在較短期（52周）內(nèi)比單個(gè)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(jì)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(duì)1962年至1975年的紐約證券交易所的500支股票的β系數(shù)進(jìn)行研究，利用β估計(jì)值的平均絕對(duì)離差來檢驗(yàn)β系數(shù)的穩(wěn)定性，結(jié)果顯示并非估計(jì)周期越長，β系數(shù)越穩(wěn)定，最佳的估計(jì)時(shí)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(yùn)用CAPM進(jìn)行研究，樣本股票的系統(tǒng)性風(fēng)險(xiǎn)占總風(fēng)險(xiǎn)的平均比例值高達(dá)81.37%，他認(rèn)為上海股票市場上的風(fēng)險(xiǎn)—收益關(guān)系并不符合資本資產(chǎn)定價(jià)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(yàn)方法對(duì)深圳交易所1996年度所有上市公司股松的交易數(shù)據(jù)進(jìn)行實(shí)證分析，認(rèn)為無論是單個(gè)股票還是股票組合，β系數(shù)都不具備穩(wěn)定性，當(dāng)時(shí)中國證券市場的系統(tǒng)風(fēng)險(xiǎn)難以預(yù)測。靳云匯、李學(xué)[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(shí)間增加基本不趨于穩(wěn)定，股票β系數(shù)隨著上市時(shí)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(gè)證券的貝塔系數(shù)是一個(gè)遵循均值回歸過程的隨機(jī)變量；貝塔系數(shù)雖然是可變的，但是也是可預(yù)測的。方匡南等[10]從滬深300成分股中選取了30支股票，運(yùn)用有序聚類虛擬變量法對(duì)其β系數(shù)的穩(wěn)定性進(jìn)行分析，結(jié)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(dá)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(rèn)為β系數(shù)具有穩(wěn)定性，我國由于資本市場建立時(shí)間不長，隨著資本市場的擴(kuò)大和發(fā)展，學(xué)者的研究也趨向于認(rèn)為β系數(shù)具有穩(wěn)定性，表明β系數(shù)是可預(yù)測和可檢驗(yàn)的，這就為本文的實(shí)證研究奠定了理論基礎(chǔ)。

二、制造業(yè)β系數(shù)研究設(shè)計(jì)

本文利用CAPM研究制造業(yè)行業(yè)β系數(shù)。標(biāo)準(zhǔn)的CAPM方程表達(dá)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(fēng)險(xiǎn)利率，E（RM）為市場組合的期望收益率，它是指所有的風(fēng)險(xiǎn)資產(chǎn)組成的投資組合，β表示系統(tǒng)風(fēng)險(xiǎn)，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(shè)每一種資產(chǎn)收益率與市場收益率之間存在線性關(guān)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(dú)立于市場波動(dòng)的部分；RM是市場的收益率，ε表示誤差項(xiàng)。

（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(gè)月的企業(yè)，共22家制造業(yè)企業(yè)。用月收益率對(duì)β系數(shù)進(jìn)行估計(jì)，研究時(shí)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(dá)信軟件和網(wǎng)易財(cái)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(jìn)行下列計(jì)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(shí)刻的收益率，Pk，t是k股票t時(shí)刻的收盤價(jià)，Pk，t-1是k股票t-1時(shí)刻的收盤價(jià)?？紤]股票紅利對(duì)股票價(jià)格的影響，本文在研究中對(duì)股票的收盤價(jià)進(jìn)行前復(fù)權(quán)，得到復(fù)權(quán)后的收盤價(jià)。

2.江蘇省制造業(yè)行業(yè)的加權(quán)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(shí)刻的收益率，Rk，t是k股票t時(shí)刻的收益率，Vkt是k股票在t時(shí)刻的流通市值；Vkt∑22n=1Vnt是k股票t時(shí)刻的權(quán)重，即k股票在t時(shí)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(xiàn)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(duì)象，在選取市場收益率時(shí)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(shí)刻的收益率，PM，t是市場t時(shí)刻的收盤指數(shù)， PM，t-1是市場t-1時(shí)刻的收盤指數(shù)。

三、制造業(yè)β系數(shù)的實(shí)證分析

將原始數(shù)據(jù)按上述研究設(shè)計(jì)進(jìn)行計(jì)算分析，計(jì)算得到的按時(shí)間序列的江蘇省制造業(yè)行業(yè)的加權(quán)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(diǎn)圖1。

根據(jù)圖1結(jié)果顯示，加權(quán)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(guān)系。用Eviews進(jìn)行回歸分析，得到結(jié)果如表2所示。

四、研究結(jié)論

β系數(shù)是某項(xiàng)資產(chǎn)的收益率與市場組合之間的相關(guān)性，β系數(shù)的大小反映了某項(xiàng)資產(chǎn)的收益率對(duì)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(dòng)與中國整個(gè)工業(yè)市場的收益率變動(dòng)之間存在相關(guān)關(guān)系，且江蘇省制造業(yè)行業(yè)收益率的變動(dòng)幅度小于中國整個(gè)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(fēng)險(xiǎn)低于整個(gè)工業(yè)市場平均風(fēng)險(xiǎn)水平。究其原因，主要有以下幾個(gè)方面：

第一，這是由制造業(yè)行業(yè)本身的特點(diǎn)所決定的。制造業(yè)作為實(shí)體經(jīng)濟(jì)的代表，行業(yè)的系統(tǒng)風(fēng)險(xiǎn)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(duì)1997年前上市的所有工業(yè)類股票共113只進(jìn)行研究，按月收益率數(shù)據(jù)回歸出的結(jié)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(yīng)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(yīng)行業(yè)及建筑行業(yè)。這與劉永濤[12]的對(duì)上海證券市場的行業(yè)β系數(shù)研究中的結(jié)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(yīng)和建筑業(yè)的上市公司較少，容易受個(gè)股的影響。

第二，分紅政策對(duì)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(dòng)情況和市場平均收益率的變動(dòng)情況之間的關(guān)系確定的，所以，在研究計(jì)算β系數(shù)的時(shí)段內(nèi)，當(dāng)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(shí)，β系數(shù)會(huì)受到影響。當(dāng)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(shí)，則發(fā)放紅利的股票的β系數(shù)的計(jì)算結(jié)果受影響比較小；反之，對(duì)于長期不發(fā)放紅利的股票，所受影響會(huì)很大。本文選取的樣本股票在研究期間內(nèi)發(fā)放紅利較少，如太極實(shí)業(yè)（600667）五年內(nèi)只除權(quán)除息了四次。

第三，不同時(shí)間頻率的收益率對(duì)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(shí)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(jì)21家公司股票在1970 年1月至1973年12月間的β系數(shù)，結(jié)果發(fā)現(xiàn)存在很大的差異，如柯達(dá)（Kodak）股票的β系數(shù)用日收益率數(shù)據(jù)估計(jì)時(shí)是1.25，而用月收益率估計(jì)時(shí)則降為0.93。

第四，證券市場的波動(dòng)對(duì)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(guān)數(shù)據(jù)是完全來自于資本市場，應(yīng)用CAPM 估測β系數(shù)同樣隱含了一個(gè)假設(shè)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(jī)制不夠健全，運(yùn)行效率不高，由此計(jì)算分析出的行業(yè)收益率不能完全反映整個(gè)行業(yè)的投資回報(bào)率。

綜上，本文通過對(duì)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(jìn)行回歸分析，認(rèn)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(fēng)險(xiǎn)，其主要原因在于制造業(yè)行業(yè)本身特點(diǎn)的影響，分紅政策對(duì)行業(yè)β系數(shù)的影響，不同時(shí)間頻率的收益率對(duì)行業(yè)β系數(shù)的影響，證券市場的波動(dòng)對(duì)行業(yè)β系數(shù)影響。在供給側(cè)改革的背景下，發(fā)展先進(jìn)制造業(yè)，促進(jìn)產(chǎn)業(yè)向中高端邁進(jìn)，必須擴(kuò)大有效投入，衡量收益率的一個(gè)重要因素就是β系數(shù)。

[參考文獻(xiàn)]

[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(fēng)險(xiǎn)性實(shí)證研究[J].經(jīng)濟(jì)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(yàn)[J].廈門大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，1999（4）：62-68，125.

[8]靳云匯，李 學(xué).中國股市β系數(shù)的實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)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(shù)經(jīng)濟(jì)，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(yīng)用[J].數(shù)理統(tǒng)計(jì)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(yīng)[J].當(dāng)代財(cái)經(jīng)，2003（5）：46-49，56.

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

（責(zé)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