邵雪敏，侯為波

(淮北師范大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，安徽 淮北 235000）

隨著股票市場(chǎng)的不斷發(fā)展，股票收益率的影響因素也在不斷的變化，國(guó)內(nèi)外學(xué)者對(duì)股票收益率影響因素做了大量的研究。其中，行業(yè)因素對(duì)股票收益率也存在影響，各個(gè)行業(yè)由于生命周期、宏觀經(jīng)濟(jì)周期、自身的背景、結(jié)構(gòu)的不同其股票收益率存在顯著差異[1]。本文以滬市A股為研究對(duì)象，分行業(yè)討論β系數(shù)、流通股比例以及振幅對(duì)股票收益率的影響。

1 國(guó)內(nèi)外研究現(xiàn)狀

Fama等證明了規(guī)模（市場(chǎng)價(jià)值）和賬面市值比（BE/ME）是兩個(gè)對(duì)股票收益率具有較強(qiáng)解釋力的兩個(gè)變量[2]。他們認(rèn)為，如果資產(chǎn)定價(jià)合理，其結(jié)果表明，股票風(fēng)險(xiǎn)是多維的，風(fēng)險(xiǎn)的一個(gè)維度是由規(guī)模來(lái)代替，另一個(gè)維度是由賬面市盈率決定的。Knez等證明了平均回報(bào)與公司規(guī)模之間的負(fù)關(guān)系是由一些極端樣本觀測(cè)結(jié)果導(dǎo)致的[3]。Hou等通過(guò)對(duì)來(lái)自49個(gè)國(guó)家的27 000多只股票的月回報(bào)率進(jìn)行研究，表明股票回報(bào)率與公司規(guī)模之間沒(méi)有可靠的關(guān)系[4]。Downs等得出了相同的結(jié)論，對(duì)紐約證交所1963-1990年間的所有股票進(jìn)行了分析，并指出市場(chǎng)貝塔與股票收益率呈正相關(guān)。Pavel G Savor研究發(fā)現(xiàn)，股票價(jià)格的急劇變化對(duì)股票收益率的影響與公司財(cái)務(wù)信息和股票市場(chǎng)交易信息密切相關(guān)[5]。陳信元等運(yùn)用單因素和多因素模型分析了上海證券市場(chǎng)全部A股上市公司1995-997年數(shù)據(jù)，揭示部分會(huì)計(jì)信息對(duì)股價(jià)的影響[6]，發(fā)現(xiàn)股票價(jià)格與凈資產(chǎn)、剩余收益呈正相關(guān)，與流通股比例、股本規(guī)模呈負(fù)相關(guān)；市場(chǎng)對(duì)剩余收益的定價(jià)乘數(shù)低于對(duì)收益的定價(jià)乘數(shù)；流通股比例對(duì)股價(jià)的影響程度逐年降低；這些會(huì)計(jì)信息的解釋能力呈現(xiàn)下降趨勢(shì)。張曉東等通過(guò)EVA、MVA和股票收益關(guān)系在中國(guó)股票市場(chǎng)的實(shí)證分析得出傳統(tǒng)會(huì)計(jì)指標(biāo)賬面市值比率、盈余-市價(jià)比率比EVA和MVA對(duì)股票收益有更強(qiáng)大的解釋力，β和股票收益及其他指標(biāo)的關(guān)系都無(wú)太大規(guī)律[7]。韓海容等研究了股票動(dòng)量因素、反轉(zhuǎn)因素和換手率等交易信息對(duì)股票收益的影響，發(fā)現(xiàn)股票三個(gè)月的短期反轉(zhuǎn)因素和換手率對(duì)股票橫截面收益影響顯著[8]。

2 研究設(shè)計(jì)

2.1 樣本選取及數(shù)據(jù)來(lái)源

研究樣本數(shù)據(jù)來(lái)源于Wind咨訊，根據(jù)Wind的行業(yè)分類方法。將上證A股上市公司劃分為14個(gè)行業(yè)，依次為采礦業(yè)、能源、房地產(chǎn)、建筑業(yè)、交通運(yùn)輸業(yè)、教育、金融、科學(xué)研究和技術(shù)服務(wù)、農(nóng)林牧漁業(yè)、衛(wèi)生和社會(huì)工作、信息技術(shù)、文化體育娛樂(lè)業(yè)、制造業(yè)以及綜合類行業(yè)[9]。本研究的樣本期選取為2017年1月1日-2017年12月31日。

為保證本文的研究結(jié)果的準(zhǔn)確性和可靠性，按照以下標(biāo)準(zhǔn)進(jìn)行剔除[10]：

①剔除2017年之后上市的A股股票，以避免新股導(dǎo)致的殘存偏差的影響；

②選用股票周收益率計(jì)算貝塔系數(shù)；

③為保證數(shù)據(jù)的連續(xù)性，剔除連續(xù)三周以上收盤價(jià)缺失的股票。

剔除后，截止2018年1月1日前所有的上證A股的上市公司：采礦業(yè)73家、能源100家、房地產(chǎn)125家、建筑業(yè)88家、交通運(yùn)輸業(yè)87家、教育3家、金融71家、科學(xué)研究和技術(shù)服務(wù)26家、農(nóng)林牧漁業(yè)42家、衛(wèi)生和社會(huì)工作8家、信息技術(shù)217家、文化體育娛樂(lè)業(yè)46家、制造業(yè)1 874家以及綜合業(yè)65家；合計(jì)2 825家。

2.2 相關(guān)變量的計(jì)算

（?。│孪禂?shù)的計(jì)算

本文采用單指數(shù)模型，利用回歸分析法，計(jì)算出β系數(shù)。公式為：

其中Ri是風(fēng)險(xiǎn)資產(chǎn)的收益率，Rm是市場(chǎng)組合的收益率。

（ⅱ）收益率的計(jì)算

其中Rit是股票i的收益率，Pit是股票i在t期末的收盤價(jià)，Pi,t-1是股票i在t-1期末的周收盤價(jià)。

（ⅲ）流通股比例（Struc)=流通股本/總股本。

（ⅳ）振幅（Volty)=月末收盤價(jià)的標(biāo)準(zhǔn)差。

2.3 研究方法

首先從Wind數(shù)據(jù)庫(kù)中獲取各行業(yè)共2 825只股票，2017年1月1日-2017年12月31日內(nèi)的各股β系數(shù)、流通股比例（struc）、振幅（Volty）以及年平均收益率；再分別對(duì)以下模型進(jìn)行單因素和多因素模型的回歸分析：

其中Ri是個(gè)股年平均收益率，ηi是隨機(jī)擾動(dòng)向，γ0,γ1,γ2,γ3是待估參數(shù)。四個(gè)模型依次考慮：各行業(yè)的β系數(shù)，流通股比例和振幅對(duì)股票收益率的影響；同時(shí)運(yùn)用t統(tǒng)計(jì)量檢驗(yàn)β系數(shù)、流通股比列和振幅的顯著相關(guān)性，分析判斷得出各行業(yè)關(guān)于股票收益率的相關(guān)性解釋能力最強(qiáng)的變量。

3 實(shí)證結(jié)果及分析

3.1 單因素模型

分別考慮股票收益率與β系數(shù)、流通股比例和振幅的相關(guān)性。

由表1可以看出，在樣本期內(nèi)，采礦業(yè)、能源、房地產(chǎn)、建筑業(yè)、交通運(yùn)輸業(yè)、金融、科學(xué)研究和技術(shù)服務(wù)、農(nóng)林牧漁業(yè)、信息技術(shù)、文化體育和娛樂(lè)業(yè)、制造業(yè)以及綜合類行業(yè)這12個(gè)行業(yè)的β系數(shù)通過(guò)t檢驗(yàn)。未通過(guò)貝塔系數(shù)檢驗(yàn)的只有教育和衛(wèi)生社會(huì)工作行業(yè)。

流通股比例對(duì)平均收益率解釋能力強(qiáng)的行業(yè)有：能源、交通運(yùn)輸業(yè)、金融、信息技術(shù)、文化體育和娛樂(lè)以及制造業(yè)。

表1 單因素模型

振幅對(duì)平均收益率解釋能力強(qiáng)的行業(yè)有：采礦業(yè)、能源、房地產(chǎn)、交通運(yùn)輸業(yè)、農(nóng)林牧漁業(yè)和制造業(yè)。

通過(guò)顯著性水平可知，流通股比例（Struc）對(duì)股票收益率解釋能力強(qiáng)的行業(yè)：金融、信息技術(shù)和制造業(yè)；振幅（Volty）對(duì)股票收益率解釋能力強(qiáng)的行業(yè)：采礦業(yè)，能源、房地產(chǎn)、交通運(yùn)輸業(yè)以及農(nóng)林牧漁業(yè)。

3.2 多因素模型

由表2可以看出，在樣本期內(nèi)，采礦業(yè)，能源、房地產(chǎn)、建筑業(yè)、金融、信息技術(shù)、文化體育娛樂(lè)、制造業(yè)以及綜合類行業(yè)β系數(shù)通過(guò)t檢驗(yàn)。金融、信息技術(shù)、文化體育和娛樂(lè)業(yè)以及制造業(yè)的流通股比例（Struc)通過(guò)t檢驗(yàn)。采礦業(yè)、能源、房地產(chǎn)、交通運(yùn)輸業(yè)、農(nóng)林牧漁業(yè)以及制造業(yè)的振幅(Volty)通過(guò)t檢驗(yàn)。

表2 多因素模型

通過(guò)顯著性水平可知，流通股比例（Struc）對(duì)股票收益率解釋能力強(qiáng)的行業(yè)：金融、信息技術(shù)和制造業(yè)；振幅（Volty）對(duì)股票收益率解釋能力強(qiáng)的行業(yè)：采礦業(yè)，能源、房地產(chǎn)、交通運(yùn)輸業(yè)以及農(nóng)林牧漁業(yè)。這與單因素模型結(jié)果一致。

4 小結(jié)

本文基于滬市2017年全部A股股票的收益數(shù)據(jù)，進(jìn)行了單因素和多因素回歸分析，依據(jù)，Wind行業(yè)分類方法，分行業(yè)研究了β系數(shù)、流通股比例以及振幅對(duì)股票收益率的影響對(duì)投資者有一定的啟發(fā)作用。

各行業(yè)的β系數(shù)、流通股比例以及振幅對(duì)股票收益率的解釋能力不同。

由表2可以看出，只有科學(xué)研究和技術(shù)服務(wù)、衛(wèi)生和社會(huì)工作以及教育行業(yè)三個(gè)因素都未通過(guò)顯著性檢驗(yàn)。原因可能有兩點(diǎn)：第一，這三個(gè)行業(yè)在2017年有效的股票數(shù)量過(guò)少，數(shù)據(jù)有限，未能找到較強(qiáng)的影響因素；第二，科學(xué)研究和教育類行業(yè)可能投資者對(duì)該行業(yè)有不同的看法，進(jìn)而有不同的預(yù)期，導(dǎo)致不能發(fā)現(xiàn)有效的影響因素。

由表2可以看出，大部分行業(yè)的股票收益率和β系數(shù)緊密相關(guān)，更好的證實(shí)了資本資產(chǎn)定價(jià)模型，也就是說(shuō)β系數(shù)在資產(chǎn)定價(jià)中起著決定性作用。不同喜好的投資者可根據(jù)β系數(shù)的大小，制定合適的投資組合方案。

金融、信息技術(shù)以及制造業(yè)都是不斷發(fā)展的成長(zhǎng)型行業(yè)，表現(xiàn)出了較高的流通股比例（Struc），可能代表了比較好的公司管理水平，可以減少成本，進(jìn)而可帶來(lái)較高收益。