輕資產企業β系數的影響因素實證分析
——基于互聯網和文化傳媒上市公司的數據

□

（東北林業大學經濟管理學院 黑龍江哈爾濱150036）

一、引言

互聯網企業和文化傳媒企業因其經營業務特征，本身就具有輕資產性。具有無形資產占比較大等財務特征的輕資產企業，在我國屬于新興產業，市值規模較大，經營模式層出不窮。人才、技術和創意是輕資產企業的第一生產力，奠定了輕資產企業持續經營的基礎，即智力資本為輕資產企業創造了非常大的價值。為了使輕資產企業得到更好發展，對其股票市場的系統性風險進行研究就顯得尤為重要。Sharp（1964），Lintner（1965），Mossin（1966）根據投資組合理論提出的資本資產定價模型（CAPM）可以用來連接風險與回報，其中β系數度量了股票的系統性風險，與股票價格的波動直接相關，即β系數可以衡量公司相對于整個市場的波動性。本文通過實證研究分析互聯網企業和文化傳媒企業這類輕資產企業β系數的影響因素。

二、文獻綜述

綜合來看，國內外學者均認為影響β系數的因素主要分為三類：宏觀經濟因素，如經濟周期、利率、通貨膨脹等；公司基本特征，如總資產報酬率、資產負債率等財務因素；公司的行業類別及所歸屬的經濟部門，如行業周期性、行業特殊性等。

從宏觀經濟因素來看，Robichek，Cohn（1974）研究發現通脹率和收入增長率會影響證券的系統性風險。Bost，Newboldp（2004）和Choudhry（2005）的研究發現，公司運作方式、特定商業環境、重大經濟政治事件均會使β系數發生變化，宏觀金融波動也是β系數發生變化的一個原因。從公司基本特征來看，張甲宇（2008）以我國滬深兩市A股上市公司為研究樣本，研究結果顯示：β系數只與9個財務變量顯著相關。徐建衛（2015）以我國滬市451家公司的成分股為樣本，研究發現，公司規模、財務結構、盈利能力、成長性和市場價值比等因素是造成β系數不穩定的重要原因。郭范勇、潘和平（2017）以我國滬深上市公司為研究對象，得出β系數受市場因素的影響較為明顯，受公司基本面的影響不是很明顯的結論。從行業因素來看，Rosenberg，Mckibben（1973）的研究發現不同行業股票的β系數之間存在持續差異。根據現有文獻，大部分研究側重于公司基本特征和行業特征對β系數的影響。在此基礎上，本文引入市場因素和智力資本因素，分析輕資產企業β系數變動的影響因素。

三、研究設計

（一）研究樣本和數據來源。本文選取2014—2016年我國滬深兩市互聯網和文化傳媒上市公司成分股為研究對象，剔除2014年及以后年度上市的公司，最終選取75家樣本公司（互聯網上市公司39家，文化傳媒上市公司36家）。本文所有的原始數據均來源于Wind資訊金融終端。

（二）影響指標的選取與計算。根據國內外相關文獻及理論，本文從財務因素、市場因素和智力資本因素方面，選取了17個有關指標作為β系數的影響因素，根據相關理論，定性分析這些指標對β系數的影響方向。影響因素的歸類情況見下頁表1。

（三）β系數的估計。基于資本資產定價模型的β系數的估計模型有兩種：單一指數模型和資本市場線模型。本文選取單一指數模型測算β系數，同時選取滬深300市場指數和日回報率，回歸模型為：

Rit=αi+βiRm+εi

其中，Ri為在t時企業的日回報率，αi是回歸的截距，εi是t時的回歸剩余，回歸的斜率就是估計的β系數值。

四、實證分析

（一）差異顯著性分析。為了分析互聯網企業的β系數和文化傳媒企業的β系數是否存在顯著性差異，能否合理地匯總到一起研究輕資產企業的β系數，需要對兩個行業的β系數進行差異顯著性分析。因對二者各自β系數的總體分布不甚了解，本文首先進行正態分布檢驗。若不服從正態分布，則選擇非參數檢驗，采用兩配對樣本的威爾科克森符號秩檢驗來判斷二者之間的差異是否顯著。

表1 影響因素歸類情況

1.正態分布檢驗。統計學提供了很多正態分布檢驗方法，如夏皮羅維爾克檢驗法（W檢驗）、科爾莫戈羅夫檢驗法（K-S檢驗）等。本文采用單樣本K-S檢驗對互聯網樣本公司的β系數和文化傳媒樣本公司的β系數進行正態分布檢驗。單樣本K-S檢驗的思路是將樣本觀察值的分布和設定的理論分布進行比較，求出二者之間的最大偏離并檢驗這種偏離是不是偶然的。其原假設H0為：β系數總體分布與正態分布無顯著性差異。

利用SPSS 25進行單樣本K-S檢驗，檢驗結果見表2。

由表2的檢驗結果可知，互聯網樣本公司β系數和文化傳媒樣本公司β系數單樣本K-S檢驗的Z統計量分別為0.117、0.178，漸近顯著性水平均遠小于0.05，因此拒絕原假設，即互聯網樣本公司的β系數和文化傳媒樣本公司的β系數均不服從正態分布。因此下文采用兩配對樣本的威爾科克森符號秩檢驗進行顯著性差異檢驗。

表2 單樣本K-S檢驗

2.威爾科克森符號秩檢驗。兩配對樣本的威爾科克森符號秩檢驗一般用于對配對研究對象給予不同處理或進行處理前后是否具有顯著性差異的分析，其基本思路是如果兩樣本來自的兩相關配對總體沒有顯著差異，不但差值中正數的個數和負數的個數應大致相等，而且正值和負值的秩和也大致相等。其原假設H0為：互聯網企業的β系數和文化傳媒企業的β系數無顯著性差異。

利用SPSS 25進行威爾科克森符號秩檢驗，檢驗結果見表3。

表3 威爾科克森符號秩檢驗統計a

由表3可知，互聯網樣本公司β系數和文化傳媒樣本公司β系數兩配對樣本的威爾科克森符號秩檢驗Z統計量為-0.113，漸近顯著性水平大于0.05，因此不能拒絕原假設，即互聯網樣本公司的β系數和文化傳媒樣本公司的β系數無顯著性差異。下文將兩個行業匯總到一起研究輕資產企業β系數的影響因素。

（二）因子分析。因子分析是研究如何以最小的信息丟失將眾多原有變量濃縮成少數幾個因子，并使因子具有一定的命名解釋性的多元統計分析方法，其核心是用較少的相互獨立的因子反映原有變量的絕大部分信息。可以將這一思想用數學模型來表示。設有 P 個原有變量 X1，X2，……，Xp，且每個變量（經標準化處理后）的均值為0，標準差為1。現將每個原有變量用K（K＜P）個因子 F1，F2，……，Fk的線性組合來表示，則有：

X1=a11F1+a12F2+a13F3+……+a1kFk

X2=a21F1+a22F2+a23F3+……+a2kFk

……

Xp=ap1F1+ap2F2+ap3F3+……+apkFk

以上便是因子分析的數學模型，F1，F2，……，Fk為公因子。因子可以理解為高維空間中相互垂直的K個坐標軸，它們的系數A稱為因子載荷矩陣，aij（i=1，2，……，P；j=1，2，……，K）稱為因子載荷，是第i個原有變量在第j個因子上的負荷。利用SPSS 25對選取的影響因素進行因子分析，由于篇幅有限且每年都重復相同的檢驗步驟，因此本文僅列出2016年的分析過程，結果如下：

1.巴特利特球形度檢驗和KMO檢驗。如表4所示，巴特利特球形度檢驗是顯著的，且KMO的值大于0.5，說明本文選取的影響因素適合做因子分析。

表4 KMO 和巴特利特檢驗

2.公因子提取與命名。利用SPSS 25主成分分析法，旋轉后的成分矩陣結果如表5所示，提取的7個公因子包含了17個影響因素78%的信息，說明提取的公因子很好地綜合了原始變量的信息。

在因子分析中，通常經濟含義相同的影響因素會包含在同一個公因子中，但由于各個影響因素自身的原因或是宏觀原因，會使得各年的公因子不盡相同。不過總體而言，公因子代表的影響因素是比較穩定的。綜合2014—2016年，提取的公因子構成如表6所示。

（三）截面回歸分析。為了得到公因子影響β系數的程度與方向，本文以2014—2016年各年度估計的β系數值為因變量，各年分別提取的公因子為自變量，利用SPSS 25按年度進行多元回歸，年度截面回歸分析結果如表7所示。除2014年外，其他年度的回歸方程都具有顯著性，說明使用線性模型來描述β系數與公因子之間的關系是恰當的，且F統計量在逐年增加，說明包含這些公因子的模型對β系數的解釋力度在不斷增強。

在提取的7個公因子中，有3個公因子在不同年份與β系數存在顯著線性關系，即盈利能力因子、人力資本因子和市場交易能力因子對β系數具有顯著影響，存在持續影響力。其中，市場交易能力因子和盈利能力因子對β系數具有顯著的反向影響，與預期結果一致；人力資本因子對β系數具有顯著的正向影響；而償債能力因子、成長能力因子、營運能力因子和結構資本因子與β系數無明顯線性關系，對β系數的影響不顯著，而且影響方向也不確定。

五、研究結論

第一，從企業的財務影響因素來看，盈利能力因子對輕資產企業的β系數具有顯著持續的反向影響，即企業的盈利能力越強，越不受市場波動的影響；而償債能力因子、成長能力因子、營運能力因子對輕資產企業β系數的影響不顯著。互聯網企業和文化傳媒企業具有一個共同特征，即融資渠道單一，大多數企業都沒有負債，償債能力不能合理地解釋β系數的變動；而成長能力因子對β系數的影響不顯著，與理論預期不符，這可能是因為本文選取的代表企業成長性的因素利潤增長率不適合用來反映系統性風險。

第二，從市場自身的影響因素來看，輕資產企業的市場交易能力對β系數存在持續解釋能力，并且在影響方向上具有穩定性。其中，屬于市場交易能力因子的影響因素是年平均換手率和公司規模。互聯網企業和文化傳媒企業都屬于周期性行業、發揮規模經濟，更看重的是市場占有率、用戶數量，市場交易能力越強，對市場波動的反應越不明顯，即年平均換手率和公司規模對輕資產企業的β系數具有反向影響。

第三，從智力資本的影響因素來看，人力資本對輕資產企業的β系數具有持續正向影響，而結構資本不具有顯著影響。人力資本是影響企業資本成本的核心智力資本因素，需要很長的時間才能形成結構資本，比如企業理念、文化、創新創意等，需經過長時間的發展才能顯現出來，可以看出輕資產企業更看重人力資本的投入。然而，智力資本并非越多越好，因為行業內各個企業的理念、生產發展力不同，利用智力資本的能力也存在一定差異，盲目地投資智力資本可能會給企業帶來更大的風險，與本文得出的結論是相吻合的，即智力資本對輕資產企業的β系數具有正向影響。

表5 旋轉后的成分矩陣

表6 2014-2016年提取的公因子

表7 2014-2016年β系數與公因子年度截面回歸結果