基于CAPM模型對非銀金融行業的實證檢驗

(延邊大學 吉林 延吉 133002)

Abstract：Along with our country economic development level unceasing enhancement,people's living standard as well as the ideological progress,in the development process of the whole society gradually aware of the importance of the financial,the increasing demand for non bank financial business,make the whole industry has been relatively rapid development,this paper is based on the CAPM model to empirical analysis of the financial industry,the silver,the model USES the three-month interbank interest rates as the risk-free interest rate,at the same time by using the industry data of 2017 a year to explore to analyze its significance.

keywords：CAPM; non-silver finance; beta

一、引言

隨著改革開放的不斷深入，社會經濟水平不斷提升，國人的收入水平以及收入水平得到了極大的改善，理財的觀念逐漸深入社會大眾的內心深處，非銀金融作為金融行業重要的組成部分，近幾年其發展勢頭迅猛，截止到2014年末，六類非銀金融機構管理的資產總額為20.19萬億元①，所管理的資產總額在金融行業的比重不斷提升。非銀金融的在國民經濟中發揮著越來越重要的作用，非銀金融的健康發展與否關系到國民經濟的正常運轉，黨的十八大以來，黨中央出臺了一系列有關促進非銀金融發展的政策，足見非銀金融的重要程度。本文依據萬得行業分類，選擇非銀金融行業，根據wind數據獲取CAPM所需數據，構建出CAPM模型，分析貝塔值和α，以此來判斷擬合優度以及顯著性。通過這一分析，希望能夠通過對該行業的實證分析，來給投資者一個加深對行業了解的機會，能夠相較以前更好地了解發展中的非銀金融行業板塊。

二、非銀金融與CAPM模型的概念介紹

非銀金融是非銀行業金融機構的簡稱，非銀行金融機構以發行股票和債券、接受信用委托、提供保險等形式籌集資金，并將所籌資金運用于長期性投資的金融機構。資本資產定價模型簡稱CAPM，通常是用來探究資產的收益與系統性風險或是非系統性風險的關聯性，CAPM或許不是一個最為準確的模型，但是它對于問題的研究方向以及分析方法是正確的，能夠幫助投資者有效的探究所獲的收益是否與所承擔的風險相匹配。②CAPM模型存在著如下的假設：

(1)市場上存在著大量的投資者，每個投資者的財富相對于所有投資者的財富總和而言是微不足道的。

(2)所有投資者只考慮一個相同的投資持有期。

(3)投資者的投資范圍僅限于市場上公開交易的金融資產，比如股票、債券、無風險借入或貸出等。

(4)不存在證券交易費用(傭金和服務費用)及賦稅。

(5)所有投資者都是理性的，都追求資產組合的方差最小化。

(6)所有投資者采用相同的方法進行證券分析并對經濟前景的看法一致，這使所有投資者關于有價證券未來收益率的期望分布具有一致性估計。

三、實證分析的數據選擇與處理

Rt-Rf=α+β*(Rm-Rf)+Ui

以上是為了論文的實證分析，而構建CAPM模型，其中模型的自變量X是Rm-Rf，因變量Y是Rt-Rf，對于非銀金融行業的探究。我們所構建的是一個一元線性回歸的模型，為了更好的對我國的非銀金融行業進行CAPM的實證分析，就是要通過2017年一整年的非銀金融行業板塊的交易數據進行回歸分析，得出貝塔值和R方，進行實證分析。主要是通過以下幾個步驟完成：

(一)行業指數的選擇

本文主要是通過萬德的行業分類選擇，進入到非銀金融行業的部分，選擇申萬非銀金融行業指數作為本文的主要樣本，這其中包括深圳證券交易所和上海證券交易所上市的非銀金融股票。指數選取的時間是從2017年1月3日至2017年12月29日，一年共245日的收盤價作為基礎的數據，來計算行業的整體收益率。其中在導出數據時，剔除了一些非交易天數和交易記錄不完整的天數，最終計算出236個有效收益率。

(二)股票收益率的計算方式

Rt=(Pt-P(t-1))/P(t-1)

對于CAPM模型中R的計算方式，主要是通過申萬行業指數前后兩日的收盤價得出收益率的大小，在這個計算公式中，Rt表示的是該行業股票整體在第t日的收益率，Pt表示的是該行業股票在t時期的收盤價，相應的P(t-1)即為該行業在t-1日的收盤價，通過收盤價之間的計算，得出該行業t日的收益率即Rt。

(三)市場收益率指標的選取

由于選擇申萬非銀金融行業指數作為非銀金融行業的代表性樣本，而非銀金融行業在滬深兩市均有上市公司，所以在選取市場收益率指標時，我們選擇的是滬深300指數并進行分析。滬深300指數能夠較好的反映中國證券市場股票價格變動的概貌和運行狀況，并能夠作為投資業績的評價標準，為指數化投資和指數衍生產品創新提供基礎條件。滬深300指數樣本覆蓋了滬深市場六成左右的市值，具有良好的市場代表性。③

(四)無風險收益率指標的選擇

CAPM模型中通常所需要的無風險收益率Rf是指把資金投資于一個沒有任何風險的投資對象所能得到的收益率，通常進行CAPM的研究更普遍會使用貨幣市場工具的到期收益率作為無風險利率，比如美國一般采用短期國庫券收益率來作為市場無風險收益率。但是我國國債的年期比較長，通常在1年以上，因此我們主要選擇的是我國的上海銀行間同業拆放利率(SHIBOR)，因為該利率由中央銀行以及18家商業銀行負責計算和報價，自該指標建立以來，3個月以內的短端SHIBOR充分反映了市場資金供求的變化，具有市場代表性，因此我們選擇3個月期的SHIBOR作為無風險利率的近似代替值。

四、CAPM的實證分析與檢驗

要對非銀金融行業進行實證分析，CAPM模型是必不可少的，本文主要是根據申萬非銀金融行業指數、滬深300指數以及SHIBOR進行回歸分析，其主要使用軟件是Eviews，基于滬深300指數和上海銀行間同業拆放利率，以Rm-Rf為自變量X，以Rt-Rf為因變量Y，對其建立起一個一因素的線性回歸模型。根據相關數據做時間序列數據的回歸分析，得出非銀金融行業整體的的貝塔系數和擬合優度R2。回歸結果如下所示：

Dependent Variable:RT_RFMethod:Least SquaresDate:12/19/18 Time:11:00Sample:1 236Included observations:236VariableCoefficientStd.Errort-StatisticProb.RM_RF-0.9145920.077338-11.825910.0000C-8.3852590.337435-24.849970.0000R-squared0.374084Mean dependent var-4.445273Adjusted R-squared0.371409S.D.dependent var1.036814S.E.of regression0.822025Akaike info criterion2.454347Sum squared resid158.1197Schwarz criterion2.483701Log likelihood-287.6129Hannan-Quinn criter.2.466180F-statistic139.8521Durbin-Watson stat1.284825Prob(F-statistic)0.000000

(一)顯著性分析

通過上表可以看出，整個非銀金融行業對應的β系數的P(t-Statistic)為0，β、α各自對應的p值小于顯著性水平α=0.01，這也就說明貝塔系數和阿爾法系數等于0的可能性是小于0.01，這也就意味著β系數和α系數顯著的不為0，模型的顯著性都非常高，自變量Rm-Rf和因變量Rt-Rf之間存在線性關系，非常契合模型。整體縱觀整個行業來看，該行業的顯著性還是很高的。

(二)R2分析

對于本文所采用的簡單一元線性回歸方程，R2如果大于0.5，則表明整個行業股票價格的走勢很大程度上由股指的走勢所影響的，文中模型是基于滬深300這一指數，因此分析非銀金融行業下公司的發展，主要考慮滬深300指數的影響。但是，根據回歸所做的數據都顯示，R2小于0.5，僅為0.37，可以看出非銀金融行業的整體的R2不高。因此可以進一步說明，系統風險并不占據影響整個行業發展的主導地位。滬深指數并不能對該行業產生顯著的影響。從上述顯著性分析可以了解到，該模型的顯著性都非常高，自變量Rm-Rf和因變量Rt-Rf之間存在線性關系，非常契合模型，但是回歸的擬合度卻很低，說明我們模型中的自變量也即是Rm-Rf對因變量Rt-Rf的解釋力度較低，也就是有其他因素更為顯著的影響著行業收益率。

(三)貝塔值與阿爾法值分析

根據所學知識，貝塔系數一直被當作是一個衡量風險的有效指標，它所反映的是證券的均衡收益率對證券市場期望收益率變化敏感程度。β值大于1，表示該股所面臨的風險要大于滬深300所面對的風險水平，相反的，如果β值小于1，那么該股的風險則是低于滬深300下的風險水平的。因此，β大于1的股票適合高風險的投資者④。通過上表可以發現，非銀金融行業的貝塔系數整體在-0.914592，與滬深300指數所反映的市場風險相比略低，且呈負向關系，說明在其他條件不變的情況下，市場收益率每增加一個百分點，非銀金融行業的收益將下降約0.91個百分點。α值為負數，反映了非銀金融行業受到了產業管制，同時由于現有的管制價格太低，投資者的收益率與風險不匹配，故其α值為負數。

五、結論

基于上述CAPM模型對于非銀金融行業的分析，可以清楚地知道，回歸分析的顯著性很高，但是模型的擬合度卻不高，這也說明了當前的CAPM模型對我們的非銀金融行業的解釋力度還遠遠不夠，貝塔系數不能很好的解釋我們所做模型的線性關系，同時表明了現階段的該行業的股票收益率不能被很好的解釋，這也從側面反映了還存在著其他的因素影響著行業股票的收益率，CAPM模型是資本市場上的一個重要的金融資產定價模型，具有簡單性，和可操作性等特點⑤，在資產定價、投資風險、股票收益預測上都起著重要的作用，但是其本身包含著較為嚴格的假設，比如投資者都是理性的、不存在證券交易費用等都過于嚴苛，使得實證檢驗的效果與理論相差較大；其次，實證檢驗中用一個市場組合代理組合來檢驗，該組合是否是市場組合的一個良好的代替也令人懷疑；同時我們所針對的我國的證券市場中的非銀金融行業還很單一，本身的發展也并不成熟，以及國家的干預較多也都相應的影響了CAPM發揮它的作用。

【注釋】

①時磊.非銀金融知多少.[J]中國銀行業專刊.2014(12)

②董于靖,王家梁.基于CAPM模型對于醫療保健行業的實證分析[J].時代金融,2018(27):232+236.

③方濤.基于CAPM模型對中國高鐵板塊股票的實證研究[J].北京印刷學院學報，2017，25(04):93-94+83.

④關林炎，查凱文.基于 CAPM 模型對上證鋼鐵板塊的實證分析[J].時代金融，2017(06):284-285.

⑤鄒舟，樓百均.CAPM 模型在上海股票市場的有效性檢驗[J].企業經濟，2013，32(01):173-175