基于CAPM模型對互聯網金融板塊的實證分析

徐爭榮　韓星燦

摘 要：隨著互聯網技術的快速發展，互聯網金融行業也迅速發展壯大，互聯網金融自身所具有的優勢必將對傳統的商業銀行間的競爭和經營行為帶來巨大的影響。為進一步驗證資本資產定價模型在股票市場的有效性，選取互聯網金融行業的股票，利用其在2015年12月31日—2020年12月31日的月交易數據進行實證研究分析。利用統計學相關軟件進行回歸檢驗，驗證CAPM模型在互聯網金融板塊的適用性，得出結論并給出建議。

關鍵詞：資本資產定價模型；互聯網金融；適用性；實證檢驗

一、引言

互聯網技術不斷創新、深化發展，在不斷地促進金融業的發展?；ヂ摼W金融很好地實現了互聯網科技與金融業的結合，不但方便快捷而且普惠性較強、成本也低，從而可以提高資源配置的效率，促進中小型企業的發展，增加就業機會?；ヂ摼W金融的發展對我國經濟的穩定健康運行產生了重要的影響。但是出于規避風險的考慮，也為了更好地服務消費群眾，繼續推進金融改革與技術創新是必須完成的任務。

資本資產定價模型（Capital Asset Pricing Model，CAPM）是現代社會中金融研究發展的基石，其在經濟的理論發展中具有重要的意義。從資本資產定價模型的理論內涵看，其以一種簡單的線性模型揭示了資產的收益與風險之間的均衡關系。從方法論角度來看，CAPM模型基于對投資者和市場的一系列假設，通過嚴謹的理論推導，得到了資產與資產組合的風險收益均衡關系。盡管CAPM模型的結論在許多情況下與實證檢驗的結果不一致，但由于其應用簡單和精準度高等優點，在許多重要實踐中仍被廣泛應用。

多年以來，許多學者對CAPM模型在我國股市中的有效性進行了實證分析和理論研究，對我國股市的發展起到了一定的推動作用。因此本文旨在運用CAPM模型對我國互聯網金融板塊的股票進行實證檢驗，并探究其有效性。基于此，為該模型的適用和其行業的發展提出一些建議措施，以期促進行業穩定健康發展，營造安全穩定的金融環境。

二、文獻綜述

對CAPM模型的研究最早始于國外，自20世紀70年代，國外學者就開展了大量的實踐研究，其中，Black et al為了驗證模型的有效性，將選取的數據以時間序列的方式進行了檢驗。他們發現，股票的收益率水平與β系數之間有正相關的線性關系。他們的實驗不僅得到了這個結論，還發現了非系統性風險在其中發揮的作用。

隨后，Fama和Macbeth也對CAPM模型開展研究，他們利用多元線性回歸的方法發現了收益率與β系數間具有的關系，即呈現出正相關線性關系，卻并沒有發現Black等得到的額外結論。Fama和French的研究更使人信服，他們使用數據將股票按照財務能力和規模進行了分類，然后在每組中按照β值大小再次分成小組，卻無法發現兩者變量之間的相關關系。他們又在分析指標中加入了公司規模情況，經過實證分析，發現公司狀況和市場收益基本能夠解釋股票收益率的變化，而β系數并不能很好地解釋股票的報酬率。

中國證券期貨2022年9月

第3期基于CAPM模型對互聯網金融板塊的實證分析

對CAPM模型的研究中，我國學者也發揮了難以忽視的作用。最早的研究起始于施東暉所做的實驗，他整理了滬市1993年4月到1996年5月50只股票的歷史收盤價數據，經過大量分析后認為，股票的收益率與系統風險之間沒有顯著關系，卻發現非系統風險對股票收益率發揮了非常重要的作用。經過實驗的論證，得出理論上的資本資產定價模型并不適用于我國實際的證券市場情況，甚至產生相反的結論。換言之，我國證券市場的運行中，系統性風險占比過高，非系統風險占比較低，投資者幾乎不能通過分散投資來規避風險。

陳小悅和孫愛軍運用根據財務規模進行分類分組的方式對我國證券市場的收益狀況進行了實驗分析，在控制好一定的規模后，得出結論：β系數不能準確合適地解釋股票收益狀況，從而得出資產定價模型在我國股票市場并不適用的結論。而孫鵬飛等進行的研究證明，在股票市場中，并不是只有系統風險這一個決定收益的因素存在，成交量、財務規模、流通比率也會影響股票的收益率情況。

此外，楊朝軍和邢靖也針對CAPM模型的檢驗做了相關實驗，認為若在CAPM模型中加入其他影響股票的因素，可能會對模型有更好的解釋。他們在上海股票市場中選取了時間跨度為3年期的所有A股股票，通過傳統的CAPM模型檢驗和加入其他可能影響股票收益的因素形成的CAPM模型進行檢驗，結果說明，與傳統的CAPM理論模型并不一致，在滬市股票市場中不僅有系統風險可以決定股票收益率，還有財務規模、流通比率等指標也會影響股票的收益率水平，并且由于時間在變動，各因素對收益的影響程度也在變動。高永濤和牟新建兩位經濟學家將招商銀行和上海浦東發展銀行作為實驗對象進行分析，得出的實驗結果表明，CAPM模型現在還不能夠完全適用于我國證券市場，從側面也說明，目前我國的證券市場發展不夠成熟。

三、模型簡介及數據變量選取

（一）CAPM模型簡介

CAPM模型圍繞資本市場發展理論來研究在證券市場中股票的預期收益率與風險之間的關系。無風險利率條件下CAPM模型的標準形式如下：

E（rp）-rf=α+βim［E（rm）-rf］

式中，E（rp）為資產在t時期的期望收益率；E（rm）表示市場組合的收益率；rf為無風險收益率；βim為資產對應的β系數；α為截距項，即定價的誤差項。

CAPM模型要想實現，需要的假設條件如下：

（1）在一個投資周期內，評估投資組合的價值需要用到股票收益率與標準差兩個指標。

（2）收益率越高，投資者選擇機會越大。

（3）標準差越低，投資者選擇機會越大。

（4）投資者可以任意決定買賣資產或者組合的任何部分。

（5）不考慮稅收政策和任何可能出現的交易費用，模型理想化。

（6）投資者獲得和使用的外部信息是相同的即每個人投資時間相等，無風險利率相等。

（7）不論哪種資產，不同投資者對同一資產的預期收益與風險狀況都有同一預期。

基于這些假設，資產定價模型假設現實生活中投資的行為是這樣的：每個人都了解相同的信息，具有相同的處理問題的能力，對證券有一致的了解；證券市場是一個完整的市場，不妨礙投資。通過觀察市場中所有投資者的統一的行為方式，可以得到證券的風險與收益率均衡關系的特點。

（二）數據的來源與選取

本文以沒有違規行為及剔除ST股票等為篩選條件，從體現樣本數據選擇的普遍性與適用性的角度，利用Choice金融終端從上海證券市場互聯網金融板塊中選取了30只股票。包括重慶百貨、棲霞建設、安源煤業、雅戈爾、高偉達、三聯虹普、贏時勝、三六五網、拓爾思、鴻利智匯、派生科技、數碼視訊、金財互聯、華斯股份、大金重工、中糧資本、大北農、千方科技、海寧皮城、羅萊生活、世聯行、久其軟件，凌志軟件、生意寶、恒生電子、安碩信息、指南針、大智慧、神州信息、同花順。時間跨度為2015年12月31日到2020年12月31日。

鑒于時間跨度較長，從2015年12月31日到2020年12月31日為期5年，如果把日作為分析周期，中間可能因為某個事件出現股價異常。為避免出現不實際或者沒有意義的結論，本文采用月度數據作為分析周期進行實證檢驗。數據來源于Choice金融終端，收益率按每股月末最后-交易日收盤價計算。同時，為了避免股利分配的偏差，本文選擇了經過前復權的月收盤價。

運用Excel軟件對數據進行初步處理，將原始股票的當月收盤價減去上一月度收盤價之后再除以上一月度收盤價，用這一方式計算股票的期望收益率。

（三）模型變量的設定

1.無風險利率

本文所用到的無風險收益率數據來自我國金融機構一年期存款基準利率，該指標在2016—2020年基本維持在1.5%，即年無風險收益率是1.5%，則月無風險利率為0.125%，認定該數據為所需指標數值。

2.市場收益率

上證綜指可以準確地反映股市的發展趨勢，具有良好的市場代表性，作為一種價值加權指數，也符合CAPM模型關于市場組合在結構上的要求。并且由于選取的30只個股樣本均在滬市進行交易，因此，市場收益率便用上證綜指的股票收益率情況來表示，計算出其月度收益率。記E（rm）為t時的市場組合收益率。

四、CAPM模型回歸分析

對CAPM模型的回歸分析主要體現在對檢驗的結果中三個方面進行分析：回歸直線方程的截距項是否為0；β系數是否為1，是否可以體現投資組合與市場組合收益變動情況；市場組合的風險溢價數值是否為正。

在進行回歸分析之前，首先構建資產組合的時間序列并計算收益率，在對股票市場研究的基礎上，將選取的30只股票通過隨機抽樣的方式分為5組，每組6只股票，投資組合的期望收益率采用單個組合期望收益率的等權重均值，即用計算平均值的方法分別計算6只股票的平均數來代表投資組合的收益率。

（一）描述性統計

用Excel軟件對投資組合進行描述性統計統計結果如表1所示。投資組合與風險溢價的觀測數據均為60個數據，投資組合均值較低，基本為負數，表示選取的互聯網金融板塊的股票收益率大多數會比無風險收益率要低，收益較?。欢L險溢價基本大于0，認為市場組合的收益率基本是高于無風險收益率的，滿足了CAPM模型的檢驗條件；各個投資組合的標準差相差無幾但都大于風險溢價的標準差，說明數據組合沒有上證綜指的收益率穩定，數據組合會有較大差別。同時，投資組合的最大值均比風險溢價大，最小值均比風險溢價小，說明各個組合內單只股票收益率數據變化較大。

（二）單位根檢驗

通過Eviews軟件對每個投資組合的收益率數據進行ADF檢驗即單位根檢驗。檢驗其序列是否為平穩序列，這是進行實證研究的前提。單位根檢驗結果如表2所示。

用Eviews軟件進行ADF檢驗，通過上述實驗結果我們可以得到，組合原始序列的t值均小于在5%顯著性水平條件下所對應的t值，則通過檢驗，應該拒絕原假設，認為該序列為平穩序列，并不存在單位根。

（三）最小二乘法檢驗

本文通過對5組月平均期望收益率的數據運用最小二乘法方法進行回歸分析，可得各組的β系數以及R2、P值等情況?；貧w結果如表3所示。

回歸系數的顯著性檢驗：對以上實驗所得出的結果進行分析，這5個股票組合檢驗出的β系數的P值均為0，比顯著性水平0.05小，要拒絕原假設，β系數很明顯不為0；檢驗結果中5個投資組合的β值均大于1，但接近于1，可以認為各個投資組合的收益率變動與市場組合的收益率變動趨于一致，則解釋變量對被解釋變量的影響顯著，也能夠得出互聯網金融板塊股票收益率與上證指數收益率存在顯著線性相關關系，其收益率顯著受市場的影響。

可決系數R2：R2的數據顯示出系統性風險在總風險中所占的比例。根據上面回歸結果可以知道，5個投資組合中只有1個投資組合的R2大于0.5，剩下的R2數值都稍微小于0.5，在0.4附近徘徊，可決系數稍低，最低的可決系數為0.355762，而大于0.5的也僅有0.501111。實證檢驗的結果可以說明該方程整體的擬合優度較差，β系數并不能較好地表示出兩變量之間的線性關系，同時這表明β系數并不能有效地解釋出互聯網金融行業股票收益率的變化，這進一步表明除系統性風險外，依然存在著其他影響互聯網金融板塊股票收益率的因素。

對截距項α的分析：α不等于0意味著市場中存在著不完全均衡的定價。由以上研究結果可得，5個投資組合的截距項都在-0.005左右，數值不大，可以看出互聯網金融板塊的市場基本均衡。

（四）穩定性檢驗

為了檢驗本文采用的模型的穩定性，本文將改變分組的方式來進行穩定性檢驗。將之前隨機抽樣的方式分成5組改變分組方式，仍然是6只股票，再進行一遍CAPM模型回歸分析，單位根檢驗最小乘法檢驗。結果證明模型可靠、檢驗結果依然顯著，模型具有穩定性。

通過以上回歸檢驗，可以總結出以下實驗結果：首先選取的數據序列經過單位根檢驗證實為平穩序列，這是進行實驗的前提。然后通過最小二乘法回歸檢驗分析，回歸直線方程的截距項基本在0，則表示出互聯網金融板塊的市場基本均衡；在顯著性水平0.05的條件下，投資組合的β系數很明顯接近于1，表現出變量之間顯著的線性關系，也表現出互聯網金融板塊股票收益率與市場組合收益率的變動趨于一致，β系數也表達出系統性風險的經濟含義，表明系統性風險對資產定價的影響程度；而R2數值在0.5左右表明回歸直線的擬合優度整體較差，說明自變量對因變量的解釋力度不大，β系數并不能很好地描述它們之間的線性關系，除系統性風險會對收益產生影響外，還存在其他影響因變量的因素。

五、結論與建議

本文通過對互聯網金融板塊的股票進行CAPM模型的實證分析，現階段β系數對我國互聯網金融板塊股票收益率與資本定價的解釋還不充分，存在除此之外其他影響收益率的因素。目前的實證顯示當前的CAPM模型并不適合對我國互聯網金融業進行分析。CAPM模型作為一個理想模型，對假設有著嚴格要求，這與我國股票市場的現狀出入較大。我國互聯網金融行業的價格波動劇烈，目前的情況還遠遠不是理論上所要求的條件。因此，CAPM模型在實際應用過程中存在很大的局限性，包括我國互聯網金融市場的發展，反映出其還不夠成熟的狀況。因此，當前的CAPM模型并不適用于分析我國互聯網金融板塊股票的收益率情況。

傳統的CAPM模型假設太過理想化，很多條件在實際的市場中幾乎不能得到滿足，同時我國證券市場發展相對較慢，互聯網金融板塊的價格波動較大，當前證券市場不成熟的發展現狀與模型嚴格的理論要求相差較大。我國股票市場的信息披露不完全，或者投資者結構不合理這些因素都影響著CAPM發揮實際作用，這也導致了模型的回歸結果沒有得出理想的結論。然而，事實上理想的、完全符合CAPM假設的市場也是不存在的，我們所能做到的只是使實驗的條件盡可能地接近理想條件，但不能達到完全的等同。因此在實際模型的運用過程中，CAPM模型存在著很多局限性。

因此，本文根據研究現狀與所做的實證分析，提出如下幾點建議。

（1）對于相關監管部門與政府機構來說，要完善信息披露制度，提高信息的真實性，確保投資者能得到準確的信息，為模型提供更加理想化的條件。

（2）政府與監管部門要加大監管力度，降低個人投資者的比例，適當增加集體投資占比，使投資結構更加合理。

（3）增加市場靈活性，使市場更加適合現階段發展狀況。

（4）對于投資者來說，要樹立良好的價值觀念，進行合理投資，促進證券市場的穩定運行。

本文以互聯網金融行業作為研究樣本，因此針對互聯網金融行業提出以下幾點建議。

（1）鼓勵創新，促進互聯網金融穩步發展。積極推進互聯網金融平臺開展創新活動，以創新激發市場活力，引導金融機構學習宣傳并廣泛開發互聯網技術，實現服務的跨越升級，使金融服務活動不局限于傳統的金融體驗，鼓勵各機構廣泛開展合作，利用自身資源推陳出新，以獲得互補利益。

（2）明確互聯網金融監管責任，強化消費者權益保護意識。在保護消費者的權益方面，各部門要研究出臺一些政策措施，編寫針對保護互聯網金融消費者權益方面的文件，并及時傳播，使消費者得到相關知識的教育，了解互聯網金融融資問題，加強宣傳。此外，要有一個專門解決金融消費爭端的渠道，不論投資者本身資金是否充裕，都不需要因冗長的時間成本與較高的訴訟成本擔憂，出現問題后雙方可以通過私下協商化解矛盾沖突，跨越地域限制，降低成本，提高效率。除此之外，對互聯網金融消費者進行合理教育也是一個保護其正當權益不受侵犯的有效方法，全方位地提高互聯網用戶的風險防范意識和自我保護能力。

（3）切實保障網絡與信息安全，營造安全穩定的互聯網金融環境。開發商與安全運營商應有效提高技術要求，安裝高效的安全防火墻，妥善保護客戶信息，對交易信息做好保密工作，不參與未經授權的交易或客戶個人身份的披露；金融監管部門以及國家安全部門要做好對相關從業機構的網絡安全進行監管，建立統一的安全保障標準，保障網絡與信息安全有序。

參考文獻

［1］BLACK F，JENSEN M，SCHOLES M.The Capital Asset Pricing Model：Some empirical tests［J］.Studies in the Theory of Capital Markets Praeger，New York，NY，1972：79-121.

［2］FAMA E F，MACBETH J D.Risk，return，and equilibrium：empirical tests［J］.The Journal of Political Economy，1973，81（3）：607-636.

［3］FAMA E F，FRENCH K R.The cross-section of expected stock returns［J］.The Journal of Finance，1992，47（2）：427-465.

［4］施東暉.上海股票市場風險性實證研究［J］.經濟研究，1996（10）：44-48.

［5］楊朝軍，邢靖.上海證券市場CAPM實證檢驗［J］.上海交通大學學報，1998（3）：61-66.

［6］陳小悅，孫愛軍.CAPM在我國股市的有效性檢驗［J］.北京大學學報（哲學社會科學版），2000，37（4）：28-37.

［7］孫鵬飛，蘇莉媛，沈曄.資本資產定價模型在中國股市的擬合程度分析［J］.商業時代，2006（5）：51-52.

［8］高永濤，牟新建.關于CAPM模型的實證研究——以我國上市銀行個股為例［J］.商場現代化，2010（4）：7.

［9］張虎，鄒媛媛.基于CAPM模型的上海股票市場適應性檢驗［J］.統計與決策，2016（14）：164-166.

［10］方濤.基于CAPM模型對中國高鐵板塊股票的實證研究［J］.北京印刷學院學報，2017，25（4）：93-94，83.