葡萄酒行業個股？茁系數的穩定性研究

曹慧+王靜

【摘 要】 運用葡萄酒行業個股的周收益率數據，考察葡萄酒行業個股？茁系數的穩定性。以單因素模型（SIM）為基礎，運用一元線性回歸法估計？茁系數并運用SPSS軟件對回歸過程進行顯著性檢驗。通過對？茁系數時間序列的描述性統計分析及ADF檢驗得出：第一，從長期來看，自上市以來葡萄酒行業個股的？茁系數較為穩定，長期投資者可以將？茁系數作為投資決策的依據;第二，從短期來看，近5年葡萄酒行業個股的？茁系數不太穩定且其波動趨勢也不盡相同，？茁系數對短期投資者而言參考價值不是特別大;第三，葡萄酒行業各個股票的？茁系數時間序列是平穩的，這為投資者進行個股？茁系數的預測提供了可靠依據。

【關鍵詞】 ？茁系數; 葡萄酒行業; 穩定性; ADF檢驗

中圖分類號：F832.48 ?文獻標識碼：A ?文章編號：1004-5937（2014）34-0102-06

？茁系數也稱為貝塔系數（Beta Coefficient），用以度量一種證券或一個投資證券組合相對總體市場的波動性，是一種風險指數。從20世紀70年代開始，國內外許多學者對貝塔系數的穩定性進行了研究。對于單只股票的貝塔系數是否穩定，或者有哪些時變規律，眾多學者的研究表述不一。國外有學者認為，在一定條件下，？茁系數穩定性提高，如Marshall E.Blume（1971）（1975），但國外大部分學者認為？茁系數呈現不穩定性，如Fabozzi和Francis（1978），Robert D.Brooks等（1998）。國內絕大多數研究者認為？茁系數呈現不穩定：有些研究者認為無論是單只股票還是股票組合，貝塔系數都不具穩定性，如沈藝峰、洪錫熙（1999）;有些研究者則認為隨著上市時間的加長，股票貝塔系數越來越不穩定，如靳云匯、李學（2000）;還有些研究者認為從長期來講，大多數股票的貝塔系數不穩定，其穩定性在證券法實施以后變低了，而股票組合可以增加貝塔系數的穩定性，如蘇衛東、張世英（2002）。有些學者研究認為？茁系數呈現穩定性，如高鴻禎、郭濟敏（1999）;還有一些學者則認為？茁系數在短期內呈現穩定性，如趙景文（2005）。本文旨在對葡萄酒行業單只股票的？茁系數穩定性進行研究分析。

一、？茁系數的計算依據

（一）模型的選取

資本資產定價模型（Capital Asset Pricing Model 簡稱CAPM）是由美國學者夏普（William Sharpe，1964）、林特勒（John Lintner，1965）和莫辛（Jan Mossin，1966）等人在投資組合理論的基礎上提出的，在投資學中占有很重要的地位，并在投資決策和公司理財中得到了廣泛運用。但在實證研究中，通常不用資本資產定價模型來估計證券的？茁值，而是用單因素模型。這是因為CAPM的假設條件太多，模型過于理想化，并且對市場的有效性有很高的要求，而我國證券市場尚不能滿足CAPM的假設條件。宋曉杰（2003）在《夏普單指數模型對我國股票市場的適用性分析》中，通過理論評估和事后檢驗，得出結論：單因素模型的應用效果比較好。因此本文以單因素模型為基礎。

單因素模型為：Ri t=ai+？茁iRm ?t+ei t ? （1）

其中：Ri t表示股票i在時間t時的實際收益率;Rm t表示市場組合在時間t時的實際收益率;ai表示截距項;？茁i表示股票i貝塔系數，它衡量的是系統性風險;ei t表示隨機誤差項，該隨機誤差項的期望值為0。

雖然從嚴格意義上講，資本資產定價模型中的？茁值與單因素模型中的？茁值是有區別的，前者相對于整個市場組合而言，后者相對于某個市場指數而言，但是在實際操作中，由于不能確切知道市場組合的構成，所以一般用市場指數來代替，因此可以用單因素模型所得出的？茁值來代替資本資產定價模型中的？茁值。又因為不知道投資者的預測值，所以只能根據歷史數據對一定時期內的？茁值進行估算，并把它當作CAPM中的？茁的預測值來使用。

（二）研究對象及數據來源

本文的研究對象為葡萄酒行業單只股票，分別是：中葡股份（600084）、張裕A（000865）、通葡股份（600365）和莫高股份（600543）。

在實證研究中，通常使用股票市場指數代替市場組合，又由于本文研究對象中的4只股票均為中國股市A股股票，有3只股票（中葡股份、通葡股份、莫高股份）屬于上海A股，1只股票（張裕A）屬于深圳A股，故選取A股指數作為市場組合。

本文所用的原始數據取自南京證券鑫易通綜合服務平臺。

（三）數據的截取區間

在計算？茁值的過程中，涉及到數據時間段的截取。其遵循的原則是該時間段所計算的？茁值應該是最能反映現存風險的？茁值，在這段時間里，公司的杠桿和業務結構應該相對穩定。因此，本文在計算？茁值時選擇一年（12個月或48周）為時間段，分別計算4只股票自上市以來到2012年各年度的？茁值。其有效年份的？茁個數分別為：中葡股份（600084）15個、張裕A（000865）12個、通葡股份（600365）12個和莫高股份（600543）9個。

（四）收益率計算頻率的選取及計算

理論上，計算頻率越短，計算的收益率結果越精確，也更能反映真實情況。目前，許多大型投資公司采用月數據來計算？茁值，也采用周數據。因此，本文將抽樣選取一只股票，分別采用周數據和月數據計算？茁值，結合回歸直線對數據的擬合優度進行比較，選擇更合適的收益率計算頻率。

個股及市場組合的收益率計算公式：

本期收益率=（本期收盤價-上期收盤價）/上期收盤價 （2）

（五）？茁值的計算方法：回歸分析法

利用證券特征線，采用回歸分析法，擬合葡萄酒行業單只股票收益率與以A股指數為依據的市場組合收益率的回歸方程：

yi=ai+bix ? （3）

其中：yi為股票i月（或周）收益率;x為市場組合月（或周）收益率;ai為回歸方程截距;bi為回歸系數，也是特征線的斜率，即單只股票的？茁值。

二、？茁系數的估算和檢驗

（一）收益率計算頻率的確定

以中葡股份為例，剔除1997年以前以及2006年、2007年和2008年的無效時間后，分別采用有效的周數據和月數據計算？茁值，比較回歸直線對數據的擬合優度，擬合優度的判定系數為R2（如表1）。

一般情況下，某一回歸直線對所觀測數據的擬合程度用判定系數R2來衡量。由表1可以看出，以周數據為依據的回歸直線對觀測數據的擬合程度，15年中有10年優于以月數據為依據的回歸直線對觀測數據的擬合程度，因此，在接下來的？茁系數估算過程中，收益率的計算頻率定為“周”。

（二）葡萄酒行業單只股票？茁系數的估算結果及顯著性檢驗

利用葡萄酒行業單只股票自上市以來的有效周收益率和A股指數的周收益率，運用SPSS軟件進行線性回歸分析，并在0.05的顯著性水平下進行顯著性檢驗，得出葡萄酒行業單只股票自上市以來每年的？茁系數及顯著性檢驗的計量值（見表2）。

運用F統計量檢驗回歸方程的顯著性。F的觀測值對應顯著性的概率P值（Sig.）<？琢（0.05）時，回歸方程高度顯著。由表2可知，葡萄酒行業單只股票的回歸方程中，高度顯著的回歸方程占比分別為：中葡股份86.7%、張裕A83.3%、通葡股份91.7%和莫高股份100%。運用t統計量檢驗回歸系數的顯著性。由表2可知，葡萄酒行業單只股票的回歸方程中，t的觀測值對應顯著性概率P值（sig）<？琢（0.05），即回歸系數高度顯著的占比分別為：中葡股份86.7%、張裕A83.3%、通葡股份91.7%和莫高股份100%。運用判定系數R2檢驗回歸方程的擬合優度。由表2可以看出回歸方程擬合優度尚可接受。

三、？茁系數的穩定性

（一）？茁系數的描述統計分析

通過SPSS對葡萄酒行業每只股票自上市以來每年的？茁系數進行描述統計分析。4只股票？茁系數的方差分別為中葡股份（600084）0.117、張裕A（000869）0.168、通葡股份（600365）0.070和莫高股份（600543）0.074，表明葡萄酒行業單只股票？茁系數穩定性不是很顯著。相對而言，4只股票？茁系數的穩定性由高到低依次是通葡股份、莫高股份、中葡股份和張裕A。4只股票？茁系數的均值分別為中葡股份0.786、張裕A0.756、通葡股份1.051和莫高股份0.981。從均值可以看出，莫高股份（600543）和通葡股份（600365）的？茁系數均值接近于1，表明莫高股份（600543）和通葡股份（600365）的風險收益率和風險接近于市場組合平均水平。而中葡股份（600084）和張裕A（000869）的？茁系數均值在0.75左右，表明中葡股份（600084）和張裕A（000869）的風險收益率偏小于市場組合平均風險收益率，也意味著中葡股份（600084）和張裕A（000869）的風險程度略小于整個市場投資組合的風險。

從長期來看，自上市以來葡萄酒行業單只股票的？茁系數較為穩定，這與蘇衛東、張世英（2002）的觀點較為一致。葡萄酒行業中有3只股票的？茁系數較為穩定，分別是中葡股份（600084）、通葡股份（600365）、莫高股份（600543）（如圖1）。中葡股份歷年？茁系數直方圖中，雖有三個高點0.4～0.6區間、0.8～1.0區間和1.2～1.4區間，但最高的高點仍是0.8～1.0區間。通葡股份（600365）和莫高股份（600543）？茁系數直方圖中都只有一個高點，分別是1.0～1.2區間和0.8～1.0區間。理論上？茁系數是趨于1的，因此可以看出這3只股票的？茁系數較為穩定。相對而言，張裕（000869）？茁系數直方圖中有三個高點，且最高點在0.25～0.5區間，其？茁系數穩定性不高。總的來說，長期葡萄酒行業單只股票的？茁系數較為穩定。

從短期來看，近5年葡萄酒行業單只股票的？茁系數不穩定且其波動趨勢也不盡相同，這與趙景文（2005）的觀點截然相反。觀察葡萄酒行業個股？茁系數的時間序列圖（見圖2），近5年中葡股份（600084）2008年、2010年和2012年的？茁系數水平基本趨于一致，2009年達到最小值，2011年達到最大值;張裕A（000869）的？茁系數2008—2011年基本處于同一水平，在2012年大幅上揚。從圖2中可以更直觀的看出，中葡股份（600084）和張裕A（000869）？茁系數的變化方向截然相反。而通葡股份（600365）和莫高股份（600543）的？茁系數近5年變化趨勢大致相同，2008—2011年變化方向及幅度基本一致，2012年變化方向卻相反。總之，同行業中個股的？茁系數變化是不同的。

（二）？茁系數的時間序列分析

通過自上市以來中葡股份（600084）、張裕A（000869）、通葡股份（600365）和莫高股份（600543）的？茁系數（如表2），并根據圖2可判斷葡萄酒行業個股的？茁系數序列的變化形態以及隨時間的變化趨勢。

從圖2中可以看出，中葡股份（600084）的？茁系數最大值和最小值分別出現于2011年和2006年;張裕A（000869）的？茁系數最大值和最小值分別出現于2012年和2010年;通葡股份（600365）的？茁系數最大值和最小值分貝出現于2001年和2005年;莫高股份（600543）的？茁系數最大值和最小值分別出現于2012年和2010年。單娟、劉濤（2011）在《？茁系數的影響因素研究綜述》中指出，？茁系數差異的影響因素主要有三大類：宏觀經濟因素（如經濟周期、利率、通貨膨脹等）、公司的基本特征（如公司的規模、財務結構等）和公司的行業類別及所歸屬的經濟部門。葡萄酒行業4只股票？茁系數的最小值出現在2008年的前后兩年。究其原因，可能是2008年金融危機對股市的影響，葡萄酒行業個股對各類經濟變量的反應程度降低，其？茁系數也隨之減小。最大值的出現，可能是由于公司本身規模和財務結構的改善，提高了該公司對各類經濟變量的反應程度，從而？茁系數也隨之增大。正是由于各類因素對？茁系數的影響，？茁系數折疊時間序列圖中所體現的葡萄酒行業個股的？茁系數循環波動并沒有趨同，且其周期性也不太明顯，更多顯示波動的隨機性。所以，由散點圖可以粗略判斷葡萄酒行業個股？茁系數的時間序列是平穩的。

考慮到對下一年？茁系數發展趨勢的預測，接下來需要對葡萄酒行業個股？茁系數的時間序列平穩性進行ADF檢驗。

檢驗假設：

零假設H0：d=0，即存在一單位根，則序列非平穩。備擇假設H1：d<0，則序列平穩。

檢驗式形式：

模型1：？駐Xt=？啄Xt-1+■λi？駐Xt-i+？著t

模型2：？駐Xt=？琢+？啄Xt-1+■λi？駐Xt-i+？著t

模型3：？駐Xt=？琢+？漬t+？啄Xt-1+■λi？駐Xt-i+？著t

其中？駐Xt表示序列Xt的一階差分，t表示時間，？著t為白噪聲過程，？琢、？漬、？啄和λ均為參數。模型1不包含常數項和趨勢項，模型2僅包含常數項，模型3包含常數項和趨勢項。實際檢驗時從模型3開始，然后模型2、模型1。何時檢驗拒絕零假設，即原序列不存在單位根，為平穩序列，何時檢驗停止;否則，就要繼續檢驗，直到檢驗完模型1為止。檢驗結果如表3。

從表3可以看出，中葡股份？茁系數序列與模型3檢驗式對應的單位根統計量ADF=-3.618017小于10%顯著水平臨界值-3.342253，因此拒絕原假設，即沒有單位根，該序列式是平穩的;張裕A ？茁系數序列與模型2檢驗式對應的單位根統計量ADF=-2.738410小于10%顯著水平臨界值-2.728985，因此拒絕原假設，即沒有單位根，該序列式是平穩的;通葡股份？茁系數序列與模型3檢驗式對應的單位根統計量ADF= -4.249256小于5%顯著水平臨界值-3.933364，因此拒絕原假設，即沒有單位根，該序列式是平穩的;莫高股份？茁系數序列與模型2檢驗式對應的單位根統計量ADF=-4.012580小于5%顯著水平臨界值-3.403313，因此拒絕原假設，即沒有單位根，該序列式是平穩的。所以，自上市以來葡萄酒行業單只股票的？茁系數時間序列是較平穩的。這對？茁系數的預測有很重要的意義。

四、結束語

本文運用Excel、SPSS、EViews等統計軟件，根據葡萄酒行業單只股票自上市以來的周收益率，估算了個股的？茁系數并通過對？茁系數時間序列進行描述統計分析和ADF檢驗判斷其穩定性，結果顯示：

1.從長期來看，自上市以來葡萄酒行業單只股票的？茁系數較為穩定。雖然有個別股票？茁系數穩定性不是很高，但總的來說，長期葡萄酒行業單只股票的？茁系數較為穩定，因此長期投資者可以將？茁系數作為投資決策的依據。

2.從短期來看，近5年葡萄酒行業單只股票的？茁系數不太穩定且其波動趨勢也不盡相同，因此？茁系數對短期投資者而言參考的價值不是特別大。研究者在接下來的研究中可以對短期葡萄酒行業單只股票的？茁系數不穩定的影響因素作進一步分析。

3.經過對葡萄酒行業各個股票的？茁系數時間序列的ADF檢驗，得知？茁系數時間序列是平穩的，這為投資者進行個股？茁系數的預測以及研究者對？茁系數預測的研究都提供了可靠的依據。●

【參考文獻】

[1] Blume ?M ?E. ?On ?the assessment of risk[J]. The Journal of Finance，1971，26（1）：1-10.

[2] Blume M E. Betas and their regression tendencies[J]. The Journal of Finance， 1975， 30（3）：785-795.

[3] Fabozzi，F.J.，Francis，J.C. Beta as a random coefficient[J].Journal Financial and Quantitative Analysis，1978，13（l）：101-116.

[4] Robert ?D.Brooks， Robert W. Faff， Mohamed Ariff. An investigation into the extent of Beta instability in the Singapore stock market[J]. Pacific-Basin Finance Journal，1998（6）：87-101.

[5] 沈藝峰，洪錫熙.我國股票市場貝塔系數的穩定性檢驗[J].廈門大學學報（哲學社會科學版），1999 （4）： 62-68.

[6] 靳云匯，李學.中國股市？茁系數的實證研究[J].數量經濟技術經濟研究，2000（1）：18-23.

[7] 蘇衛東，張世英.上海股市？茁系數的穩定性檢驗[J].預測，2002，21（2）：44-46.

[8] 高鴻楨，郭濟敏.上海股票市場？茁系數穩定性的實證研究[J].中國經濟問題，1999（2）：29-33.

[9] 趙景文. 中國 A 股股票相鄰兩期？茁系數穩定性的 Chow 檢驗[J].數理統計與管理，2005，24（6）：107-112.

[10] 宋曉杰.夏普單指數模型對我國股票市場的適用性分析[J].吉林工程技術師范學院學報，2003（8）：61-64.

[11] 單娟，劉濤.？茁系數的影響因素研究綜述[J].中國證券期貨，2011（6）：157-158.

考慮到對下一年？茁系數發展趨勢的預測，接下來需要對葡萄酒行業個股？茁系數的時間序列平穩性進行ADF檢驗。

檢驗假設：

零假設H0：d=0，即存在一單位根，則序列非平穩。備擇假設H1：d<0，則序列平穩。

檢驗式形式：

模型1：？駐Xt=？啄Xt-1+■λi？駐Xt-i+？著t

模型2：？駐Xt=？琢+？啄Xt-1+■λi？駐Xt-i+？著t

模型3：？駐Xt=？琢+？漬t+？啄Xt-1+■λi？駐Xt-i+？著t

其中？駐Xt表示序列Xt的一階差分，t表示時間，？著t為白噪聲過程，？琢、？漬、？啄和λ均為參數。模型1不包含常數項和趨勢項，模型2僅包含常數項，模型3包含常數項和趨勢項。實際檢驗時從模型3開始，然后模型2、模型1。何時檢驗拒絕零假設，即原序列不存在單位根，為平穩序列，何時檢驗停止;否則，就要繼續檢驗，直到檢驗完模型1為止。檢驗結果如表3。

從表3可以看出，中葡股份？茁系數序列與模型3檢驗式對應的單位根統計量ADF=-3.618017小于10%顯著水平臨界值-3.342253，因此拒絕原假設，即沒有單位根，該序列式是平穩的;張裕A ？茁系數序列與模型2檢驗式對應的單位根統計量ADF=-2.738410小于10%顯著水平臨界值-2.728985，因此拒絕原假設，即沒有單位根，該序列式是平穩的;通葡股份？茁系數序列與模型3檢驗式對應的單位根統計量ADF= -4.249256小于5%顯著水平臨界值-3.933364，因此拒絕原假設，即沒有單位根，該序列式是平穩的;莫高股份？茁系數序列與模型2檢驗式對應的單位根統計量ADF=-4.012580小于5%顯著水平臨界值-3.403313，因此拒絕原假設，即沒有單位根，該序列式是平穩的。所以，自上市以來葡萄酒行業單只股票的？茁系數時間序列是較平穩的。這對？茁系數的預測有很重要的意義。

四、結束語

本文運用Excel、SPSS、EViews等統計軟件，根據葡萄酒行業單只股票自上市以來的周收益率，估算了個股的？茁系數并通過對？茁系數時間序列進行描述統計分析和ADF檢驗判斷其穩定性，結果顯示：

1.從長期來看，自上市以來葡萄酒行業單只股票的？茁系數較為穩定。雖然有個別股票？茁系數穩定性不是很高，但總的來說，長期葡萄酒行業單只股票的？茁系數較為穩定，因此長期投資者可以將？茁系數作為投資決策的依據。

2.從短期來看，近5年葡萄酒行業單只股票的？茁系數不太穩定且其波動趨勢也不盡相同，因此？茁系數對短期投資者而言參考的價值不是特別大。研究者在接下來的研究中可以對短期葡萄酒行業單只股票的？茁系數不穩定的影響因素作進一步分析。

3.經過對葡萄酒行業各個股票的？茁系數時間序列的ADF檢驗，得知？茁系數時間序列是平穩的，這為投資者進行個股？茁系數的預測以及研究者對？茁系數預測的研究都提供了可靠的依據。●

【參考文獻】

[1] Blume ?M ?E. ?On ?the assessment of risk[J]. The Journal of Finance，1971，26（1）：1-10.

[2] Blume M E. Betas and their regression tendencies[J]. The Journal of Finance， 1975， 30（3）：785-795.

[3] Fabozzi，F.J.，Francis，J.C. Beta as a random coefficient[J].Journal Financial and Quantitative Analysis，1978，13（l）：101-116.

[4] Robert ?D.Brooks， Robert W. Faff， Mohamed Ariff. An investigation into the extent of Beta instability in the Singapore stock market[J]. Pacific-Basin Finance Journal，1998（6）：87-101.

[5] 沈藝峰，洪錫熙.我國股票市場貝塔系數的穩定性檢驗[J].廈門大學學報（哲學社會科學版），1999 （4）： 62-68.

[6] 靳云匯，李學.中國股市？茁系數的實證研究[J].數量經濟技術經濟研究，2000（1）：18-23.

[7] 蘇衛東，張世英.上海股市？茁系數的穩定性檢驗[J].預測，2002，21（2）：44-46.

[8] 高鴻楨，郭濟敏.上海股票市場？茁系數穩定性的實證研究[J].中國經濟問題，1999（2）：29-33.

[9] 趙景文. 中國 A 股股票相鄰兩期？茁系數穩定性的 Chow 檢驗[J].數理統計與管理，2005，24（6）：107-112.

[10] 宋曉杰.夏普單指數模型對我國股票市場的適用性分析[J].吉林工程技術師范學院學報，2003（8）：61-64.

[11] 單娟，劉濤.？茁系數的影響因素研究綜述[J].中國證券期貨，2011（6）：157-158.

考慮到對下一年？茁系數發展趨勢的預測，接下來需要對葡萄酒行業個股？茁系數的時間序列平穩性進行ADF檢驗。

檢驗假設：

零假設H0：d=0，即存在一單位根，則序列非平穩。備擇假設H1：d<0，則序列平穩。

檢驗式形式：

模型1：？駐Xt=？啄Xt-1+■λi？駐Xt-i+？著t

模型2：？駐Xt=？琢+？啄Xt-1+■λi？駐Xt-i+？著t

模型3：？駐Xt=？琢+？漬t+？啄Xt-1+■λi？駐Xt-i+？著t

其中？駐Xt表示序列Xt的一階差分，t表示時間，？著t為白噪聲過程，？琢、？漬、？啄和λ均為參數。模型1不包含常數項和趨勢項，模型2僅包含常數項，模型3包含常數項和趨勢項。實際檢驗時從模型3開始，然后模型2、模型1。何時檢驗拒絕零假設，即原序列不存在單位根，為平穩序列，何時檢驗停止;否則，就要繼續檢驗，直到檢驗完模型1為止。檢驗結果如表3。

從表3可以看出，中葡股份？茁系數序列與模型3檢驗式對應的單位根統計量ADF=-3.618017小于10%顯著水平臨界值-3.342253，因此拒絕原假設，即沒有單位根，該序列式是平穩的;張裕A ？茁系數序列與模型2檢驗式對應的單位根統計量ADF=-2.738410小于10%顯著水平臨界值-2.728985，因此拒絕原假設，即沒有單位根，該序列式是平穩的;通葡股份？茁系數序列與模型3檢驗式對應的單位根統計量ADF= -4.249256小于5%顯著水平臨界值-3.933364，因此拒絕原假設，即沒有單位根，該序列式是平穩的;莫高股份？茁系數序列與模型2檢驗式對應的單位根統計量ADF=-4.012580小于5%顯著水平臨界值-3.403313，因此拒絕原假設，即沒有單位根，該序列式是平穩的。所以，自上市以來葡萄酒行業單只股票的？茁系數時間序列是較平穩的。這對？茁系數的預測有很重要的意義。

四、結束語

本文運用Excel、SPSS、EViews等統計軟件，根據葡萄酒行業單只股票自上市以來的周收益率，估算了個股的？茁系數并通過對？茁系數時間序列進行描述統計分析和ADF檢驗判斷其穩定性，結果顯示：

1.從長期來看，自上市以來葡萄酒行業單只股票的？茁系數較為穩定。雖然有個別股票？茁系數穩定性不是很高，但總的來說，長期葡萄酒行業單只股票的？茁系數較為穩定，因此長期投資者可以將？茁系數作為投資決策的依據。

2.從短期來看，近5年葡萄酒行業單只股票的？茁系數不太穩定且其波動趨勢也不盡相同，因此？茁系數對短期投資者而言參考的價值不是特別大。研究者在接下來的研究中可以對短期葡萄酒行業單只股票的？茁系數不穩定的影響因素作進一步分析。

3.經過對葡萄酒行業各個股票的？茁系數時間序列的ADF檢驗，得知？茁系數時間序列是平穩的，這為投資者進行個股？茁系數的預測以及研究者對？茁系數預測的研究都提供了可靠的依據。●

【參考文獻】

[1] Blume ?M ?E. ?On ?the assessment of risk[J]. The Journal of Finance，1971，26（1）：1-10.

[2] Blume M E. Betas and their regression tendencies[J]. The Journal of Finance， 1975， 30（3）：785-795.

[3] Fabozzi，F.J.，Francis，J.C. Beta as a random coefficient[J].Journal Financial and Quantitative Analysis，1978，13（l）：101-116.

[4] Robert ?D.Brooks， Robert W. Faff， Mohamed Ariff. An investigation into the extent of Beta instability in the Singapore stock market[J]. Pacific-Basin Finance Journal，1998（6）：87-101.

[5] 沈藝峰，洪錫熙.我國股票市場貝塔系數的穩定性檢驗[J].廈門大學學報（哲學社會科學版），1999 （4）： 62-68.

[6] 靳云匯，李學.中國股市？茁系數的實證研究[J].數量經濟技術經濟研究，2000（1）：18-23.

[7] 蘇衛東，張世英.上海股市？茁系數的穩定性檢驗[J].預測，2002，21（2）：44-46.

[8] 高鴻楨，郭濟敏.上海股票市場？茁系數穩定性的實證研究[J].中國經濟問題，1999（2）：29-33.

[9] 趙景文. 中國 A 股股票相鄰兩期？茁系數穩定性的 Chow 檢驗[J].數理統計與管理，2005，24（6）：107-112.

[10] 宋曉杰.夏普單指數模型對我國股票市場的適用性分析[J].吉林工程技術師范學院學報，2003（8）：61-64.

[11] 單娟，劉濤.？茁系數的影響因素研究綜述[J].中國證券期貨，2011（6）：157-158.