姜婕（上海大學，上海 201800）

?

CAPM模型在上證A股運輸板塊的實證檢驗

姜婕
（上海大學，上海 201800）

摘要：資本資產(chǎn)定價模型（CAPM）自創(chuàng)立以來得到了廣泛應用，而β系數(shù)是用于衡量證券市場系統(tǒng)風險的一個重要概念。通過對β系數(shù)的估計，可以幫助投資者對證券未來的市場風險進行預測。本文利用上海股票市場運輸行業(yè)的25家上市公司的月數(shù)據(jù)作為樣本，對其β系數(shù)進行了實證研究，并就實證結果對個股的選取提供了幾點建議。

關鍵詞：CAPM；β系數(shù)；系統(tǒng)風險；運輸行業(yè)

近年來，我國證券市場快速發(fā)展，許多國內(nèi)學者對CAPM模型的改進和在我國的證券市場的應用研究都取得了一定成果，這使得CAPM模型在我國得到了廣泛的應用。資本資產(chǎn)定價模型理論對投資者來說最重要的應用是估計資本的預期回報率和系統(tǒng)風險。

一、CAPM模型及β系數(shù)

CAPM模型中的β系數(shù)是現(xiàn)代金融理論的一個重要概念，也是資本資產(chǎn)定價模型中最為重要的參數(shù)之一，著名的“單一指數(shù)模型”就要求事先估計出β系數(shù)。β系數(shù)的意義在于它被廣泛用于衡量證券的系統(tǒng)風險。通過對β系數(shù)的估計，投資者可以預測證券現(xiàn)在或?qū)淼南到y(tǒng)風險性。

由β系數(shù)結果的差異，可以對股票進行分類：當β＞1時，股票的風險要比市場組合平均風險大一些，相對的就要求有較高的回報，一般把這類股票稱之為進攻型股票；當β=1時，稱這類股票為中性股票；當β＜1時，稱這類股票為防御性股票。在此基礎上，投資者就可以根據(jù)其對收益和風險的不同要求，進行投資組合管理，從而使投資更為合理。

二、研究方法

CAPM模型成立的基本前提是市場是有效地，即市場的信息是完全的，所有投資者都能獲得完全的、同樣的信息，并且他們可以充分的利用并加工這些市場信息，對市場做出準確的預測。市場是完全的，沒有任何投資障礙。有效市場的概念，最初是由Fama在1970年提出的。Fama認為，當證券價格能夠充分地反映投資者可以獲得的信息時，證券市場就是有效市場，即在有效市場中，無論隨機選擇何種證券，投資者都只能獲得與投資風險相當?shù)恼Ｊ找媛省?/p>

實證研究發(fā)現(xiàn)，現(xiàn)實的市場由于種種原因不可能是完全的，往往處于不均衡狀態(tài)，股價收益存在波動不對稱性，并不服從正態(tài)分布，具有厚尾性，因此采用傳統(tǒng)的均值回歸容易損失較多信息。本文利用了資本資產(chǎn)定價模型，針對我國的上證A股市場的運輸行業(yè)的β值進行了簡易分析，以此來考察運輸行業(yè)的系統(tǒng)風險問題。

本文采用的是傳統(tǒng)的CAPM模型，建立回歸模型如下：

Ri，t-Rf，t=?i+βi×（Rm，t-Rf，t）+εi，t

Ri，t：股票i在t時刻的收益率；

Rf，t：t時刻的市場無風險利率；

Rm，t：t時刻的市場組合收益率；

三、數(shù)據(jù)選取

本文選取上海股票市場作為分析對象，時間是從2009年1月31到2014年12月31日的月股票收盤價。本文從運輸行業(yè)的28支股票中選取了15支代表股票。原因有以下三方面：一是考慮到由于個股停盤等原因造成的股票的日交易數(shù)據(jù)與大盤日交易數(shù)據(jù)產(chǎn)生非同步交易問題，會使分析產(chǎn)生偏差，難以得出一般性的結論，而采用月作為分析周期可以避免非同步交易的問題。二是上證綜合指數(shù)比較準確地反映了市場整體行情的變化和股票市場的發(fā)展趨勢，并囊括了上海股票市場中的各種證券，比較符合CAPM模型中所描述的市場組合同時上證綜合指數(shù)是一種價值加權指數(shù)。三是由于數(shù)據(jù)的完整性會直接影響到分析的結果，所以只從運輸行業(yè)的28支股票中選取了2009年1月31日以來具有完整數(shù)據(jù)的15支代表股票。

本文中對于無風險報酬率的確定，采用了一年期定期存款利率，但是由于考察期一共有6年的時間，所以對每年的一年期存款利率進行加權平均，最后得到的無風險報酬率為2.98%。

四、實證結果

本文通過時間序列回歸分析，得出β系數(shù)和擬合優(yōu)度R2的大小。利用Excel的公式計算功能，算出各股和大盤的月收益率，形成Excel文件，采用了Eviews和Excel2003軟件對數(shù)據(jù)進行了回歸處理，得出β值和R2值，具體表1所示。

表1　

1、對系統(tǒng)風險β值的分析

從理論上來說，β值表示單個股票相對于市場的系統(tǒng)風險，表示投資組合對系統(tǒng)風險的敏感程度，將整個市場波動帶來的風險確定為1。當某項資產(chǎn)的價格波動與整個市場波動一致時，其β值也等于1，一般把這類股票定義為中性股票；當股票價格波動幅度大于整個市場，其β值則大于1，為進攻性股票；如果價格波動小于市場波動，其β值便小于1，為防御型股票。

β＞1說明個股價格的波動大于大盤指數(shù)的波動，大盤上漲，個股價格漲幅高于大盤，大盤下跌，個股價格的跌幅大于大盤。反之，個股價格的波動小于大盤指數(shù)的波動。因此β＞1的股票適合風險偏好型的投資者。

從表1中所研究的15只股票中，有10家公司的β值大于1，屬于進攻性股票，只有5家公司的β值小于1，屬于防御性股票，其中最高的達到1.5246（中遠航運）。一般情況下，風險相同時，投資者會選擇預期收益率較高的股票，但由于單個股票的非系統(tǒng)性風險較大，用于收益和風險關系的檢驗易產(chǎn)生偏差，因此，投資者通常會構造股票組合來分散大部分的非系統(tǒng)性風險。

2、對可決系數(shù)R2的分析

對于一元線性回歸方程，決定系數(shù)R2反映了總離差平方和中可以由回歸方程解釋的部分，實際上也就是系統(tǒng)風險在總風險中所占的比例，即個股價格的波動有多少比例是由大盤引起的，而（1-R2）怎用于衡量個股價格波動中由公司自身基本面情況所引起的比例。R2＞0.5，說明公司股票價格的波動大部分是由于影響大盤的因素造成的，分析該類型的股票需要從影響大盤走勢的因素著手；R2＜0.5，說明公司股票價格的波動大部分是由于其自身基本面情況引起的，分析該類型的股票需要從公司的經(jīng)營狀況。對照上表的檢驗數(shù)據(jù)R2值大于0.5的有8家，最高達到0.7429（江西長運）；小于0.5的有7家，最小的為0.2488（鐵龍物流）?？梢?，股票收益率對系統(tǒng)風險的補償程度比較高，說明個股價格的波動受大盤走勢的影響比較明顯當然還有很多其他因素對個股的走勢產(chǎn)生不可忽略的影響，這也說明我國股市還不是很成熟，存在一定的欠缺。

五、結論

由上面的實證結果，可以得出幾點結論。

第一，由上面的實證結果可以看到江西長運的擬合優(yōu)度最高為0.7429，說明模型可以對因變量進行74.29%的解釋，而江西長運的β系數(shù)為0.8110小于1，說明其系統(tǒng)風險較小，其價格波動幅度小于整個市場。再來看其他幾個擬合度較高的股票，分別是中海發(fā)展、中海海盛和中國遠洋，其擬合優(yōu)度都在0.7以上，但是它們的β系數(shù)卻都在1.3以上，說明系統(tǒng)風險較大，其價格波動幅度大于整個市場。

因為β系數(shù)的分析反映了個股對市場（或大盤）變化的敏感性，可根據(jù)市場走勢預測不同β系數(shù)的證券，從而獲得額外收益。當大盤在上漲走勢的時候，可以關注β系數(shù)大于1類的股票，即進攻性股票。因為此時股價如果上漲，這只股票可能上漲的幅度會超過大盤的幅度。以江西長運為例，β系數(shù)為0.8110，說明如果大盤上漲10%，則個股上漲8.11%。反之，當大盤處于下跌通道中的時候，應該更加關注β系數(shù)小于1類的防御型股票。同樣，這時如果大盤下跌，股票的價格的幅度會小于大盤的下跌幅度，從而規(guī)避風險，從中獲利。同樣以江西長運為例，說明如果大盤下跌10%，則個股下跌8.11%。

第二，通過對運輸板塊的分析，可以看出運輸行業(yè)的β系數(shù)分析的擬合效果不是很好，其中有7家上市公司的擬合優(yōu)度在0.5以下，而且在擬合度較好的8支股票中，大多是高風險高收益的進攻型股票，其大多數(shù)股票的系統(tǒng)風險所占比例仍然比較高，非系統(tǒng)性風險較低，股價受大盤影響很大。

第三，資本資產(chǎn)定價模型是建立在有效市場假說基礎上的資產(chǎn)定價模型。在有效的資本市場上，資產(chǎn)的定價只同其β有關，可以準確地用β風險來評價一只股票的投資價值有多少，而不必考慮β之外的風險，可以推測我國的股票市場不是一個有效市場，但是β系數(shù)的分析仍然可以在一定程度上對我們決策起到輔助作用。

參考文獻

［1］袁超：上海證券市場不同行業(yè)板塊貝塔系數(shù)的研究與檢驗［J］．商場現(xiàn)代化，2010（3）．

［2］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）．

［3］馬喜德、鄭振龍、王保合：貝塔系數(shù)波動狀況的實證分析［J］．廈門大學學報（哲學社會科學版），2003（4）．

［4］袁皓：中國證券市場β系數(shù)穩(wěn)定性：一個大樣本的檢驗［J］．中大管理研究，2007（2）．

［5］陳小先：中國股市動態(tài)貝塔系數(shù)有效性研究［J］．亞太經(jīng)濟，2014（4）．

（責任編輯：徐悅）