我国股票系统性风险的评价、调整和预测研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
我国股票系统性风险的评价、调整和预测研究 1
吴世农 李旭升2
摘要
本文应用历史β 模型、 β =1 模型、 布鲁姆调整 （Blume Adjustment） 模型、 瓦西塞克调整 （ Vasicek Adjustment）模型和罗森贝格系统（ Rosenberg System）五种有关股票系统性风险的预测方法， 搜集 1996年 1 月 1日— 2000年 12 月29 日期间上海和深圳市场上的 292家上市公司的有关资料进行 实证研究。结果表明： 1996-2000年，以市场模型估计的β 整体上没有显著差异，但各自股票的β 的离差逐年扩大。同时， 10 个产业的β估计值的差异不大，但其离差存在较大差异。此外，布鲁 姆调整模型的预测误差最小，其次分别是 β=1模型和 以β 为预测变量罗森贝格模型，再次是瓦西 塞克调整模型和历史β 模型。最后，以 β为因变量的二种罗森贝格预测模型明显优于以收益率为 因变量的罗森贝格预测模型。作者认为，β是投资决策和股市风险提示的重要信息，虽然估计和 偏差调整技术有待改进，但我国必须重视股票系统性风险研究，鼓励投资服务机构定期公布上 市公司的β 值。同时，为提高预测 β的准确性，要惩治提供虚假信息的上市公司，完善信息披露 制度，而投资者也需了解我国上市公司β的不稳定性和β 自身的局限性，慎用 β于投资决策，并注 意选择β的各种调整和预测模型。
关键词：系统性风险、预测模型、预测误差、中国股市
一、引言
近10多年来我国资本市场发展迅速，并成为亚洲最具发展潜力的市场。至2001年底， 除了在香港上市的108只B股， 我国在上海和深圳市场发行股票的上市公司已经达到1160家， 总市值435522.2亿元，流通市值14462.17亿元。同时，48家封闭式基金和3家开放式基金也 已经成为新的投资品种。但同时我国股市也是投机性极强和变异性极大的新兴市场。转型 经济时期独特的市场环境、市场结构、市场参与者和公司特征使得股票市场的风险的形成 更加复杂，监测更加困难。一般来说，市场风险（也称 β ）是投资组合管理、风险控制、 收益预测时用来评价、估计股票风险的重要信息之一。在发达的资本市场，大型投资服务 公司，如美国的标准普尔（Standard & Poor） ，幕迪（Moody）和价值线（Value Line）等， 都定期公布上市公司股票的系统性风险系数（ β） 。虽然目前关于β的计量、估计和偏差调整
还存在一些技术问题，但β仍然是度量股票风险的重要指标。评价和预测β，无论对投资者 的投资决策或对政府监测股票市场风险的变动趋势，都具有重要的现实意义。然而，目前 我国对系统性风险的研究刚刚起步，也没有定期公布某个股票和投资组合的系统性风险的 信息。 本文借鉴国内外学者有关β的研究成果， 应用历史β模型、 β=1模型、 布鲁姆调整 （Blume Adjustment）模型、瓦西塞克调整（ Vasicek Adjustment）模型和罗森贝格系统（Rosenberg System）五种有关股票系统性风险的预测方法，搜集1996年1月1 日—2000年12 月29日期间 上海和深圳市场上的292家上市公司的有关资料进行实证研究，目的在于分析和评价我国上 市公司系统性风险的特征，并寻找适合我国股票系统性风险系数的偏差调整和预测方法。
本文借鉴国内外学者有关的研究成果应用历史模型1模型布鲁姆调整blumeadjustment模型瓦西塞克调整vasicekadjustment模型和罗森贝格系统rosenbergsystem五种有关股票系统性风险的预测方法搜集1996年1月1日2000年12月29日期间上海和深圳市场上的292家上市公司的有关资料进行实证研究目的在于分析和评价我国上市公司系统性风险的特征并寻找适合我国股票系统性风险系数的偏差调整和预测方法
1
作者感谢国家自然科学基金对研究项目《我国证券市场风险形成、评价、预测和监控研究》 （7997005）的 资助，并感谢二位匿名审稿人和编辑对本文提出的修改建议。 2 吴世农，教授, 厦门大学管理学院；李旭升，厦门大学 ＭＢＡ，现在德勤（中国）会计师事务所任职；中国 厦门市思明区（361005） 。 1
b '' =
b ' Sb'2 + b Sb2 '2 2 1 Sb + 1 Sb
（2）
其中， b '' 代表调整后的β值； b ' 为选取的先验分布的均值； Sb' 为选取的先验分布的标准差；
b 为历史β估计值； Sb 为历史β系数估计的标准误差。
Vasicek 指出： “参数 b ' 和 Sb' 的选择依赖于可获得的先验信息。如果抽样前只知道一只 股票来自某个总体，那么，先验密度的合适选择是该总体β观测值的横截面分布。 ” Vasicek 还认为，行业内贝塔值的分布也可以作为贝叶斯估计的先验信息。 关于 Beta 的各种调整和预测方法比较, Klemkosky 和 Martin（1975）详细比较了历史β （直接用单一指数模型回归的β） ，布鲁姆调整，瓦西塞克调整以及 MLPES 方法 4 调整的β预 测值，并采用均方预测误差（MSE）作为预测准确性的判断标准。检验的结论是：布鲁姆 调整和瓦西塞克调整孰优孰劣难以定论， 但都好于未经调整的历史β。 Elton, Gruber 和 Urich （1978）通过观察β对证券之间相关结构的预测能力，比较了几种β的预测方法，结果发现： 历史β的预测能力最差，其次是β = 1 模型。布鲁姆调整和瓦西塞克调整的预测能力较优，其 中瓦西塞克调整又略好于布鲁姆调整。Eubank 和 Zumwalt （1979）的研究发现估计期间的 长短将影响布鲁姆调整和瓦西塞克调整的准确性。他们认为在较短的估计期间（12 个月） ， 布鲁姆调整的表现好于瓦西塞克调整，但是，在较长的估计期间（36 个月、60 个月、120 个月） ，两种调整方法的差异不大（吴世农、胡勤勤，2001 ） 。Lally（1998）的研究指出， 关于瓦西塞克调整的实证研究多将总体β估计值的横截面分布作为先验分布，得到瓦西塞克 调整稍逊于布鲁姆调整的结果。而实际上，若能事先将公司按行业分类，以行业内β的分布 为先验信息进行瓦西塞克调整，可以得到令人满意的预测结果。总之, Klemkosky 和 Martin （1975） ，Elton, Gruber 和 Urich（1978） ，Eubank 和 Zumwalt （1979）和 Lally （１９９８）的研 究表明，布鲁姆调整和瓦西塞克调整孰优孰劣难以定论，但都好于未经调整的历史β。
2
风险的关系。在国内，吴世农、冉孟顺等（1999）参照 Beaver 等(1970)的研究，曾经对我 国上市公司β的差异性展开研究， 发现我国上市公司系统风险在一定程度上与会计信息脱节。 国内外的研究揭示了影响β系数的诸多因素，为 β的预测提供了科学的理论依据和分析方法。 为了克服最小二乘法估计β 的偏差，学者提出了各种估计的调整方法和技术，其中 Blume （1971，1975） ， Vasicek（1973）提出的调整方法被广泛采用以减少这种预计偏差。 此外，Elton 和 Gruber（1973） 、Blume（1975） 、Klemkosky 和 Martin（1975） 、Elton，Gruber 和 Urich（1978） 、Eubank 和 Zumwalt （1979） 、Dimson 和 Marsh（1983） 、Thomas 和 Wood （1986） 、Lally(1998) 和 Los （1999）等都对β的估计偏差调整问题进行研究。此外，Fama 和 French（1992） 、Grinold （1993） 、Kothrai，Shanken 和 Solan（1994）展开了关于β是否能 够有效预测收益的研究。实际上，β的稳定性和差异性研究导致了β预测的两种基本思路： 基于时间序列关系的预测和基于差异性影响因素的预测。时间序列的预测方法主要有：历史 β模型、 β = 1 模型、 布鲁姆调整 （Blume Adjustment） 模型和瓦西塞克调整 （ Vasicek Adjustment） 模型。而基础β（Fundermental β）和罗森贝格系统（Rosenberg System）则是基于差异性研 究而提出的预测思路（吴世农，1999） 。其中，β=1 模型和历史β模型比较简单，而且后文中 将有简单介绍，故这里不再重复。
β a = 0.35 + 0.65 β h
其中， β a 为调整后的β值， β h 为历史β。显然，经布鲁姆调整后的β将介于历史β和 1 之间。
2．瓦西塞克调整（ Vasicek Adjustment ）
Vasicek（1973）提出了对历史β进行调整的贝叶斯估计模型：
3
Merrill Lynch 是美国最大的投资银行之一。 3
二、献述评
贝塔系数（ β）作为衡量股票系统性风险的主要指标，可为资产收益与市场收益之间的 变动关系提供重要的信息， 成为近 30 年资本市场风险定价理论和实践研究的热点问题之一。 对β进行研究的很多，研究的问题主要集中在三个方面：一是β的稳定性；二是β的差异性； 三是β的预测性。 β稳定性主要是对β是否随时间变动以及如何变动的问题进行研究。其中最具代表性的 是 Blume（1971）和 Levy（1971）的检验，他们研究发现单只股票的β系数不具有稳定性， 而组合β的稳定性随着组合的增大而增加。Blume (1975)、Sharpe 和 Cooper (1972)、Fabozzi 和 Francis (1977) 、 Bos 和 Newbold (1984)、 Collins, Ledolter 和 Rayburn (1987)、 Iqbal 和 Dheeriya (1991)等都对β稳定性进行探讨。最近，Groenewold 和 Fraser (1999) 研究澳大利亚上市公 司的β时变性，而 Reyes (1999) 则研究英国股票β时变性。Estrada（2000）在研究欧洲的股 票的β稳态状况后指出，如果错误地假定β稳定，则可能低估总风险和系统性风险而高估风 险调整后的收益。Shen（1994）将“Chow 检验法” 应用于检验我国单只股票β的稳定性； 沈艺峰和洪锡熙（1999）检验我国单只股票β和组合β的稳定性，发现单只股票的β系数不具 有稳定性，但组合的β系数具有一定的稳定性。 Beaver, Kettler 和 Scholes （1970） 、Hamada （1972） 、Beaver 和 Manegold （1975）、 Lev（1974） 、 Bildersee（1975）以及 Rosenberg（1984 等）等人在各自的研究中对β系数与 会计和非会计影响因素之间的关系作出了重要的探索。其中 Beaver, Kettler 和 Scholes （1970）最早对β 系数与会计变量之间关系进行系统地研究。他们通过对纽约证券交易所 1947-1956 和 1957-1965 年间的 307 只股票进行研究发现， β系数与资产负债率显著相关。他 们还发现，证券市场β与 7 个财务变量相关。Rosenberg 和 Mckibben (1973)、Rosenberg 和 Marathe （1975）、Rosenberg 和 Guy（1976）、和 Rosenberg（1984）的一系列研究中，将 会计与非会计变量融合到一个单一的模型中来预测 β，该模型被称作罗森贝格系统 （Rosenberg System） 。最近，Bruce, Hong 和 Kisor（1999）研究了宏观经济变量与系统性
1．布鲁姆调整 （ Blume Adjustment）
Blume （1971）发现β估计值有朝着平均值回归的趋势，并指出如果回归的速度不随时 间改变，就可以在预测β时根据这一趋势进行调整。其调整模型为
β t = a + bβ t −1
（1）
Blume 比较了调整前后的平均预测误差（ MSE） ，结果表明：这一调整方法能够有效地 提高对未来β预测的准确度。 Blume （1975）进一步研究了这一趋势，指出股票β的真实值要比其估计值更趋近于“ 1” ， 并提出“趋一性”的两个可能的原因： （1）公司初建时倾向于选择风险相对高的投资项目， 随后β会出现下降的趋势； （2）公司在决定新的投资时，可能倾向于考虑小风险的投资。 布鲁姆调整的方法在实践中被广泛运用，美林银行（ Merrill Lynch）3 就采用了以下计算 公式：
吴世农 李旭升2
摘要
本文应用历史β 模型、 β =1 模型、 布鲁姆调整 （Blume Adjustment） 模型、 瓦西塞克调整 （ Vasicek Adjustment）模型和罗森贝格系统（ Rosenberg System）五种有关股票系统性风险的预测方法， 搜集 1996年 1 月 1日— 2000年 12 月29 日期间上海和深圳市场上的 292家上市公司的有关资料进行 实证研究。结果表明： 1996-2000年，以市场模型估计的β 整体上没有显著差异，但各自股票的β 的离差逐年扩大。同时， 10 个产业的β估计值的差异不大，但其离差存在较大差异。此外，布鲁 姆调整模型的预测误差最小，其次分别是 β=1模型和 以β 为预测变量罗森贝格模型，再次是瓦西 塞克调整模型和历史β 模型。最后，以 β为因变量的二种罗森贝格预测模型明显优于以收益率为 因变量的罗森贝格预测模型。作者认为，β是投资决策和股市风险提示的重要信息，虽然估计和 偏差调整技术有待改进，但我国必须重视股票系统性风险研究，鼓励投资服务机构定期公布上 市公司的β 值。同时，为提高预测 β的准确性，要惩治提供虚假信息的上市公司，完善信息披露 制度，而投资者也需了解我国上市公司β的不稳定性和β 自身的局限性，慎用 β于投资决策，并注 意选择β的各种调整和预测模型。
关键词：系统性风险、预测模型、预测误差、中国股市
一、引言
近10多年来我国资本市场发展迅速，并成为亚洲最具发展潜力的市场。至2001年底， 除了在香港上市的108只B股， 我国在上海和深圳市场发行股票的上市公司已经达到1160家， 总市值435522.2亿元，流通市值14462.17亿元。同时，48家封闭式基金和3家开放式基金也 已经成为新的投资品种。但同时我国股市也是投机性极强和变异性极大的新兴市场。转型 经济时期独特的市场环境、市场结构、市场参与者和公司特征使得股票市场的风险的形成 更加复杂，监测更加困难。一般来说，市场风险（也称 β ）是投资组合管理、风险控制、 收益预测时用来评价、估计股票风险的重要信息之一。在发达的资本市场，大型投资服务 公司，如美国的标准普尔（Standard & Poor） ，幕迪（Moody）和价值线（Value Line）等， 都定期公布上市公司股票的系统性风险系数（ β） 。虽然目前关于β的计量、估计和偏差调整
还存在一些技术问题，但β仍然是度量股票风险的重要指标。评价和预测β，无论对投资者 的投资决策或对政府监测股票市场风险的变动趋势，都具有重要的现实意义。然而，目前 我国对系统性风险的研究刚刚起步，也没有定期公布某个股票和投资组合的系统性风险的 信息。 本文借鉴国内外学者有关β的研究成果， 应用历史β模型、 β=1模型、 布鲁姆调整 （Blume Adjustment）模型、瓦西塞克调整（ Vasicek Adjustment）模型和罗森贝格系统（Rosenberg System）五种有关股票系统性风险的预测方法，搜集1996年1月1 日—2000年12 月29日期间 上海和深圳市场上的292家上市公司的有关资料进行实证研究，目的在于分析和评价我国上 市公司系统性风险的特征，并寻找适合我国股票系统性风险系数的偏差调整和预测方法。
本文借鉴国内外学者有关的研究成果应用历史模型1模型布鲁姆调整blumeadjustment模型瓦西塞克调整vasicekadjustment模型和罗森贝格系统rosenbergsystem五种有关股票系统性风险的预测方法搜集1996年1月1日2000年12月29日期间上海和深圳市场上的292家上市公司的有关资料进行实证研究目的在于分析和评价我国上市公司系统性风险的特征并寻找适合我国股票系统性风险系数的偏差调整和预测方法
1
作者感谢国家自然科学基金对研究项目《我国证券市场风险形成、评价、预测和监控研究》 （7997005）的 资助，并感谢二位匿名审稿人和编辑对本文提出的修改建议。 2 吴世农，教授, 厦门大学管理学院；李旭升，厦门大学 ＭＢＡ，现在德勤（中国）会计师事务所任职；中国 厦门市思明区（361005） 。 1
b '' =
b ' Sb'2 + b Sb2 '2 2 1 Sb + 1 Sb
（2）
其中， b '' 代表调整后的β值； b ' 为选取的先验分布的均值； Sb' 为选取的先验分布的标准差；
b 为历史β估计值； Sb 为历史β系数估计的标准误差。
Vasicek 指出： “参数 b ' 和 Sb' 的选择依赖于可获得的先验信息。如果抽样前只知道一只 股票来自某个总体，那么，先验密度的合适选择是该总体β观测值的横截面分布。 ” Vasicek 还认为，行业内贝塔值的分布也可以作为贝叶斯估计的先验信息。 关于 Beta 的各种调整和预测方法比较, Klemkosky 和 Martin（1975）详细比较了历史β （直接用单一指数模型回归的β） ，布鲁姆调整，瓦西塞克调整以及 MLPES 方法 4 调整的β预 测值，并采用均方预测误差（MSE）作为预测准确性的判断标准。检验的结论是：布鲁姆 调整和瓦西塞克调整孰优孰劣难以定论， 但都好于未经调整的历史β。 Elton, Gruber 和 Urich （1978）通过观察β对证券之间相关结构的预测能力，比较了几种β的预测方法，结果发现： 历史β的预测能力最差，其次是β = 1 模型。布鲁姆调整和瓦西塞克调整的预测能力较优，其 中瓦西塞克调整又略好于布鲁姆调整。Eubank 和 Zumwalt （1979）的研究发现估计期间的 长短将影响布鲁姆调整和瓦西塞克调整的准确性。他们认为在较短的估计期间（12 个月） ， 布鲁姆调整的表现好于瓦西塞克调整，但是，在较长的估计期间（36 个月、60 个月、120 个月） ，两种调整方法的差异不大（吴世农、胡勤勤，2001 ） 。Lally（1998）的研究指出， 关于瓦西塞克调整的实证研究多将总体β估计值的横截面分布作为先验分布，得到瓦西塞克 调整稍逊于布鲁姆调整的结果。而实际上，若能事先将公司按行业分类，以行业内β的分布 为先验信息进行瓦西塞克调整，可以得到令人满意的预测结果。总之, Klemkosky 和 Martin （1975） ，Elton, Gruber 和 Urich（1978） ，Eubank 和 Zumwalt （1979）和 Lally （１９９８）的研 究表明，布鲁姆调整和瓦西塞克调整孰优孰劣难以定论，但都好于未经调整的历史β。
2
风险的关系。在国内，吴世农、冉孟顺等（1999）参照 Beaver 等(1970)的研究，曾经对我 国上市公司β的差异性展开研究， 发现我国上市公司系统风险在一定程度上与会计信息脱节。 国内外的研究揭示了影响β系数的诸多因素，为 β的预测提供了科学的理论依据和分析方法。 为了克服最小二乘法估计β 的偏差，学者提出了各种估计的调整方法和技术，其中 Blume （1971，1975） ， Vasicek（1973）提出的调整方法被广泛采用以减少这种预计偏差。 此外，Elton 和 Gruber（1973） 、Blume（1975） 、Klemkosky 和 Martin（1975） 、Elton，Gruber 和 Urich（1978） 、Eubank 和 Zumwalt （1979） 、Dimson 和 Marsh（1983） 、Thomas 和 Wood （1986） 、Lally(1998) 和 Los （1999）等都对β的估计偏差调整问题进行研究。此外，Fama 和 French（1992） 、Grinold （1993） 、Kothrai，Shanken 和 Solan（1994）展开了关于β是否能 够有效预测收益的研究。实际上，β的稳定性和差异性研究导致了β预测的两种基本思路： 基于时间序列关系的预测和基于差异性影响因素的预测。时间序列的预测方法主要有：历史 β模型、 β = 1 模型、 布鲁姆调整 （Blume Adjustment） 模型和瓦西塞克调整 （ Vasicek Adjustment） 模型。而基础β（Fundermental β）和罗森贝格系统（Rosenberg System）则是基于差异性研 究而提出的预测思路（吴世农，1999） 。其中，β=1 模型和历史β模型比较简单，而且后文中 将有简单介绍，故这里不再重复。
β a = 0.35 + 0.65 β h
其中， β a 为调整后的β值， β h 为历史β。显然，经布鲁姆调整后的β将介于历史β和 1 之间。
2．瓦西塞克调整（ Vasicek Adjustment ）
Vasicek（1973）提出了对历史β进行调整的贝叶斯估计模型：
3
Merrill Lynch 是美国最大的投资银行之一。 3
二、献述评
贝塔系数（ β）作为衡量股票系统性风险的主要指标，可为资产收益与市场收益之间的 变动关系提供重要的信息， 成为近 30 年资本市场风险定价理论和实践研究的热点问题之一。 对β进行研究的很多，研究的问题主要集中在三个方面：一是β的稳定性；二是β的差异性； 三是β的预测性。 β稳定性主要是对β是否随时间变动以及如何变动的问题进行研究。其中最具代表性的 是 Blume（1971）和 Levy（1971）的检验，他们研究发现单只股票的β系数不具有稳定性， 而组合β的稳定性随着组合的增大而增加。Blume (1975)、Sharpe 和 Cooper (1972)、Fabozzi 和 Francis (1977) 、 Bos 和 Newbold (1984)、 Collins, Ledolter 和 Rayburn (1987)、 Iqbal 和 Dheeriya (1991)等都对β稳定性进行探讨。最近，Groenewold 和 Fraser (1999) 研究澳大利亚上市公 司的β时变性，而 Reyes (1999) 则研究英国股票β时变性。Estrada（2000）在研究欧洲的股 票的β稳态状况后指出，如果错误地假定β稳定，则可能低估总风险和系统性风险而高估风 险调整后的收益。Shen（1994）将“Chow 检验法” 应用于检验我国单只股票β的稳定性； 沈艺峰和洪锡熙（1999）检验我国单只股票β和组合β的稳定性，发现单只股票的β系数不具 有稳定性，但组合的β系数具有一定的稳定性。 Beaver, Kettler 和 Scholes （1970） 、Hamada （1972） 、Beaver 和 Manegold （1975）、 Lev（1974） 、 Bildersee（1975）以及 Rosenberg（1984 等）等人在各自的研究中对β系数与 会计和非会计影响因素之间的关系作出了重要的探索。其中 Beaver, Kettler 和 Scholes （1970）最早对β 系数与会计变量之间关系进行系统地研究。他们通过对纽约证券交易所 1947-1956 和 1957-1965 年间的 307 只股票进行研究发现， β系数与资产负债率显著相关。他 们还发现，证券市场β与 7 个财务变量相关。Rosenberg 和 Mckibben (1973)、Rosenberg 和 Marathe （1975）、Rosenberg 和 Guy（1976）、和 Rosenberg（1984）的一系列研究中，将 会计与非会计变量融合到一个单一的模型中来预测 β，该模型被称作罗森贝格系统 （Rosenberg System） 。最近，Bruce, Hong 和 Kisor（1999）研究了宏观经济变量与系统性
1．布鲁姆调整 （ Blume Adjustment）
Blume （1971）发现β估计值有朝着平均值回归的趋势，并指出如果回归的速度不随时 间改变，就可以在预测β时根据这一趋势进行调整。其调整模型为
β t = a + bβ t −1
（1）
Blume 比较了调整前后的平均预测误差（ MSE） ，结果表明：这一调整方法能够有效地 提高对未来β预测的准确度。 Blume （1975）进一步研究了这一趋势，指出股票β的真实值要比其估计值更趋近于“ 1” ， 并提出“趋一性”的两个可能的原因： （1）公司初建时倾向于选择风险相对高的投资项目， 随后β会出现下降的趋势； （2）公司在决定新的投资时，可能倾向于考虑小风险的投资。 布鲁姆调整的方法在实践中被广泛运用，美林银行（ Merrill Lynch）3 就采用了以下计算 公式：