公司基本面對股票Beta系數影響的量化研究

北京交通大學經濟與管理學院 韓行行

公司基本面對股票Beta系數影響的量化研究

北京交通大學經濟與管理學院 韓行行

摘 要：準確測度風險是進行風險管理的前提，資本資產定價模型中的β系數有效地量化了股票的系統性風險，是股市風險管理所依據的重要指標。歷史研究表明，影響股票β系數的因素有很多，公司基本面是其中最為重要的一個。本文選取我國14家上市商業銀行作為研究樣本，選用2008～2013年間的會計指標和宏觀經濟指標作為研究變量，通過主成分分析和回歸分析等方法構建計量模型，量化公司基本面對股票β系數的影響程度。研究結果表明，我國上市銀行基本面對股票β系數的貢獻率僅有50%，β系數對銀行基本面的反應并不敏感。

關鍵詞：金融學 風險管理 β系數 公司基本面

1 引言

風險測度是風險控制和風險管理的前提，資本資產定價模型(CAPM)提供了一個有效的風險測度方法。它將風險分為非系統性風險和系統性風險，并引入β系數衡量系統性風險，是投資者進行風險控制和管理的重要依據，因此，對股票β系數的研究具有重要意義。國內外學者對股票β系數的研究主要集中在三個方面：(1)β系數的穩定性研究。大多數研究結果都表明β系數不具有穩定性；(2)β系數的影響因素研究。研究發現β系數主要受宏觀經濟因素、行業因素和上市公司基本面的影響；(3)β系數的預測研究。其預測主要有兩種方法：一個是基于時間序列關系的預測，另一個是基于差異性影響因素的預測。

理論上，成長性、盈利性等公司基本面的變化會改變上市公司的風險特征，從而影響公司股票的β系數。由于公司的會計資料最能反映公司的基本面，因此在實證研究中通常用它作為公司基本面的量化指標來研究基本面的影響。Adedeji(1997)選取英國1990～1994年間的375只股票作為研究對象，發現β系數與財務杠桿、股利支付率、公司規模顯著正相關，而與經營杠桿、市盈率、流動比率負相關[1]；張甲宇(2008)以滬深兩市所有A股上市公司為研究樣本，運用最小二乘法計算樣本公司2005年的貝塔系數，研究結果顯示，貝塔系數與包括銷售增長率在內的9個財務變量顯著相關[2]。

以往在研究基本面的影響時主要采用兩種方法，一是通過計算相關系數簡單描述各個會計指標與β系數的相關性；二是根據線性回歸得到的回歸系數比較各個會計指標影響力的大小。這兩種方法只研究了各個會計指標的單一影響，并沒有衡量它們對β系數的綜合影響，無法量化公司基本面對股票β系數的影響程度。本文對這一問題進行了深入研究，以上市商業銀行為研究對象，首先選取相關會計指標和宏觀經濟指標作為初始變量，收集其2008～2013年間的數據；然后對初始變量進行主成分分析，提取主因子；最后以個股β系數為因變量、提取的主因子為自變量構建模型，量化銀行基本面對股票β系數的影響程度。

2 實證設計

2.1 樣本選取

本次研究選取我國A股市場上市的包括國有商業銀行、股份制商業銀行以及城市商業銀行在內的總計14家銀行作為研究樣本，具體樣本選擇如下：平安銀行(000001)、寧波銀行(002142)、浦發銀行(600000)、華夏銀行(600015)、民生銀行(600016)、招商銀行(600036)、南京銀行(601009)、興業銀行(601166)、北京銀行(601169)、交通銀行(601328)、工商銀行(601398)、建設銀行(601939)、中國銀行(601988)、中信銀行(601998)。

2.2 變量選取

歷史研究表明，股票β系數主要由宏觀經濟、行業特征和公司基本面三個因素所決定。由于本次研究選取的樣本全部是我國A股上市的商業銀行，因此行業因素不加考慮；公司基本面可以通過會計指標得以體現，本文用公司的會計指標代替公司基本面因素；宏觀經濟因素可以通過特定的宏觀經濟指標來衡量。基于對歷史研究的總結，我們著重選取以下指標作為初始變量：

(1)公司會計指標：總資產—X1、營業收入—X2、每股收益—X3、每股凈資產—X4、凈資產增長率—X5、營業收入增長率—X6、凈利潤增長率—X7、總資產凈利率—X8、凈資產收益率—X9、營業收入凈利率—X10、資產負債率—X11、總資、周轉率—X12、經營杠桿—X13、市盈率—X14、市凈率—X15、股利發放率—X16、流通股比例—X17。

(2)宏觀經濟指標：GDP增長率—Y1、通貨膨脹率—Y2、收入增長率—Y3、房價增長率—Y4、匯率(兌美元)—Y5。

2.3 數據收集

(1)所有數據均選用2008～2013年間的年度數據，即個股β系數年度值、公司年度會計指標、宏觀經濟年度指標。

鑒于2006～2007年股票市場的特殊行情，我們選取2008～2013年作為研究區間。另外，股票β系數會受到某些偶然因素的影響，這些偶然因素不能量化，無法進入計量模型。研究表明，這些偶然因素的影響力在較長的時間內可以相互抵消，為了盡可能地降低其對實證結果的影響，我們選用β系數的年度值作為因變量。作為對應，公司會計指標和宏觀經濟指標也應該選取同一時期的年度值。

(2)個股β系數的收集

個股β系數的收集有兩種方法[3]：一個是計算法，又可以分為市場法和CAPM法；另一個是數據庫下載，很多數據庫都提供有我國上市公司股票的β系數值。本文所用的個股β系數值下載自國泰安數據庫。

(3)初始變量的收集

本文所用的會計指標下載自國泰安數據庫；宏觀經濟指標可以由國家相關機構的數據庫得到，本文所用的宏觀經濟指標由國家統計局統計報告得到。

2.4 提取主因子(主成分分析法)

主成分分析是利用降維的思想，對彼此相關的初始變量進行線性變換，將其轉換成另一組不相關的變量，并選取能夠最大程度代表初始變量信息的前幾個新變量作為研究的主因子。

對選取的初始變量進行主成分分析提取主因子主要是基于以下三個原因：

(1)本次選取的初始變量多達22個，如果全部采用，會加大模型構建的復雜程度。通過主成分分析法提取較少的主因子代替初始變量，可以將實證過程大大簡化。

(2)對初始變量進行相關性檢驗，可以發現其彼此之間具有較強的線性相關性，變量間的這種高度自相關會影響后續建模的準確性，對實證結果產生不利影響。通過對這些相關性較高的初始變量提取主因子，可以很好地解決這一問題。

(3)本次選取的初始變量單位不一致(既有比率型也有數值型)，無法進行綜合計量。主成分分析對原始數據進行中心化處理，并以其中心化值為基礎提取主因子，構建模型，解決了初始變量單位不一致的問題。

2.5 構建模型

成功提取主因子后，以個股β系數為因變量，各個主因子為自變量，建立如下回歸模型進行分析研究：

3 實證分析

3.1 數據檢驗，驗證數據是否適合做主成分分析

將原始數據錄入SPSS17.0進行KMO檢驗和巴特利特球形檢驗，一般情況下認為KMO檢驗值越接近1越適合做主成分分析。本文測得樣本KMO值為0.55>0.5，適合做主成分分析；巴特利特球形檢驗用來檢驗變量之間的相關性，樣本的顯著性水平Sig值0.00<0.05，即初始變量之間具有較強的相關性，適合做主成分分析[4]。

3.2 主因子提取

SPSS軟件自動計算初始變量相關矩陣的特征值，并按照特征值大于1的原則選取了6個主因子F1～F6。這6個主因子包含了22個初始變量80%的信息，可見提取出來的主因子很好地綜合了初始變量的信息。

3.3 計算因子得分

用提取出的主因子代替初始變量構建模型需要計算各主因子的因子得分，所謂因子得分就是將各主因子表示成各個初始變量的線性函數，并根據各個初始變量的值計算出各主因子的值。

因子得分可以通過表1的因子得分矩陣求得。

表1 因子得分矩陣

3.4 回歸建模

以個股β系數為因變量，提取的6個主因子為自變量，利用SPSS軟件進行回歸建模，建模過程及結果如下：

(1)擬合優度檢驗：從SPSS的檢驗輸出結果看，回歸模型的R方為0.562，調整R方為0.528，模型擬合效果較好。

(2)F檢驗(方差分析)：從SPSS方差分析的輸出結果看，回歸模型總離差平方和為3.254，回歸平方和貢獻1.829，殘差平方和貢獻1.425，F統計量的伴隨概率Sig值0.00<0.05，模型通過F檢驗。

(3)t檢驗：從t檢驗的輸出結果看，F1、F2、F3、F4、F6的t統計量的Sig值分別為0.030、0.000、0.005、0.000、0.042、0.027，均小于0.05，主因子的回歸系數通過了t檢驗。

根據回歸結果，最終建立的計量模型為：

3.5 分析計算

此次研究的目的是量化上市公司基本面對股票β系數的影響程度，即公司會計指標對β系數的綜合影響，本文選用了17個會計指標，所要度量的是這17個指標對β系數的綜合影響力。

單一會計指標的影響為：

全部會計指標的綜合影響為：

4 結語

從實證結果來看，2008～2013年間，我國商業銀行基本面對其股票β系數的影響程度僅有50%。公司基本面呈現出的風險特征決定了其股票的風險，極大地影響股票β系數值。如果市場是有效的，那么公司基本面對股票β系數的影響程度就很高；反之，公司基本面對股票β系數的影響程度就很低。研究結果表明，我國上市商業銀行股票β系數對公司基本面的反應不夠敏感，這種現象可能存在于我國的整個股票市場，反映出我國股票市場的市場有效性比較低，這可能與我國股票市場價值投資理念缺失、市場炒作現象嚴重、市場制度不完善等諸多問題息息相關。

本文通過考查我國上市商業銀行諸多會計指標對股票β系數的綜合影響力來量化銀行基本面對股票β系數的影響程度。雖然此次研究針對的是商業銀行，但本文所采用的研究方法卻是普遍適用的，可以用來量化其他行業的公司基本面對股票β系數的影響程度。

參考文獻

[1] Adedeji.Facts and fallacies about the determinants of beta[J].Issues in Accounting and Finance,1997(6).

[2] 張甲宇.財務變量與預期13系數關系的實證分析[J].財會月刊,2008(32).

[3] 宋寶.基于山西省上市公司數據對貝塔系數的實證分析[J].經濟論壇,2013(11).

[4] 宋志剛,謝蕾蕾,何旭紅.SPSS16.0實用教程[M].北京:人民郵電出版社,2010.

中圖分類號：F830.91

文獻標識碼：A

文章編號：2096-0298(2015)05(a)-152-03