葡萄酒行业个股？茁系数的稳定性研究

曹慧+王静

【摘 要】 运用葡萄酒行业个股的周收益率数据，考察葡萄酒行业个股？茁系数的稳定性。以单因素模型（SIM）为基础，运用一元线性回归法估计？茁系数并运用SPSS软件对回归过程进行显著性检验。通过对？茁系数时间序列的描述性统计分析及ADF检验得出：第一，从长期来看，自上市以来葡萄酒行业个股的？茁系数较为稳定，长期投资者可以将？茁系数作为投资决策的依据;第二，从短期来看，近5年葡萄酒行业个股的？茁系数不太稳定且其波动趋势也不尽相同，？茁系数对短期投资者而言参考价值不是特别大;第三，葡萄酒行业各个股票的？茁系数时间序列是平稳的，这为投资者进行个股？茁系数的预测提供了可靠依据。

【关键词】 ？茁系数; 葡萄酒行业; 稳定性; ADF检验

中图分类号：F832.48  文献标识码：A  文章编号：1004-5937（2014）34-0102-06

？茁系数也称为贝塔系数（Beta Coefficient），用以度量一种证券或一个投资证券组合相对总体市场的波动性，是一种风险指数。从20世纪70年代开始，国内外许多学者对贝塔系数的稳定性进行了研究。对于单只股票的贝塔系数是否稳定，或者有哪些时变规律，众多学者的研究表述不一。国外有学者认为，在一定条件下，？茁系数稳定性提高，如Marshall E.Blume（1971）（1975），但国外大部分学者认为？茁系数呈现不稳定性，如Fabozzi和Francis（1978），Robert D.Brooks等（1998）。国内绝大多数研究者认为？茁系数呈现不稳定：有些研究者认为无论是单只股票还是股票组合，贝塔系数都不具稳定性，如沈艺峰、洪锡熙（1999）;有些研究者则认为随着上市时间的加长，股票贝塔系数越来越不稳定，如靳云汇、李学（2000）;还有些研究者认为从长期来讲，大多数股票的贝塔系数不稳定，其稳定性在证券法实施以后变低了，而股票组合可以增加贝塔系数的稳定性，如苏卫东、张世英（2002）。有些学者研究认为？茁系数呈现稳定性，如高鸿祯、郭济敏（1999）;还有一些学者则认为？茁系数在短期内呈现稳定性，如赵景文（2005）。本文旨在对葡萄酒行业单只股票的？茁系数稳定性进行研究分析。

一、？茁系数的计算依据

（一）模型的选取

资本资产定价模型（Capital Asset Pricing Model 简称CAPM）是由美国学者夏普（William Sharpe，1964）、林特勒（John Lintner，1965）和莫辛（Jan Mossin，1966）等人在投资组合理论的基础上提出的，在投资学中占有很重要的地位，并在投资决策和公司理财中得到了广泛运用。但在实证研究中，通常不用资本资产定价模型来估计证券的？茁值，而是用单因素模型。这是因为CAPM的假设条件太多，模型过于理想化，并且对市场的有效性有很高的要求，而我国证券市场尚不能满足CAPM的假设条件。宋晓杰（2003）在《夏普单指数模型对我国股票市场的适用性分析》中，通过理论评估和事后检验，得出结论：单因素模型的应用效果比较好。因此本文以单因素模型为基础。

单因素模型为：Ri t=ai+？茁iRm  t+ei t   （1）

其中：Ri t表示股票i在时间t时的实际收益率;Rm t表示市场组合在时间t时的实际收益率;ai表示截距项;？茁i表示股票i贝塔系数，它衡量的是系统性风险;ei t表示随机误差项，该随机误差项的期望值为0。

虽然从严格意义上讲，资本资产定价模型中的？茁值与单因素模型中的？茁值是有区别的，前者相对于整个市场组合而言，后者相对于某个市场指数而言，但是在实际操作中，由于不能确切知道市场组合的构成，所以一般用市场指数来代替，因此可以用单因素模型所得出的？茁值来代替资本资产定价模型中的？茁值。又因为不知道投资者的预测值，所以只能根据历史数据对一定时期内的？茁值进行估算，并把它当作CAPM中的？茁的预测值来使用。

（二）研究对象及数据来源

本文的研究对象为葡萄酒行业单只股票，分别是：中葡股份（600084）、张裕A（000865）、通葡股份（600365）和莫高股份（600543）。

在实证研究中，通常使用股票市场指数代替市场组合，又由于本文研究对象中的4只股票均为中国股市A股股票，有3只股票（中葡股份、通葡股份、莫高股份）属于上海A股，1只股票（张裕A）属于深圳A股，故选取A股指数作为市场组合。

本文所用的原始数据取自南京证券鑫易通综合服务平台。

（三）数据的截取区间

在计算？茁值的过程中，涉及到数据时间段的截取。其遵循的原则是该时间段所计算的？茁值应该是最能反映现存风险的？茁值，在这段时间里，公司的杠杆和业务结构应该相对稳定。因此，本文在计算？茁值时选择一年（12个月或48周）为时间段，分别计算4只股票自上市以来到2012年各年度的？茁值。其有效年份的？茁个数分别为：中葡股份（600084）15个、张裕A（000865）12个、通葡股份（600365）12个和莫高股份（600543）9个。

（四）收益率计算频率的选取及计算

理论上，计算频率越短，计算的收益率结果越精确，也更能反映真实情况。目前，许多大型投资公司采用月数据来计算？茁值，也采用周数据。因此，本文将抽样选取一只股票，分别采用周数据和月数据计算？茁值，结合回归直线对数据的拟合优度进行比较，选择更合适的收益率计算频率。

个股及市场组合的收益率计算公式：

本期收益率=（本期收盘价-上期收盘价）/上期收盘价 （2）

（五）？茁值的计算方法：回归分析法

利用证券特征线，采用回归分析法，拟合葡萄酒行业单只股票收益率与以A股指数为依据的市场组合收益率的回归方程：

yi=ai+bix   （3）

其中：yi为股票i月（或周）收益率;x为市场组合月（或周）收益率;ai为回归方程截距;bi为回归系数，也是特征线的斜率，即单只股票的？茁值。

二、？茁系数的估算和检验

（一）收益率计算频率的确定

以中葡股份为例，剔除1997年以前以及2006年、2007年和2008年的无效时间后，分别采用有效的周数据和月数据计算？茁值，比较回归直线对数据的拟合优度，拟合优度的判定系数为R2（如表1）。

一般情况下，某一回归直线对所观测数据的拟合程度用判定系数R2来衡量。由表1可以看出，以周数据为依据的回归直线对观测数据的拟合程度，15年中有10年优于以月数据为依据的回归直线对观测数据的拟合程度，因此，在接下来的？茁系数估算过程中，收益率的计算频率定为“周”。

（二）葡萄酒行业单只股票？茁系数的估算结果及显著性检验

利用葡萄酒行业单只股票自上市以来的有效周收益率和A股指数的周收益率，运用SPSS软件进行线性回归分析，并在0.05的显著性水平下进行显著性检验，得出葡萄酒行业单只股票自上市以来每年的？茁系数及显著性检验的计量值（见表2）。

运用F统计量检验回归方程的显著性。F的观测值对应显著性的概率P值（Sig.）<？琢（0.05）时，回归方程高度显著。由表2可知，葡萄酒行业单只股票的回归方程中，高度显著的回归方程占比分别为：中葡股份86.7%、张裕A83.3%、通葡股份91.7%和莫高股份100%。运用t统计量检验回归系数的显著性。由表2可知，葡萄酒行业单只股票的回归方程中，t的观测值对应显著性概率P值（sig）<？琢（0.05），即回归系数高度显著的占比分别为：中葡股份86.7%、张裕A83.3%、通葡股份91.7%和莫高股份100%。运用判定系数R2检验回归方程的拟合优度。由表2可以看出回归方程拟合优度尚可接受。

三、？茁系数的稳定性

（一）？茁系数的描述统计分析

通过SPSS对葡萄酒行业每只股票自上市以来每年的？茁系数进行描述统计分析。4只股票？茁系数的方差分别为中葡股份（600084）0.117、张裕A（000869）0.168、通葡股份（600365）0.070和莫高股份（600543）0.074，表明葡萄酒行业单只股票？茁系数稳定性不是很显著。相对而言，4只股票？茁系数的稳定性由高到低依次是通葡股份、莫高股份、中葡股份和张裕A。4只股票？茁系数的均值分别为中葡股份0.786、张裕A0.756、通葡股份1.051和莫高股份0.981。从均值可以看出，莫高股份（600543）和通葡股份（600365）的？茁系数均值接近于1，表明莫高股份（600543）和通葡股份（600365）的风险收益率和风险接近于市场组合平均水平。而中葡股份（600084）和张裕A（000869）的？茁系数均值在0.75左右，表明中葡股份（600084）和张裕A（000869）的风险收益率偏小于市场组合平均风险收益率，也意味着中葡股份（600084）和张裕A（000869）的风险程度略小于整个市场投资组合的风险。

从长期来看，自上市以来葡萄酒行业单只股票的？茁系数较为稳定，这与苏卫东、张世英（2002）的观点较为一致。葡萄酒行业中有3只股票的？茁系数较为稳定，分别是中葡股份（600084）、通葡股份（600365）、莫高股份（600543）（如图1）。中葡股份历年？茁系数直方图中，虽有三个高点0.4～0.6区间、0.8～1.0区间和1.2～1.4区间，但最高的高点仍是0.8～1.0区间。通葡股份（600365）和莫高股份（600543）？茁系数直方图中都只有一个高点，分别是1.0～1.2区间和0.8～1.0区间。理论上？茁系数是趋于1的，因此可以看出这3只股票的？茁系数较为稳定。相对而言，张裕（000869）？茁系数直方图中有三个高点，且最高点在0.25～0.5区间，其？茁系数稳定性不高。总的来说，长期葡萄酒行业单只股票的？茁系数较为稳定。

从短期来看，近5年葡萄酒行业单只股票的？茁系数不稳定且其波动趋势也不尽相同，这与赵景文（2005）的观点截然相反。观察葡萄酒行业个股？茁系数的时间序列图（见图2），近5年中葡股份（600084）2008年、2010年和2012年的？茁系数水平基本趋于一致，2009年达到最小值，2011年达到最大值;张裕A（000869）的？茁系数2008—2011年基本处于同一水平，在2012年大幅上扬。从图2中可以更直观的看出，中葡股份（600084）和张裕A（000869）？茁系数的变化方向截然相反。而通葡股份（600365）和莫高股份（600543）的？茁系数近5年变化趋势大致相同，2008—2011年变化方向及幅度基本一致，2012年变化方向却相反。总之，同行业中个股的？茁系数变化是不同的。

（二）？茁系数的时间序列分析

通过自上市以来中葡股份（600084）、张裕A（000869）、通葡股份（600365）和莫高股份（600543）的？茁系数（如表2），并根据图2可判断葡萄酒行业个股的？茁系数序列的变化形态以及随时间的变化趋势。

从图2中可以看出，中葡股份（600084）的？茁系数最大值和最小值分别出现于2011年和2006年;张裕A（000869）的？茁系数最大值和最小值分别出现于2012年和2010年;通葡股份（600365）的？茁系数最大值和最小值分贝出现于2001年和2005年;莫高股份（600543）的？茁系数最大值和最小值分别出现于2012年和2010年。单娟、刘涛（2011）在《？茁系数的影响因素研究综述》中指出，？茁系数差异的影响因素主要有三大类：宏观经济因素（如经济周期、利率、通货膨胀等）、公司的基本特征（如公司的规模、财务结构等）和公司的行业类别及所归属的经济部门。葡萄酒行业4只股票？茁系数的最小值出现在2008年的前后两年。究其原因，可能是2008年金融危机对股市的影响，葡萄酒行业个股对各类经济变量的反应程度降低，其？茁系数也随之减小。最大值的出现，可能是由于公司本身规模和财务结构的改善，提高了该公司对各类经济变量的反应程度，从而？茁系数也随之增大。正是由于各类因素对？茁系数的影响，？茁系数折叠时间序列图中所体现的葡萄酒行业个股的？茁系数循环波动并没有趋同，且其周期性也不太明显，更多显示波动的随机性。所以，由散点图可以粗略判断葡萄酒行业个股？茁系数的时间序列是平稳的。

考虑到对下一年？茁系数发展趋势的预测，接下来需要对葡萄酒行业个股？茁系数的时间序列平稳性进行ADF检验。

检验假设：

零假设H0：d=0，即存在一单位根，则序列非平稳。备择假设H1：d<0，则序列平稳。

检验式形式：

模型1：？驻Xt=？啄Xt-1+■λi？驻Xt-i+？着t

模型2：？驻Xt=？琢+？啄Xt-1+■λi？驻Xt-i+？着t

模型3：？驻Xt=？琢+？渍t+？啄Xt-1+■λi？驻Xt-i+？着t

其中？驻Xt表示序列Xt的一阶差分，t表示时间，？着t为白噪声过程，？琢、？渍、？啄和λ均为参数。模型1不包含常数项和趋势项，模型2仅包含常数项，模型3包含常数项和趋势项。实际检验时从模型3开始，然后模型2、模型1。何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时检验停止;否则，就要继续检验，直到检验完模型1为止。检验结果如表3。

从表3可以看出，中葡股份？茁系数序列与模型3检验式对应的单位根统计量ADF=-3.618017小于10%显著水平临界值-3.342253，因此拒绝原假设，即没有单位根，该序列式是平稳的;张裕A ？茁系数序列与模型2检验式对应的单位根统计量ADF=-2.738410小于10%显著水平临界值-2.728985，因此拒绝原假设，即没有单位根，该序列式是平稳的;通葡股份？茁系数序列与模型3检验式对应的单位根统计量ADF= -4.249256小于5%显著水平临界值-3.933364，因此拒绝原假设，即没有单位根，该序列式是平稳的;莫高股份？茁系数序列与模型2检验式对应的单位根统计量ADF=-4.012580小于5%显著水平临界值-3.403313，因此拒绝原假设，即没有单位根，该序列式是平稳的。所以，自上市以来葡萄酒行业单只股票的？茁系数时间序列是较平稳的。这对？茁系数的预测有很重要的意义。

四、结束语

本文运用Excel、SPSS、EViews等统计软件，根据葡萄酒行业单只股票自上市以来的周收益率，估算了个股的？茁系数并通过对？茁系数时间序列进行描述统计分析和ADF检验判断其稳定性，结果显示：

1.从长期来看，自上市以来葡萄酒行业单只股票的？茁系数较为稳定。虽然有个别股票？茁系数稳定性不是很高，但总的来说，长期葡萄酒行业单只股票的？茁系数较为稳定，因此长期投资者可以将？茁系数作为投资决策的依据。

2.从短期来看，近5年葡萄酒行业单只股票的？茁系数不太稳定且其波动趋势也不尽相同，因此？茁系数对短期投资者而言参考的价值不是特别大。研究者在接下来的研究中可以对短期葡萄酒行业单只股票的？茁系数不稳定的影响因素作进一步分析。

3.经过对葡萄酒行业各个股票的？茁系数时间序列的ADF检验，得知？茁系数时间序列是平稳的，这为投资者进行个股？茁系数的预测以及研究者对？茁系数预测的研究都提供了可靠的依据。●

【参考文献】

[1] Blume  M  E.  On  the assessment of risk[J]. The Journal of Finance，1971，26（1）：1-10.

[2] Blume M E. Betas and their regression tendencies[J]. The Journal of Finance， 1975， 30（3）：785-795.

[3] Fabozzi，F.J.，Francis，J.C. Beta as a random coefficient[J].Journal Financial and Quantitative Analysis，1978，13（l）：101-116.

[4] Robert  D.Brooks， Robert W. Faff， Mohamed Ariff. An investigation into the extent of Beta instability in the Singapore stock market[J]. Pacific-Basin Finance Journal，1998（6）：87-101.

[5] 沈艺峰，洪锡熙.我国股票市场贝塔系数的稳定性检验[J].厦门大学学报（哲学社会科学版），1999 （4）： 62-68.

[6] 靳云汇，李学.中国股市？茁系数的实证研究[J].数量经济技术经济研究，2000（1）：18-23.

[7] 苏卫东，张世英.上海股市？茁系数的稳定性检验[J].预测，2002，21（2）：44-46.

[8] 高鸿桢，郭济敏.上海股票市场？茁系数稳定性的实证研究[J].中国经济问题，1999（2）：29-33.

[9] 赵景文. 中国 A 股股票相邻两期？茁系数稳定性的 Chow 检验[J].数理统计与管理，2005，24（6）：107-112.

[10] 宋晓杰.夏普单指数模型对我国股票市场的适用性分析[J].吉林工程技术师范学院学报，2003（8）：61-64.

[11] 单娟，刘涛.？茁系数的影响因素研究综述[J].中国证券期货，2011（6）：157-158.

考虑到对下一年？茁系数发展趋势的预测，接下来需要对葡萄酒行业个股？茁系数的时间序列平稳性进行ADF检验。

检验假设：

零假设H0：d=0，即存在一单位根，则序列非平稳。备择假设H1：d<0，则序列平稳。

检验式形式：

模型1：？驻Xt=？啄Xt-1+■λi？驻Xt-i+？着t

模型2：？驻Xt=？琢+？啄Xt-1+■λi？驻Xt-i+？着t

模型3：？驻Xt=？琢+？渍t+？啄Xt-1+■λi？驻Xt-i+？着t

其中？驻Xt表示序列Xt的一阶差分，t表示时间，？着t为白噪声过程，？琢、？渍、？啄和λ均为参数。模型1不包含常数项和趋势项，模型2仅包含常数项，模型3包含常数项和趋势项。实际检验时从模型3开始，然后模型2、模型1。何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时检验停止;否则，就要继续检验，直到检验完模型1为止。检验结果如表3。

从表3可以看出，中葡股份？茁系数序列与模型3检验式对应的单位根统计量ADF=-3.618017小于10%显著水平临界值-3.342253，因此拒绝原假设，即没有单位根，该序列式是平稳的;张裕A ？茁系数序列与模型2检验式对应的单位根统计量ADF=-2.738410小于10%显著水平临界值-2.728985，因此拒绝原假设，即没有单位根，该序列式是平稳的;通葡股份？茁系数序列与模型3检验式对应的单位根统计量ADF= -4.249256小于5%显著水平临界值-3.933364，因此拒绝原假设，即没有单位根，该序列式是平稳的;莫高股份？茁系数序列与模型2检验式对应的单位根统计量ADF=-4.012580小于5%显著水平临界值-3.403313，因此拒绝原假设，即没有单位根，该序列式是平稳的。所以，自上市以来葡萄酒行业单只股票的？茁系数时间序列是较平稳的。这对？茁系数的预测有很重要的意义。

四、结束语

本文运用Excel、SPSS、EViews等统计软件，根据葡萄酒行业单只股票自上市以来的周收益率，估算了个股的？茁系数并通过对？茁系数时间序列进行描述统计分析和ADF检验判断其稳定性，结果显示：

1.从长期来看，自上市以来葡萄酒行业单只股票的？茁系数较为稳定。虽然有个别股票？茁系数稳定性不是很高，但总的来说，长期葡萄酒行业单只股票的？茁系数较为稳定，因此长期投资者可以将？茁系数作为投资决策的依据。

2.从短期来看，近5年葡萄酒行业单只股票的？茁系数不太稳定且其波动趋势也不尽相同，因此？茁系数对短期投资者而言参考的价值不是特别大。研究者在接下来的研究中可以对短期葡萄酒行业单只股票的？茁系数不稳定的影响因素作进一步分析。

3.经过对葡萄酒行业各个股票的？茁系数时间序列的ADF检验，得知？茁系数时间序列是平稳的，这为投资者进行个股？茁系数的预测以及研究者对？茁系数预测的研究都提供了可靠的依据。●

【参考文献】

[1] Blume  M  E.  On  the assessment of risk[J]. The Journal of Finance，1971，26（1）：1-10.

[2] Blume M E. Betas and their regression tendencies[J]. The Journal of Finance， 1975， 30（3）：785-795.

[3] Fabozzi，F.J.，Francis，J.C. Beta as a random coefficient[J].Journal Financial and Quantitative Analysis，1978，13（l）：101-116.

[4] Robert  D.Brooks， Robert W. Faff， Mohamed Ariff. An investigation into the extent of Beta instability in the Singapore stock market[J]. Pacific-Basin Finance Journal，1998（6）：87-101.

[5] 沈艺峰，洪锡熙.我国股票市场贝塔系数的稳定性检验[J].厦门大学学报（哲学社会科学版），1999 （4）： 62-68.

[6] 靳云汇，李学.中国股市？茁系数的实证研究[J].数量经济技术经济研究，2000（1）：18-23.

[7] 苏卫东，张世英.上海股市？茁系数的稳定性检验[J].预测，2002，21（2）：44-46.

[8] 高鸿桢，郭济敏.上海股票市场？茁系数稳定性的实证研究[J].中国经济问题，1999（2）：29-33.

[9] 赵景文. 中国 A 股股票相邻两期？茁系数稳定性的 Chow 检验[J].数理统计与管理，2005，24（6）：107-112.

[10] 宋晓杰.夏普单指数模型对我国股票市场的适用性分析[J].吉林工程技术师范学院学报，2003（8）：61-64.

[11] 单娟，刘涛.？茁系数的影响因素研究综述[J].中国证券期货，2011（6）：157-158.

考虑到对下一年？茁系数发展趋势的预测，接下来需要对葡萄酒行业个股？茁系数的时间序列平稳性进行ADF检验。

检验假设：

零假设H0：d=0，即存在一单位根，则序列非平稳。备择假设H1：d<0，则序列平稳。

检验式形式：

模型1：？驻Xt=？啄Xt-1+■λi？驻Xt-i+？着t

模型2：？驻Xt=？琢+？啄Xt-1+■λi？驻Xt-i+？着t

模型3：？驻Xt=？琢+？渍t+？啄Xt-1+■λi？驻Xt-i+？着t

其中？驻Xt表示序列Xt的一阶差分，t表示时间，？着t为白噪声过程，？琢、？渍、？啄和λ均为参数。模型1不包含常数项和趋势项，模型2仅包含常数项，模型3包含常数项和趋势项。实际检验时从模型3开始，然后模型2、模型1。何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时检验停止;否则，就要继续检验，直到检验完模型1为止。检验结果如表3。

从表3可以看出，中葡股份？茁系数序列与模型3检验式对应的单位根统计量ADF=-3.618017小于10%显著水平临界值-3.342253，因此拒绝原假设，即没有单位根，该序列式是平稳的;张裕A ？茁系数序列与模型2检验式对应的单位根统计量ADF=-2.738410小于10%显著水平临界值-2.728985，因此拒绝原假设，即没有单位根，该序列式是平稳的;通葡股份？茁系数序列与模型3检验式对应的单位根统计量ADF= -4.249256小于5%显著水平临界值-3.933364，因此拒绝原假设，即没有单位根，该序列式是平稳的;莫高股份？茁系数序列与模型2检验式对应的单位根统计量ADF=-4.012580小于5%显著水平临界值-3.403313，因此拒绝原假设，即没有单位根，该序列式是平稳的。所以，自上市以来葡萄酒行业单只股票的？茁系数时间序列是较平稳的。这对？茁系数的预测有很重要的意义。

四、结束语

本文运用Excel、SPSS、EViews等统计软件，根据葡萄酒行业单只股票自上市以来的周收益率，估算了个股的？茁系数并通过对？茁系数时间序列进行描述统计分析和ADF检验判断其稳定性，结果显示：

1.从长期来看，自上市以来葡萄酒行业单只股票的？茁系数较为稳定。虽然有个别股票？茁系数稳定性不是很高，但总的来说，长期葡萄酒行业单只股票的？茁系数较为稳定，因此长期投资者可以将？茁系数作为投资决策的依据。

2.从短期来看，近5年葡萄酒行业单只股票的？茁系数不太稳定且其波动趋势也不尽相同，因此？茁系数对短期投资者而言参考的价值不是特别大。研究者在接下来的研究中可以对短期葡萄酒行业单只股票的？茁系数不稳定的影响因素作进一步分析。

3.经过对葡萄酒行业各个股票的？茁系数时间序列的ADF检验，得知？茁系数时间序列是平稳的，这为投资者进行个股？茁系数的预测以及研究者对？茁系数预测的研究都提供了可靠的依据。●

【参考文献】

[1] Blume  M  E.  On  the assessment of risk[J]. The Journal of Finance，1971，26（1）：1-10.

[2] Blume M E. Betas and their regression tendencies[J]. The Journal of Finance， 1975， 30（3）：785-795.

[3] Fabozzi，F.J.，Francis，J.C. Beta as a random coefficient[J].Journal Financial and Quantitative Analysis，1978，13（l）：101-116.

[4] Robert  D.Brooks， Robert W. Faff， Mohamed Ariff. An investigation into the extent of Beta instability in the Singapore stock market[J]. Pacific-Basin Finance Journal，1998（6）：87-101.

[5] 沈艺峰，洪锡熙.我国股票市场贝塔系数的稳定性检验[J].厦门大学学报（哲学社会科学版），1999 （4）： 62-68.

[6] 靳云汇，李学.中国股市？茁系数的实证研究[J].数量经济技术经济研究，2000（1）：18-23.

[7] 苏卫东，张世英.上海股市？茁系数的稳定性检验[J].预测，2002，21（2）：44-46.

[8] 高鸿桢，郭济敏.上海股票市场？茁系数稳定性的实证研究[J].中国经济问题，1999（2）：29-33.

[9] 赵景文. 中国 A 股股票相邻两期？茁系数稳定性的 Chow 检验[J].数理统计与管理，2005，24（6）：107-112.

[10] 宋晓杰.夏普单指数模型对我国股票市场的适用性分析[J].吉林工程技术师范学院学报，2003（8）：61-64.

[11] 单娟，刘涛.？茁系数的影响因素研究综述[J].中国证券期货，2011（6）：157-158.