基于CAPM模型的国内市场实证检验

摘 要：信息传输、软件和信息技术服务业作为战略新兴产业，不仅国家高度重视，给予了全方面的政策支持，广大投资者也对其保有极高热情。随着信息传输、软件和信息技术服务业的高速发展，出现了更多的投资机会。本文针对此，运用 CAPM 模型对该行业历史数据进行实证分析，以检验 CAPM 模型在国内市场能否进行有效的投资分析。通过实证检验，发现虽然该行业股票的系统风险对其定价发挥着重要作用，但非系统性风险也能在资产定价中起到一定的作用。

关键词：CAPM ; 模型;信息传输、软件和信息技术服务业;回归分析;贝塔系数

一、研究背景

资本资产如何进行定价一直是证券投资领域研宄的一大核心问题，国内学者在此领域的研究主要集中在CAPM在各类市场的适用性检验，诸如王燕楠（2013）利用深圳股票市场近六年的股票周收益率对经典CAPM模型进行了实证检验，检验方法采用传统BJS 检验法和F-M修正法，发现经典 CAPM 模型并不能很好的解释我国股票市场的表现;夏裴（2011）选取了在上海证券交易所上市的 30 支股票从 2001 年1月至 2010 年12 月的 120 个月的交易数据作为样本进行回归分析，发现回归模型构造的证券市场线并不能很好的解释证券的风险与收益的正向相关关系，同时也不能很好的说明股票的系统风险和超额收益之间的线性关系。但国内学者对于特定行业的研究较少，信息传输、软件和信息技术服务业是当前我国重点扶持的产业，投资者对这类股票也有相当大的投资热情。因此，本文选取信息传输、软件和信息技术服务业股票收益率进行研究。

综上，国内学者的研究方法多为BJS时间检验法和FM横截面检验法，本文参照国内诸多学者的研究，利用BJS时间检验法和FM横截面检验，针对信息传输、软件和信息技术服务业进行实证检验。

二、数据与指标的选取

2.1研究样本和数据

本文选取RESSET金融研究数据库当中的 50 只有关信息传输、软件和信息技术服务业的股票，考虑到疫情等外生因素的干扰，本文的数据选择时间为 2017年1月30日至2019年10月31日，共两年二十四个月的数据，信息传输、软件和信息技术服务业是国家战略性新兴产业，信息传输、软件和信息技术服务业关系国民经济和社会发展全局，其股票情况备受社会各界人士关注，然而国内文献CAPM模型的实证检验大多为整个中国市场，本文针对中国的信息传输、软件和信息技术服务业，检验 CAPM 模型对该行业的适用性。

2.2月收益率的计算

本文选取股票的月度收益率作为股票的收益率情况。计算公式如下：

当月月末收盘价减去上月月末收盘价，差值除以上月月末收盘价，得到的结果作为股票 的收益率。

2.3无风险收益率的确定

本文的无风险收益率来自RESSET金融研究数据库当中的月无风险收益率。

2.4市场收益率的计算

上证综指能够反映上海证券交易所挂牌股票总体走势，具有良好的代表性。因此本文选 取上证综指作为股票的收益率情况。计算公式如下：

当月月末收盘价减去上月月末收盘价，差值除以上月月末收盘价，得到的结果作为市场收益率。

三、实证检验方法、步骤及结果

3.1时间序列的 CAPM 检验

本文主要参照尚松辉（2019）的检验方法以及 BJS 检验法进行检验：

（1）将研究样本分为三段：第一时期 2017 年 11 月 1 日-2018 年 6 月 29 日，第二时期为 2018 年 7 月 1 日-2019 年 2 月 28 日，第三时期为 2019 年 3 月 1 日-2019 年 10 月 31日。每个时期为 8 个月的月收盘价。

（2）根据第一期的数据，以市场的超额回报率为解释变量，各只股票的超額回报率为被解释变量，利用最小二乘法回归得到各只股票的β，模型公式及贝塔数值的箱线图如下：

将计算出来的贝塔值按照股票贝塔系数大小排序并分组，根据贝塔值的大小排序把样本分为

5 组，分组如下图所示：

计算系统性风险的贝塔 p 系数，下图是五个组合的贝塔系数及检验结果：

（4）2019 年3月29 日-2019 年 10 月 31 日，作为检验期，根据检验周期的数据，将在第二周期计算的组合β值作为解释变量，组合的收益率为被解释变量，观察贝塔与收益率之间的关系：

Rp=-0.003958 + 0.001291βp

常数值<0，无风险收益率为负数，这显然不符合事实，表明还有一些其他因素对信息传输、软件和信息技术服务类的股票定价影响较大。β值的系数为正，表明信息传输、软件和信息技术服务类的股票的收益率与市场风险呈现正相关。实证检验结果说明了传统的CAPM 模型不适用于中国的信息传输、软件和信息技术服务类行业。当然，这也反映了中国证券市场的不成熟。

3.2横截面的 CAPM 检验

本文主要参照尚松辉（2019）的检验方法，对FM检验法稍作调整，步骤如下：

（1）根据 3.1 的分组获取各只股票的β系数，将样本分成五组后求得各组合的β系数。

（2）参考 FM检验法，以第三段的收益率为被解释变量，各组合的β系数和各组合的β 系数的平方以及各组合的残差的标准差为解释变量进行 OLS 回归，其模型如下：

Rp=a+bβp+cβ2+dσep+εp

回归后所得结果如下：

Rp= 0.0264+  0.0206βp -0.0014β2 - 0.6348σep+ εp

T 0.19546 0.219941 -0.095288 -0.242703

P 0.8771 0.8622 0.9395 0.8484

从上测试结果来看，常数项大于0，而且接近于无风险利率，如果市场没有投机行为， 那么 a 应该等于无风险收益率，可以说明在该信息传输、软件和信息技术服务类的股票市场上投机行为是不明显的。而且无风险收益率为正，符合预期的情况。β前的系数大于0，说明股票的回报率与市场的超额风险成正比，这与现实情况相符合。β^2的系数接近于0，且t值小，p 值较大，可以认为信息传输、软件和信息技术服务类的股票与市场风险不存在二次函数关系。d<0，但t 值较小，p值较大，说明虽然非系统风险影响着股票价格，但是影响小。同时，整个方程拟合程度并不理想，各项系数均未通过显著性检验。综上所述，市场风险因素不能很好地对中国的信息传输、软件和信息技术服务类股票做出解释，传统的CAPM 不完全适用于此类股票。

四、结论

CAPM 模型是金融市场上一个重要的资本资产定价模型，在资产定价、投资风险分析等方面都发挥着有极大的作用。但CAPM模型本身有着严格的基本假设，其假设本身就是难以甚至无法到达的，况且信息传输、软件和信息技术服务类行业属于新兴发展行业，会受到其他非系统性风险的影响。并且中国的股票市场仅发展了30年，市场发展不够成熟，大环境也会导致CAPM的误差。综上，在信息传输、软件和信息技术服务类行业，虽然系统风险发挥着重要作用，但非系统性风险也能在資产定价中起到一定的作用，系统风险并不是引起股票收益率变动的唯一因素。

参考文献：

[1]吴 信 . 基 于 CAPM 模 型 对 交 运 物 流 行 业 股 票 的 实 证 分 析 [J]. 物 流 工 程 与 管理，2021，43（02）：108-110

[2]韩焯林，乔元波，邵晓燕.CAPM 系列模型的效力分析——基于沪深港股市行业数据的比较分析[J].投资研究，2019，38（10）：115-132.

[3]毛逸雨 . 基于 CAPM 对我国半导体行业适用性的实证研究与建议 [J]. 投资与创业，2021，32（01）：35-37

[4]刘兰姝菲. 我国医药类上市企业资产预期收益率的测算研究[D].上海社会科学院，2019. [5]尹昱乔. 中国 A 股市场资产定价模型实证研究[D].东北财经大学，2016.

[6]尚松辉. CAPM 模型对 MSCI 中国 A 股指数成分股的适用性研究[D].北京邮电大学，2019.

作者简介：

孙雨竹（1999.05—），女，吉林长春人 ，经济管理学院， 经济学 ，2018级本科。