CAPM

CAPM（共9篇）

CAPM 篇1

摘要：随着经济全球化发展,国际投资日益多元化,因此,如何选择国际投资方式成为众多投资者的关注目标。文章以崭新的视角,采用评价证券组合的资本资产理论来对跨国并购进行分析论证,对跨国并购的溢出效应进行量化分析,帮助决策者进行判断。

关键词：间接投资,直接投资,跨国并购,CAPM理论

0 引言

近年来,在世界范围内的经济往来中,国际投资的次数越来越频繁,资金规模也越来越大,其投资目标日益聚焦、手段日益丰富。这些以全新的形式存在的国际投资必将对国际资本市场产生非常重大的影响。如何进行国际投资,才能最合理利用剩余资金,取得投资效益最大化是所有潜在投资者关心的问题。下文将具体分析不同投资的特点,在一定假设的基础上进行投资效益分析。

1 国际投资与跨国并购

传统意义上,直接投资是指对被投资企业拥有控制权和经营权的投资,比如合资企业,合营企业,外商独资以及合作开发等方式;而简介投资则指不拥有被投资企业经营权的投资方式,包括国际信贷投资和国际证券投资。

在贸易自由化、经济开放化不断得到发展的今天,直接投资与间接投资的融合是非常普遍的。作为复杂多变的国际投资形式之一的跨国并购,它兼容了直接投资和间接投资的特征,不仅在国际贸易方面,对国际资本市场也产生了巨大影响。

跨国收购属于国际直接投资与间接投资的融合,是指国内公司用现金、债券或股票等方式,购买另一家国外公司的股票或资产,以获得该公司控制权的行为。因此,跨国公司既有直接投资的特征,又含有简介投资的特征。

2 资本资产定价模型

资本资产定价模型有威廉夏普在1964年提出的,用来解决投资者如何对证券进行组合投资的问题。该模型一提出,便在金融领域盛行数十年,并且在许多领域都发挥了巨大效用。

2.1 CAPM假设条件资本资产定价模型是建立在若干假设条件之上的,具体假设如下:

(1)投资者都依据期望收益率评价证券组合的收益水平,根据方差评价证券组合的风险水平,选择最优证券组合。(2)投资者对证券的收益风险以及证券之间的关联性具有完全相同的预期。(3)资本市场没有摩擦。以上三项假设中,对现实的投资行为进行了规范,并且对市场进行了简化。

2.2 CAPM理论综述

2.2.1 资本市场线方程

在资本资产定价模型的假设下,当市场达到均衡时,市场组合M为一个有效组合,所有的有效组合都可以看做是无风险证券F和市场组合M的再次组合。资本市场线阐述了有效组合收益和风险之间的关系,这种关系的方程便是资本市场线。

上式表示,有效组合的期望收益率是由两部分组成的,一部分是无风险利率rF,另一部分是,是对该组合承担的风险的补偿,成为风险溢价。

2.2.2 证券市场线方程

证券市场线方程是对资本市场线方程的演化,资本市场线只是解释了有效组合的收益风险均衡关系,而证券市场线则是解释了任意证券或投资组合的收益风险关系。

上式表示,任何投资组合的收益均可以有两部分构成,一部分为无风险利率rF,另一部分为风险溢价[E(rM)-rF]βi。

2.2.3 β系数含义

β系数可以反映证券组合对市场组合方差的贡献率,也可以体现出证券或者组合的收益水平对市场平均收益水平的变化敏感性。β系数越大表示敏感性越高。

3 国际投资风险收益分析

3.1 假设条件

在跨国并购的过程中,可能出现各种系统和非系统性风险,因此在整个并购过程中都应该进行对并购行为的风险收益评价分析。假设公司有空闲的资金,可以进行直接投资或者间接投资,公司决策者应当结合资本资产定价理论,对投资方式进行选择,确保公司获得投资利益最大化。

企业合并的根本目的是为了获得协同效应,也就是多,两个企业合并之后的价值大于两个企业价值的单纯相加。而合并后对价与原本企业价值相加中间的差价值便是企业合并所造成的溢出效应了。下文通过CAPM对合并或投资后效应进行量化分析,通过比较企业不同投资方案的效应大小,进行投资决策。由于资本资产定价模型用于评价证券组合,因此可以选择公司股票作为切入点分析。

3.2 国际直接投资效应分析

假设国内公司A准备收购国外公司B,用于收购的资金为V,收购前两公司的股票市场价分别为PA和PB,对外股数分别为QA和QB,因此收购之前两家公司的价值分别为PAQA和PBQB。

假设企业合并之后进行业务重组,股权发生变动之后形成新的公司,预期市场接受的新设公司的股票价格和数量分别为PAB和QAB,由此,企业合并所带来的利益可以量化

合并后的股票市价可以根据企业双方的资产,负债以及盈利情况按照不同的折股方法进行预测分析,并且运用可比公司估值法对折股方法正确性的事前验证。然而公司合并涉及面广,涉及因素复杂,因此得出的预测结果并不会完全精确。本文将不再具体展开介绍合并后折股股价的预测方法,仅仅是对不同方式投资的价值增值进行比较判断。

3.3 国际间接直接投资融合效应分析

假设国内公司A准备进行国际间接投资,试图买进若干家公司的股票作为金融资产。假设共同投资了n家公司的股票,第一家的股价为P1,数量为Q1,第二家公司的股价P2,数量Q2,以此类推,最后一家公司股价Pn,持股数Qn。

则可以表示如下

T时间之后,投资的各家股票将会发生变化,预计市场情况良好,所有股票都增长,则V′=V1′+V2′+…+Vn′,所有股票收益率用资本资产定价模型来计算,

3.4 国家风险分析

国际投资与普通的国内投资存在着多方面的不同,如政治、经济、文化方面的差异等等,所以仅仅考虑β系数来反映风险是不够的。同样,可以根据溢出效应风险的分析来推出国家风险。

要以CAPM思想来表达国家风险,需要一个国家的无风险回报率、国家的日值以及特定国家的权益风险溢价。每个国家的无风险利率一般以该国的长期政府债券收益率为代表,国际货币基金组织提供各国长期的政府债券收益率。比较各国市场指数与世界指数的波动性,可以估计那个国家的β系数。

通过对国家溢出效应和国家风险的分析,可以大致得出是否应该采取行动。而随着经济全球化,以跨国并购为主的直接间接融合投资正在占据全球市场,对收购决策的风险和收益评价,也因此变得越来越重要。

4 国际投资方式选择

通过上文基于CAPM对不同投资方式的量化分析,可以明显区分出不同方式的优劣。如果企业拥有剩余资金,就可以进行直接投资或简介投资,因此企业经营者需要结合资本资产定价模型对各种投资方式评价,进而选择出最适合公司发展趋势的投资方式。

参考文献

[1]李巍.不同类型对外投资的经济及金融风险分析,世界经济研究,2010,72.

[2]朱凌,中国对外直接投资风险问题研究,南京理工大学博士学位论文,2004,2,09,2,09.

[3]EllinghamM.Abitrage NewYork:stMartin5Press1991J.Clerk Maxwell,ATreatise on Electricity and Magnetism,3rd ed.,vol.2.Oxford:Clarendon,1892,pp.68 73.

[4]MarkowitzH.Foundation of Portfolio theory,The Joumal of Finanee,1991,2,469-477.

CAPM 篇2

关键词：CAPM模型中国股市实证检验

1、文献综述：

西方早期的检验多为支持CAPM模型。Black、Jensen和Scholes在1972年对纽约证券交易所1926年至1965年期间的所有股票数据进行了实证检?3，他们的计算结果和零β资本资产定价模型相一致，他们估计证券市场线上没有非线形的证据，斜率为正且不可能为零,但同时也发现，非系统风险对收益率有影响，低β股票收益率高于CAPM的预测值，而高β股票收益率却低于CAPM的预测值。

近些年，中国经济学界也对CAPM模型的适应性检验做了很多尝试，这其中有，阮涛、林少宫(2000)1利用上海股票市场的四十支股票对上海市场进行了模型的实证研究，否定了CAPM在上海证券市场上的有效性。

靳云汇、刘霖(2001)2关于中国股票市场CAPM的实证研究表明无论是否存在无风险资产，都不能否定用以代表市场组合的市场综合指数的有效性。但是，股票收益率不仅与β之外的因子有关，而且与β之间的关系也不是线性的。

2、数据的选取与检验方法：

2.1、数据的选取

2.1.1、股票的选取

本文选取的时间范围是从1995年到2010年，采用沪深A股市场月度数据。股票数据来源于万德数据库。

2.1.2、市场指数的选取

2005年以前选取沪深综合指数的平均数，以后选取沪深300指数。综合指数来源于锐思数据库，沪深300指数来源于万德数据库。

2.1.3、无风险利率的选取

本文选取的无风险利率主要是三个月居民定期存款利率，由于1996年5月份以前找不到该利率，故使用一年期居民定期存款利率转化成月度利率后作为替代无风险利率。数据来源于锐思数据库。

4、结论

本文通过对中国A股市场50只股票的时间序列以及横截面检验，可得如下结论：中国股市对系统风险的分散效果较好，但还不成熟；系统风险对股票的收益率的影响较显著，但不呈现线性关系。CAPM模型目前還不完全适用于中国股市。（作者单位：江西财经大学）

参考文献：

［1］阮涛、林少宫,CAPM模型对上海股票市场的检验，《数理统计与管理》，2000年7月，第2期第19卷

［2］靳云汇、刘霖，中国股票市场CAPM的实证研究，《金融研究》，2001年第7期

CAPM 篇3

1971年3月, Blume在《金融学刊》上发表了“论风险的衡量”一文, 研究了1926年1月到1968年6月间在纽约证券交易所挂牌上市的所有股票, 估计出各时间段的贝塔系数, 然后以统计学的相关分析法为基础, 对单个股票和不同规模组合的贝塔系数的稳定性进行检验。他得出的主要结论有: (1) 在一个时期内估计出来的风险系数是其未来估计值的有偏估计值; (2) 组合估摸越大, 未来的贝塔系数能被更准确地预测: (3) 高贝塔系数的股票在下一期的贝塔系数被动相对较小, 而低贝塔系数的股票在下一期间内则变动较大, 并且低风险股票组合的贝塔系数表现出的回归趋势比高风险股票组合的贝塔系数更为显著。

同年, Levy研究了1960-1970年间在美国纽约证券交易所上市的500只股票, 他缩短了估计时间, 采用周收益率数据, 并改变了前后估计时间段等长的传统做法, 以52周为基期, 后续期分别为52周、26周和13周。其主要结论为:在较短的时间段内 (52周) , 单一股票的贝塔系数是相当不稳定的, 但组合贝塔系数的稳定性有显著的提高。而且, 组合规模越大, 估计时间段越长, 贝塔系数稳定性越高。1974年, Baesel运用转移矩阵法, 研究了估计时间段长短对贝塔估计值稳定性的影响。把时间段分别设定为12、24、48、72和108个月, 对1950-1967年间纽约证券交易所的160只股票, 用月收益率资料做横截面回归, 得出如下结论:随着估计时间段的延长, 单个股票β系数的稳定性将会增强。同时他还发现, 风险较高的股票或者较低的贝塔系数的估计值稳定性好于适中的股票。

Bos和Newbold (1984) 、Collins与Ledolter和Rayburn (1987) 等都对贝塔系数的稳定性进行了研究。Groenewold和Fraser (1999) 研究了澳大利亚上市公司的贝塔系数的时变性, 而Reyes (1999) 则研究了英国股票贝塔系数的时变性。Estrada (2000) 在研究欧洲的股票贝塔系数的稳态状况后, 指出, 如果错误地假定贝塔稳定, 则可能低估总风险和系统性风险而高估风险调整后的收益。

2国内研究现状

我们学者沈艺峰 (1994) 最早把“Chow检验法”用于贝塔估计值的稳定性检验。他的研究结果表明:“在上海证券交易所上市的股票的贝塔系数, 绝大多数具有一定的稳定性”。沈艺峰和陈浪南 (1995) 利用同样的方法再次检验了自1992年6月至1993年10月于深圳证券交易所上市的8种股票的贝塔系数的稳定性, 检验结果基本上是稳定的。陈周敏 (1988) 完全沿用了沈艺峰的做法, 对上海证券交易所30种股票的贝塔系数进行了检验, 增加了样本, 但是在计算收益率时存在错误。

马喜德和郑振龙 (2006) 使用深发展时间序列样本对Beta系数进行了研究, 发现深发展的Beta遵循均值回归的过程。然而, 该文章所研究的样本个数太少, 说服力比较有限。陈学华和韩兆洲 (2006) 以按分析家中33个行业划分形成的股票组合为样本, 采用CU SUM SQ 统计量对Beta系数检验, 发现各行业的股票组合普遍存在不稳定特征, 采用基于卡尔曼滤波的市场模型有更好的预测效果, Beta的时变性可以用均值回复过程来描述。但是, 该文章仅检验了均值回归过程的预测效果, 并未对均值回归本身进行深入探讨。

此外, 童晓芹 (2007) 对上证股票市场的行业贝塔与非系统风险 (债务资本比率、资本密集度等) 进行了回归分析实证结果表明, 大部分公司的风险都与总市值和行业集中度负相关。

3根据前人分析基础上进行的实证检验

3.1行业贝塔的回归分析

3.1.1 总体实证思路与步骤

第一步:根据CCER数据库上的上市公司的年度贝塔求出行业贝塔。

第二步:将上市公司的行业贝塔值和GDP及上证股指做回归分析。

3.1.2 数据与变量的选取

选取上证股票1998到2007的年度贝塔数据, 剔除ST股和交易时间不足 (采用CCER金融数据库的标准) 的股票。选取1998到2007年的中国国民生产总值和上证股指, 以CCER金融数据库数据为准。

3.1.3 实证分析过程

(1) 计算行业贝塔。

①讲所有上市公司先按照行业, 再按照年度, 最后按照总市值排序。

②按行业的不同, 将每一年的总市值加总, 得出行业年度总市值。

③用每一个公司的年度总市值除以行业年度总市值, 得出每一个公司在行业中所占的权重。

④将股票的年度贝塔值与各自的权重相乘, 然后按照年度相加, 得出每个行业年度平均贝塔值, 结果见表1。

(2) 将上市公司的行业贝塔值和GDP及上证股指做回归分析。

行业贝塔=常数项C+β*LN (上证指数) +γ*LN (国民生产总值)

结果见表2。

3.2实证结果与分析

由表2的结果可知, 能源、工业、公共事业的行业贝塔与国民生产总值由显著的线性关系。金融、信息技术、公共事业的行业贝塔与上证指数有显著的线性关系。

国民生产总值和上证指数作为相对直观的宏观数据, 其趋势与某些微观因素相比更容易被预测和把握。所以, 对于本文所得出的结论, 对于实际的行业的贝塔的预测有着十分积极的意义。今后的研究将继续针对金融、信息技术和公共事业与上证指数的关系进行关于投资策略方面的研究。

3.3存在的不足

由于中国的股票市场尚不成熟, 发展的时间较短, 所以, 股票的总数和股票数据的时间跨度都不是很丰富。这对于研究的可信性产生了不可忽视的影响。

4对当前CAPM模型实证检验存在问题的总结

CAPM存在的问题主要有两类:一类是各个股票市场均存在的, 还一个是中国股票市场所特有的。

各个股票市场均存在的问题如下:

(1) 对股票收益率分布的假设前提。一般来讲, CAPM的模型对股票收益率的分布要求是正态分布。更准确的讲, 是三阶距及更高阶距是一阶距及二阶距的函数的分布。这在实证中无法找到这样的股票市场, 尤其是金融股的收益率具有明显的偏锋厚尾特征。

(2) 无法找到对市场指数的合理衡量。这里主要有两点原因:一是在CAPM模型的假设里, 是一个封闭的市场, 没有新股的发行和旧股的退出。还一个是股指的波动并不能准确的反映市场收益率的波动。Roll (1977) 指出, 如果选取了错误的市场指数, 会对CAPM的实证检验结果产生影响。

中国股票市场存在的问题如下:

(1) 成立时间太短, 数据有限。这导致所用的研究, 时间跨度段, 时间间隔短, 数据少。

(2) 大多数研究采用上证综指这一股市。根据多年的实践表明, 上证综指并不是市场收益率的合理代表。

除此之外, 由上面的研究我们知道。CAPM的前提是一个封闭的股票市场。而在中国股市10多年的发展中, 市场容量以惊人的速度扩张。根据以往的研究表明, 上市时间不同的股票在收益率、波动性等特点上差别很大。而这点差异并没有体现在大多数的研究中。

参考文献

[1]靳云汇李学中国股市β系数的实证研究[J].数量经济技术经济研究, 2000, (1) :18-23.

[2]苏卫东, 张世英.上海股市β系数的稳定性检验[J].预测, 2002, (3) :44-46.

[3]徐占东, 郭多祚.中国股票市场β稳定性分析[J].统计与信息论坛, 2004, (6) :39-42.

[4]沈艺峰, 洪锡熙.我国股票市场贝塔系数的稳定性检验[J].厦门大学学报, 1999, (4) :62-68.

CAPM 篇4

关键词：CAPM模型;β值;算法

一、引言

在资本市场的理论与实践中，对投资风险的度量一直是学术界和实务界关注的焦点，1952年Markowitz在其投资组合理论中首次将风险量化为证券的收益率方差。1964年William Sharpe在其投资组合理论的基础上创立了资本资产定价模型(Capital Asset Price Model，简称CAPM)，该模型简洁直观地表述了风险和收益之间的关系，并且将资产风险分为系统风险和非系统风险，其中系统风险的量化指标即为β系数。

CAPM模型应用于股票定价，则主要在于求出β值。依据CAPM模型，可以根据股票的收益率，市场无风险利率以及市场收益率，来估计出β。本文将CAPM模型理论与实际结合起来，运用相关计量的知识，建立计量经济模型，给出了分析沪深两市的算法。

二、CAPM模型简述

CAPM模型的基本假设有投资者在投资决策中只关注投资收益这个随机变量的两个数字特征，即投资的期望收益和方差；投资者既理性的，也是非常风险厌恶的；资本市场是有效的；资本市场上的所有证券都是有风险的等。

记r为无风险利率，w=［w1,w2…wn］代表投资n种风险资产（它是一个n维列向量，有∑ni=1wi=1），r=(r1,…,rn)也是一个n维列向量，表示每一种资产的期望收益率。使用矩阵V表示资产之间的协方差，于是资产选择问题为：

 minσ2p=wTVws.t.rp=wTr+(1－wT1)rf

构造拉格朗日函数并且给出一阶条件：

Γw=2Vw－λ(r－rf1)=0

Γλ=rp－rf－［wT(r－rf1)］=0

w=rp－rfeV－1(r－rf1)

其中：e = (r-rf1)TV-1(r-rf1)=a-2brf+crf2，e>0，定义任意一种风险资产相对于无风险资产的超额收益为：ri－rf=ξi,i=1,2,…,n，则所有风险资产的超额收益是一个n维列向量，用 ξ来表示，因而又有：e=ξTV－1ξ

这样，可以解出资产组合的总方差为：

σp=rp－rfe,rp－rf>0－rp－rfe,rp－rf<0

在均衡时刻，切点资产组合就是市场证券组合。用公式表示资本资产定价模型为 ri=rf+(rM－rf)βiM

从β的定义，即βi= σiM σ2M 可以看出其表示证券组合或证券对于市场组合的方差贡献率，因而βi能够测度证券或证券组合相对于市场组合的风险。其次βi又是资本市场线的斜率，反映了市场均衡状态时，证券或证券组合的超额期望收益率随市场超额收益率变动的敏感程度。βi>0，证券或证券组合的收益率变化与市场同向，βi<0证券或证券组合的收益率变化同市场相反.

三、CAPM模型算法设计

为了研究CAPM中国证券市场沪深两市的应用，对β系数进行估计，建立CAPM的回归模型。设CAPM模型为 Y=β0+β*X其中，Y为ri，i证券或者证券组合的收益率，X为rM－rf，市场收益率减去无风险利率（可以假设无风险利率为银行存款利率）

本文采用市场指数收益率作为市场组合收益率。对于β系数的估计，与rM的替代量是:当第i种证券在深圳交易所上时，rM为深圳综合指数收益率，当第i种证券在上海交易所上市时，rM为上证指收益率。在分析市场指数收益对β的影响时，rM为同行业板块指数益率。市场指数收益率的确定采用如下公式:

rMt=LnpMtpMt－1(M=1,2,3.t=1,…)，r1t，r2t，r3t分别表示上证指数，深圳综合指数，同行业板块指数在t周末的收益率，而pMt (M=1，2，3)分别表示上证指数，深圳指数及同行业板块指数，第t周末的收盘价。而pMt－1 (M=1，2，3)分别表示上证指数，深圳指数及同行业板块指数，第t周(月)末的收盘价。

综上可知，β参数估计算法过程如下：首先，由于Y,X均为时间序列数据，因此需要做数据的平稳性检验，通过单位根检验得出Y,X是否为平稳序列。其次，使用最小二乘法估计β参数，得到相关F检验值，t检验值，可绝系数和修正的可绝系数。再次，对模型进行自相关以及同方差检验。最后，对模型进行协整检验，并修正模型，得到短期修正模型。得出最终的β值。根据β值是否大于0，可以判断证券i与整个市场的关联度是同向还是反向；是否大于1，判断证券i与整个市场的风险敏感度。也可以依据未来证券市场的收益与无风险利率来计算股票未来价格。

四、结论

本文通过运用计量经济学计量模型的相关知识，结合CAPM模型，给出了沪深两市上β值的估计算法。由于模型还未运用到实证当中，因而没有实证的结果。本文的意义在于，给出了一个可行的算法，能够将CAPM模型和计量经济分析方法结合起来，共同研究沪深两市。（作者单位：西南财经大学经济数学学院）



参考文献

［1］ 庞浩，计量经济学［M］，科学出版社，2007

［2］ 林清泉，数理金融［M］,中国人民大学出版社，2007

CAPM 篇5

从Markowitz[1]和Tobin[2]提出资产组合理论,经过Sharpe[3]和Linter[4]的发展,现代资本资产定价模型对现代金融理论产生了巨大的影响。根据该定价模型,股票的收益与股票系统风险的量度β成正比,系统风险在股票定价中起着重要作用。对于市场有效性的CAPM检验在国外争议很大,国内对沪深股市的CAPM研究文献也很多,如阮涛、林少宫[5]和李和金、李湛[6]等关于沪市的有效性的检验。结果是我国股市不支持严格的CAPM模型。采用深市数据对CAPM分别进行时间序列检验和横截面检验。

1 实证检验

1.1 股票的选择

选取2000.1～2005.12作为研究的时间段。选取的样本为深圳股票市场的A股50支(均为任意选择,剔除ST及不满72个月数据股票),为深圳市场交易A股总数(2005年截止)的近十分之一。深证综合指数作为市场组合指数,用深证综合指数的收益率代表市场组合收益率。无风险利率:3个月居民定期储蓄存款利率。2005年3个月居民定期储蓄存款年利率是1.71%,折算为月利率为0.142 5%,即Rf=0.142 5%。

由于单个股票的非系统性风险较大,用于风险与收益的检验易产生偏差。时间序列检验采用是Black、Jensen与Scholes[7]的一种方法。具体步骤如下:

(1) 将时间段分为三个时期:2000.1～2002.12, 2003.1～2004.12, 2005.1～2005.12;

(2) 利用第一期的数据计算股票的β系数;

(3) 根据计算出的第一期的个股β系数划分股票组合。划分的标准是β系数的大小,这样从低β系数到高β系数划分25个组合;组合的收益率取组合股票收益率的平均;

(4) 采用第二期的数据,对组合的收益与市场收益进行回归, 估计出组合的β系数;

(5) 将第二期估计出的组合β值作为第三期数据的输入变量进行时间序列检验。

1.2 时间序列检验

1.2.1 单个股票β系数计算

根据2000.1～2002.12三年的数据,计算出每个股票的月收益率,带入如下的时间序列回归方程,计算出每只股票的β值。

Rit=αi+βi(Rmt-Rft)+εit (1)

(1)式中Rit是个股t时刻的月收益率;Rmt是市场指数在t时刻的月收益率;Rft是t时刻的无风险收益率;εit是误差项。

1.2.2 股票组合β系数计算

根据2003.1～2004.12二年的数据,计算出每个组合的平均月收益率,按下式进行时间序列回归得到β值。

Rpt-Rft=αp+βp(Rmt-Rft)+εpt (2)

(2)式中Rpt是每个组合在t时间的收益率;Rmt是市场指数在t 时间的月收益率;Rft是t 时刻的无风险收益率;εpt是回归误差项。

1.2.3 组合风险与收益关系的检验

根据2005.1～2005.12这12个月的数据,计算出组合的月收益率。然后分别代入下式。

Rp=γ0+γ1βp+εp (3)

(3)式中Rp是组合的平均收益率;βp是组合的β系数;εp是回归误差。

1.2.4 回归系数的统计检验

组合风险与收益关系回归结果如表1。

回归方程:Rp=-2.403 5+1.301 4βp。

根据5%的显著水平,T0.1/2=1.714,于是有T<T0.1/2。

1.2.5 结论分析

γ1>0,且T≠0,表明深圳股市系统性风险与收益存在正相关关系,系统性风险在其定价中起了一定作用。从回归的拟合优度显示看来,效果不是很好,并不是CAPM中的线性关系,说明还有其他的风险因素影响定价;γ0<0,即无风险收益率是负数,表明在深圳股票市场上,投资者的投机需求大于投资需求,投机气氛过重,过分的追求高收益。说明深市不是一个很成熟的股市。

1.3 横截面检验

1.3.1 FM模型

FM (Fama and Macbeth)模型[8]被当作标准的CAPM横截面检验模型。现采用FM 模型,如下:

Rp=γ0+γ1βp+γ2β${}_p^2$+γ3Var(εp)+ε (4)

Rp是组合的月收益率;βp是组合的β值;β${}_p^2$考察是否存在非线性关系;Var(εp)是式(2)的误差方差,考察收益率与非系统风险之间的关系。

利用时间序列检验时计算出的组合β值以及组合的月收益率(2005.1～2005.12),带入上式进行回归,然后进行t检验,结果如表2。

回归方程:Rp=-6.266 5 + 7.346 5βp-

2.963 9β${}_p^2$+ 0.023 7Var(εp)。

根据5%的显著水平,T0.1/2=1.721,于是有T<T0.1/2。

1.3.2 结果分析

γ1>0,这与时间序列检验的结果一致,表明市场具有明显的投机特征;γ0<0,表明股票的收益与其系统性风险成正向关系;γ2<0,表明股票的收益与系统性风险并不是线性关系。结果支持了时间序列检验的结论。

1.4 自相关性和异方差检验

1.4.1 自相关性检验

本文通过对每支股票72个时间数据进行回归,并计算出每支自相关程度d,查D-W统计量d统计表3,dL=1.58和dU=1.64。

通过表3可以看出50支股票中,37支不存在自相关性,绝大多数股票不存在自相关性,因此自相关性对回归模型的结果不构成影响或影响不大,从侧面支持了模型的结果。

1.4.2 异方差检验

对(3)式进行异方差的检验,利用White检验法,构造辅助模型

ε${}_p^2$=α0+α1βp+α2β${}_p^2$+u。

通过计算得,nR2=2.309 8,根据5%的显著水平,有χ${}_{0.05}^2$=3.841,于是明显得nR2<χ${}_{0.05}^2$。故不存在异方差,原模型结果可靠。

同样用White检验法对(4)式进行异方差的检验,构造辅助模型

ε${}_p^2$=α0+α1βp+α2β${}_p^2$+α3Var(εp)+

α4Var2(εp)+α5βpVar(εp)+u

通过计算得,nR2=7.335 5,根据5%的显著水平,有χ${}_{0.05}^2$ (4)=9.488,于是明显得nR2<χ${}_{0.05}^2$。故不存在异方差,原模型结果可靠。

2 结 论

深圳股票市场不符合CAPM模型的结论,系统性风险与收益率虽然正相关,但不是线性关系,说明还有其它风险因素影响定价;市场投机气氛过重,说明深圳股市2006年前还不是一个较为成熟的市场。因此基于CAPM模型对中国现阶段的股票市场的分析和应用是缺乏有效性依据的。

摘要：对深圳股市的资本资产定价模型(CAPM)进行时间序列数据和横截面数据检验,研究了股市风险与收益的关系,对深圳股市的特点进行了分析。发现深圳股市不满足资本资产定价模型(CAPM),系统风险与收益虽存在正相关,但不是线性关系;市场投机氛围过重,说明市场还不成熟。

关键词：资本资产定价模型,时间序列回归,横截面回归

参考文献

[1]Markowitz H.Portfolio selection.Journal of Finance,1952;07:77—91

[2]Tobin J.Liquidity preference as behavior towards risk.Review of E-conomics and Statistics,1958;25:65—86

[3]Shape W F.Capital asset prices:a theory of market equilibrium un-der condition of risk.Journal of Finance,1964;19:425—442

[4]Linter J.The valuation of risk assets and the selection of risky invest-ment in stock portfolio and capital budgets.Reviewof Economics and Statistics,1965;47:13—37

[5]李和金,李湛.上海股票市场资本资产定价模型实证检验.预测,2000;5:75—77

[6]阮涛,林少宫.CAPM模型对上海股票市场的检验.数理统计与管理,2000;19(2):12—17

[7]Jensen M,Scholes M.The capital asset pricing model:some empiri-cal tests.In:Black F,Jensen M,Scholes M.The capital asset pri-cing model:some empirical tests.Praeger Publishers Inc New York;Praeger Publishers Inc,1972

CAPM 篇6

一、贝塔系数概述

资本资产定价模型中最具有创新意义的就是贝塔系数, 贝塔系数常作为测量股票系统风险的重要指标, 单个证券或证券组合的贝塔系数对于投资组合选择和风险管理来讲都是极为重要的。因此, 对于贝塔系数进行更为准确的估计始终是资产定价研究的热点, 如果能准确的估计和预测出贝塔系数, 不仅使模型能够更广泛得到应用, 而且给投资管理和金融决策带来了很大的应用价值。

二、研究方法

(一) 研究方法与数据选取

本文选用杭州解百 (000538) 和云南白药 (600814) 为对象, 并采用深证综指、上证综指、上证A指、上证B指等作为各市场组合。其中杭州解百于1994-01-04在上海证券交易所上市, 证券类别为上证A股, 云南白药于1993-12-15在深圳证券交易所上市, 证券类别为深圳A股。分析过程安排如下:首先, 以上证综指和深证综指分别作为市场组合来分别估计云南白药和杭州解百贝塔值, 并比较两市场组合中CAPM对它们股票期望收益预期的准确性;其次, 以上证A指和上证B指为市场组合来分别估计杭州解百贝塔值, 并比较两市场组合中CAPM对它的股票期望收益的准确性;最后, 以各行业股指数作为市场组合进行预期收益准确性的比较。本文采用的原始数据有:云南白药股票和杭州解百股票从2004-6-1至2010-8-31全部交易日的日收盘价;上证综指、深证综指、上证A指、上证B指、深圳A指、深圳B指从2004-6-1至2010-8-31所有交易日的日收盘指数;以及2004-6-1至2010-8-31整存整取三个月银行存款利率。数据来源于“GTA国泰安研究服务中心”。

(二) 贝塔系数的估算方法

本文将按照定义根据证券与股票指数收益率的协方差和市场组合收益率的方差相比所得到的值作为贝塔系数。贝塔值估算的基本方法及公式:

其中:t代表某个特定的时间, Kjt是指在t时某种股票的收益, Kmt是指在t时市场的收益, cov[ (Kjt, Kmt) ]是指第j种证券收益与市场组合收益之间的协方差。Var (Kmt) 是指市场组合收益的方差。

本文考虑到云南白药和杭州解百股份有限公司行业性质, 选择计算股票的月贝塔系数, 采用五年的月收益率进行估算。由于篇幅限制, 本文会在具体分析时列出云南白药股票和杭州解百股票分别以深证综指、上证综指、上证A指、上证B指为市场组合所得到的部分月贝塔系数以及预期收益率以方便读者阅读。

三、CAPM股票期望收益预测

下面运用CAPM对股票期望收益进行预测:

其中, Rit是股票第t月的期望收益, βit是股票第t月的贝塔值;Rft是第t月的无风险资产收益率 (根据某些文献得选用整存整取三个月的银行存款利率比较恰当) ;Rmt是市场组合在第t月的收益率。在不同市场组合下, 计算得到的股票期望收益会不同, 通过将它们分别与股票实际收益进行比较, 便可比较得出相应期望收益与实际收益能够最接近的市场组合;另外也能顺便验证CAPM是否能够反映出股票收益与其相应贝塔系数间存在的正相关关系。为了验证以上问题本文分别以深证综指、上证综指、上证A指、上证B指为市场组合, 对云南白药股票和杭州解百股票的期望月收益进行预测, 限于篇幅, 我们将在具体分析中拿出相应数据, 便于向读者说明相关现象。

四、数据分析

(一) 对比深证综指与上证综指的市场组合

本文分别将云南白药 (000538) 和杭州解百 (600814) 与深证综指和上证综指进行组合, 得到了云南白药在深证综指和上证综指下的贝塔值, 杭州解百在深证综指和上证综指下的贝塔值。并据此算出相应的期望收益率。数据在整体上都显示, 在CAPM下, 从两个市场组合中所得到的期望收益率都与云南白药和杭州解百的实际收益率比较吻合, 例如, 云南白药在2010年6月时实际收益率为-5.147058824%, 经过计算得到在上证综指下的期望收益率为-6.975041%, 在深证综指下的期望收益率为-3.810873%, 这从一定程度上验证了股票的收益与其贝塔系数确实存在着正相关的关系。同时将同一支股票在不同市场下计算出的期望收益率与实际收益率进行比较发现:针对杭州解百来讲, 以上证综指为市场组合计算出的期望收益率更接近实际收益率;针对云南白药来讲, 以深证综指为市场组合计算出的期望收益率更接近实际收益率。因此, 根据本文数据并结合之前学者分析的相关资料来讲, 这个现象的原因很大程度上是:上证综指是用所有在上海证券交易所挂牌上市的股票作为样本进行编制的股票指数, 而深证综指是用所有在深圳证券交易所挂牌上市的股票作为样本进行编制的股票指数。云南白药是在深圳证券交易所上市的, 而杭州解百是在上海证券交易所上市的。明显两者所属的市场环境不同, 在相应的市场中能得到更准确的预期收益率。故而得出在运用CAPM模型, 计算贝塔值时选用特定股票所上市的市场作为市场组合能更好的反应特定股票在相应市场的反应程度, 并且同时会提高预期收益的准确性。

(二) 对比上证A指与上证B指的市场组合

本文分别将杭州解百 (600814) 与上证A指和上证B指进行组合, 得到杭州解百分别在上证A指和上证B指下的贝塔值, 并据此算出相应的期望收益率。由于版面限制, 不方便列举大量数据, 数据呈现出下面普遍的特点, 故只列举2010年7月时杭州解百在两个市场组合下的预期收益率, 当时在上证A指为市场组合时算出的期望收益率为-6.816583371%, 在上证B指为市场组合时计算出的预期收益率为1.354214566%, 而杭州解百在当时的实际收益率为-7.8788%。杭州解百在上证A指下的预期收益率与实际收益率相当符合, 而在上证B指的数据却是偏差很大。本文在结合相关资料下分析, 上证A指是用所有在上海证券交易所挂牌上市的A股股票为样本所进行编制的股票指数, 杭州解百也是这些股票中的一支。故而用上证A指的收益作为依据计算贝塔值并得到期望收益率, 能更好的反应杭州解百对上证A指市场反应程度。对云南白药的数据进行分析也能得出与之相同的特点。

(三) 对比上证A指与上证综指的市场组合

现在观察分析杭州解百分别由上证A指和上证综指为市场组合得到的期望收益率, 上证综指的波动幅度明显大于上证A指, 且上证A指下的期望收益与实际更为符合。例:2010年6月杭州解百在上证综指为市场组合计算出的预期收益率为-13.28242742%, 在上证A指为市场组合计算出的预期收益率为-8.34354324%, 而杭州解百在此时的实际收益率为-7.8788%。本文结合各种资料及数据分析, 缩小市场组合所得到的贝塔值能更准确的反映特定股票对该市场变动的反应程度, 从而能使CAPM更加准确。上证综指有两部分, 分别是上证A指和上证B指, 由于杭州解百属上证A指, 其与上证B指联系就相对来说较疏松。因此, 含有上证B指的上证综指是没有仅以上证A指为市场组合得到的期望收益与实际更为符合。云南白药股票的收益率与相关深证A指和深证综指也呈现出与以上分析相同的现象, 因此更加证实以上分析的可信度。

(四) 对比各行业指数的市场组合

如果再深一步探讨, 本文还可以通过对以各行业指数作为市场组合进行探讨, 但是由于我国此方面的数据不够完善, 因此不能得到必要数据。不过可以借以上各种市场组合的分析进行相关猜想, 就以杭州解百为例, 从行业角度出发, 它的实际收益率和对市场的反应程度很大可能是与批发、零售贸易市场为市场组合前提下计算出来的贝塔值和期望收益率更加符合, 与以金融、保险业为市场组合得到的数据则会相去甚远。

五、结论

综上所述, 笔者认为CAPM在中国证券市场依然适用, 且对于某支特定的股票, 在运用CAPM对其证券期望收益率进行预测时, 应当注意选取的市场组合, 越是与该股票关系近的市场得到的值越会准确, 例如在上海证券交易所上市的股票选择上证综指比深证综指准确, A股股票选择A股市场作为市场组合比选择B股准确, 更进一步来说, 选择时还可以注意行业指数, 运用CAPM对特定股票的相应行业为市场组合得到的期望收益率会更具有可信度。

参考文献

CAPM 篇7

诺贝尔经济学奖获得者威廉·夏普1970年在他的著作《投资组合理论与资本市场》中提出资本定价模型 (Capital Asset Pricing Model) 。他指出, 资本市场中有两种风险:一是系统性风险 (Systematic Risk) , 即市场中无法通过分散投资来消除的风险;二是非系统性风险 (Unsystematic Risk) , 这是属于个别股票的自有风险, 投资者可以通过选择证券组合来消除它, 从技术的角度来说, 非系统性风险的回报是股票收益的组成部分, 但它所带来的风险不随市场的变化而变化。资本资产定价模型表示为:undefined, 即某种证券的期望收益=无风险资产收益率+证券的β系数×风险溢价, 它表明证券的期望收益与该证券的β系数线性相关, 由于从长期的角度来看, 市场的平均收益高于无风险收益率, 因此, 证券的期望收益与其β系数正相关。

CAPM模型有助于投资者判断资本资产的价格, 即在市场均衡时, 求出期望收益和用β值来衡量的市场风险间的线性关系。它考虑的是不可分散的风险 (市场风险) 对证券收益率的影响, 由于它的前提假设是投资人可以通过多元化投资来分散单个股票的特有风险, 所以只有无法分散的风险, 才是投资人所关心的风险。

2 模型假设

CAPM模型的基本假设如下:

投资者的决策依据是投资收益率的方差和均值, 并且厌恶风险;投资者具有相同预期;投资者有相同的单期投资日期;资产具有无限可分性, 买卖不受限制;允许做空;存在无风险资产做比对;忽略税收和交易成本, 市场信息免费及时;忽略通货膨胀和利率变化;市场完全、充分竞争, 单一投资者不能通过个人行为影响资产价格。

3 在深圳A股市场的实证检验

(1) 回归模型和检验方法。使用IBM SPSS19.0, 首先建立线性回归模型 rit=αi+βirmt+εit, t=1, 2, …, T, 其中rit表示单只股票收益率, rmt表示市场价格指数收益率 (代替市场组合收益率) , εit表示随机扰动项。用最小二乘法估计出相应系数, 就可以得到βi的估计值undefined, undefined作为自变量检验系统风险与收益的关系, 最后检验横截面模型。

(2) 基本数据。目标变量为单个股票的日收益率, 选择深市总市值在500亿元以上的前8位权重股, 解释变量为深圳成分指数的日收益率, 时间段为今年以来, 即2010年1月1日到7月1日, 数据采集自国泰安CSMAR数据库。

(3) 回归分析求undefined。根据单因素模型, 利用这八只股票和深成指的日收益率做线性回归, 估计undefined, 并用残差εit 的标准差δit 度量非系统风险, 具体分析过程以万科A为例。方差分析的结果显示, 概率P值为0.000, 远远小于选定显著性水平0.05, 所以回归方程是显著的, 可以认为自变量对因变量产生显著影响。同时残差的分布显示观测数据的残差围绕在假设的正态分布直线周围, 因此可以判断样本的残差分布近似于正态分布。

回归系数的结果显示, 概率P值为0.000, 通过检验, 但是常数项的概率P值为0.368, 没有通过检验。同时D-W值为1.999, 可以判定模型不存在一阶自相关。顺利通过F检验和t检验, 说明在0.95的置信水平下, 方程的线性关系显著成立, 自变量影响显著。因此万科A的日收益率对深成指日收益率的回归方程可建立为rit=0.947rmt, 这八只股票回归结果反映出它们的β系数的回归显著, 通过了检验, D-W值也都通过检验, 可以认为不存在严重的自相关。五粮液、苏宁电器、万科A、中兴通信的β系数均小于1, 可被归类为防御型股票;西山煤电、深发展、鞍钢股份、潍柴动力的β系数均大于1, 可被归类为进攻型股票。

(4) BJS检验。利用BJS方法检验风险与收益的关系。模型设为ri=y0+y1βi+μi , 其中ri为样本股票的平均日超额收益率, 数据采集自国泰安CSMAR数据库。对无风险资产收益率rf的估计, 要强调无风险的特性, 根据相关研究结果, 一般可采用政府长期国债的收益率作为估计值。本文使用2010年凭证式三年期国债的利率3.73%, 折算成日利率为0.0104%作为无风险资产收益率。

回归结果显示, 回归方程中自变量整体对因变量的影响不显著, 没有通过F检验, 常数项和β系数都没有通过t检验, 即y0、y1 均显著为0, y0显著为0即不存在无风险收益率, y1 为0即系统风险与超额收益没有显著关系, 高系统风险并不会带来高期望收益率。

(5) 横截面检验。采用模型ri=a0+a1βi+a2βundefined+a3δit+μi 进行分析, 三个变量都没有通过t检验。βi项没有通过t检验, 再次说明系统风险与收益的关系不显著;δit 项没有通过t检验, 说明非系统风险在资产定价中不起作用。

4 结论

以上模型及其检验结果意味着深圳A股市场收益和系统风险线性关系不显著, 高系统风险并不一定会带来高收益。它的主要原因是, 我国的股票市场仍然并且长期处于“新兴+转轨”的历史阶段, 市场监管者、参与者并不成熟, 很多方面不满足CAPM的基本假设, 集中体现在:

(1) 监管不力, 有法不依, 违法不究, 执法犯法, 2010年最新的一个例子, 即证监会的工作人员及其亲属参与证券交易不被追究责任就是明证。

(2) 上市公司信息披露不完善, 内幕交易横行, 集中体现在重大资产重组信息公布之前股价往往有异动, 却没有受到追责, 2007年牛市中的杭萧钢构就是典型例子。

(3) 股票市场仍然是政策市, 受国家政策影响很大, 5·20“半夜鸡叫”事件就是明证, 股市甚至成为国企脱困的工具, 成为央企和地方企业圈钱的工具, 大批亏损企业包装上市, 圈钱后短短几年时间就重组、退市甚至破产, 造成股民的重大损失, 股市与生俱来的资源配置功能和资源配置机制被严重扭曲。

(4) 被监管者寄予厚望的机构投资者并没有成为市场的稳定因素, 2010年二季度以来上证综指从2800点急跌到2300点的过程中, 机构投资者就扮演了快速杀跌的角色, 造成了股民尤其是基民的重大损失, 机构投资者特别是基金经理有没有在这一波下跌过程中, 一方面抛出机构控制的权重股, 另一方面通过私人账户在股指期货市场上做空, 进而牟取暴利成为市场的关注焦点。

(5) A股市场的税收和交易成本过高, 虽然A股市场上愿意与股民分享公司利润的公司已经很少, 国家仍然对股息和分红收税高达20%, 在印花税已经改为单方向收取的前提下, A股市场的交易成本之高还是位居世界前列。

以上种种都说明, 我国的A股市场要真正成为优质企业的融资渠道, 成为股民与国民经济共同成长的媒介, 仍然任重而道远, 需要一代人甚至几代人的不懈努力。

摘要：本文利用深圳A股市场的权重股日收益率数据对资本资产定价模型进行了实证检验, 结果表明CAPM理论不适用于深圳A股市场, 并说明了相关原因。

关键词：资本资产定价模型,单因素模型,回归分析

参考文献

CAPM 篇8

一、CAPM模型的基本理论

1. CAPM模型的基本假设。

模型的假设条件包括:投资者在预期收益水平相同时选择风险较小的投资, 而在风险水平相同时追求最大的收益;投资者只能被动地接受市场价格;资本与信息可以自由地流动。概括而言, CAPM假设的核心思想是:所有的投资者都是完全理性的, 证券市场是完全有效和充分竞争的。

2. CAPM模型的基本形式。

在CAPM基本假设的前提下, CAPM模型描述了单项资产预期收益率与相对风险之间的关系, 其基本形式如下:E (Ri) =Rf+βi[E (Rm) -Rf] (i=1, 2, ……, n)

其中, E (Ri) 为第i项资产的预期收益率, E (Rm) 为市场组合的预期收益率, Rf代表无风险利率, βi表示该项资产的系统风险系数。CAPM模型的关键在于β系数的计算:β值大于1, 表示第i项资产的系统风险大于整个市场组合的风险, 相应的就要求其回报率高于市场平均回报率;β值小于1情况则相反。

二、数据的选取与处理

1. 样本股的选取。

为使实证不过于繁琐, 本文选取银行业中较具代表性的四大银行在上证交易所上市的股票作为样本股, 这四只股票分别为中国银行 (601988) 、农业银行 (601288) 、工商银行 (601398) 、建设银行 (601939) , 同时我们采用周度数据来提高模型的精度。

2. 无风险利率的确定。

由于目前我国利率尚未完全市场化, 无法选择通常采用的国债利率做作为无风险利率。因此, 本文以2013至2014年度三个月定期存款利率2.6%为无风险收益率。

3. 市场指数的选择。

鉴于我国股票市场有其特殊性, 加之四大银行股均为上证A股股票, 所以本文选取能够代表A股流通市场风险程度的上证A股指数作为市场指数。

三、CAPM模型的回归分析与实证检验

1. 模型的回归。

根据最小二乘法, 建立实证模型估计式为:E (Ri) =Rf+αi+βi[E (Rm) -Rf]+εi, 其中α、β为待估参数, ε为表示残差, 并设E (Rm) -Rf为解释变量X, E (Ri) -Rf为被解释变量Y, 使用Eviews6.0软件对所选取的数据进行线性回归, 估计结果如下:

从上面的结果可以看出, 四个方程的T检验、F检验统都很显著, β系数通过了显著性检验, 证明了CAPM模型的有效性;另外, 各个模型的拟合优度都在0.40至0.60之间, 拟合程度较好, 整体上令人满意。

2. 模型的解释。

四个回归方程的斜率系数 (β值) , 在5%的显著性水平上均大于0, 表明单个银行股的收益率与市场组合的收益率正相关, 这与CAMP模型的要求相符。其中, 中国银行、农业银行、建设银行等三家银行的β值均不高, 在0.6与0.7之间, 说明这三只银行股的个股收益率小于市场组合的平均收益率, 则个股的风险程度也小于整个是市场组合的风险程度, 但相对来讲收益也就较小;意味着这三家银行都采取了较为保守的经营方式, 其股票类型属稳健型, 持有这类股票可以避免较大的损失。工商银行的β值为1.05, 略大于1, 说明该股的风险收益率略高于市场组合的平均收益率, 投资该股票所需承担的系统风险比市场风险稍高, 但投资这类进攻型股票可能获得更大的收益。总的来说, 这四家银行的回归结果基本符合各自的市场定位。

四、结语

上述实证分析表明, 四大银行股的β系数估计值均大于0且通过了显著性检验, 加之四大银行是银行业中的典型代表。因此, 得出结论:在样本时间内, CAPM模型在我国银行股市场是适用的, 并能在一定程度上解释我国银行股的表现;四大银行股的收益率与市场组合的收益率之间呈现线性的正相关关系。对于模型的使用情况, 四个回归模型的拟合优度均未超过60%, R2值不是很理想, 说明回归方程的解释力都不够。也就是说, 还存在一些影响银行股收益率的其他因素, 如政策变动、公司资产重组等。

综上所述, 本文在一些方面证实了CAPM模型在我国银行股市场的有效性。β值大于0表明银行股的个股收益率与其系统风险正相关, 而这种风险收益关系符合CAPM模型的要求;再者, 多数银行股的β值不高, 说明现今银行业总体上采取防御性的经营策略。但同时, 应该意识到该模型并不能完全适用于我国银行股市场, 因为CAPM模型本身是一个理想模型, 完全符合该模型假设条件的市场是不存在的, 而我国金融市场发展不完善、不成熟, 更为该模型的使用增添了难度。

摘要：为检验CAPM模型在我国银行股市场是否适用, 本文选取四大银行股和上证A股指数2013年1月—2014年4月的周度数据, 运用计量经济学知识, 进行了模型的构建与估计。实证结果表明, CAPM模型能够衡量四大银行股风险与收益的关系, 从而证实了CAPM在我国银行股市场的有效性与可行性。

关键词：CAPM模型,β值,四大银行股

参考文献

[1]邓纬纶.中国银行股的CAPM实证分析[J].现代经济信息, 2012 (2) .

[2]蒋茜.上证银行股CAPM模型的实证分析[J].金融市场, 2013 (3) .

CAPM 篇9

关键词：CAPM理论,证券市场,应用

21世纪是经济飞速发展和社会不断进步的时期, 从而导致了国内金融业的不断发展。适应这种情况, 最近几年来CAPM理论被不断的引入同时应用到社会上的各个理论研究和相关投资决策领域。然而鉴于国内的证券市场起步较晚, 发展不够成熟, 因此难以满足CAPM模式运行的基础条件, 需要对其进行进一步的探究与分析, 本文从以下几个方面对CAPM在当前国内证券市场的应用进行了详细的分析与论述, 希望为相关从业人员提供一些有价值的参考意见。

1 CAPM理论的形式及其作用

1. 1 CAPM理论的基本形式: E ( Rp) = Rf+ β [ ( RM) -Rf]

其中, E ( Rp) 代表投资者相关期望的收益率, Rf代表一些无风险的报酬率, E ( RM) 代表市场组合的相关期望的收益率, β 代表的是某一组合中的系统风险的相关系数, CAPM理论是指系统风险的相对收益率同代表投资组合或者是单个证券之间的相互关系, 即指投资组合或者是单个证券的收益率等同于无风险的收益率和风险的溢价之间的总和。

1. 2 CAPM理论的主要作用

当今金融理论的主要内容是CAPM理论, 其主要作用一般是指, 通过对证券的相关的标准差以及相应的预期收益之间的定量关系, 进而来考察上市的但是有着不同价格的证券的 “合理性”, 从而为准备上市的证券价格的定价给予一定的帮助, 并且能够从经济变化上, 即宏观经济上的变化来影响对证券价格确定。

因为CAPM理论在有效的资产组合中, β 是对于任何一项目中的资产系统风险进行描述的, 并且它包含了任何描述风险的因素。所以说, CAPM理论是在理论上的抽象以及对现实中的经济简化, 它同一些其他的实证经验不太相互符合, 但是它依旧被认为是证券市场经济的典型模式。基于CAPM理论的优势, 即使我国金融市场与CAPM理论的假设条件存在一定的差距, 但是也没有必要说要等到我国经济市场发展到适合它的地步再研究它, 与之相反的是, 应该充分的利用CAPM理论的实用性以及相应的逻辑性, 来对我国经济市场进行分析研究, 以便推动我国经济市场的飞速发展, 推动证券市场的进一步发展, 以便与国际市场接轨。

2 CAPM理论在国内证券市场实证研究结论

由于CAPM理论需要比较严格的假设前提, 与此同时其将证券市场假想为过于理想与简单化的抽象市场, 因此在应用CAPM理论时, 需要进行一系列较为严格的假设。 比如市场有效性方面, 在信息最初获取的过程中是没有成本的, 而每一个投资者都十分理性, 依据相关均值方差模型来对其将要采取的投资决策施行资本控制, 在这里面通常不存在资本上的介入与贷出的相关限制。另外, CAPM理论把目前所存在的全部风险系统都归纳于一个相对风险的系统之中, 从而忽视了别的因素对单个证券受益率之间的影响。另外, CAPM理论假设的前提是证券市场里拥有充足的证券, 以此来有效地抵消非系统上的风险。在实际生活中, 相关研究人员面对上述的假设与条件, 即使将其应用在发展较为成熟的证券市场中, 也难以满足上述所有条件。所以当假设条件难以满足时, CAPM理论在不同的证券市场就有着不同适用效果。

根据上文所述, 当前国内证券市场发展还不够成熟, 因此不能够有效地符合市场完全有效性的各种假定, 而目前市场上断线投机的目的要远远大于投资目的, 导致大部分投资人员并不是理性的投资者, 其进行投资决策时还具有比较大的盲目性与跟风心理。在上述条件的影响下, 国内证券市场应用CAPM理论还存在着比较大的问题, 理论与实际情况有着很大的差距。

通过一些专家学者的不断研究表明, CAPM理论对于中国的证券市场而言并不能够发挥其应有的效果, 其不适用我国国情。究其原因主要是对股票受益率进行解释的变量不仅有 β, 还包含着其他方面的因素。所以首先国内的证券市场系统性风险普遍较大, 这一问题导致CAPM理论所强调的需要通过多元化的投资组合来有效地降低风险无法实现; 其次国内证券市场的股票定价同CAPM理论中所描述的机制还存在着一定的距离, 这些都导致CAPM理论不太适用于当前国内的证券市场。

3相关改进措施以及改进模型在国内证券市场的具体应用

由于CAPM理论的提出主要是对于当前证券市场的一个较为简单的抽象, 因此利用CAPM理论能够对问题进行深入的研究。然而当前国内证券市场在许多方面都不能够满足其所假设的前提条件, 这时就需要对CAPM理论的一些方面进行一定的改进, 从而使其能够适应国内证券市场的发展。在当前条件下, 目前对CAPM理论通常有两个方向的改进: 一个方向是逐渐的放松CAPM理论所假定的一些条件; 另一个方向是充分的参考证券投资者将要面对的不能够确保收益的其他方面的风险。在本文里仅对前一种方向进行探讨, 具体而言就是Black的零 β 模型, 再充分的参考到有借入限制的CAPM理论。而在无风险借贷假设的基础上, 得出了具有更为普遍适用性的CAPM形式, 也就是我们当前所说的Black版本:

在上述公式中, 我们将无风险收益率Rf替换成为在市场组合里零 β 的资产收益Rom。使用这种模型能够有效的适应于无风险利率借入或者贷出限制等多种情况。

与此同时, 在证券的流动中, 还存在着一定的交易成本, 基本上包含交割费用以及手续费与佣金、信息费用等方面, 这些都对风险证券的最终收益率带来了比较严重的影响。为了有效应对上述情况, 也需要CAPM理论做出一定的调整。从而使得不同的资产当面对相同的系统风险时, 能够将交易成本采用升水的形式来附加到期望收益率上面。具体而言, 可以用下列算式来表达: E ( Ri) = Rt+ β[E ( RM) - R] + f ( ci) , 在这里f ( ci) 通常是表示交易成本, 表示受益升水。

经过实践的检验, 改进之后的CAPM理论更加符合当前国内的证券市场环境, 能够有效地发挥其影响力。随着时代的发展与进步, 我国证券市场会得到不断的发展与完善, 这时也能够促进CAPM理论自身的改进, 使其真正的在国内证券市场中发挥应有的作用。

4结论

作为现实证券市场中一个简单的抽象, CAPM理论的完美有效应用需要在一系列的严格假设前提基础之上, 与此同时CAPM理论把所有的系统风险都归结为一个因素, 进而忽视了其他因素对单个证券收益的影响。一些专家学者对CAPM理论在国内证券市场的适用性进行了不懈的研究与探索, 从而得出国内证券市场不适合应用CAPM理论的理论。然而我们可以通过采取相关改进措施与模型, 来使得其能够适应国内证券市场的发展。本文详细的分析与论述了CAPM理论在国内证券市场的应用, 并提出了相关的改进措施, 希望对研究这方面的人员提供一些有价值的参考意见, 从而促进我国证券市场的健康稳定的发展。

参考文献

[1]夏裴, 王欢, 徐荣辉.CAPM理论在中国证券市场的实用性分析[J].中国证券期货, 2009, 12 (46) :792-793.

[2]侯睿.CAPM理论在我国证券市场中的应用分析[J].中国市场, 2012, 13 (10) :761-762.

[3]吴端端.我国证券市场资产定价理论的实证分析[J].江西财经大学, 2012, 13 (10) :761-762.

[4]王静, 周雪.CAPM理论在中国证券市场的实用性分析[J].北京:外语教学与研究, 2010, 23 (12) :453-454.

[5]Elisa Martín-Merino, Saga Johansson, Morris.Androgen Deprivation Therapy and the Risk of Coronary Heart Disease and Heart Failure in Patients with Prostate Cancer:A Nested Case-Control Study in UK Primary Care[J].Drug Safety, 2011, 34 (11) :1061-1077.

[6]Justin T.Saunders, Vijay Nambi, James A.de Lemos.Cardiac Troponin T Measured by a Highly Sensitive Assay Predicts Coronary Heart Disease, Heart Failure, and Mortality in the Atherosclerosis Risk in Communities Study Clinical Perspective[J].Circulation, 2011, 123 (13) :1367-1376.

[7]陈柳钦, 曾庆久.CAPM理论在我国证券市场中的应用及改进[J].中国证券期货, 2010, 16 (5) :67-69.