基于行業考慮的β和B/M與股票 收益率關系研究

□曹崇延 姜丹君 瞿安民 [中國科學技術大學 合肥 230026]

引言

股票收益率是上市公司和股民們所密切關注的，國內外學者對股票收益率的影響因素進行了大量研究。Sharpe、Lintner和Black提出的資本資產定價模型CAPM(又稱SLB模型)，認為在有效市場假設的前提下，資產的期望收益與β系數成正比，CAPM首次將股票收益率和β系數聯系起來。Black，Jensen和Scholes、Fama和MacBeth對CAPM模型進行了檢驗，發現股票收益率與β系數之間存在著線性關系。隨后，在多年的實踐經驗中，人們發現僅用β系數很難解釋證券市場的一些現象。Fama和French認為除β系數會影響股票收益率外，賬面市值比和公司規模都顯著解釋了股票收益率的變動現象。Rosenberg，Reid和Lanstein發現美國股票市場中賬面市值比也是股票收益率的一個風險因素，而且股票收益率和賬面市值比之間存在著顯著的正相關。Chan，Hamao和Lakonishok認為在日本股票市場上有同樣的現象。Gonenc和Karan通過研究土耳其股票市場，得出相反的結論，認為成長型股票(低賬面市值比)比價值型股票(高賬面市值比)的股票收益率好。

國內對β系數和賬面市值比效應的研究以實證研究為主。朱寶憲和何治國通過實證檢驗發現賬面市值比與股票收益率有強相關關系，而且比β系數對股票收益率的解釋能力強。賈權和陳章武通過多因素檢驗發現β系數、賬面市值比、市值和市盈率這4個因素對股票收益率存在顯著負相關。吳世農和許年行、陳瑩對中國股市的賬面市值比效應進行了實證檢驗，得出中國證券市場存在賬面市值比效應，賬面市值比對股票收益有顯著的預測作用。

行業因素對股票收益率存在影響，各行業由于自身的背景、結構、與宏觀經濟周期的關聯性、所處的生命周期不同，導致其股票收益率具有顯著差異。Merton和Ross分別提出的跨期資本資產定價模型ICAPM和套利定價模型APT，認為股票收益率不僅由市場風險因素解釋，而且還由行業和經濟增長等因素解釋。Lessard考察了各國的不同行業結構，認為行業因素對股票收益率有影響。Roll發現行業因素可以對40%的股票收益波動率做出解釋。Moskowitz和Grinblatt認為股票收益率的動量與行業因素相關。范龍振和王海濤對我國的行業和地區進行劃分，通過實證分析得出了我國股市具有明顯的行業和地區效應。勞蘭珺和邵玉敏、陳健，曾世強和李湛也發現不同行業的風險結構存在較大差異。但從現有文獻來看，國內結合行業考慮β系數和賬面市值比對股票收益率影響的研究很少。

本文借鑒Fama-MacBeth方法，以上證A股市場為對象，研究影響股票收益率的兩個重要因素：β系數和賬面市值比。與以往研究不同的是：本文結合行業因素考察β系數和賬面市值比對股票收益率的影響，不僅研究了整個樣本期間股票收益率與兩因素之間的關系，而且探討了在不同市場態勢下的關系，從而給政府、監管者、上市公司和投資者有效分析股票市場的規律提供思路，為制定相關決策提供參考。根據國內外學者的研究，并結合我國股市的基本情況，提出如下假設：

H1：各行業的β系數和賬面市值比對股票收益率的相關性解釋能力不同；

H2：各行業的β系數和賬面市值比對股票收益率的相關性解釋能力受熊市、牛市的影響。

一、研究設計

（一）樣本選取及數據來源

研究樣本數據來源于Wind數據庫，依據于Wind的一級行業分類方法。將上證A股上市公司劃分為10個行業，依次為：能源、材料、工業、可選消費、日常消費、醫療保健、金融、信息技術、電信服務、公用事業。考慮到我國證券市場的特點，本文研究的樣本期選取為2001年1月1日～2010年12月31日，并根據經Pagan和Sossounov調整的用于確定經濟周期轉折點的BB法則來識別股票態勢轉折點，將樣本期劃分為3個熊市和2個牛市共五個時間段。

為保證本文的研究結果的準確性和可靠性，按照以下標準對原始數據進行剔除：

1．擬用2001年1月1日前已于上海證券交易所上市的A股股票進行研究，以避免新股導致的殘存偏差的影響；

2．剔除樣本期內的特別處理(簡稱ST)、未股改的ST股票(簡稱SST)、連續三年虧損有退市風險而被特別處理的股票(簡稱*ST)、未股改的*ST股票(簡稱S*ST)，以避免異常數據的影響；

3．所有數據都進行前復權處理，以消除分紅派息對上市公司股價的影響；

4．選用股票周收益率計算β系數等，以避免引致嚴重的變量內生誤差等問題；

5．剔除連續三周以上收盤價和前收盤價缺失的股票，以保證數據的有效性和連續性。

剔除后，截止2011年1月1日所有的上證A股的上市公司：能源有6家；材料有73家；工業有92家；可選消費有93家；日常消費有34家；醫療保健有28家；金融有59家；信息技術有26家；電信服務有1家；公用事業有22家；合計433家。考慮到其中的電信服務業在2001年底上市公司只有1家：鵬博士，因此將其剔除。本文即研究9個行業的情況。

（二）相關變量的計算

1．β系數的計算

本文采用“單指數模型”，利用回歸分析法，計算出β系數。公式為：

其中：Ri是某一風險資產的收益率；Rm是市場組合M的收益率。

2．收益率的計算

周市場收益率是以上證綜合指數為市場收益率為代表；市場收益率Rmt根據上證綜合指數的周收盤價和周前收盤價得到，公式為：

其中：Pmt是上證綜合指數在t期末的周收盤價；Pm,t-1是上證綜合指數在t-1期末的周收盤價。

個股收益率Rit根據個股的周收盤價和周前收盤價得到，公式為：

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

3．賬面市值比的計算

（三）研究方法

首先從Wind數據庫中獲取各行業共433只股票，2000年1月1日～2010年12月31日內的個股β系數和平均周收益率的時間序列值，并計算得出個股賬面市值比；再分別對以下模型，運用Fama-MacBeth方法，進行單因素和雙因素模型的回歸分析：

其中：Ri是個股平均周收益率；ηi是隨機擾動項；γ0，γ1，γ2是待估計參數；模型一、模型二、模型三依次考慮：各行業的β系數對股票收益率的影響，賬面市值比對股票收益率的影響及β系數和賬面市值比對股票收益率的影響；同時運用t統計量檢驗β系數和賬面市值比的顯著相關性，分析判斷得出各行業關于股票收益率的相關性解釋能力最強的變量。最后，本文結合熊市、牛市分析不同證券市場趨勢下β系數和賬面市值比的預測作用。

二、實證結果及分析

（一）各行業β系數和BM與股票收益率的相關性分析

1．單因素模型

研究樣本期為2000年1月1日～2010年12月31日。對各行業的β系數和賬面市值比、股票收益率進行ADF單位根檢驗，發現在1%、5%、10%三個顯著性水平下，單位根檢驗的t檢驗統計量均小于不同檢驗說明的三個Mackinnon臨界值，即β系數和賬面市值比、股票收益率均在99%的置信區間內拒絕單位根（非平穩）的原假設，表明所有變量滿足平穩性的要求。故可以對各行業采用單因素模型進行回歸分析，分別考慮股票平均周收益率與β系數和賬面市值比的相關性。

表1 單因素模型

由表1可以看出，在樣本期內，能源、工業、可選消費和金融這四個行業的β系數通過t檢驗，β系數和股票收益率具有正相關性；材料和可選消費行業的賬面市值比與收益率具有負相關性。通過顯著性水平得知，β系數對平均周收益率的解釋能力強的行業為：能源、工業、金融；賬面市值比對平均周收益率的解釋能力強的行業為：材料、可選消費。實證結果表明假設H1成立。

2．雙因素模型

研究樣本期為2000年1月1日～2010年12月31日。為防止時間序列數據產生偽回歸的問題，對模型中所有變量進行ADF檢驗，單位根檢驗的t檢驗統計量均小于不同檢驗說明的三個Mackinnon臨界值，滿足平穩性要求。再針對各行業采用雙因素模型進行回歸分析，同時考慮了股票平均周收益率與β系數和賬面市值比的相關性。

由表2可以看出，在樣本期內，能源、材料、工業、可選消費和金融這五個行業的β系數通過t檢驗，β系數和股票收益率具有正相關性；材料、可選消費和金融行業的賬面市值比與收益率具有負相關性。通過顯著性水平得知，β系數對平均周收益率的解釋能力強的行業為：能源、工業、金融；賬面市值比對平均周收益率的解釋能力強的行業為：材料、可選消費，這與單因素模型的結果一致。實證結果表明假設H1成立。

表2 雙因素模型

（二）不同市場態勢下各行業β系數和BM與股票收益率的相關性分析

研究樣本期被分為3個熊市和2個牛市共五個時間段。針對各行業采用單因素和雙因素模型進行回歸分析，考慮了股票平均周收益率與β系數和賬面市值比的相關性。

表3 熊市、牛市下的單因素模型

表4 熊市、牛市下的雙因素模型

（續表）

由表3和表4，通過顯著性水平得知：1）在熊市市場態勢下，β系數對平均周收益率的解釋能力強的行業為：材料、工業、可選消費、醫療保健、金融和公用事業，共6個行業，而且β系數與平均周收益率呈負相關關系；賬面市值比對平均周收益率的解釋能力強的行業為：能源和信息技術，共2個行業；日常消費在熊市市場態勢下，β系數和賬面市值比對平均周收益率都不具有解釋能力；2）在牛市市場態勢下，β系數對平均周收益率的解釋能力強的行業為：材料、工業、可選消費、日常消費、醫療保健、金融、信息技術和公用事業，共8個行業，而且β系數與平均周收益率呈負相關關系；賬面市值比對平均周收益率的解釋能力強的行業只有能源行業，而且賬面市值比與平均周收益率呈負相關關系；3）單因素和雙因素模型的結果保持了很好的一致性，實證結果表明假設H1和H2成立。

（三）結果分析

根據表1～表4的實證結果，比較整個樣本期間、熊市、牛市三個不同變化趨勢的樣本期，列出各行業關于周收益率的相關性解釋能力最強的變量，如表5所示。

表5 整個樣本期間、熊市和牛市的實證結果

由表5得到以下結論：1）考慮整個樣本期間，實證結果表明β系數對平均周收益率的解釋能力和賬面市值比的解釋能力相當，而且β系數與平均周收益率呈正相關關系；賬面市值比與平均周收益率呈負相關關系；2）考慮熊市、牛市劃分時間段，實證結果則表明β系數對平均周收益率的解釋能力顯然強于賬面市值比的解釋能力。而且在熊市市場環境下，β系數與平均周收益率呈負相關關系；在牛市市場環境下，β系數與平均周收益率呈正相關關系；3）不同時間段劃分而言，各行業β系數和賬面市值比與股票收益率的相關性分析結果差異顯著。

三、結論

本文基于上證A股的上市公司2001年1月1日～2010年12月31日 共502 個 周 收 益 數 據，運 用Fama-MacBeth方法，進行了單因素和雙因素模型的回歸分析。在國內外學者研究的基礎上，依據Wind行業分類方法，分行業研究了熊市、牛市和不區分市場態勢三種情形下的β系數和賬面市值比對股票收益率的影響，對政府、監管者、投資者和上市公司有一定的啟發作用。研究結論如下：

1．各行業的β系數和賬面市值比對股票收益率的相關性解釋能力不同。股市是國民經濟的晴雨表，股市能夠提前反映經濟周期的變動。由表1和表2可以得出，對于不受經濟周期影響的非周期性行業，如：日常消費、醫療保健、公用事業，其股票收益率與β系數和賬面市值比關系不夠緊密。受經濟周期影響的周期性行業，其股票收益率與β系數和賬面市值比關系都比較緊密，如：能源、材料、工業、可選消費、金融。其中，能源、工業、金融是目前我國正蓬勃發展的朝陽行業，成長性行業，擁有高收益高回報的特點，其β系數對股票收益率的解釋能力強，而且β系數與股票收益率呈正相關關系。對于周期性的信息技術表現出股票收益率與β系數和賬面市值關系不夠緊密，可能的原因是：信息技術是一門新興產業，其產業特征和商業模式與傳統工業相比，具有特殊性。此外，除能源行業外，其他行業的賬面市值比與股票收益率呈負相關關系，說明我國證券市場并不存在明顯的賬面市值比效應，這與Gonenc和Karan所研究的土耳其市場的結論一致，與發達證券市場的結論相悖。

2．各行業的β系數和賬面市值比對股票收益率的相關性解釋能力受熊市、牛市的影響顯著，而且β系數對股票收益率的解釋能力顯然強于賬面市值比的解釋能力。在熊市市場環境下，β系數與股票收益率呈正相關關系；在牛市市場環境下，β系數與股票收益率呈負相關關系。這證明了區分市場態勢進行分析的重要性，在不同的市場態勢下，β系數與股票收益率的關系有顯著差異，更好地證實了CAPM模型，即β系數在資產定價中起著決定的作用。不同風險偏好的投資者可以依據β系數，結合市場態勢，進行相應的投資組合決策。

3．各行業的β系數和賬面市值比與股票收益率的相關性因時間段的劃分不同而有顯著差異。因此，綜合考慮行業因素，有效區分市場態勢，把握股票周期的轉折點有助于政府及時準確地判斷宏觀經濟形勢，從而采取合理的財政政策和貨幣政策開展宏觀調控，有利于投資者在進行投資的時候考慮長線和短線的結合，從而獲得期望的股票收益，同時為上市公司和監管者及時了解證券市場的行業特征和規律提供思路。

[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]朱寶憲,何治國.β值和賬面市值比與股票收益的實證研究[J].金融研究,2002,262(4):71-79.

[11]賈權,陳章武.中國股市有效性的實證分析[J].金融研究,2003,277(7):86-92.

[12]吳世農,許年行.資產的理性定價模型和非理性定價模型的比較研究——基于中國股市的實證分析[J].經濟研究,2004,(6):105-116.

[13]陳瑩.中國股市賬面-市值比效應的檢驗及解釋[J].證券市場導報,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]范龍振,王海濤.中國股票市場行業與地區效應分析[J].管理工程學報,2004,6(1):117-119.

[20]勞蘭 珺,邵玉敏.中國股票市場行業收益率序列動態聚類分析[J].財經研究,2004,30(11):75-82.

[21]陳健,曾世強,李湛.中國股票市場行業風險結構的實證分析[J].系統工程,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.