我國房地產行業貝塔系數的測算與分析研究

馬莉珠 中央民族大學管理學院

?

我國房地產行業貝塔系數的測算與分析研究

馬莉珠 中央民族大學管理學院

摘 要：房地產行業作為我國重要的產業之一，在國民經濟中發揮著舉足輕重的作用。而其風險狀況關系到國民經濟的安全和穩定，本文基于此測算房地產行業的貝塔系數，選取了房地產上市公司中具有代表性的20家房地產公司，搜集了2014-2015年除權后的個股日收益率、并以滬深300指數的綜合回報率作為市場收益率，利用Eviews對其進行一元線性回歸，測算出每家公司的貝塔系數并推算整個行業的貝塔系數，為投資者做出理性決策、更好的規避投資風險提供一定的數據參考。

關鍵詞：房地產行業 貝塔系數的測算 單一指數模型

一、引言

房地產業是現階段我國經濟中重要的產業組成部分，對國民經濟發展具有重要的拉動作用，對金融穩定和發展、改善民生也具有重要意義。房地產業關聯度也比較高，其發展可以帶動冶金、建筑、建材、機械、設備、水泥、玻璃、木材、塑料、電器、家具等行業的發展，并具有促進金融、商務、商貿、交通、旅游和休閑等現代服務業的綜合發展的特點。但任何一個行業都是有風險的，房地產行業也不例外。房地產業的風險狀況關系到國民經濟的安全和穩定，識別并有效的規避房地產行業的風險是有必要的。貝塔系數是衡量系統風險的重要指標，可以說明個股與整個市場風險的關聯程度，本文基于此選取了房地產行業20家上市公司的數據，運用Eviews8.0對這些公司的貝塔系數進行了測算，并推算出整個行業的貝塔系數，對比每家公司與整個行業的貝塔系數可以大概反映每家公司和整個行業的風險狀況，從而為人們更好的進行投資決策以及規避風險提供一些數據參考。

二、貝塔系數的相關研究綜述

對貝塔系數測算的研究，國內的學者主要是通過搜集一些行業中具有代表性公司的數據來對貝塔系數進行測算并進行分析，如金穎（2014）選取了銀行業中具有代表性的16家銀行進行測算，得出整個銀行的貝塔系數，并將銀行進行分類，再比較國有銀行、股份制銀行和商業銀行的風險情況，并做出了一定的分析；練麗莎（2014）測算了石油行業的系統性風險并做了一定的預測；目前貝塔系數的測算中主要用到的模型有兩種，一個是威廉.夏普的資本資產定價模型，另外一個是在資本資產定價模型的基礎上改進的單一指數模型。對模型的選定，不同的學者有不同的看法，大部分學者基本都采用單一指數模型，李亮（2014）認為資本資產定價模型需要滿足的假設條件較多，但中國的資本市場尚不完善，采用資本資產定價模型不太妥當；另外，也有學者研究發現資本資產定價模型在中國是成立的，呂長江、趙巖(2003)通過對不同市場收益率的計算得出不同的貝塔系數并得出資本資產定價模型在中國是適用的結論，即我們在貝塔系數的測算中引用資本資產定價模型也是可行的。

對貝塔系數其他方面的研究，國內外的相關研究大致可以分為貝塔系數的穩定性研究、影響因素研究以及預測性研究，貝塔系數穩定性的研究可分為兩類：一類是研究樣本數據時間跨度長短對貝塔系數穩定性的影響，另一類研究樣本組合規模大小對貝塔系數穩定性的影響，大多數研究都發現證券的貝塔系數不具有穩定性，雖然可以借助于組合的方式來獲得較為穩定的貝塔系數，但對于大多數的個人投資者來講，這意味著不能簡單地用過去時期數據所估計的貝塔系數作為當前和未來時期的預測值。因此對未來貝塔值的預測也成為了研究熱點，這一部分國內的研究較少。此外，對貝塔系數影響因素的研究國內也不多，研究大多集中在財務指標對貝塔系數的研究上。

本文通過測算房地產行業貝塔系數的方法，選取了房地產行業中比較有代表性的一些公司，對他們一年中交易情況進行數據搜集和整理，得出每家公司的貝塔值，并以此為基礎推算整個行業的貝塔系數，通過測算貝塔系數對房地產行業和其中的一些公司的風險情況有一定的了解和認識，為投資者做出更好的投資決策提供一些參考。

三、研究設計

（一）研究樣本與數據來源

為計算我國房地產行業貝塔系數并對其加以分析，本文選取了我國20家上市房地產公司作為研究對象，以一年時間為跨度，搜集了這些公司2014年12月1日至2015年12月1日一年的個股除權之后的每日收益率。并選擇滬深300指數的綜合回報率作為市場的平均收益率，所有數據均來自于國泰安數據庫，并用Eviews8.0對搜集到的數據進行處理。

為了使得到的數據更能反映整個行業整體的貝塔系數情況，本文將房地產行業又細分為房產服務業、園區開發業、區域房產業、全國房產業，采取系統抽樣的方法，以每家公司的平均總市值為依據，從每個細分行業中選取不同市值區間段的公司，分別抽取了4家、5家、6家、5家公司作為研究對象，并測算其貝塔系數，以期在一定程度上反映整個行業的貝塔系數。

（二）模型的構建

測算貝塔系數的基本模型是由威廉.夏普和約翰 林特勒提出的資本資產定價模型 (CAPM模型),即通過無風險收益率、市場組合收益率、單項資產的投資收益率計算得出。但該模型需要滿足的假設條件有許多，這些假設條件即使是在發達的資本市場上都得不到保證，考慮到我國的實際情況，如果用資本資產定價模型是得不到較準確的貝塔系數的；此外，無風險收益率的確定也存在一些難度，一些研究中用國債利率來代替無風險收益率，但國債利率并不能保證完全排除通貨膨脹的影響，同時資本市場也不能保證不同期的國債利率之間保持穩定性和一致性。

因此，結合我國市場的現實狀況，本文采用在資本資產定價模型基礎上改進的單一指數模型，對貝塔系數進行測算：Ki=αi+βiKm+εi

其中,Ki為第i種證券的收益率，此處的收益率都是除權之后的收益率,αi為模型中的截距項，代表非市場相關收益,βi為個股收益率對市場收益率的敏感程度,Km為證券市場的收益率，此處用滬深300指數的綜合收益率來進行計算，εi為隨機誤差項。利用最小二乘法對該模型進行估計，得出的β即為股票i的β系數估計值。觀測回歸結果中的R2來說明樣本回歸線與樣本觀測值擬合優度的表現R2越接近1，則表明樣本回歸線對，樣本值的擬合優度越好。

（三）模型的檢驗

模型的檢驗主要通過統計檢驗的方法來驗證貝塔系數是否顯著，通過F檢驗、T檢驗驗證貝塔系數的顯著性，即解釋變量能否很好的解釋被解釋變量。用擬合優度檢驗來檢驗模型的擬合程度如何。

四、測算結果及分析

（一）房地產個股的分析

利用Eviews8.0，將市場組合收益率作為解釋變量，房地產個股收益率作為被解釋變量，運用最小二乘法進行一元線性回歸，得到了20家房地產公司的貝塔系數、P值、T值、F值以及R2，回歸結果整理如下表所示

股票代碼　公司名稱　所屬行業　貝塔系數　P值　T值　F值　R2000056　皇庭國際　房產服務　0.67　 0.0000　 6.09　 37.14　 0.13 000526　銀潤投資　房產服務　0.57　 0.0029　 3.04　 9.27　 0.07 002285　世聯行　房產服務　0.69　 0.0000　 5.03　 25.35　 0.095 600606　綠地控股　房產服務　1.29　 0.0000　 12.09　 146.09　 0.39 600064　南京高科　園區開發　1.12　 0.0000　 14.99　 224.98　 0.48 600639　浦東金橋　園區開發　1.38　 0.0000　 14.48　 209.5　 0.47

表4.1 房地產個股貝塔系數測算情況

從上表可以看出，每個貝塔系數對應的p值都遠小于顯著性水平0.1，0.01,0.05,說明測算出的貝塔系數比較顯著，解釋變量可以較好的解釋被解釋變量，貝塔的測算結果是比較可信的。從測算的結果中可以看出，我國房地產行業的貝塔系數普遍都大于1，即說明房地產行業個股的風險要高于市場風險。貝塔系數的取值區間為【0.57,1.38】，β系數小于1的公司集中在房產服務業，其余的公司的β系數都大于1，最大的是浦東金橋和格力地產，為1.38，最小的為房產服務業的銀潤投資，只有0.57。

（二）房地產公司結構分析

為進一步研究房地產各個行業的β系數的大小以及與各個細分行業、與整個房地產行業β系數的關系，筆者按市值將各房地產細分行業進行加權，估算出整個行業的和各個細分行業整體的β系數，并進行相應的對比研究。

表4.2 個股的貝塔系數與整個行業貝塔系數的比較

如上表4.2所示，筆者搜集了每支個股的2014~2015年的月市值，然后算出其算術平均值，得到每只個股的平均總市值，并算出每只個股的市值占總市值的權數，并推算出整個行業的貝塔系數值，約為1.13，表明房地產行業整體上的風險要比市場風險高，即市場風險每增加一個單位，整個房地產行業的風險會增加1.13個單位。

另外，再看每只個股的數據，發現個股風險小于行業風險的公司有8家，高于行業風險的有12家，再結合表4.3可以看出，房產服務業、園區開發行業中風險低于整個行業風險的公司數量較多，占到了5家，其中房產服務業為3家，園區開發業為2家，區域地產只有2家，全國地產有1家，從數量上看，其實大部分的房產服務業、園區開發業的公司的風險都是相對來說比較低的，一般都低于行業風險，而區域地產和全國地產的公司風險高于整個行業風險的較多。

值得說明的一點是，雖然細分行業加權之后的貝塔系數中，房產服務業和園區開發業的貝塔值都是高于整個行業的，而區域房產、全國地產的貝塔值又低于整個行業，與之前得出的單個公司的風險水平與行業風險間的關系似乎有些矛盾，但其實看具體的數據可以發現，之所以房產服務業、園區開發業的加權平均貝塔系數高于整個行業的貝塔系數，是因為其中市值占整個細分行業總市值的比例較大的公司的貝塔系數高，例如房產服務業中的綠地控股，園區開發業中的陸家嘴。而區域房產和全國地產每家公司的貝塔系數都比較平均，且一些風險較小的公司占細分行業的總市值較大，如萬科。但從總體上來看，若只考慮風險因素，區域地產和全國地產是值得投資的，他們的投資風險是低于整個行業的風險的，而房產服務業和園區開發業的公司有些公司的風險還是相對來說比較小的，也可以考慮投資。

五、研究結論

從總體上來看，房地產整體的行業風險是大于1的，即說明房地產行業的風險是高于市場風險的，房地產行業為風險較高的行業；在細分行業中，區域地產和全國地產的風險是低于整個房地產行業的風險的，投資者根據自己的風險偏好可以考慮投資房地產行業中風險相對較小的區域地產和全國地產。但需要說明的一點是，雖然房產服務業和園區開發業的行業風險高于房地產行業的風險，但其中的一些市值較小的公司的風險仍然是低于整個行業的風險的，投資者也可以考慮投資這些公司。

六、相關建議

貝塔系數揭示了證券的系統性風險，從政府的角度出發，要想降低我國證券市場的系統性風險，可以從豐富證券投資品種和建立可行性強的證券市場監管體系，以及嚴格執法創造公正公平的交易環境來達到目的。

對于個人投資者而言，在投資的過程中可以考慮積極建立投資組合以實現投資的分散化來降低風險，在考慮單個資產系統風險的同時，還需要隨時關注上市公司自身的經營狀況，最大限度地降低投資帶來的風險。

參考文獻：

[1]張士鳳；我國銀行業貝塔系數與其穩定性分析[J]；全國商情；2014 （02）；45

[2]金穎；我國銀行業系統性風險研究--基于貝塔系數的測算[J];金融營銷；2014（06）；115-117

[3]周云峰，吳艷；國內外貝塔系數相關特性研究綜述[J];財會通訊；2009（10）；107-111

[4] 練麗莎，李亮；我國石油行業貝塔系數的測算與預測[J]；河南科學；2014（04）；32-36

[5] 郭艷萍，李 嬌；資本資產定價模型應用研究——對伊泰股份貝塔系數的測算[J];2013(05);95-98

[6]劉琪，疏雨；資本資產定價模型的實證研究----以中國國航為例[J];當代經濟；2015（35）；126-127

[7] 呂長江，趙巖；中國證券市場中Beta系數的存在性及其相關特性研究[J];南開管理評論；2003（01）；22-23

[8] 蓋悅萍；房地產行業貝塔系數測算[J]；全國商情；2013（03）；35

[9] 韋念幸；酒店旅游行業股票長期貝塔系數的測算與預測[J];金融經濟；2010（03）；39-42

[10] 王洪偉；不同市場組合下貝塔系數與貝塔系數關系探討[J];財會通訊；2012（06）；07-09