国内资本资产定价模型的分析报告(doc 5页)

国内资本资产定价模型的分析报告(doc 5页)

对中国国内上市公司的资本资产定价模型的分析报告

一、理论介绍

资本资产定价模型,即Sharpe（1964），Lintner（1965）和Black（1972）建立的简捷、完美的线性资产定价模型CAPM（又称SLB模型），是金融学和财务学的最重要的理论基石之一。CAPM模型假定投资者能够以无风险收益率借贷，其形式为：

E［R[,i]］＝R[,f]＋β[,im]（E［R[,m]］－R[,f]），（1）

Cov［R[,i]，R[,m]］

β[,im]＝───────────（2）

Var［R[,m]］

R[,i]，R[,m]，R[,f]分别为资产i的收益率，市场组合的收益率和无风险资产的收益率。

由于CAPM从理论上说明在有效率资产组合中，β描述了任一项资产的系统风险（非系统风险已经在分散化中相互冲消掉了），任何其它因素所描述的风险都为β所包容。因此对CAPM 的检验实际是验证β是否具有对收益的完全解

释能力。

资本资产定价模型(CAPM)在理论上是严格的，但是在实际中长期存在着实证研究对它的偏离和质疑，其原因主要是资本资产定价模型的一组假设条件过于苛刻而远离市场实际。本次分析报告旨在通过对随机抽样的中国上市公司的收益率的分析，考察在中国的股市环境下，CAPM 是否仍然适用。

二、数据来源

本文在CSMAR大型股票市场数据库中随机选取了1995年1月到2001年12月的100支股票（存为名叫rtndata的EXCEL文件），作为对中国股票市场的模拟。同时还收集了同时期中国银行的年利率（取名为rf）作为无风险利率，

并通过各股票的流通股本对上海、深圳两个市场A股的综合指数进行加权（取名为mr2）。

在SAS中建立数据集，其中各列指标分别为各股票的月收益率（为处理方便，股票名称已改为y1-y100）、中国银行的年利率rf（本次报告没有将rf转换成月无风险收益率，因为这一差异将反映在系数上，且为倍数关系，对结果没有实质性影响）和以流通股进行加权（因为本次报告计算的是市场收益率）的上海、深圳两个市场A股的综合指数mr2。

本次报告采用的CAPM模型为：

100

,...,2,1,ˆ10=++=j e r jt

j jt βγγ。

三、方法及步骤

1，在SAS 中以libname 命令设定新库，名为finance 。程序为：

libname finance 'G:\finance\rtndata'; run;

2，采用means 过程（也可以用univariate 过程）对这100支股票做初步的均值分析，初步得出各股票的样本均值等数据。程序为：

proc means data =finance.rtndata; var y1-y100;

run ;

3，采用corr 过程对随机抽取的若干支股票进行相关分析，以判断中国股票市场的相关性。程序如下：

proc corr data =finance.rtndata cov ; var y23 y67;

where stkcd>=199512 and stkcd<=199712;

run ;

4，用1995年1月至1997年12月期间的超额月收益率对每一股票进行时间序列回归，来分别估计各股票在这一期间的贝塔值。程序如下：

proc reg data =finance.rtndata outest =finance.betas97; model y1-y100=mr2/noint ;

where stkcd>=199512 and stkcd<=199712; run;

求出的β值为：

Y 1 0.704

35

y2

1

0.915

86

Y

41

0.896

054

y6

1

0.851

652

y8

1

1.212

801

Y 2 0.637

881

y2

2

0.905

357

Y

42

0.518

481

y6

2

1.004

974

y8

2

0.729

579

Y 3 0.949

051

y2

3

0.932

471

Y

43

1.204

833

y6

3

0.866

777

y8

3

1.894

588

Y 4 1.878

588

y2

4

0.977

102

Y

44

0.722

664

y6

4

0.562

924

y8

4

1.480

132

Y 5 1.317

656

y2

5

0.634

488

Y

45

1.884

002

y6

5

0.661

701

y8

5

1.393

397

Y 6 0.674

36

y2

6

0.595

003

Y

46

0.741

601

y6

6

0.734

313

y8

6

0.695

886

Y 7 0.732

708

y2

7

0.867

965

Y

47

0.615

389

y6

7

0.856

492

y8

7

1.228

562

Y 8 0.586

665

y2

8

0.356

89

Y

48

1.171

069

y6

8

0.667

569

y8

8

0.529

807

Y 9 0.965

397

y2

9

0.769

648

Y

49

0.846

387

y6

9

1.098

579

y8

9

0.524

15

Y 10 0.718

133

y3

1.196

381

Y

50

1.175

787

y7

1.456

532

y9

0.421

85