中国证券市场系统性风险结构的实证分析，本文主要内容关键词为：实证论文,中国证券市场论文,风险论文,结构论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F830.91 文献标识码：A
自从马科维茨提出资产组合理论以来，证券市场风险结构分析一直是学术界和投资者关心的热点。对于中国证券市场的风险结构，国内学者曾进行了一些实证检验和研究，但由于时间区间、样本选择、研究方法的差异，这些实证研究的结果存在较大差别。同时，国内学者的研究仅通过实证检验对我国股市的系统性风险数值进行测算，而没有对系统性风险构成做进一步的深入分析。本文研究的视角是从中国证券市场系统性风险出发，对系统性风险特征及其构成因素进行分解，提取影响我国证券市场系统性风险的主要因素，从而深刻地揭示我国证券市场系统性风险的内生性。
一、证券市场系统性风险值动态估计
根据资本资产定价模型(CAPM)所揭示的风险收益关系，笔者对现阶段中国证券市场系统性风险进行了实证分析。由于证券投资总风险是用投资收益的方差或标准差度量的，标准差越大，收益离散程度越大，相对应的投资风险就越大。设定在t时期，持有证券i的投资收益为
，其公式为
附图
式中，
代表收益分布方差，即证券投资总风险，它是由系统性风险和非系统性风险两部分构成的。系统性风险是指投资于整个市场所有交易品种所面临的币场指数风险，投资于单个证券的收益和风险可以用市场指数收益率和风险进行解释。其收益和风险可分别用公式表达为：
附图
式中，
表示证券i的收益率中整个市场对单个证券收益水平的影响程度，反映证券i的系统性风险同市场总风险的关系，即证券i对投资组合m方差的贡献度，其计算公式为：
附图
为衡量我国证券市场的系统性风险，在此以深沪两地上市的上市公司为研究对象。由于不同上市公司的系统性风险差异很大，为了更好、更全面地分析A股市场个股系统性风险的时变性，本文对样本公司的选取考虑了行业因素和规模因素。根据中国证监会《上市公司行业分类指引》分类标准，以1995年6月1日前上市的公司为样本选取空间，从规定行业中挑选出规模最大的和规模最小的几只股票作为研究样本。样本选取尽量涵盖所有行业，并在行业选取权重上考虑行业的代表性，覆盖了基础性制造业、消费品行业、公用事业、信息产业、服务业等大行业。经筛选共有157家上市公司作为研究样本。
在此，使用天相软件收集1995～2004年所有样本公司复权后的周收盘价，以及上证综指和深成指的周收盘指数。首先，利用上述数据求得所有样本和指数周收益率：
附图
然后，利用Eviews软件求出考察时间段内样本公司周收益率和对应指数周收益率的相关系数平方值，即个股的系统性风险所占总风险的比率，再测算出时间区间内样本公司的β系数，其公式为：
附图
处理完所有样本后，将对应考察年度的样本数据进行平均，得到以周数据测算的年度系统风险占总风险的比率：
附图
通过统计数据分析看，在1995～2004年期间，我国证券市场的平均系统性风险占总系统风险的比例为44.19%，系统性风险占总风险的比例呈现明显的下降趋势，这一研究结论与张人骥等人[1]的研究基本一致。
表1是样本公司系统性风险占总风险比重在不同时间区间内公司家数的统计分布。表1显示，若某年系统性风险占总风险的比重高，则落在60%～80%和80%以上区间的样本数明显偏多，而20%以下区间的样本数则较少，反之亦然。如1995年，60%～80%区间有63家，80%以上区间有68家，20%～40%区间仅有3家，20%以下则为0家。而在2004年，60%～70%区间仅有5家，70%以上区间为0家，20%以下有18家，20%～40%区间则有73家。这从另一个角度验证了1995年市场系统性风险很高，而2000年证券市场系统性风险比重很低，与前面系统性风险分布实证结论相吻合。表2验证了样本公司在时间区间内系统性风险的动态变化特征。从β系数的变动趋势看，1995～2004年系统性风险均值呈现整体下降的态势。从表2系统性风险占总风险的比重看，无论年度均值还是最大值都呈现逐年回落的特征。显然，以上个股风险统计数据，无疑为我国证券市场系统性风险递减动态趋势提供了重要证据。
表1 个股系统性风险占总风险比例的分布 单位：家
附图
表2 1995～2004年中国证券市场个股风险统计
附图
在此基础上，笔者采用季度数据对证券市场系统性风险进行分析，对我国系统性风险特征进行实证检验。利用样本上市公司的周数据，计算出系统性风险占总风险比重的季度数据，通过与同期上证综指对比发现，系统性风险与股指波动呈现明显负相关性（见图1，图略，见原文，下同）。当股市处于牛市时期时，系统性风险比重呈下降趋势；在市场处于熊市时期时，系统性风险比重呈现上升趋势，这表明在牛熊市转换过程中我国证券市场系统性风险呈现非对称性特征。图1显示，在1995年第三季度上证综指722点到1996年第一季度的556点这段能市运行区间内，系统性风险比重从低点0.461升至0.665；从1999年第一季度上证综指1158点开始，通过1999年“5.19”行情牛市，直至2001年第二季度最高点2218点这段运行区间里，系统性风险占总风险比重趋于低位区运行，从0.5467降至系统性风险比重最低点0.1742。这种现象表明，我国证券市场呈单边运行特征，导致投资者在缺乏金融避险工具条件下无法有效化解市场风险。尤其在牛熊市转换之际，投资者难以实现风险对冲，这也是我国证券市场系统性风险难以有效降低的根本原因。
二、证券市场风险结构的行业特征
对于行业板块和投资组合，收益和风险则通过以下公式计算
附图
笔者将不同行业内样本上市公司的系统性风险占总风险比例进行平均，得到不同考察年度行业系统性风险占总风险比重的分布（见表3）。不同行业系统性风险占总风险比重走势和整个市场总体相似，但从年度间系统性风险比重的同方差检验看，行业间系统性风险占总风险比重则有一定的分散化趋势。
经过Bartlett多样本方差同质性检验，表明行业间系统性风险比重θ的方差随着时间的推移，在α=0.05水平下存在显著差异，但并未显著通过Levene和Brown-Forsythe检验（见表4和表5）。这表明，政策性因素对不同行业逐步产生一定的差别化影响，相同时间区间内行业系统性风险差异不大，但随着时间推移这种差异并非趋同，而是产生一定的波动离散，行业间系统性风险呈现分化态势。
表3 行业系统性风险系数占总风险比重（%）
附图
表4 行业系统性风险比重同方差检验
检验方法 自由度df 检验值 Prob.值
Bartlett 9 18.8078 0.0269
Levene(9,190)1.4079 0.1871
Brown-Forsythe(9,190)1.2408 0.2724
再考察另一个风险测度指标——行业β系数，表6显示行业β系数均值基本趋近1，说明行业与市场共性很高，行业收益率受市场影响很大。但从时间跨度看，行业β的变异系数存在逐步增大的趋势，从1995年的0.0778增加到2004年的0.2516，这表明系统性风险在不同行业间出现分化特征，上市公司的行业特性和行业区别进一步扩大。
表5 同方差检验的分类统计结果
年份 样本数 标准差 均值偏差 中值偏差
1995200.0816
0.05600.0533
1996200.0516
0.04140.0391
1997200.0843
0.06130.0610
1998200.0536
0.03960.0390
1999200.0829
0.06200.0620
2000200.0479
0.03460.0345
2001200.0833
0.06340.0630
2002200.0728
0.06290.0599
2003200.1004
0.07460.0737
2004200.0735
0.05470.0547
全部样本200
0.1615
0.05500.0540
Bartlett检验加权标准差：0.0749
表6 中国证券市场行业风险的变化
附图
三、证券市场系统风险构成因子分解与实证
为解释市场系统性风险与影响变量之间的函数关系，有必要对证券市场系统性风险进行因素分解，以此揭示系统性风险构成及其政策冲击的变量函数。结合前人对风险因素分析的相关研究成果，笔者对我国证券市场系统性风险因素进一步细分，将影响系统性风险的因素分解为以下因子：行业差异性、市场规模、机构投资者规模、政策因子、国内经济景气。根据多因素模型可知，不同经济变量对于系统性风险占总风险比例的波动态势具有不同的作用。
经对上述指标反复测试，选定如下指标：(1)市场规模Scale，选用股币总值占GDP比里即证券化率指标；(2)机构投资者规模Fund，采用基金规模指标（由于我国基金规模相对较小，该指标选用基金成交金额的相对规模指标，即以1994年基金成交额绝对值为1进行相对比率计算，然后再取其对数值）；(3)行业因子Industry，采用比较间接的指标，使用行业β系数的变异系数来衡量行业间的区别化发展；(4)政策因子Policy，选取1995～2004年间对市场具有重大影响的政策性事件，计算每个事件的前后一个月时间窗内的超额收益率，再将年度事件影响程度平均，得到每年的政策因子影响度指标；(5)国内经济景气程度指标Cycle，采用GDP真实增长率进行衡量。以上指标变量描述性统计见表7。
表7 系统性风险构成变描述性统计
年份 θ Policy Scale Industry Cycle Fund
19950.741
0.140 0.060 0.078
0.105 0.356
19960.629
0.081 0.150 0.057
0.096 1.478
19970.378
0.073 0.240 0.139
0.088 0.815
19980.302
0.068 0.250 0.086
0.078 1.045
19990.384
0.057 0.320 0.153
0.071 1.939
20000.314
0.052 0.540 0.176
0.080 2.059
20010.406
0.058 0.450 0.111
0.075 1.969
20020.571
0.076 0.370 0.168
0.080 1.183
20030.337
0.043 0.364 0.165
0.091 2.868
20040.356
0.0164 0.2745 0.252
0.095 3.061
为估计不同变量对系统性风险的影响，笔者设计如下OLS姑计模型
附图
在此，笔者使用Eviews软件对该模型进行逐步回归，估计结果见表8。
表8 OLS回归方程结果
附图
注：括号内的是t分布值，*表示10%水平下显著，**表示5%水平下显著。
通过对系统性风险分解及其变量回归结果，我们可以看到，由于样本数据比较小，对于变量的t检验相对较满意，小样本DW检验效果并不很理想。从回归结果看，它对于刻画不同因子对系统性风险的作用方向和作用力度具有较好的解释能力。根据以上检验结果，笔者选择对系统性风险构成因子分解的回归方程为：
θ=8.962Policy-0.654Scale+0.757Industry-3.046Cycle(-1)+0.138Fund
对方程系数取其绝对值，再将其加总得到总影响力度，然后由每个风险因子的方程系数绝对值占总影响力度的比重得到相应风险因子的影响力度（见表9）。
表9 系统性风险构成因子的影响力度
风险因子 Policy Scale Industry Cycle(-1) Fund
影响力度 0.661
0.048
0.056 0.2250.010
从系统性风险构成因子分解及其回归结果分析，可以得出以下结论：
(1)政策因子对系统性风险的影响力度最大也最显著，这表明政策变量在市场系统性风险构成中具有决定性影响，我国股市在很大程度上仍呈现为政策市特征。尽管随着证券市场深化，政策因子对市场冲击力度有所减弱，但在我国系统性风险因子构成中仍居首要位置，影响系数接近三分之二权重。
(2)市场规模因子对系统性风险影响力度相对较弱，仅为0.048，并且市场因子的影响方向为负。这表明，随着我国证券市场的规模逐步扩大，证券化程度加深能够较好地消减部分系统性风险。
(3)行业因子影响力度相对较弱，影响系数为0.056，说明行业因子对降低系统性风险具有一定作用。从检验结果看，尽管t检验不很显著，但随着我国市场的不断深化，行业之间风险差异性逐步显现。行业因子对系统性风险比重的影响方向为负，说明利用行业差异进行资产组合配置可以有效降低系统性风险。
(4)经济景气度因子对系统性风险产生反方向影响，且影响系数达到0.225，表明系统性风险与宏观经济景气之间呈现显著负相关性。
(5)以证券投资基金为代表的机构投资者并未发挥有效降低市场系统性风险的功能。从Fund系数看，基金对系统性风险起着正方向推高作用，这种检验结果只能说明，在我国证券市场中，基金的投资理念尚未有效引导市场。