β系数研究综述

关于β系数的研究综述

内容摘要：近几十年来，β系数的研究与应用一直是资本市场中资产定价和风险管理理论与实践的热点之一，其中研究的重点在于β系数的稳定性及其变动特征等方面。一方面，β系数是正确理解资本市场理论中有关收益——风险关系的关键参数，β系数的稳定与否对于CAPM模型在投资决策方面的应用如资产定价、股票收益预测和投资绩效评价至关重要；另一方面，资本市场上的许多事件研究也都依赖于β系数的稳定性。因此，本文在国内外学者对β系数研究的基础上阐述和分析β系数的研究现状。

关键词：β系数 稳定性 市场风险

β系数作为资本市场上测度系统风险的重要指标，它的计算和影响因素是市场投资者进行投资决策的重要依据，正确地认识β系数以及影响因素对于在当前经济环境下的资本市场投资尤为重要。国内外学者对于β系数的研究主要有以下三个方面：研究不同时间的股票之间的关系，即对股票β值的相关性和稳定性进行分析和检验；探索影响β系数的因素，即研究不同特征股票β值的差异性；研究β系数的预测性。下面，本文将从这三个方面来阐述国内外学术界对β系数的研究成果。

一、关于β系数的稳定性研究

贝塔系数是用于衡量证券市场系统风险的一个重要概念。通过对贝塔系数的估计,投资者可以预测证券未来的市场风险。但是,贝塔系数必须要用过去的数据来估计。所以,除非贝塔系数具有相对的稳定性,否则,它就无法作为证券市场未来系统风险性的无偏差估计。 1.国外学者关于β值稳定性的研究

Blume于1971年在《Beta and Their Regression Tendencies》一文，研究了1926年1月到1968年6月间在纽约证券交易所上市的所有股票。他以每7年为一个时间段，用月收益率数据估计出各个时间段的β系数，然后以统计学的相关分析法为基础，对β系数的稳定性作了深入的研究，最后得出如下结论：在一个时

期里估计出来的β系数是其未来估计值的有偏估计；组合规模越大，其未来的β系数越能被准确地预测。

Levy于1971年研究了1960年至1970年间美国纽约证券交易所上市的500种股票，他采用周收益率数据，以52周为基期，后续期分别为52周、26周和13周，最终得出结论：在较短的时间段内（52周），单一股票的β系数是相当不稳定的，但是组合β系数的稳定性有显著的提高。而且，组合规模越大，估计时间段越长，β系数的稳定性越高。

Baesel于1974年对1950年至1967年间美国纽约证券交易所的160只股票进行研究，他运用转移矩阵法研究了估计时间段长短对β系数估计值稳定性的影响，并得出结论：随着估计时间段的延长，单个股票β系数的稳定性将会增强，且最佳估计时间段是108个月。

2. 国内学者关于β值稳定性的研究

沈艺峰和洪锡熙于1999年在《我国股票市场贝塔系数的稳定性检验》一文中用Chow检验法对深圳证券交易所1996年度所有上市公司股票样本数据进行分析，研究结果表明：无论是单个股票或是股票组合，β系数都不具有稳定性，以过去期间的数据估计出来的β系数值无法代表未来的β系数值，说明我国证券市场的系统风险是变动不定和难以预测的。

靳云汇、李学于2000年在《中国股市β系数的实证研究》一文中，对沪深两市51种1992年以前上市的股票进行了研究，研究结果表明：股票β系数随着上市时间增加基本上趋于不稳定，利用β系数的历史数据来预测未来β系数的可靠性较差。

在关于β系数稳定性的研究中，绝大多数研究认为证券的β系数不具有稳定性，虽然可以借助于组合的方式来获得较为稳定的β系数，但对于大多数的个人投资者来讲，这意味着不能简单地用过去时期数据所估计的β系数作为当前和未来时期的预测值。

二、关于β系数的影响因素研究

由于股票贝塔系数存在不稳定性，因此许多学者从公司的基本特征等方面入手探讨导致同一证券的β系数在不同时期出现变动以及不同证券的β系数在同一时期存在差异性的影响因素。

1.国外学者关于β系数的影响因素研究

从国内外的研究来看，对影响股票风险因素的研究主要集中在分析公司基本特征和行业因素这两个方面。理论上，公司规模的大小、资本结构、经营收入的周期性及公司的负债比例等基本特征的变化将改变公司的风险特性，从而影响公司所发行股票的风险。因此，学术界对公司的基本特征变量是否会影响其股票的系统性风险系数展开研究。

Beaver，Kettler和Scholes于1970年在《The Association between Market- Determined and Accounting- Determined Risk Measures》中，从公司基本特征入手研究股票β值的影响因素，研究结果表明：在1947年至1956年和1957年至1965年这两个期间，纽约证券市场上307家上市公司单个股票和5种股票的组合的系统风险与盈利变动性、股利支付率、会计贝塔系数和财务杠杆这4个会计变量之间一致且显著相关；对于每个变量，组合的相关程度高于个股的相关程度；系统风险与成长性、规模和流动比率这3个会计变量之间的关系与理论假设不一致或显著无关。

Bildersee于1975年在《The Association Between a Market- Determined Measure of Risk and Alternative measures of Risk》一文中研究了1956年至1966年期间纽约证券市场制造业和零售业的71家公司的系统风险与11个会计变量之间的相互关系，最后指出了与系统风险相关的6个会计变量——负债比率、优先股与普通股的比例、销售与权益资本的比例、流动比率、市盈率的标准差、会计贝塔系数，并建立了多元线性回归模型。

Gahlon和Gentry于1982年在《On the relationship between systematic risk and the degrees of operating and financial leverage》一文中，经过进一步研究，得出以下结论：系统风险是以经营杠杆系数、财务杠杆系数、总收入的方差系数、息税后收益和市场组合收益之间协方差系数为自变量的一个函数。

此外，Rosenberg 和McKibben（1973）的研究发现不同行业的β值存在持续的差异。于是，Rosenberg和Marathe（1975）进一步把39个行业哑变量加入股票β值的分析模型中，来解释股票β值的差异，形成著名的集个股市场特征、公司基本因素和行业性质于一体的“罗森伯格系统”（Rosenberg’s system）。

2.国内学者关于β系数的影响因素研究

相比于国外的研究而言，国内关于β系数的影响因素研究仍处于起步阶段。一般来讲，行业因素对股票β值产生影响的原因包括以下几方面：行业受宏观经济波动的影响程度；行业所处生命周期阶段；行业内竞争程度。

吕长江，赵岩于2003年在《中国证券市场中Beta系数的存在性及其相关特性研究》一文中经过研究发现：中国证券市场中Beta系数并不存在显著的行业差异，但在按照是否被纳入计算成份类指数的标准将股票进行分类，即分为成份股和非成份股，这两大类股票的Beta系数存在显著的差异。

刘永涛于2004年在《上海证券市场β系数相关特性的实证研究》一文中指出：就我国目前的五行业分类方法来看，β系数在行业间的区分并不明显；在证监会的CSRC行业分类标准下，β系数在各行业的区分整体上表现出差别性，但两两之间β系数的差别不具有统计学意义。 三、关于β系数的预测性研究

由于经验研究已经证明β系数具有不稳定性，因此，如何准确地预测未来的β值就成为至关重要的问题。对未来β系数的预测主要有两条不同的思路：一是基于时间序列关系的预测；二是基于差异性影响因素的预测。

Blume于1971年在《Beta and Their Regression Tendencies》一文中指出，如果β估计值向均值回归的速度不随时间改变，就可以在估计β系数时围绕这一趋势修正估计值。他采用简单线性模型β2=a+bβ1，来估计相邻两期β估计值之间的回归关系，用此回归关系修正对其将来值的估计。

Vasicke于1973年在《关于在证券β系数的贝叶斯估计中运用横截面信息的一项注释》一文中根据β系数的回归趋势，把贝叶斯决策方法引入β系数的估计中，提出了贝叶斯调整法。Vasicke认为仅仅依据样本的信息来估计β系数是不够的，如果能把有关β系数先验分布的资料与样本的信息结合起来，就能降低估计误差。

基于差异性影响因素的预测方法主要有基础β系数法和罗森伯格系统。基础β系数是根据公司基本特征的变化来估计未来的β系数，模型中的自变量为反映公司特征的财务和会计变量。罗森伯格（Rosenberg）在1973年和1975年以及随后的研究中，集历史β系数、个股市场特征、公司基本因素和行业特征于一体，