基于行业考虑的β和B/M与股票 收益率关系研究

□曹崇延 姜丹君 瞿安民 [中国科学技术大学 合肥 230026]

引言

股票收益率是上市公司和股民们所密切关注的，国内外学者对股票收益率的影响因素进行了大量研究。Sharpe、Lintner和Black提出的资本资产定价模型CAPM(又称SLB模型)，认为在有效市场假设的前提下，资产的期望收益与β系数成正比，CAPM首次将股票收益率和β系数联系起来。Black，Jensen和Scholes、Fama和MacBeth对CAPM模型进行了检验，发现股票收益率与β系数之间存在着线性关系。随后，在多年的实践经验中，人们发现仅用β系数很难解释证券市场的一些现象。Fama和French认为除β系数会影响股票收益率外，账面市值比和公司规模都显著解释了股票收益率的变动现象。Rosenberg，Reid和Lanstein发现美国股票市场中账面市值比也是股票收益率的一个风险因素，而且股票收益率和账面市值比之间存在着显著的正相关。Chan，Hamao和Lakonishok认为在日本股票市场上有同样的现象。Gonenc和Karan通过研究土耳其股票市场，得出相反的结论，认为成长型股票(低账面市值比)比价值型股票(高账面市值比)的股票收益率好。

国内对β系数和账面市值比效应的研究以实证研究为主。朱宝宪和何治国通过实证检验发现账面市值比与股票收益率有强相关关系，而且比β系数对股票收益率的解释能力强。贾权和陈章武通过多因素检验发现β系数、账面市值比、市值和市盈率这4个因素对股票收益率存在显著负相关。吴世农和许年行、陈莹对中国股市的账面市值比效应进行了实证检验，得出中国证券市场存在账面市值比效应，账面市值比对股票收益有显著的预测作用。

行业因素对股票收益率存在影响，各行业由于自身的背景、结构、与宏观经济周期的关联性、所处的生命周期不同，导致其股票收益率具有显著差异。Merton和Ross分别提出的跨期资本资产定价模型ICAPM和套利定价模型APT，认为股票收益率不仅由市场风险因素解释，而且还由行业和经济增长等因素解释。Lessard考察了各国的不同行业结构，认为行业因素对股票收益率有影响。Roll发现行业因素可以对40%的股票收益波动率做出解释。Moskowitz和Grinblatt认为股票收益率的动量与行业因素相关。范龙振和王海涛对我国的行业和地区进行划分，通过实证分析得出了我国股市具有明显的行业和地区效应。劳兰珺和邵玉敏、陈健，曾世强和李湛也发现不同行业的风险结构存在较大差异。但从现有文献来看，国内结合行业考虑β系数和账面市值比对股票收益率影响的研究很少。

本文借鉴Fama-MacBeth方法，以上证A股市场为对象，研究影响股票收益率的两个重要因素：β系数和账面市值比。与以往研究不同的是：本文结合行业因素考察β系数和账面市值比对股票收益率的影响，不仅研究了整个样本期间股票收益率与两因素之间的关系，而且探讨了在不同市场态势下的关系，从而给政府、监管者、上市公司和投资者有效分析股票市场的规律提供思路，为制定相关决策提供参考。根据国内外学者的研究，并结合我国股市的基本情况，提出如下假设：

H1：各行业的β系数和账面市值比对股票收益率的相关性解释能力不同；

H2：各行业的β系数和账面市值比对股票收益率的相关性解释能力受熊市、牛市的影响。

一、研究设计

（一）样本选取及数据来源

研究样本数据来源于Wind数据库，依据于Wind的一级行业分类方法。将上证A股上市公司划分为10个行业，依次为：能源、材料、工业、可选消费、日常消费、医疗保健、金融、信息技术、电信服务、公用事业。考虑到我国证券市场的特点，本文研究的样本期选取为2001年1月1日～2010年12月31日，并根据经Pagan和Sossounov调整的用于确定经济周期转折点的BB法则来识别股票态势转折点，将样本期划分为3个熊市和2个牛市共五个时间段。

为保证本文的研究结果的准确性和可靠性，按照以下标准对原始数据进行剔除：

1．拟用2001年1月1日前已于上海证券交易所上市的A股股票进行研究，以避免新股导致的残存偏差的影响；

2．剔除样本期内的特别处理(简称ST)、未股改的ST股票(简称SST)、连续三年亏损有退市风险而被特别处理的股票(简称*ST)、未股改的*ST股票(简称S*ST)，以避免异常数据的影响；

3．所有数据都进行前复权处理，以消除分红派息对上市公司股价的影响；

4．选用股票周收益率计算β系数等，以避免引致严重的变量内生误差等问题；

5．剔除连续三周以上收盘价和前收盘价缺失的股票，以保证数据的有效性和连续性。

剔除后，截止2011年1月1日所有的上证A股的上市公司：能源有6家；材料有73家；工业有92家；可选消费有93家；日常消费有34家；医疗保健有28家；金融有59家；信息技术有26家；电信服务有1家；公用事业有22家；合计433家。考虑到其中的电信服务业在2001年底上市公司只有1家：鹏博士，因此将其剔除。本文即研究9个行业的情况。

（二）相关变量的计算

1．β系数的计算

本文采用“单指数模型”，利用回归分析法，计算出β系数。公式为：

其中：Ri是某一风险资产的收益率；Rm是市场组合M的收益率。

2．收益率的计算

周市场收益率是以上证综合指数为市场收益率为代表；市场收益率Rmt根据上证综合指数的周收盘价和周前收盘价得到，公式为：

其中：Pmt是上证综合指数在t期末的周收盘价；Pm,t-1是上证综合指数在t-1期末的周收盘价。

个股收益率Rit根据个股的周收盘价和周前收盘价得到，公式为：

其中：Pit是股票i在t期末的周收盘价；Pi,t-1是股票i在t-1期末的周收盘价。

3．账面市值比的计算

（三）研究方法

首先从Wind数据库中获取各行业共433只股票，2000年1月1日～2010年12月31日内的个股β系数和平均周收益率的时间序列值，并计算得出个股账面市值比；再分别对以下模型，运用Fama-MacBeth方法，进行单因素和双因素模型的回归分析：

其中：Ri是个股平均周收益率；ηi是随机扰动项；γ0，γ1，γ2是待估计参数；模型一、模型二、模型三依次考虑：各行业的β系数对股票收益率的影响，账面市值比对股票收益率的影响及β系数和账面市值比对股票收益率的影响；同时运用t统计量检验β系数和账面市值比的显著相关性，分析判断得出各行业关于股票收益率的相关性解释能力最强的变量。最后，本文结合熊市、牛市分析不同证券市场趋势下β系数和账面市值比的预测作用。

二、实证结果及分析

（一）各行业β系数和BM与股票收益率的相关性分析

1．单因素模型

研究样本期为2000年1月1日～2010年12月31日。对各行业的β系数和账面市值比、股票收益率进行ADF单位根检验，发现在1%、5%、10%三个显著性水平下，单位根检验的t检验统计量均小于不同检验说明的三个Mackinnon临界值，即β系数和账面市值比、股票收益率均在99%的置信区间内拒绝单位根（非平稳）的原假设，表明所有变量满足平稳性的要求。故可以对各行业采用单因素模型进行回归分析，分别考虑股票平均周收益率与β系数和账面市值比的相关性。

表1 单因素模型

由表1可以看出，在样本期内，能源、工业、可选消费和金融这四个行业的β系数通过t检验，β系数和股票收益率具有正相关性；材料和可选消费行业的账面市值比与收益率具有负相关性。通过显著性水平得知，β系数对平均周收益率的解释能力强的行业为：能源、工业、金融；账面市值比对平均周收益率的解释能力强的行业为：材料、可选消费。实证结果表明假设H1成立。

2．双因素模型

研究样本期为2000年1月1日～2010年12月31日。为防止时间序列数据产生伪回归的问题，对模型中所有变量进行ADF检验，单位根检验的t检验统计量均小于不同检验说明的三个Mackinnon临界值，满足平稳性要求。再针对各行业采用双因素模型进行回归分析，同时考虑了股票平均周收益率与β系数和账面市值比的相关性。

由表2可以看出，在样本期内，能源、材料、工业、可选消费和金融这五个行业的β系数通过t检验，β系数和股票收益率具有正相关性；材料、可选消费和金融行业的账面市值比与收益率具有负相关性。通过显著性水平得知，β系数对平均周收益率的解释能力强的行业为：能源、工业、金融；账面市值比对平均周收益率的解释能力强的行业为：材料、可选消费，这与单因素模型的结果一致。实证结果表明假设H1成立。

表2 双因素模型

（二）不同市场态势下各行业β系数和BM与股票收益率的相关性分析

研究样本期被分为3个熊市和2个牛市共五个时间段。针对各行业采用单因素和双因素模型进行回归分析，考虑了股票平均周收益率与β系数和账面市值比的相关性。

表3 熊市、牛市下的单因素模型

表4 熊市、牛市下的双因素模型

（续表）

由表3和表4，通过显著性水平得知：1）在熊市市场态势下，β系数对平均周收益率的解释能力强的行业为：材料、工业、可选消费、医疗保健、金融和公用事业，共6个行业，而且β系数与平均周收益率呈负相关关系；账面市值比对平均周收益率的解释能力强的行业为：能源和信息技术，共2个行业；日常消费在熊市市场态势下，β系数和账面市值比对平均周收益率都不具有解释能力；2）在牛市市场态势下，β系数对平均周收益率的解释能力强的行业为：材料、工业、可选消费、日常消费、医疗保健、金融、信息技术和公用事业，共8个行业，而且β系数与平均周收益率呈负相关关系；账面市值比对平均周收益率的解释能力强的行业只有能源行业，而且账面市值比与平均周收益率呈负相关关系；3）单因素和双因素模型的结果保持了很好的一致性，实证结果表明假设H1和H2成立。

（三）结果分析

根据表1～表4的实证结果，比较整个样本期间、熊市、牛市三个不同变化趋势的样本期，列出各行业关于周收益率的相关性解释能力最强的变量，如表5所示。

表5 整个样本期间、熊市和牛市的实证结果

由表5得到以下结论：1）考虑整个样本期间，实证结果表明β系数对平均周收益率的解释能力和账面市值比的解释能力相当，而且β系数与平均周收益率呈正相关关系；账面市值比与平均周收益率呈负相关关系；2）考虑熊市、牛市划分时间段，实证结果则表明β系数对平均周收益率的解释能力显然强于账面市值比的解释能力。而且在熊市市场环境下，β系数与平均周收益率呈负相关关系；在牛市市场环境下，β系数与平均周收益率呈正相关关系；3）不同时间段划分而言，各行业β系数和账面市值比与股票收益率的相关性分析结果差异显著。

三、结论

本文基于上证A股的上市公司2001年1月1日～2010年12月31日 共502 个 周 收 益 数 据，运 用Fama-MacBeth方法，进行了单因素和双因素模型的回归分析。在国内外学者研究的基础上，依据Wind行业分类方法，分行业研究了熊市、牛市和不区分市场态势三种情形下的β系数和账面市值比对股票收益率的影响，对政府、监管者、投资者和上市公司有一定的启发作用。研究结论如下：

1．各行业的β系数和账面市值比对股票收益率的相关性解释能力不同。股市是国民经济的晴雨表，股市能够提前反映经济周期的变动。由表1和表2可以得出，对于不受经济周期影响的非周期性行业，如：日常消费、医疗保健、公用事业，其股票收益率与β系数和账面市值比关系不够紧密。受经济周期影响的周期性行业，其股票收益率与β系数和账面市值比关系都比较紧密，如：能源、材料、工业、可选消费、金融。其中，能源、工业、金融是目前我国正蓬勃发展的朝阳行业，成长性行业，拥有高收益高回报的特点，其β系数对股票收益率的解释能力强，而且β系数与股票收益率呈正相关关系。对于周期性的信息技术表现出股票收益率与β系数和账面市值关系不够紧密，可能的原因是：信息技术是一门新兴产业，其产业特征和商业模式与传统工业相比，具有特殊性。此外，除能源行业外，其他行业的账面市值比与股票收益率呈负相关关系，说明我国证券市场并不存在明显的账面市值比效应，这与Gonenc和Karan所研究的土耳其市场的结论一致，与发达证券市场的结论相悖。

2．各行业的β系数和账面市值比对股票收益率的相关性解释能力受熊市、牛市的影响显著，而且β系数对股票收益率的解释能力显然强于账面市值比的解释能力。在熊市市场环境下，β系数与股票收益率呈正相关关系；在牛市市场环境下，β系数与股票收益率呈负相关关系。这证明了区分市场态势进行分析的重要性，在不同的市场态势下，β系数与股票收益率的关系有显著差异，更好地证实了CAPM模型，即β系数在资产定价中起着决定的作用。不同风险偏好的投资者可以依据β系数，结合市场态势，进行相应的投资组合决策。

3．各行业的β系数和账面市值比与股票收益率的相关性因时间段的划分不同而有显著差异。因此，综合考虑行业因素，有效区分市场态势，把握股票周期的转折点有助于政府及时准确地判断宏观经济形势，从而采取合理的财政政策和货币政策开展宏观调控，有利于投资者在进行投资的时候考虑长线和短线的结合，从而获得期望的股票收益，同时为上市公司和监管者及时了解证券市场的行业特征和规律提供思路。

[1]SHARPE W F.Capital Asset Prices:A Theory of Market Equilibrium under Conditions of Risk[J].Journal of Finance,1964,19(3):425-442.

[2]LINTNER J.The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets[J].Review of Economics and Statistics,1965,47(1):13-37.

[3]BLACK F.Capital Market Equilibrium with Restricted Borrowing[M].Journal of Business，1972,45(3):444-455.

[4]BLACK F,JENSON M,SCHOLES M.The Capital Asset Pricing Model:Some Empirical Tests[M].New York:Praeger,1972.

[5]FAMA E F,MACBETH J D.Risk,Return,and Equilibrium:Empirical Tests[J].Journal of Political Economy,1973,81(3):607-636.

[6]FAMA E F,FRENCH K R.The Cross-Section of Expected Stock Returns[J].Journal of Finance,1992,47(2):427-465.

[7]ROSENBERG B,REID K,LANSTEIN R.Persuasive Evidence of Market Inefficiency[J].Journal of Portfolio Management,1985,(11):9-17.

[8]CHAN K,HAMAO Y,LAKONISHOK J.Fundamentals and Stock Returns in Japan[J].Journal of Finance,1991,46(5):1739-1764.

[9]GONENC H,KARAN M B.Do Value Stocks Earn Higher Returns than Growth Stocks in an Emerging Market? Evidence from the Istanbul Stock Exchange[J].Journal of International Financial Management and Accounting,2003,14(1):1-25.

[10]朱宝宪,何治国.β值和账面市值比与股票收益的实证研究[J].金融研究,2002,262(4):71-79.

[11]贾权,陈章武.中国股市有效性的实证分析[J].金融研究,2003,277(7):86-92.

[12]吴世农,许年行.资产的理性定价模型和非理性定价模型的比较研究——基于中国股市的实证分析[J].经济研究,2004,(6):105-116.

[13]陈莹.中国股市账面-市值比效应的检验及解释[J].证券市场导报,2008,(2):35-41．

[14]MERTON R C.An Intertemporal Capital Asset Pricing Model[J].Econometrica,1973,41(5):867-887.

[15]ROSS S.The Arbitrage Theory of Capital Asset Pricing[J].Journal of Economic Theory,1976,13(3):341-360.

[16]LESSARD D.World,National,and Industry Factors in Equity Returns[J].Journal of Finance,1974,29(3):379-391.

[17]ROLL R.Industrial Structure and The Comparative Behavior of International Stock Market Indices[J].Journal of Finance,1992,47(1):3-41.

[18]MOSKOWITZ T J,GRINBLATT M.Do Industries Explain Momentum? [J].Journal of Finance,1999,54(4):1249-1290.

[19]范龙振,王海涛.中国股票市场行业与地区效应分析[J].管理工程学报,2004,6(1):117-119.

[20]劳兰 珺,邵玉敏.中国股票市场行业收益率序列动态聚类分析[J].财经研究,2004,30(11):75-82.

[21]陈健,曾世强,李湛.中国股票市场行业风险结构的实证分析[J].系统工程,2007,25(12):53-57.

[22]PAGAN A R,SOSSOUNOV K A.A simple framework for analyzing bull and bear markets[J].Journal of Applied Econometrics,2003,(18):23-46.