β、Struc以及Volty与股票收益率关系研究

邵雪敏，侯为波

(淮北师范大学 数学科学学院，安徽 淮北 235000）

随着股票市场的不断发展，股票收益率的影响因素也在不断的变化，国内外学者对股票收益率影响因素做了大量的研究。其中，行业因素对股票收益率也存在影响，各个行业由于生命周期、宏观经济周期、自身的背景、结构的不同其股票收益率存在显著差异[1]。本文以沪市A股为研究对象，分行业讨论β系数、流通股比例以及振幅对股票收益率的影响。

1 国内外研究现状

Fama等证明了规模（市场价值）和账面市值比（BE/ME）是两个对股票收益率具有较强解释力的两个变量[2]。他们认为，如果资产定价合理，其结果表明，股票风险是多维的，风险的一个维度是由规模来代替，另一个维度是由账面市盈率决定的。Knez等证明了平均回报与公司规模之间的负关系是由一些极端样本观测结果导致的[3]。Hou等通过对来自49个国家的27 000多只股票的月回报率进行研究，表明股票回报率与公司规模之间没有可靠的关系[4]。Downs等得出了相同的结论，对纽约证交所1963-1990年间的所有股票进行了分析，并指出市场贝塔与股票收益率呈正相关。Pavel G Savor研究发现，股票价格的急剧变化对股票收益率的影响与公司财务信息和股票市场交易信息密切相关[5]。陈信元等运用单因素和多因素模型分析了上海证券市场全部A股上市公司1995-997年数据，揭示部分会计信息对股价的影响[6]，发现股票价格与净资产、剩余收益呈正相关，与流通股比例、股本规模呈负相关；市场对剩余收益的定价乘数低于对收益的定价乘数；流通股比例对股价的影响程度逐年降低；这些会计信息的解释能力呈现下降趋势。张晓东等通过EVA、MVA和股票收益关系在中国股票市场的实证分析得出传统会计指标账面市值比率、盈余-市价比率比EVA和MVA对股票收益有更强大的解释力，β和股票收益及其他指标的关系都无太大规律[7]。韩海容等研究了股票动量因素、反转因素和换手率等交易信息对股票收益的影响，发现股票三个月的短期反转因素和换手率对股票横截面收益影响显著[8]。

2 研究设计

2.1 样本选取及数据来源

研究样本数据来源于Wind咨讯，根据Wind的行业分类方法。将上证A股上市公司划分为14个行业，依次为采矿业、能源、房地产、建筑业、交通运输业、教育、金融、科学研究和技术服务、农林牧渔业、卫生和社会工作、信息技术、文化体育娱乐业、制造业以及综合类行业[9]。本研究的样本期选取为2017年1月1日-2017年12月31日。

为保证本文的研究结果的准确性和可靠性，按照以下标准进行剔除[10]：

①剔除2017年之后上市的A股股票，以避免新股导致的残存偏差的影响；

②选用股票周收益率计算贝塔系数；

③为保证数据的连续性，剔除连续三周以上收盘价缺失的股票。

剔除后，截止2018年1月1日前所有的上证A股的上市公司：采矿业73家、能源100家、房地产125家、建筑业88家、交通运输业87家、教育3家、金融71家、科学研究和技术服务26家、农林牧渔业42家、卫生和社会工作8家、信息技术217家、文化体育娱乐业46家、制造业1 874家以及综合业65家；合计2 825家。

2.2 相关变量的计算

（ⅰ）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是风险资产的收益率，Rm是市场组合的收益率。

（ⅱ）收益率的计算

其中Rit是股票i的收益率，Pit是股票i在t期末的收盘价，Pi,t-1是股票i在t-1期末的周收盘价。

（ⅲ）流通股比例（Struc)=流通股本/总股本。

（ⅳ）振幅（Volty)=月末收盘价的标准差。

2.3 研究方法

首先从Wind数据库中获取各行业共2 825只股票，2017年1月1日-2017年12月31日内的各股β系数、流通股比例（struc）、振幅（Volty）以及年平均收益率；再分别对以下模型进行单因素和多因素模型的回归分析：

其中Ri是个股年平均收益率，ηi是随机扰动向，γ0,γ1,γ2,γ3是待估参数。四个模型依次考虑：各行业的β系数，流通股比例和振幅对股票收益率的影响；同时运用t统计量检验β系数、流通股比列和振幅的显著相关性，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。

3 实证结果及分析

3.1 单因素模型

分别考虑股票收益率与β系数、流通股比例和振幅的相关性。

由表1可以看出，在样本期内，采矿业、能源、房地产、建筑业、交通运输业、金融、科学研究和技术服务、农林牧渔业、信息技术、文化体育和娱乐业、制造业以及综合类行业这12个行业的β系数通过t检验。未通过贝塔系数检验的只有教育和卫生社会工作行业。

流通股比例对平均收益率解释能力强的行业有：能源、交通运输业、金融、信息技术、文化体育和娱乐以及制造业。

表1 单因素模型

振幅对平均收益率解释能力强的行业有：采矿业、能源、房地产、交通运输业、农林牧渔业和制造业。

通过显著性水平可知，流通股比例（Struc）对股票收益率解释能力强的行业：金融、信息技术和制造业；振幅（Volty）对股票收益率解释能力强的行业：采矿业，能源、房地产、交通运输业以及农林牧渔业。

3.2 多因素模型

由表2可以看出，在样本期内，采矿业，能源、房地产、建筑业、金融、信息技术、文化体育娱乐、制造业以及综合类行业β系数通过t检验。金融、信息技术、文化体育和娱乐业以及制造业的流通股比例（Struc)通过t检验。采矿业、能源、房地产、交通运输业、农林牧渔业以及制造业的振幅(Volty)通过t检验。

表2 多因素模型

通过显著性水平可知，流通股比例（Struc）对股票收益率解释能力强的行业：金融、信息技术和制造业；振幅（Volty）对股票收益率解释能力强的行业：采矿业，能源、房地产、交通运输业以及农林牧渔业。这与单因素模型结果一致。

4 小结

本文基于沪市2017年全部A股股票的收益数据，进行了单因素和多因素回归分析，依据，Wind行业分类方法，分行业研究了β系数、流通股比例以及振幅对股票收益率的影响对投资者有一定的启发作用。

各行业的β系数、流通股比例以及振幅对股票收益率的解释能力不同。

由表2可以看出，只有科学研究和技术服务、卫生和社会工作以及教育行业三个因素都未通过显著性检验。原因可能有两点：第一，这三个行业在2017年有效的股票数量过少，数据有限，未能找到较强的影响因素；第二，科学研究和教育类行业可能投资者对该行业有不同的看法，进而有不同的预期，导致不能发现有效的影响因素。

由表2可以看出，大部分行业的股票收益率和β系数紧密相关，更好的证实了资本资产定价模型，也就是说β系数在资产定价中起着决定性作用。不同喜好的投资者可根据β系数的大小，制定合适的投资组合方案。

金融、信息技术以及制造业都是不断发展的成长型行业，表现出了较高的流通股比例（Struc），可能代表了比较好的公司管理水平，可以减少成本，进而可带来较高收益。