中国股市β系数的实证研究，本文主要内容关键词为：系数论文,中国论文,股市论文,实证研究论文，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。
β系数是测量股票系统风险的主要指标之一，在投资理论和投资实践中占有重要地位。因此，β系数的稳定性成为学术界和投资者特别关注的问题。对于β系数在美国证券市场上的表现，许多学者做过大量研究，但没有定论。一些学者认为β系数具有相对稳定性，另一些学者认为β系数具有随机性，β系数的估计涉及到时间间隔的选择、模型的选择、无风险利率的选择等，不同的处理方法会得出不同的结论。本文试图对中国证券市场A 股股票β系数的稳定性及其他相关问题进行实证研究。
一、随上市时间增加β系数稳定性分析
波涛在其《证券投资理论与证券投资战略适用性分析》一书中，将β系数的变化形态分成6 类（注：波涛：《证券投资理论与证券投资战略适用性分析》，第87～89页，1999。）。分别为：（1 ）β系数小于1.0，并在提高过程中趋于稳定；（2）β系数小于1.0， 并在降低过程中趋于稳定；（3）β系数小于1.0转化为大于1.0，并趋于稳定；（4）β系数大于1.0，并在降低过程中趋于稳定；（5）β系数大于1.0， 并在提高过程中趋于稳定；（6）β系数大于1.0转化为小于1.0， 并趋于稳定。
考察随上市时间增加β系数的稳定性应选择上市时间较长、数据完整的股票。因此，我们选择深沪两市51种1992年以前上市的股票作为研究对象。考察过程如下：
（1）从飞天系统得到这51只股票及上证A股指数、深综A 股指数日收盘价格和送配股、派息复权数据。
（2）使用SAS计算从1992～1998年个股周收益率，计算公式为
r[,it]＝log（P[,it]）－log（P[,it－1]）
其中：P[,it]、P[,it－1]分别是第i只股票第t周星期一和第t－1周星期一经复权处理后的收盘价，r[,it]是第i只股票第t周的复合收益率。
（3）使用SAS计算从1992～1998年市场指数周收益率，计算公式为
r[,Mt]＝log（P[,Mt]）－log（P[,Mt－1]）
其中：P[,Mt]、P[,Mt－1]分别是第t周星期一和第t－1周星期一市场收盘指数，r[,Mt]是市场指数第t周的复合收益率。
（4）假定每只股票一年内β系数保持不变， 使用下述模型及最小二乘法估计β系数
r[,it]＝α[,i]+β[,i]r[,Mt]+ε[,it]
其中：r[,it]、r[,Mt]分别是第t周第i只股票和相应的市场指数收益率。
（5）计算每只股票1996年、1997年和1998 年β系数的均值和标准差，
若
＜0.15，则认为该股票β系数趋于稳定；否则，认为β系数不趋于稳定。
（6）计算符合稳定标准的股票1992年、1993年、1994年和1995 年β系数的均值和标准差
，则认为该股票的β系数趋于降低；否则，认为该股票的β系数趋于增加。对应波涛的分类方法，将这25只股票β系数的变化形态进行分类。
（7）计算51只股票β系数年度均值，考察随上市时间增加， 平均β系数的变化趋势，计算结果见表1。
表1 51只股票β系数年度均值
1992年 1993年 1994年 1995年 1996年 1997年 1998年
1.0001.041
1.056
0.996
1.068
1.122
1.052
结论：
（1）股票β系数随着上市时间增加基本不趋于稳定。在51 只股票中，符合稳定标准的股票共25只，占49%。我们给出的β系数稳定标准是
＜0.15，由于β系数的均值接近于1，这个标准应该算是较宽松的。但是，即使按照这一标准，仍有超过半数的股票其β系数并不趋于稳定，而且符合稳定标准的股票β系数的变化也很复杂。因此，我们认为随着上市时间的增加β系数趋于稳定的结论是不适当的。
（2）股票β系数随着上市时间推移大多于增加。在25 只β系数稳定的股票中有13只股票β系数趋于增加，占52%。由表1可知，51 只股票β系数的均值随着上市时间的增加而增加。这表明随着上市时间增加股票β系数以趋于增加为主。
（3）在β系数趋于稳定的股票中， 大部分股票β系数的稳定性增加。
的股票共19只，占78%，这表明随着上市时间的增加大部分股票β系数的稳定性增加。
（4）在β系数趋于稳定的股票中， 风险定位发生置换较普遍。风险定位发生置换的股票共10只，占40%，其中70%β系数由于小于1 转化为大于1。 这表明随着上市时间的增加风险定位发生置换是较普遍的现象。
二、牛市与熊市转换中β系数的表现
从投资者角度来看，若市场处于牛市，理想的选择是买进β系数大的股票，卖出β系数小的股票；若市场处于熊市，理想的选择是买进β系数小的股票，卖出β系数大的股票。因此，了解在牛市与熊市转换中β系数的表现对于股资者来说是非常必要的。
下面我们来考察深沪两市842只A股在牛市与熊市转换中β系数的表现。牛市和熊市的划分没有统一的标准，我们将1992年6月5日至1999年8月20日分成10个时间段。
假定个股β系数在一轮行情中保持不变，用市场模型和周收益率得到个股在10 个时间段内的β系数， 然后求个股β系数在牛市和熊市的平均值，熊市中β系数的平均值记作β[,bear]， 牛市中β系数的平均值记作β[,bull]，将满足β[,bear]≤0.9.β[,bull]≤0.9 条件的股票看作a类，共150只股票，这150只股票β[,bear]的均值为0.69，β[,bull]的均值为0.62，其他分类结果见表2。
表2 在牛市与熊市转换中β系数的表现
β[,bull]＜0.9 0.9≤β[,bull]≤1.1
β[,bear]＜0.9 0.69 0.62 150a 0.68 0.98 73b
0.9≤β[,bear]≤1.1 0.99 0.58 139d 1.00 0.98 115e
β[,bear]＞1.1 1.24 0.71 108g 1.21 0.99 95h
β[,bull]＞1.1
β[,bear]＜0.9 0.50 1.60 37c
0.9≤β[,bear]≤1.1 0.99 1.83 59f
β[,bear]＞1.1 1.24 1.40 65i
从表2可以看出，a类、e类和i类股票共330只， 其β系数在牛市和熊市表现一致，大约占39%，构造投资组合模拟市场指数应从这三类股票中选择。g类股票的β系数在熊市中高，在牛市中低， 显然不是好股票。c类股票的β系数，在熊市中低，在牛市中高， 从投资于个股并长期持有角度，他们是最好的股票。c类股票共37只，占4.4%。
下面我们来考察β系数的标准差，从另外一个角度选择构造投资组合的股票。尽管b类和h类股票的β系数在牛市和熊市的表现略有不同，但标准差较低，构造指数投资组合也可考虑此类股票。
在牛市与熊市转换中β系数的表现可能不同，这对于股资者来说并不一定就是坏事，掌握其变化规律有助于提高获利能力。
结论：从投资于个股并长期持有角度，c类股票是好的股票； 从投资组合管理角度，可选择a、e、i类，也可选择b和h类。
三、T+O、T+1及涨跌停板制度对β系数的影响
从1993年1月1日到1995年1月1日沪市实行T+O交易制度，从1995年1月2日到1996年12月16日实行T+1交易制度，1996年12月17日至今实行T+1及10%涨跌停板交易制度，交易制度的变化可能影响β系数。我们通过两种方法研究交易制度变化对β系数的影响。
第一种方法：首先计算沪市92年以前上市的29只股票从1993 年到1998年的年度β系数，然后计算每只股票分别在T +O 期间（1993 年和1994年），T+1期间（1995年和1996年），T+1及10%涨跌停板期间（1997年和1998年）β系数的均值，最后在各时间段求29只股票β系数的均值和标准差，结果见表3。
表3 29只股票不同交易制度下β系数的均值和标准差
T+OT+1 T+1及10%涨跌停板
均值1.02571.0305 1.10818
标准差
0.09180.1214
0.2058
从表3可以看出，β系数的均值增大， 意味着平均系统风险增加；β系数的标准差也增大，意味着这29只股票系统风险趋于分化。
第二种方法：假定股票β系数从1993年1月1日到1995年1月1 日、1995年1月2日到1996年12月16日、1996年12月17日到1999年8月20 日各时间段内保持不变，个股周收益率对上证A股指数周收益率做回归， 即
r[,it]＝α[,i]+β[,it]r[,Mt]+ε[,it]
β[,i1] t∈[1993.1.1～1995.1.1]
β[,it]＝β[,i2] t∈[1995.1.2～1996.12.16]
β[,i3] t∈[1996.12.17～1999.8.20]
得到每只股票的β[,i1]、β[,i2]、β[,i3]的估计
令△β[,i1]＝β[,i2]－β[,i1]，△β[,i2]＝β[,i3]－β[,i2]，
只股票的均值是－0.016，标准差为0.128，均值0的t检验不显著，即从T+O到T+1平均来看β系数没有发生显著变化。
只股票的均值是0.106，标准差为0.163，均值为0的t检验统计量为3.517，均值显著异于0，即从T+O到T+1及10%涨跌停板平均来看β系数显著增加。
结论：就我们所考察的股票而言，两种方法的实证研究都表明10%涨跌停板制度实行后β系数显著增加，β系数显著增加可能是交易制度引起的，也可能是其他因素引起的，交易制度是影响β系数的重要因素之一。另外，β系数显著增加仅意味着这一类股票在新的交易制度下系统风险增大，并不意味着新的交易制度比原来的交易制度差。
四、利用β系数的历史数据预测未来β系数的可靠性
股票的β系数不稳定，但是如果可以利用β系数的历史数据预测未来β系数，则β系数的历史数据还是有参考价值的。投资实践中，常把当期β系数乘以0.34加上0.66作为下一期β系数的估计，其依据是股票的平均β系数等于1，个股β系数具有向1逼近的趋势。本文用两种方法考察利用β系数的历史数据预测未来β系数的可靠性。
第一种方法：模型设定为
β[,it]＝α+bβ[,it－1]+ε[,i]i＝1，…，51
β[,it]＝α+bβ[,it－1]+cβ[,it－2]+ε[,i] i＝1，…，51
从回归结果可以看出，R[2]很低，参数估计变化很大，前一期或两期β系数对当期β系数基本没有解释能力。另外，
表4 第二种方法两种模型平均绝对和相对预测误差
1993年 1994年 1995年 1996年
1997年 1998年
模型1 平均绝对
预测误差 0.279
0.1370.162
0.129
0.137
0.219
平均相对
预测误差 0.284
0.1330.152
0.140
0.158
0.239
模型2 平均绝对
预测误差 0.142
0.1130.120
0.113
0.147
0.179
平均相对
预测误差 0.145
0.1100.113
0.123
0.174
0.190
从表4可以看出，用上一年β系数预测当年β系数， 平均绝对预测误差最低为0.129，平均相对预测误差最低为0.133；用上一年β系数乘以0.34加上0.66预测当年β系数，平均绝对预测误差最低为0.113， 平均相对预测误差最低为0.110。这两种模型预测误差都较大。从表4还可以看出，模型2的预测误差明显低于模型1，这也表明向1 调整是合理的。
结论：利用β系数的历史数据预测未来β系数的可靠性较差， 向1调整预测值是较为合理的。
五、投资组合β系数稳定性
考察投资组合β系数的稳定性有两种方法。第一种方法，把行业指数收益率看作行业投资组合的收益率，然后对市场指数回归，求β系数并考察稳定性。第二种方法，构造历史某时刻的投资组合，然后求后续时间投资组合的价值和收益率，最后求β系数并考察稳定性。本文使用第二种方法。步骤如下：（1）从沪市（或深市）1992 年以前上市的股票中随机选择若干种，构造每种股票初始投资金额相同的投资组合，该投资组合1993年第一个交易日开始运作。（2）若遇到某种股票派息，则将红利购买该股票；若遇到某种股票送红股，不进行买卖操作；若遇到某种股票配股，则卖出部分股票，买进配售部分。总之，操作原则是使净现金流量为零。（3）计算投资组合的价值，但不考虑交易成本。（4）求投资组合的周收益率，对上证A股指数（或深综A 股指数）周收益率回归，求β系数，计算方法与计算个股β系数相同。（5 ）考察不同年度β系数的稳定性。
我们构造下面8个投资组合，计算投资组合的β系数及其标准差，结果见表5。
表5 投资组合β系数及其标准差
结论：从表5可以看出，8个投资组合6 年β系数的标准差都不超过0.15，比个股的β系数稳定。由于投资组合的β系数是其组成股票β系数的线性组合，从构造投资组合角度，个股β系数的历史数据还是具有参考意义的。
六、不同模型对β系数估计的影响
模型选择影响β系数的估计，下面我们用资本资产定价模型，即
r[,it]－r[,ft]＝α[,i]+β[,i]（r[,Mt]－r[,ft]）+ε[,it]
估计β系数，无风险利率r[,ft]分别用活期存款利率、三个月期存款利率和一年期存款利率代表。试算表明不同模型对β系数的估计影响不大，表6给出9只股票的结果。
表6 不同模型β系数的估计
股票代码模型1 模型2 模型3模型4标准差
0001 1.01131.01121.0113
0.99370.0087
0002 1.03981.03981.0400
1.04800.0040
0003 0.90110.90120.9012
0.90270.0007
0004 0.98870.98910.9890
0.97810.0054
0005 1.08681.08701.0872
1.09470.0038
0006 0.97570.97980.9799
0.97800.0019
0007 1.10341.10351.1037
1.10640.0014
0008 1.10471.10461.1051
1.14410.0196
0009 0.89060.89070.8906
0.89180.0005
注：模型1为市场模型，模型2～4为资本资产定价模型， 无风险利率分别为活期存款利率、三个月期存款利率和一年期存款利率，样本区间为1995.1.1—1999.8.30周资料。
结论：对每只股票分别计算4种模型β系数的标准差，最大为0.0196，模型选择对β系数的估计影响不大。
标签：股票论文; 投资组合论文; 预测模型论文; 均值回归论文; 平均误差论文; 平均收益率论文; 误差分析论文; 证券论文;