農林牧漁行業CAPM模型有效性檢驗

林 純

(四川大學 四川 成都 610000)

一、引言

農林牧漁業是民生之基，民生之本。當前，我國“三農”領域內仍存在許多重大難題，而這些難題也是黨自十九大以來出臺的各種政策所要攻克的對象。尤其在2018年至2020年初的這段時間，受到非洲豬瘟和新型冠狀病毒疫情的影響，國內母豬產能大幅度下滑，生豬供給缺口仍然較大，連帶其他種植業、畜禽養殖、飼料動保等子行業受到影響，給整個行業穩定有序的生產發展帶來了重大的挑戰。針對這一嚴峻形勢政府在2020年2月5日出臺的《2020年中央一號文件》中指出，要保障農產品的有效供給穩定農業生產。而在穩生產的過程中農業上市公司則起著領頭的重要作用。因此，作為農業生產的重要一環，我們有必要對農業上市公司的股票收益率進行分析。

二、文獻綜述

在CAPM模型建立不久后，許多學者相繼對其適用性及有效性進行檢驗。總體來說，檢驗結果分為兩大派，一部分學者的實證結果支持CAPM模型的基本結論，而另一部分學者則發現利用CAPM模型對股票收益率進行解釋還不夠充分。

在支持CAPM模型的研究方面，John Lintner(1965)和Jan Mossin(1966)發現股票收益率與回歸系數呈現正相關關系，并且還對Sharp所提出的模型進行了一定的修正和完善。Fama and MacBeth(1973)采用橫截面的檢驗方法，以美國股票為研究對象，以1935年-1972年為研究區間，證明股票收益率與市場風險所代表的系統性風險存在正相關關系，符合CAPM模型的基本結論。相應的，我國學者也將CAPM模型用于我國金融市場，并對其有效性進行檢驗。朱寶憲和何治國(2002)以1995年前在滬深上市的公司為研究對象，發現股票收益率與系數呈正相關。吳世農和許年行(2004)以1995年2月至2002年6月在滬深兩市上市的A股為研究對象，通過三維分組對CAPM模型進行實證檢驗，他們發現該模型的擬合優度在55.6%-92.5%之間，平均值約為79.4%，也就是說，市場因素能在很大程度上對股票收益率進行解釋。國內學者不僅以股市整體作為研究對象，還分行業檢驗CAPM模型的有效性。陳倩(2019)以銀行業為研究重點，通過利用日數據進行實證發現CAPM模型適用于銀行業。張燕和王一登(2019)則以A股市場證券業為研究對象，考察了8個牛熊市周期中系統性風險和總風險的變化。經過實證發現CAPM模型適用于證券業，并且模型在熊市的擬合度高于牛市的擬合度。

相比于支持CAPM模型的研究，實證結果發現CAPM模型存在瑕疵的研究更多。Lakonishok and Shapiro(1986)發現在70年代后股票收益率和貝塔之間的正相關關系消失了。不僅在國外，我國也有學者發現類似的現象。丁琳和劉文俊(2013)探討了上海證券交易所678只股票的平均超額收益率和系數之間的關系，并通過動態分組的方法來驗證資本資產定價模型。他們發現雖然股票收益率和貝塔系數之間有線性關系，但是其斜率卻是顯著為負的并且截距項顯著大于零。不僅正相關關系受到質疑，整個模型的有效性也有研究將其推翻。陳小悅和孫愛軍(2000)采用分組識別法和截面回歸法對中國A股和B股驗證傳統的資本資產定價模型，結果發現貝塔對中國股市股票收益率不具備解釋能力，并以此否定該模型在中國的有效性。更進一步在行業層面，陳夢媛(2019)參考FM橫截面檢驗方法，以房地產行業為研究對象，探討2015年至2017年連續上市的股票的在CAPM模型的適用情況，經研究發現該模型不適用于房地產行業，她認為可能的原因是在樣本期間內相關政策的頻繁發布及變化影響了其適用性。總體來說，我國大部分學者認為CAPM模型在我國的適用性不強的原因在于我國股市起步較晚，金融市場發展不夠成熟，仍然存在信息不完善、信息不對稱等重大問題，從而使得我國市場不夠有效。

三、研究設計

(一)樣本選擇

本文將針對農林牧漁行業驗證CAPM模型的有效性，并通過參照Fama French和MacBeth的橫截面檢驗方法展開。根據證監會2012年對行業的分類，農林牧漁行業共 47家上市公司。考慮到ST股票可能有財務狀況或其它狀況異常的情形，在停牌期間其股價會一直保持不變，不利于計算股票回報率，因此本文剔除了8只ST股票。同時，在剩下的股票中，由于太湖股份的股價異常，在較長的時間段內一直保持1元，本文也將其剔除。立華股份在2019年2月份上市，不符合本文的研究時間段，因此也將其剔除。最終，本文將以剩余的37只股票作為研究對象并以2017年—2019年作為研究區間采用Stata統計軟件對該行業股票的日數據展開驗證，其中數據來源于Wind數據庫和CSMAR數據庫。

(二)實證方法及變量說明

鑒于研究區間為2017年-2019年，因此本文將其根據年份劃分為三個研究階段，分別是2017年、2018年及2019年。在第一階段即2017年初至2017年末，本文將利用市場模型，估計出每一只股票的系統性風險度量值，并將由小至大按照升序排列。同時根據的排序將其劃分為6組，由于研究對象為37只股票，因此本文將多余的一只股票劃分至最后一組，即值最高的一組有7只股票，其余組均為6只股票。根據市場模型，本文將以滬深300指數作為市場的代表計算市場收益率。其中，市場收益率與個股收益率均按照[(今日股價—昨日股價)/昨日股價]計算，具體計算公式如下：

(1)

Ri,t=αi+βi*Rm,t+εi,t

(2)

在第二階段即2018年初至2018年末，根據第一階段的分組結果，構建面板數據，同時再一次利用市場模型分別計算得出每一組的βp，計算公式如下：

Rp,t=αp+βp*Rm,t+εp,t

(3)

在第三階段即2019年初至2019年末，將第二階段所得出的βp以及殘差εp,t的標準差代入以下模型來驗證CAPM模型的有效性。其中無風險收益率Rf選取的是一年期定期整存整取利率，由于2017年—2019年沒有發生變化，因此將其折合為日利率即為0.0041%在三年內一直保持不變。同時，第三階段組合平均收益率按照市值加權得出。

Rp,t-Rf,t=α1+α2βp,t-1+θp,t

(4)

(5)

Rp,t-Rf,t=α1+α2βp,t-1+α3σp,t-1+θp,t

(6)

(7)

四、實證結果

表1 第二階段β分組情況

根據第二階段回歸結果可發現，每組的值均大于零，除去第一組在1%的水平不顯著，在5%和10%的水平下顯著，第二組至第四組均在1%的水平下顯著。也就是說，市場風險在一定程度上能解釋農林牧漁行業的股票收益率變動情況。同時，由上表可發現每組的值均小于1，這符合農林牧漁行業的特點，即存在一定的行業周期性，更大的程度上會受到自然環境的影響面對國家的宏觀調控政策比如利率、匯率、通貨膨脹政策，對金融或者房地產等行業的敏感度更大，而農林牧漁行業的敏感度相對較小，因此該行業的值相對較小。

表2 第三階段實證結果

根據上表可發現，擬合的最好的是方程(6)，其β值顯著異于零且大于零，說明農林牧漁行業風險與收益存在正相關關系，即風險越高收益越高，符合CAPM模型基本理論。鑒于σ是第二階段所得出的殘差的標準差，代表非系統性風險，并在在方程(6)顯著異于零，說明系統性風險不能完全解釋股票收益的變化，結合方程(4)(6)(7)可發現還存在一些有關公司特征的變量對股票收益率會產生影響，可能的原因是該樣本容量較小，在第二階段進行組合時非系統性風險沒有得到充分分散。

總體來說，從方程(4)至方程(7)來看，農林牧漁行業其風險與收益之間不存在非線性的相關關系，但風險和收益存在正相關關系。并且，以β為代表的資產系統性風險不能完全解釋該行業股票收益的變化，從加入解釋變量后擬合優度R2來看，還存在一些非系統性對股票收益產生了較大的影響，也即CAPM模型在農林牧漁行業的適用性不強，其有效性不足。