股票异质性的CAPM实证检验

2018-05-07李起铨欧芷晴骆威

金融发展研究 2018年3期

李起铨　欧芷晴　骆威

摘要：本文针对 CAPM 模型在中国股票市场的适用性进行了实证检验，根据行业分类抽取上海证券交易所2013—2015年216只股票作为样本，分别进行时间序列和横截面分析。另外，考量不同行业地位的股票对市场风险敏感程度的差异，将样本股分为市场领导企业和市场落后企业，结果表明CAPM 模型在中国不具适用性，大多数投资者更多地关注于短期获利行为而不是选择长期持有股票的投资策略，市场落后企业相较于市场领导企业有较多的投机机会与投机活动。

关键词：CAPM模型；资产定价；系统风险；行业地位

中图分类号：F830.91 文献标识码：A 文章编号：1674-2265（2018）03-0056-06

DOI：10.19647/j.cnki.37-1462/f.2018.03.009

一、引言

资产定价是现代金融经济学研究的核心问题，马科维茨（Markowitz，1952）提出了均值—方差投资组合理论，其主要的贡献在于将资产组合的收益与风险进行量化，奠定了资产组合管理理论的基石。20世纪60年代，美国学者夏普（Sharpe，1964）、林特尔（Lintner，1965）和莫辛（Mossin，1966）等在马科维茨资产组合理论的基础上，基于市场竞争以及投资人同质性预期的假设，建立资本资产定价模型（Capital Asset Pricing Model，简称CAPM），说明风险性资产收益与其风险的数量关系，通过此模型不但可以清楚地了解资产的预期收益率与市场风险之间的互动关系，也能够提供在风险和收益不确定的条件下资产的均衡定价，因此在资本市场的各个领域得到广泛的应用（包括证券估值、投资风险与收益的衡量、投资组合的绩效评估和公司理财中资金成本的测算），成为现代金融理论的支柱。

虽然CAPM可以改进并完善资本市场的运行规律，但国内外对于CAPM 在资本市场的适用性目前仍存在许多争论，与西方成熟的资本市场相比，中国股票市场具有一定的特殊性，使得资产的期望收益率与其系统风险（Beta）之间的均衡关系面临着严峻挑战，因此，探讨CAPM模型有效性对资本市场的每位参与者具有现实性的指导意义。本文通过对中国股票市场的分析，试图回答以下问题：预期收益率与系统风险的互动关系；验证市场上是否会存在套利机会或投机行为，探究CAPM模型是否适用于中国股票市场。此外，更进一步考虑股票异质性对CAPM实证检验的影响，分析处于市场领导地位股票和处于落后地位的股票对于CAPM的适用程度是否有所不同。通過上述的分析，可以帮助投资者了解中国股票市场不同性质的股票对于系统风险敏感程度的差异，为投资者拟定投资决策提供参考性建议。

二、文献综述

西方学者在20世纪中期开始对CAPM模型进行实证分析，Black、Jensen和Scholes（1972）以及Fama 和MacBeth（1973）对1969年之前的数据进行检验，在CAPM模型的理论基础上，提出了横截面回归的思想，试图用往期估计的风险变量来预测投资组合未来的收益率，结果表明平均股票收益与系统风险系数之间呈正相关关系，证实了CAPM模型在美国资本市场的有效性。然而，Fama和French（1992）利用1962—1989年间的数据进行实证分析，结果却发现股票收益与系统风险并无显著相关，CAPM模型并非有效。后续文献发现在20世纪70年代之后平均股票收益与系统风险之间的正相关关系变得越来越不明显（Reginganum，1981；Lakonishok和Shapiro，1986）。

靳云汇和刘霖（2001）认为与西方成熟的资本市场相比，中国股票市场的特殊性体现在以下两个方面：其一，它是一个新兴市场，存在许多不完善的地方，如以散户为主体、投资者的短期投机性动机很强、禁止卖空等限制；其二，它仍然保留了许多计划经济的特性。这些特殊性使得研究CAPM在中国股票市场的适用性显得格外重要，大量的文献开始对资本资产定价理论进行实证研究。何惠珍（2012）以中国股票市场为研究对象，选取2007—2012的月度数据进行回归分析，结果表明CAPM 在我国的股票市场适用性较高。然而，高扬和陶媛（2007）利用传统的时间序列和横截面相结合的检验方法对上海股票市场 2004—2007 年间100只股票的周收益率进行实证分析，检验结果表明β系数和股票预期收益率之间不仅不存在正相关的关系，而且也不存在线性关系。王军超（2012）以上证180指数的成分股为研究对象，选取了2007—2008之间交易的 807只股票的月收益率数据，利用双层回归分析进行实证研究，结果表明β系数在CAPM 检验中并不稳定，导致β系数和股票收益率之间相关性的不稳定，在大部分时间里，无风险收益为负数，这说明在上海证券市场中存在着投机性，标准的 CAPM 模型不足以解释股票收益率。同样，王军和耿建（2012）、董大宇（2014）、张虎和邹媛媛（2016）也证实该模型不适用于中国股票市场，虽然近几年有部分学者以投资人的异质信念或是投资者情绪验证CAPM的有效性，例如朱宏泉、余江和陈林（2016）、张一和刘志东（2017），但仍无法得到一致的结论。

综上所述，虽然近几年国内外学者大部分认为CAPM模型不适用于股票市场，但是过去研究大多从某个具体行业角度，或者从整个股票市场的角度出发来研究CAPM的适用性，较少有针对股票性质进行细致的划分。本文在研究整个股票市场的同时，依据企业综合实力的强弱来划分处于市场领导地位股票和处于落后地位的股票，由于上述两类股票性质不同，抵抗市场风险能力也有所不同，这使得我们有必要再次检视CAPM的适用程度。本文选取 2013年1月至 2015 年12月这三年的样本数据，采用回归分析方法（横截面检验）对CAPM模型进行检验，据以了解CAPM模型是否适用于中国股票市场。由于股票收益与风险的关系变动对投资者和经营者的投资决策行为具有较大影响，使得本文的研究更具有实质意义。

三、理论模型分析及假设提出

资本资产定价模型以证券组合投资理论为基础，对于资本市场提出了市场竞争和投资人具有同质性预期两大假设，具体为：（1）无税赋和无交易成本；（2）没有投资人的财富大到可以影响价格；（3）所有相关信息都可以被公开和取得；（4）所有证券都可以交易，所有投资人以无风险的收益率作为借贷利率，且可以无数次借贷；（5）所有投资者都在同一证券持有期内规划自己的投资行为；（6）投资者均为理性，采用马科维茨的最优投资组合选择模型。CAPM 理论认为当证券市场达成均衡时，个别资产的期望收益率为：

五、实证分析

（一）时间序列分析

1. 个股系统风险系数β的描述性分析。本文首先利用模型（5）对第一期数据进行个股[β]值的回归估计，结果显示在216次回归中，接近99%的股票[α]的p值大于1%的显著性水平，检验结果无法拒绝α为零原假设，[α]不存在。另一方面，将近73%的股票[β]系数的P值小于5%的显著性水平，拒绝[β=0]的原假设，虽然证明系统风险的存在，但仍有部分股票的收益率受系统风险的影响并不是十分明显，可能是由于单只股票的非系统性风险较大，CAPM 检验偏差较大。为了使检验结果更为精确，本文通过构造投资组合的方式来分散非系统性风险，进而研究系统性风险与收益的关系。

2. 投资组合收益与风险关系的检验。大量研究指出，投资组合中如果包含7—10只股票，约可以分散近90%的非系统风险（陈健、胡文伟和李湛，2008；杨继平和张力健，2015等），因此本文将第一阶段算出的216只股票按β系数值大小排序，分成18个投资组合，每組共12只股票。利用模型（6）对第二期数据进行投资组合β值的回归估计，结果如表1所示，大多数股票组合的风险溢价与市场组合的风险溢价具有正向关系，且将近83%的投资组合的[β]系数在5%的显著性水平下达到统计显著，证明以投资组合的方式检验收益与风险的关系具有比较好的效果。

另外，由于CAPM理论主要说明市场风险与收益率的关系，处于不同行业地位的企业对于市场风险的敏感度可能具有差异性，因此本文根据企业近三年所处的行业地位高低，将全样本数据分为处于市场领导地位股票和处于落后地位股票这两大类别，采用相同的方法将股票的β系数值按大小排序，分得每个类别各9个投资组合，每组共12只股票。从表2、表3可得，当进一步将整体企业样本区分为市场领导企业与市场落后企业时，所有市场领导股的组合系统风险的测度值比较大，且在1%的显著性水平下达到统计显著，回归方程的解释能力较强。所有市场落后企业的组合系统风险的测度值不但小而且不显著，说明市场落后股收益与风险不存在相互关系。

（二）横截面回归检验

如前所述，检验CAPM理论的最后一个步骤即是利用模型（7）对第三期数据进行收益与风险的横截面回归，回归结果如表4所示，R2=0.3451247，样本的拟合度较低，λ1虽然在5%的显著性水平下达到统计显著，但其数值为负，表示风险与收益成反比，违背了CAPM理论假设，此外，λ0的p值小于1%的显著水平，说明λ0显著异于零且与无风险收益率存在偏差，市场存在投机行为。因此，从整体看，CAPM模型并不适用于中国股票市场。另一方面，由表4可以得知，不同行业地位企业的异质性也会对检验结果产生影响，市场领导企业的λ1为正，表明风险与收益之间存在正向关系，而落后企业的λ1为负，说明风险与收益存在反向关系，但这些关系并未达到统计显著。此外，无论是市场领导企业还是落后企业的λ0皆显著异于零，但市场落后企业λ0的数值远大于市场领导企业，与无风险收益率存在较大偏差，市场上会有较多的投机机会与投机活动发生。因此，从这两个类别的数据来看，CAPM模型在市场落后企业适用的可能性低于市场领导企业。

回归结果如表5所示，无论是从样本整体，还是从企业行业地位高低的角度来看，加入了变量β2之后，R2值均增大，表明样本的拟合度变强，模型的解释能力变好，然而在1%的显著性水平下，各类样本企业中β和β2的p值均不显著，说明投资组合的收益率与β和β2均不存在线性关系。同时λ0达到统计显著，再次说明中国股票市场上存在投机行为。

由以上分析可知，投资组合的收益率与系统风险之间的关系并不显著。本文进一步考虑其他风险因素对收益率造成的影响与效果，根据FM模型理论，加入变量[σ]考量非系统风险对于收益率的影响程度，计量模型为：

[Rpt=λ0+λ1βpt+λ2β2pt+λ3σpt+εp] （9）

回归结果如表6所示，加入变量[σ]后，市场落后企业R2值与模型（8）相比明显增大，样本的拟合度变好，说明非系统风险相比于系统风险可能对于市场落后企业收益率的影响较大，但由于这两个变量的p值均大于1%的显著水平，说明投资组合的收益率与系统风险和非系统风险均不存在线性关系。另一方面，λ0同样达到统计显著，且市场落后企业与无风险收益率存在较大偏差。从整体看，CAPM模型不适用中国股票市场，并且存在投机行为。同时结合上述结果可得，市场落后企业有较为明显的投机行为。

六、研究结论及理论启示

本文对我国股票市场27个行业中216只股票运用BJS模型和FM模型进行了时间序列以及横截面检验，结果表明：（1）构建股票组合后可以在一定程度上消除非系统风险。（2）目前我国股票市场上存在投机行为，且市场落后企业相较于市场领导企业有较多的投机机会与投机活动，大多数投资者更多地关注于短期获利行为而不是选择长期持有股票。（3）在我国股票市场上，投资组合的收益率与系统风险以及非系统风险不存在线性关系，同时也不存在系统风险的非线性关系。因此，CAPM模型在目前来说并不适用于中国股票市场，原因可归纳为以下三点：一是国内证券市场上散户较多，过于追求风险收益，违反资本资产定价模型对投资人的理性假设，且噪声交易者的投机行为，加剧市场的非理性（张玉华、宋韫赟和张元庆，2016）。二是股票市场信息披露不及时、不透明、不完全，使得大多数股票存在被高估或低估的现象，进而说明投资者无法利用该模型对资产进行合理定价（张虎和邹媛媛，2016；聂高辉和蔡琪，2017）。三是市场监管不到位，投资人结构不合理，提高财务造假和庄家作价的可能性（勾东宁和王维佳，2016），这些市场不完善因素都使得资本资产定价模型无法解释股票收益率。

参考文献：

[1]Markowitz，H.M. 1952. Portfolio Selection[J].Journal of Finance，7（1）.

[2]Sharp，W.F. 1964. Capital Asset Prices： A Theory of Market Equilibrium under Conditions of Risk[J].Journal of Finance，19（3）.

[3]Lintner，J. 1965. The Valuation of Risk Assets and the Selection of Ricky Investments in Stock Portfolios and Capital Budgets[J].Review of Economics and Statistics，47（1）.

[4]Mossin，J. 1966. Equilibrium in a Capital Asset Market[J].Econometrica，34（4）.

[5]Black，F.，Jensen，M.，Scholes，M. 1972. The Capital Asset Pricing Model： Some Empirical Tests[R].in Jensen，M.（ed.）.，Studies in the Theory of Capital Markets，Praeger，New York.

[6]Fama，E.，Macbeth，R. 1973. Risk，Return and Equilibrium：Empirical Tests[J].Journal of Political Economy，81（3）.

[7]Fama，E.，French，K. 1952. The Cross-Section of Expected Stock Returns[J].Journal of Finance，47（2）.

[8]Reinganum M.R. 1981. A New Empirical Perspective on the CAPM[J].Journal of Financial and Quantitative Analysis，16（4）.

[9]Lakonishok，J.，Shapiro，A.C. 1986. Systematic Risk，Total Risk and Size as Determinants of Stock Market Returns[J].Journal of Banking & Finance，10（1）.

[10]靳云汇，刘霖.中国股票市场CAPM的实证研究[J].金融研究，2001，（7）.

[11]何惠珍.CAPM模型对我国股市的实证分析[J].學术探索，2012，（6）.

[12]高扬，陶媛.CAPM在上海证券市场的实证研究[J] .经济与管理，2007，21（11）.

[13]王军超.CAPM模型在上海证券市场有效性分析[J].商场现代化，2012，（20）.

[14]王军，耿建.CAPM在深市A股地产股的实证分析[J].统计与决策，2012，（10）.

[15]董大宇.CAPM 模型在上海股票市场的实证检验[J].特区经济，2014，（4）.

[16]张虎，邹媛媛.基于CAPM模型的上海股票市场适应性检验[J].统计与决策，2016，（14）.

[17]朱宏泉，余江，陈林.异质信念、卖空限制与股票收益——基于中国证券市场的分析[J].管理科学学报，2016，（7）.

[18]张一，刘志东.投资者情绪、噪声交易者与敏感性风险——基于CAPM模型的实证分析[J].财会月刊，2017，（29）.

[19]陈健，胡文伟，李湛.中国股票市场投资组合规模的非系统风险分散效应[J].软科学，2008，22（2）.

[20]杨继平，张力健.沪市股票投资组合规模与风险分散化关系的进一步研究[J].系统工程理论与实践，2015，（10）.

[21]张玉华，宋韫赟，张元庆.基于空间面板数据模型的股票收益率影响因素分析[J].中国软科学，2016，（5）.