贝塔系数时变性影响因素--基于451家上市公司股票数据的实证分析
浅谈贝塔系数

浅谈贝塔系数在现代财务和金融理论的研究中,风险被定义为不确定性,风险与投资的预期报酬紧紧地联系在一起,即通常所说的高风险高收益,低风险低收益。
风险分为系统性风险与非系统性风险。
系统性风险是指影响整个经济市场的风险(包括政治风险、自然风险、宏观经济风险等),非系统风险是指某些特定实体所具有的风险(包括经营风险、操作风险、财务风险等)。
市场往往只对系统风险给予投资回报,而不对非系统风险给予投资回报。
随着有关资本市场理论的建立和发展,经济学家们提出了一系列度量金融风险的方法,建立在CAPM基础上的贝塔(Beta,文中有时用β表示)系数就是其中一种广泛采用的风险度量标准,权益贝塔一般由对上市公司股票的市场价格进行回归统计得到的,对其卸载财务杠杆后可得到资产贝塔。
1952年,哈里﹒马克威茨(Harry M .Markowitz)在Journal of Finance发表的文章“Portfolio Selection”中提出了均值——方差模型,开创性的利用数理统计语言描述了金融市场中投资者的行为,奠定了金融学定价模型的基础,成为现代金融理论的一个重要里程碑。
之后,它被人们广泛应用于实际投资组合决策。
在资产组合理论的前提下,威廉﹒夏普(William F.Sharpe) (1964)等人在Markowitz的基础上提出了CAPM理论,奠定了研究资本市场价格的理论框架。
之后,Fama(1970)提出了有效市场假说(Effective Market Hypothesis,EMH),并给出了金融市场价格运动规律的实证检验思路。
而Black、Scholes(1973)以及Merton(1973)等人先后在CAPM的基础上提出了衍生金融品的定价模型,逐渐形成了现代金融系统中对资产定价领域内的研究框架结构。
资本资产定价模型(Capital Asset Pricing Model,CAPM)最早由Sharpe(1964)、Lintner(1965)、Mossin(1966)等人提出的,它是通过衡量某一种资产对风险的暴露而确定资产的价格,是一种寻求资产绝对价格的思路。
上市公司贝塔系数的影响因素实证分析

龙源期刊网
上市公司贝塔系数的影响因素实证分析
作者:苏鸿辉袁桂秋
来源:《消费导刊》2013年第03期
摘要:贝塔系数是投资和风险管理领域中很重要的一个指标。
本文首先回顾时变贝塔系数的计算方法,然后针对不同行业特点选择有代表性的四家上市公司进行面板数据分析时变贝塔系数的影响因素,表明贝塔系数是受公司营运财务状况和市场行为共同作用下的结果,通过这些分析也为我们更好了解公司状况,挖掘投资机会和金融风险管理提供依据。
关键词:行业特征贝塔系数投资。
贝塔系数波动状况的实证分析

此外 , 本文采用上证综合指数作为市场指数计算市场收益率 , 计算公式如下 : mt = ln index t - ln index t- 1
( 14 )
其中 , mt 是 t 时刻的市场收益率, index t 表示市场组合 m 在 t 时刻的收盘指数, index t- 1 表 示市场组合 m 在 t - 1 时刻的收盘指数。
二、 贝塔系数是否常数的实证检验设计
( 一) 研究方法 传统的对 CAPM 的检验采用的是如下的超额收益率市场模型: Zt = + Z mt +
t
( 1) 1) 向量( 其中 Z it =
it ft) ,
其中 , Z t 是 N 个证券在 t 时刻的超额收益率( N 刻市场的超额收益率 ( Zmt = Zmt Z it = 其中 , 其中 ,
2003 年第 4 期 ( 总第 158 期 )
厦门大学学报 ( 哲学社会科学版 ) JOURNAL OF XIAMEN UNIVERSITY( Arts & Social Sciences)
No. 4 2003 General No. 158
贝塔系数波动状况的实证分析
马喜德 , 郑振龙 , 王保合
三、 实证结果和分析
利用 Mat lab6. 1 编程 , 我们可以得到 90 只样本股贝塔系数的方差 24
2
t 统计量和 i、
i
的 GLS
估计值( 见表 1) 。 从表 1 可以观察到 , 所有股票贝塔系数的方差的平均值为 0. 2735, 其中最大的 是金丰投资( 600606) , 达到 0. 4864, 这说明 Var [ it - i ] 并不为零, 即 it 并不是一个常数 ; 而从 t 统计量则可以进一步看出, 在 90 只样本股中 , 所有股票的贝塔系数的波动率在 1% 的显著性 水平上都是异于零的 , 这说明基本上所有的股票的贝塔系数在不同的时期都会发生变化 , 因而 对 CAPM 的检验失效很可能是贝塔系数可变的缘故。 此外, 我们还可以观察到 , 贝塔系数的长 期均值都在 1 左右 , 最大的是真 空电子 ( 600602) 为 1. 6093, 最小的 是马钢股 份 ( 600808) 为 0. 9315, 可见从长期来看 , 单只股票的系统性风险差别并不大, 但是在不同的经济时期, 各只股 票的系统性风险却会有很大的差异 , 这说明上海股票市场的投资者投机心态比较严重。
上市公司β系数的研究---以我国互联网公司为例(1)

本科学生毕业论文(设计)题目:上市公司β系数的研究---以我国互联网公司为例学院:专业:学生姓名:学号:指导教师:职称:论文字数:字完成日期:2019年11月17日目录摘要 (Ⅰ)Abstract (Ⅱ)一、绪论 (1)(一)研究背景 (1)(二)研究目的与意义 (1)(三)研究现状 (2)(四)本文研究方法 (3)二、研究理论基础 (4)(一)投资组合理论 (4)(二)CAPM理论 (4)三、我国互联网上市公司β系数稳定性分析 (5)(一)β系数稳定性分析基础 (5)1.样本分析 (5)2.数据分析 (6)(二)β系数在不同数值水平下的稳定性分析 (7)(三)β系数在不同时段内的稳定性分析 (8)(四)β系数在不同收益率度量时限下的稳定性分析 (9)(五)β系数在不同市场态势下的稳定性分析 (9)四、我国互联网上市公司β系数影响因素分析 (10)(一)研究变量与研究假设 (10)(二)多元线性回归分析 (11)1.多元线性回归分析定义 (11)2.多元线性回归分析运用 (12)3.多元线性回归模型及矩阵表示 (12)(三)研究结果分析 (13)五、研究结论与对策建议 (14)(一)研究结论 (15)(二)对策建议 (15)文献参考 (16)致谢 (17)、摘要我国自从股票市场开放以来,就在股票市场发展规模与发展速度上获得了相对大的成就,但随之而增的就是我国股票投资的风险性,这就使得我国股票市场的投资风险管理变得具有研究价值,对于如何规避掉股票市场存在问题,提升股票市场价值稳定性研究变得更为重要。
随着我国经济的发展和社会的进步,我国互联网企业上市已经成为了一场新浪潮,形成了可持续发展的经济新体系,但对于新型企业而言观察其系统性风险相对不容易,需要将β系数融入资本资产定价模型中,以上市公司在整体证券市场中产生价格变动的资产数值与影响数量所评判,并将β系数作为研究上市公司风险性的相对重要的指标,与此同时,也将β系数作为上市公司筹资管理,投资管理以及风险管理的主要依照工具。
融资约束、风险与金融资产定价——来自中国A股市场的证据

融资约束、风险与金融资产定价——来自中国A股市场的证据陈学胜;李雯雯【摘要】融资约束是企业生产经营过程中所面临的主要风险之一.对于一个有效的市场机制,这种风险应该被市场价格所发现,或者融资约束风险会对资本市场的定价产生显著的影响.通过构建融资约束指数对企业面临的融资约束风险进行了描述和测度,借助CAPM模型和三因子定价模型对融资约束风险的存在性、独立性进行了相关检验.研究发现,融资约束会提升公司的系统风险.融资约束作为独立因子虽然不能普遍解释所有上市公司的股票收益率,但是对于规模较小,公司特质信息含量高的企业,融资约束因子的解释效果显著.【期刊名称】《大连理工大学学报(社会科学版)》【年(卷),期】2017(038)002【总页数】7页(P45-51)【关键词】融资约束;风险;资产定价【作者】陈学胜;李雯雯【作者单位】山东大学商学院,山东威海264209;山东大学商学院,山东威海264209【正文语种】中文【中图分类】F830.91经典的MM定理认为在完美市场假设下,企业资本结构与投资决策无关,外部融资可以完全替代内部资金的不足。
然而由于委托代理问题和信息不对称问题的存在,市场并不符合完美假设,企业普遍存在融资约束问题,只是不同的企业面临的约束程度不同而已。
融资约束除了会抑制企业投资决策,影响其经营目标的实现以外,还可能会迫使企业采取激进的财务管理政策,甚至诱发企业高风险的资本运作行为,导致企业承担较高的风险。
另外,融资约束还会受到宏观经济行为的影响。
不利的宏观经济环境会导致利率上升和抵押品价值下降,加大企业融资难度,使得企业的财务困境雪上加霜。
而在经济景气以及货币政策相对宽松的环境下,财务困难的企业则可以充分享受更高的财务杠杆利益。
显然,经济周期变化会放大融资约束对企业运营的影响,提高企业的系统性风险。
资本市场的核心功能就是在不同主体之间实现稀缺资源的有效配置。
配置效率的高低依赖于市场是否具备一个合理的定价机制。
我国赴美上市电商企业股票β系数的实证分析——以阿里巴巴等五家电商为例

我国赴美上市电商企业股票β系数的实证分析——以阿里巴
巴等五家电商为例
李琦;龚汨嘉
【期刊名称】《现代商业》
【年(卷),期】2015(000)012
【摘要】本文将赴美上市的五家电商作为典例代替我国整个电商行业,计算各自及总体的β系数,并对影响其大小的因素进行了剖析.文中所依据的理论和公式为威廉·夏普等人的资本资产定价模型(CAPM).文章的探讨将对了解目前电子商务行业在股票市场上的风险与收益状况有显著的帮助,同时能更好地为投资者防范电商企业股票风险提供借鉴.
【总页数】2页(P162-163)
【作者】李琦;龚汨嘉
【作者单位】中央民族大学管理学院北京100081;中央民族大学管理学院北京100081
【正文语种】中文
【相关文献】
1.贝塔系数时变性影响因素--基于451家上市公司股票数据的实证分析 [J], 徐建卫
2.上市公司私有化行为背后的回购股票动机探讨——基于阿里巴巴网络有限公司股票回购的案例分析 [J], 王木之
3.基于实物期权对电商企业上市价值评估-以阿里巴巴集团上市为例 [J], 赵子文;汤
敏
4.我国电商企业跨国横向并购财务协同效应分析——以阿里巴巴收购Lazada为例[J], 徐珂
5.关于我国股份制企业中“同股同权”制度的思考——以阿里巴巴集团赴美上市为切入点 [J], 杨翔岚
因版权原因,仅展示原文概要,查看原文内容请购买。
强周期性行业与弱周期性行业beta系数实证分析

强周期性行业与弱周期性行业beta系数实证分析1. 引言1.1 强周期性行业与弱周期性行业beta系数实证分析强周期性行业与弱周期性行业是经济学中的两个重要概念。
在金融领域,beta系数是衡量一个资产与市场整体波动关系的指标,对于投资者的风险管理和资产配置起着关键作用。
本文将对强周期性行业和弱周期性行业的特点进行定义和分析,探讨它们在不同经济周期下的表现,并通过对比它们的beta系数来实证分析它们的市场表现。
强周期性行业通常是指受到宏观经济周期波动影响较大的行业,如采矿业、建筑业、汽车制造业等。
这些行业的盈利能力和股票价格波动与整体经济增长和衰退的关系密切,表现出明显的周期性特征。
相比之下,弱周期性行业则不那么受经济周期波动的影响,如公用事业、医疗保健、食品饮料等行业。
通过对比强周期性行业与弱周期性行业的表现和beta系数,我们可以更好地理解它们在市场中的定位和风险特征。
本文将利用实证分析的方法,深入探讨这两类行业在不同经济环境下的表现,为投资者提供更为准确的投资建议和决策参考。
2. 正文2.1 强周期性行业的定义与特点强周期性行业是指其业绩与经济周期波动关系密切的行业。
通常在经济繁荣时期,这些行业的表现会非常突出,但在经济萧条时期则可能受到较大影响。
强周期性行业的特点主要包括:强周期性行业的盈利能力会受到整体经济状况的直接影响。
建筑、房地产、原材料等行业通常在经济蓬勃发展时表现强劲,但在经济衰退时则面临挑战。
强周期性行业会受到原材料价格和供需关系的影响。
由于这些行业与资源有着密切联系,原材料价格的波动对其盈利能力会产生较大影响。
强周期性行业的投资周期相对较长。
由于这些行业的投资规模较大,生产周期较长,投资者需要承担较高的不确定性和风险。
强周期性行业的竞争较为激烈。
由于市场需求的波动较大,行业内企业之间的竞争常常较为激烈,企业需要具备较强的适应能力和竞争力才能在激烈的市场环境中立于不败。
强周期性行业的定义与特点需我们认真分析,以便更好地理解这些行业的运行规律和特点。
上市公司贝塔系数与会计指标之间关系的实证分析

上市公司贝塔系数与会计指标之间关系的实证分析【摘要】本文旨在探讨上市公司贝塔系数与会计指标之间的关系,并进行实证分析。
在首先介绍了研究背景,指出贝塔系数和会计指标在股票投资中的重要性,以及研究意义在于揭示二者之间的关联性。
在解释了贝塔系数和会计指标的定义,分析了二者的相关性理论,并阐述了实证分析方法。
随后,提出了研究结果,阐述了不同公司贝塔系数与会计指标的关系。
总结实证分析结论,得出贝塔系数与会计指标存在一定关系的结论。
在探讨了研究启示、政策建议和研究展望,为未来相关研究提供参考。
通过本文的研究,有望为投资者提供更准确的投资决策依据,促进金融市场的健康发展。
【关键词】上市公司、贝塔系数、会计指标、关系、实证分析、引言、研究背景、研究意义、定义、相关性理论、分析方法、研究结果、结论、研究启示、政策建议、研究展望。
1. 引言1.1 研究背景上市公司贝塔系数与会计指标之间关系的实证分析旨在探讨上市公司贝塔系数与会计指标之间是否存在相关性,并进一步分析这种相关性的具体表现。
在金融领域中,贝塔系数是衡量资产相对于市场波动的风险的重要指标,而会计指标则是评估公司财务状况和经营绩效的关键指标之一。
研究贝塔系数和会计指标之间的关系不仅可以帮助投资者更好地评估上市公司的风险和价值,还可以为公司管理者提供有益的经营决策参考。
在当前金融市场的背景下,投资者和公司管理者都面临着越来越复杂多变的市场环境和风险挑战。
深入研究上市公司贝塔系数与会计指标之间的关系,对于有效管理风险、优化投资决策、提高财务绩效具有重要意义。
通过对贝塔系数和会计指标的相关性进行实证分析,可以为投资者提供更加全面和准确的投资信息,同时也可以为公司管理者提供科学的经营指导,从而促进资本市场的健康发展和上市公司的可持续增长。
1.2 研究意义研究意义:贝塔系数和会计指标是衡量上市公司风险和业绩的重要指标,研究它们之间的关系能够帮助投资者更好地理解公司的经营状况和风险特征,从而做出更明智的投资决策。
关于格力电器的β系数实证分析

关于格力电器的β系数实证分析作者:张薇来源:《智富时代》2015年第05期【摘要】在证券市场上,β是衡量股票系统性风险的主要指标。
通过对β系数的计算,投资者可以得出单个股票或股票组合未来将面临的市场风险状况。
本文选取了上市公司格力电器的月收益率以及市场整体的收益率作为样本,展开关于β系数的实证分析。
通过各种检验得出一定的结论,即格力电器的收益会紧随市场收益的波动而波动,两者具有高度相关性。
【关键词】贝塔系数;系统性风险;实证研究一、β系数研究的重要性贝塔系数一直被广泛应用于公司金融、投资和资产组合管理、投资基金的业绩评价以及事件研究中,投资者通过观察和比较各类资产的贝塔系数,可根据自己的风险偏好程度,来选择资产组合的具体资产项目。
贝塔系数越大,意味着资产的系统性风险越大。
由此可见,贝塔系数作为风险度量的重要指标无论在理论研究还是资本市场实践决策中都发挥着相当重要的作用。
二、格力电器的β系数实证分析(一)数据的收集选取在本文中,把上证综合指数从2008年1月到2014年10月的市场收益率设为自变量X,把格力电器从从2008年1月到2014年10月的收益率设为因变量Y,数据由国泰安数据库所得。
(二)模型的建立运用eviews 6.0软件,得到格力电器股票收益率Y与市场收益率X的大致图形。
从散点图可以看出,各个散点接近于一条直线,y与x大致满足线性关系,两者具有一定的相关性。
从折线图中可以看出,y与x走势大致相同,上述中又得知y与x呈一定线性关系。
因此,可以建立一元线性回归模型:Yt=C+βXt+ut,其中,Y为格力电器收益率,X为市场收益率,U为干扰项。
依据以上得到的信息,我们可以做进一步的线性分析。
(三)运用eviews软件进行回归分析和检验1.OLS检验通过回归,可得到拟合方程:从检验中可以看出,拟合优度R2的值为0.439731,说明该模型对样本的拟合还可以。
进行T检验:针对H:β=0,给定显著性水平α=5%的情况下,查T分布表查出自由度为n-k=80,的临界值t0.025(80)=2.0,由图3得到,T=7.923919>t0.025(80)=2.0,应拒绝原假设H:β=0,说明回归显著。
关于β系数值的实证研究

关于β系数值的实证研究【摘要】本文基于CAPM模型和SIM模型,选取上证综合指数2010年3月――2015年3月月收益率数据,个股以锦江股份为例,选取2010年3月――2015年3月月收益数据,对锦江股份股票收益率对整体股票市场变化的敏感程度进行实证研究分析。
【关键词】β系数;锦江股份一、实证分析(一)锦江股份简介上海锦江国际酒店发展股份有限公司是中国最大的酒店、餐饮业上市公司,主营酒店管理、餐饮业务。
经营范围包括宾馆、餐饮、食品生产及连锁经营、旅游;服装、针纺织品、工艺品(文物除外)、金银饰品、日用百货、化妆品、花木、旅游商品;物业管理、商务咨询、技术培训、摄影、出租汽车和烟酒零售。
公司于1994年12月在上海证券交易所上市。
(二)样本选择和数据来源个股以锦江股份2010年3月至2015年3月的股票指数为样本,市场收益率为2010年3月至2015年3月上证综指,按月分析。
数据来自锐思数据库。
(三)模型设定本文利用最小二乘法对SIM模型进行估计,将市场整体收益率作为解释变量(用X表示),将锦江月份股票收益率作为被解释变量(用Y表示)。
为了分析锦江股票收益率和市场整体收益率关系,运用eiviews7.0软件作散点图,散点图显示市场收益率与个股收益率大体呈现线性关系。
下面进行x,y的拟合预测分析。
散点图和拟合图都表明锦江股份月收益率与市场收益率线性相关关系密切,故可建立简单线性回归模型:(四)参数估计运用Eview7.0软件对数据进行OLS回归估计,可知回归方程模型为:这里需要注意的是,虽然此次模型的选取的可决系数并不够高,但是在回归分析中,不仅要模型的拟合程度高,而且还要得到总体回归系数的可靠估计量。
因此,在选择模型时,不能单纯地靠可决系数的高低来断定模型的优劣,为了整体考虑模型的可靠度及其经济意义,应当适当降低对可决系数的要求。
此外,可决系数和修正的可决系数只能提供对拟合优度的度量,它们的值究竟要达到多大才算模型通过检验,计量理论界并没有给出确定的界限,并且该模型通过了下述统计学检验和计量经济学检验,因此该模型的选取是合理并适用的。
贝塔系数均值回归过程的实证分析

贝塔系数均值回归过程的实证分析作者:韦念幸来源:《金融经济·学术版》2009年第10期一、引言和文献综述自资本资产定价模型以来,关于贝塔系数的研究集中在贝塔系数的测算和预测方面。
关于贝塔系数的预测方面,一般研究是贝塔系数的稳定性的检验和贝塔系数是否遵循均值回归过程的检验。
在贝塔系数的均值回归过程研究方面:随机漫步理论认为股票价格是不能预测的,随机漫步对投资决策的作用有限。
但这绝不是证券投资理论的最终目的。
证券投资理论从诞生的时候起就是为研究如何预测股票价格的理论。
如果贝塔系数是均值回归过程,那么就可以用于预测股票风险,从而预测股票价格。
均值回归从理论上讲应具有必然性。
因为有一点是肯定的,从长期看来,股票价格不能总是保持上涨或下跌趋势,一种趋势不管其持续的时间多长都不能永远持续下去。
关于股票价格均值回归理论的研究文献在国外已有很多。
但是到目前为止 ,在我国证券投资理论研究中应用还比较少。
(一)国外关于贝塔系数均值回归研究的研究国外关于贝塔系数均值回归过程的研究已经相当成熟。
Eugene F. Fama和 Kenneth R. French (1988)首先在对美国纽约股票市场进行实证研究的基础上得出股票收益率从长期看呈均值回归的结论。
Jegadeesh.N (1990)用经验分析方法发现单个股票收益具有可预测性,用统计方法计算出的结果是股票的月收益率时间序列显著的呈一阶负相关。
, Balvers和Gilliland(2000)对 18个欧美发达国家股票市场的研究都得出了股票收益率长期呈均值回归的结论。
Kiseok Nam、Chong Soo Pyun 和Stephen LAvard(2001)选取了1926年1月到1997年12月美国股票市场的月度数据利用ANST-GARCH模型得出了股票收益率呈均值回归的结论,并且是非对称的,负收益率的均值回归速度明显大于正收益率的均值回归速度。
(二)国内关于贝塔系数均值回归过程的研究马喜德、郑振龙、王保合(2003)利用上海股票市场90家上市公司从1994 年4月28日到2003年4月28日的数据作为样本 ,对 CAPM中的贝塔系数的波动状况进行实证研究。
β系数影响因素的分析

β系数影响因素的分析点击数:215 【字体:小大】【收藏】【打印文章】【查看评论】β系数是度量某种(类)资产价格的变动受市场上所有资产价格平均变动影响程度的指标,是采用收益法评估企业价值时的一个关键的企业系统风险系数。
评估人员有必要对影响β系数的各种因素进行分析,以恰当确定评估对象的系统风险。
一、涉及β系数的两个折现率模型确定β系数的模型有两种形式。
一种是CAPM模型(资本资产定价模型,也称证券市场线模型,security maket line):E(Ri)= Rf+βi(Rm-Rf)其中:E(Ri)= 资产i的期望收益率Rf = 无风险收益率Rm = 市场平均收益率另一种是市场模型:E(Ri)=αi+βiRm这两个模型都是单变量线性模型,都可用最小二乘法确定模型中的参数。
在这两个模型中,β系数都是模型的斜率。
当αi = Rf(1-βi)时,这两个模型是可以互相转换的。
但是,这两个模型的假设前提、变量所采用的数据和应用条件都不相同。
从理论上说,CAPM模型是建立在一系列严格的假设前提下的均衡模型。
其假设前提是完备的市场、信息无成本、资产可分割、投资者厌恶风险、投资者对收益具有共同期望、投资者按无风险资产收益率自由借贷等。
即CAPM模型是描述市场处于均衡状态下的资产期望收益率E(Ri)与资产风险补偿(Rm-Rf)的关系。
而市场模型是描述资产期望收益率与市场平均收益率之间的关系。
市场模型体现的是资产的期望收益率与市场期望收益率之间的关系,而不论该市场是否处于均衡状态。
其中的β系数体现的是市场的期望收益率变动对资产期望收益率变动影响的程度。
采用CAPM模型确定β系数,必然要涉及无风险收益率,从而引起了对该模型的争议。
布莱克(Black,1972)在《限制借贷条件下的资本市场均衡》一文中指出:由于通货膨胀的存在,真正的无风险利率是不存在的。
因此布莱克认为,CAPM模型的基础本身就存在问题。
但CAPM模型还是普遍地得到了应用。
沪市时变贝塔及财务影响因素分析

的系统 风险有显著正 向影响 的财务指标包括经 营杠 杆 、 资本 积累率 、 企业规 模 , 以及应收账 款周转率 ; 有显 著 负向影 响的指标包括流动 比率和现金流量 比率 ; 无显著影响 的指标为财务杠杆 和净 资产 收益率。与已有研究 不 同的是 , 时变 贝塔 的引入 克服了研 究结论 只对行 业研究 具有 一定参考 意义 而对个别 公司 的指导意 义不 大 的缺点 , 可为利益相关者在公 司层 面衡量系统风险提供指导 。 关键词 : C A P M模 型 ; D C C—G A R C H模 型 ; 时变贝塔 ; 系统风险 ; 财务指标
摘
要: 为 了验证 C A P M模 型中贝塔系数的稳定 性以及系统风 险的影响因素 , 引入 E N G L E提 出的 D C C—
G A R C H模型 , 利用上市公司普通股月度收益率数据得 到随时间变化的贝塔值 , 证 明了用来衡量资产风险的贝
塔 系数 具有 不稳定性。将时变贝塔与选取 的财务指标进 行多元线 性 回归 , 得 出如 下结论 : 对 由时 变贝塔表示
D E L K E R等 对 系统风险与财务杠杆 、 经营杠杆 的关 系进行 了理 论 证 明 , 并 给 出贝 塔 系 数 可 以被 表 示 为无杠 杆 贝塔 、 财 务杠 杆 和 经 营 杠 杆 的乘 积
的结论 。相 比之 下 , 国内对 系统 风 险 影 响 因 素 的 研 究 刚刚起 步 。吴 世农 等¨ 刮和吴 良海 等 【 l 利 用
H A MA D Al 和 L 】 E V【 1 4 ] 进 一步 深化 研 究 , MA N —
塔系 数 的 时 变 性。B L U ME j 、 B L A C K J 、 B A E .
强周期性行业与弱周期性行业beta系数实证分析

强周期性行业与弱周期性行业beta系数实证分析【摘要】本研究旨在通过对强周期性行业和弱周期性行业的beta系数进行实证分析,探讨其在资本资产定价模型中的作用。
通过数据采集和处理方法,我们得出了强周期性行业和弱周期性行业的beta系数,并进行了对比分析。
结果显示,强周期性行业的beta系数相对较高,而弱周期性行业的beta系数则相对较低。
影响因素分析显示,行业特性、市场环境等因素对beta系数有一定影响。
研究结论总结指出,对beta 系数的深入研究有助于了解行业的风险特征,为投资者提供决策依据。
实证分析的启示是,投资者应根据行业特性选择适合的投资组合,降低风险并实现收益最大化。
未来研究展望包括进一步探讨影响beta系数的因素,拓展研究范围,提高研究深度和广度。
【关键词】强周期性行业、弱周期性行业、beta系数、资本资产定价模型、数据采集、数据处理、实证分析、影响因素、研究结论、实证分析启示、未来研究展望1. 引言1.1 背景介绍强周期性行业与弱周期性行业在金融领域中起着至关重要的作用。
强周期性行业通常受到宏观经济周期波动的影响较大,其业绩表现与经济景气度密切相关,例如建筑、汽车等行业。
而弱周期性行业则相对稳定,不太受经济波动的影响,其业绩相对平稳,例如医疗、公用事业等行业。
研究强周期性行业与弱周期性行业的beta系数对于投资者具有重要意义。
beta系数是衡量资产相对于市场波动的风险敞口的指标,可以帮助投资者评估资产的风险和收益。
在资本资产定价模型中,beta系数被用来计算资产的预期收益率,从而帮助投资者进行资产配置和风险管理。
通过对强周期性行业与弱周期性行业的beta系数进行实证分析,可以更深入地了解不同行业的风险特征和收益表现。
这对于投资者制定投资策略、降低投资风险具有重要意义。
本研究旨在探究强周期性行业与弱周期性行业的beta系数的实证表现,为投资者提供更全面的参考和决策依据。
1.2 研究意义强周期性行业与弱周期性行业在市场中扮演着重要的角色,其发展和表现对经济的稳定和增长有着深远的影响。
我国赴美上市电商企业股票β系数的实证分析——以阿里巴巴等五家

研 究背 景
加 入 了 双 移 动 平均 线 交 叉 、 三移 动 平 均 线 交叉 的 内容 , 再后来 , 又
根 据 回归 结 果 来 看 , 我 国 电商 行 业 的 贝塔 系 数 高 于 其 他 传统
出的 “ 互 联 网+” 行 动 计 划 极 大带 动 了 电商 行 业 的发 展 , 也 影 响 信 息 缩4 , N个 人 时 间 和精 力 可 处 理 的 范 围 内 , 根据 自身 情 况 , 确 定
金融视线 l F i n a n c i a 1 . Vi e w
四周策略对 沪深3 0 0 指数 的研 究
赵 永 欣 北 京 物资 学 院 研 究生 部 北 京 1 0 1 1 4 9
摘要 : 在 过去 十年 中 , 随着 计算机技 术 的进 步 , 关 于在 期 货市场建 立技 术性 交易 系统 的问题 , 人 们进 行 了大量 的研
究, 这些 系统越 来越 臻 于 复杂 。起 初 用的是 简单的移 动平均 法 , 后来, 又加 入 了双 移动平 均线 交叉 、三 移动平 均线 交叉 的 内容 , 再后 来 , 又把移 动平 均值 线性加 权 、指 数加权 。人 们往往 忽视 了那 些 简单、基 本的工 具 , 而它们 的效
电商行 业 的 供 需 关系 , 使 更 多 的股 民开始 关注 电商股 票 , 为 电子商 务 行业 带 来 了机 遇 与 挑 战 。
2 . 公 司 基本 特 征 对 电商行 业 股 票 风 险 的 影 响 。财 务 报表 及财 务 指 标 是 股 东 、投 资 者 获 取 公 司 会 计 信 息 及 经 营 状 况 的 重 要 来
果 相 当好 , 经 受住 了时 பைடு நூலகம் 的 考验 , 这 就 是 四周 策 略 。 关键词 : 四周 策略 ; 沪深5 0 0
房地产上市公司股票β系数测算研究报告

房地产上市公司股票β系数测算研究报告作者:伏威威来源:《财讯》2017年第04期文通过对β系数的背景、作用和计算的研究,随机选取五家实力不错的房地产上市股票,对其月股票收盘价进行统计分析,回归出它们的β系数。
进而分析它们的股票价格随市场股价的变动程度,以供投资者参考。
β系数房地产风险波动投资组合β系数的研究背景(1)β系数理论来源。
资本资产定价模型是现在财务理论的重要组成部分,它用一个简洁的模型刻画了资产收益与风险的关系,代表了金融学领域重要的进展和突破,是现代金融学重要的理论基石之一。
而在资本资产定价模型中,最具突破性意义的就是β系数的发现与运用。
(2)β系数研究的必要意义。
研究β系数,有利于我们更好的进行股票投资,降低风险,提高利率。
从投资者的角度看,若市场处于牛市,理想的选择是选择买进β系数大的股票,卖出β系数小的股票;若市场处于熊市,则反之。
可见,了解在牛市与熊市转换中β系数的表现对于投资者来说是必要的。
β系数的计算(1)β系数数学含义。
而Beta则体现了特定资产的价格对整体经济波动的敏感性,即:市场组合价值变动1个百分点,该资产的价值变动了几个百分点——或者用更通俗的说法:大盘上涨1个百分点,该股票的价格变动了几个百分点。
(2)计算方法。
本文采用:β系数=个别股票的超额收益率/全部市场股票的超额收益率。
数据选择(1)样本选择。
我们选择的股票都和房地产行业有关:中茵股份、万科、恒大地产、龙湖地产、华润置地。
2014年是房地产行业的一个转折时期,房地产行业的走向成为一个热门话题。
面对增长下行的压力,各地也陆续取消限购。
那么,讨论房地产行业的股市对大盘的波动如何变得越发重要。
我们分析大众关心的正常上市公司,st股是特别处理的股份,我们这里排除不予考虑。
(2)无风险收益率。
无风险收益率是投资者不冒风险投资时要求的收益率。
无风险收益率=资金时间价值(纯利率)+通货膨胀补偿率。
本文采用短期国债收益率来作为市场无风险收益率,年化市场无风险收益率为3.20%。
上市公司贝塔系数与会计指标之间关系的实证分析

上市公司贝塔系数与会计指标之间关系的实证分析作者:何玥来源:《商情》2017年第17期【摘要】贝塔系数是衡量企业系统风险的重要指标,本文先分析了贝塔系数的计算方法,然后选取20家上市公司进行面板数据分析影响贝塔系数的会计变量,表明企业的系统风险和股价波动程度与其营运财务状况息息相关,通过实证分析为投资者控制投资风险提供依据。
【关键词】贝塔系数单一指数模型会计指标一、引言贝塔系数(β)是资本资产定价模型(CAPM)中最重要的参数之一,是衡量证券投资组合系统风险的重要指标,在现代投资组合理论中发挥着重要作用。
国内外对贝塔系数的研究多分为两类,一是对影响贝塔系数的因素进行实证研究,二是对贝塔系数的稳定性和相关性进行分析检验。
对于寻求影响股票系统风险的因素,Beaver、Kettler和Scholes(1970)最早从公司的基本特征研究对β值的影响因素,他们将公司基本特征分为七个会计变量,分别进行与β值相关性的研究,得出贝塔系数与财务杠杆、股利支付率、会计贝塔系数和盈利变动性显著相关,与成长性、规模和流动比率显著无关的结论。
Hamada(1972)选取了1948-1967间的304只股票,将其财务杠杆对贝塔系数的影响作实证分析,研究结果表明两者呈正相关关系,Mandelker(1984)进一步实证表明贝塔系数与财务杠杆和经营杠杆均呈显著正相关。
吴世农、冉孟顺(1999)采用1997-1998间上交所200家上市公司的会计报表信息,研究了7个会计指标与贝塔系数之间的关系,其研究结论表明,我国上市公司的财务杠杆、股利支付率和总资产增长率对贝塔系数有显著影响,经营杠杆对贝塔系数无显著影响。
王亮(2010)对我国上市公司增长机会与贝塔系数的相关性进行研究,增长机会选取了四个变量,分别是资产的市值账面比、权益的市值账面比、有形资产账面值/资产的总市值和价格收益比,经实证分析后得出增长机会与贝塔系数显著正相关的结论。
股票市场贝塔系数的稳定性研究——以上证A股为例

股票市场贝塔系数的稳定性研究——以上证A股为例股票市场贝塔系数的稳定性研究——以上证A股为例引言股票市场的波动性一直以来都是金融研究的热点之一,而贝塔系数作为一种衡量股票市场波动性的指标,对投资者的投资决策起着重要的参考作用。
然而,贝塔系数的稳定性一直以来都备受关注。
本文旨在以中国最具代表性的股票市场,上证A股市场为例,探讨股票市场贝塔系数的稳定性。
一、贝塔系数的基本概念贝塔系数是经典的金融学指标之一,用于衡量股票在市场上的波动性相对于整个市场波动性的相对大小。
贝塔系数的计算方法是通过回归分析,将某只股票的收益率与整个市场的收益率进行相关性分析,来衡量股票对于市场波动的敏感程度。
如果贝塔系数大于1,则说明这只股票的波动性大于整个市场;若贝塔系数小于1,则说明这只股票波动性较整个市场小。
二、贝塔系数的研究方法贝塔系数的研究方法主要是通过计算股票的收益率与市场收益率的相关性来获得。
一般而言,选择股票市场中代表性较高的股票指数作为市场的表征,计算股票与该指数之间的相关性。
在本文中,我们选择了上证A股指数作为市场的表征,通过计算上证A股指数与各只股票的收益率之间的相关性,得到贝塔系数的估计值。
三、贝塔系数的稳定性贝塔系数的稳定性是指贝塔系数在不同时间段内是否具有较高的一致性。
贝塔系数的稳定性对投资者而言非常重要,如果某只股票的贝塔系数不稳定,那么投资者将难以准确判断该股票对市场波动的敏感程度,从而影响其投资决策。
在本研究中,我们将使用上述所述的研究方法计算上证A 股市场中的股票的贝塔系数,并通过对一定时间范围内贝塔系数的观察和分析,来探讨贝塔系数的稳定性。
四、贝塔系数的稳定性研究结果研究结果显示,上证A股市场中的股票的贝塔系数在不同时间段内呈现出一定的稳定性。
贝塔系数的稳定性主要体现在以下几个方面:首先,大多数股票的贝塔系数在短期内保持相对的稳定。
在日频数据中观察发现,大部分股票的贝塔系数在相差不大的时间范围内保持相对稳定的数值。
强周期性行业与弱周期性行业beta系数实证分析

强周期性行业与弱周期性行业beta系数实证分析一、引言股票投资的风险管理是投资者关注的重要问题之一。
在股票投资中,经常会听到“beta系数”的概念。
beta系数是衡量股票或投资组合收益与市场整体变动之间关系的指标,它可以反映一个证券相对于市场的波动性。
一般来说,大盘股的beta系数较小,小盘股的beta系数较大。
但是在不同的行业中,不同的公司可能拥有不同的beta系数,其中强周期性行业与弱周期性行业的beta系数受到了广泛的关注。
强周期性行业通常指的是那些受宏观经济周期影响较大,市场需求波动较为显著的行业,比如原材料、能源、建筑等行业;而弱周期性行业则相对较不受宏观经济周期波动的行业,比如消费品、医药、公用事业等。
在这两类行业中,不同公司的beta系数可能会有很大的差异,因此对于投资者来说,了解强周期性行业与弱周期性行业的beta系数特征,有利于更好地进行资产配置和风险管理。
本文将对强周期性行业与弱周期性行业的beta系数进行实证分析,通过对大量数据的统计和比较,试图揭示这两类行业中beta系数的特点和差异,为投资者提供一些参考意见。
二、数据与方法本文选取了A股市场中两种 typ 优选泰雷的意义迈尔塔 for 两大下市公司数据 for 进行研究,包括强周期性行业典型代表润叙类企业——能源类企业央打声和苏别公司,以及弱周期性行业典型代表医药类企业罗磷浓缩。
本文使用了基于CAPM模型的回归方法,运用历史收益率数据对股票收益率和市场收益率进行回归分析,得到了每个公司的beta系数。
三、实证分析1. 能源类企业央打声的beta系数为1.35,苏别公司的beta系数为1.42,远高于市场平均水平1.0。
这表明这两家公司股票的波动性较大,对市场变动敏感,属于高beta股。
这与能源行业的周期性特征相符,能源类企业的盈利往往受到宏观经济波动的影响较大,市场需求的变化对其股价影响较大。
投资者在选择能源类企业股票时,需要考虑其高波动性带来的风险。
- 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)。
第36卷 第10期2015年10月经济与管理研究ResearchonEconomicsandManagementVol.36 No.10Oct.2015贝塔系数时变性影响因素———基于451家上市公司股票数据的实证分析徐建卫收稿日期:2015-06-10基金项目:教育部人文社会科学研究西部和边疆项目“经济发展的环境承载力研究”(12XJA910002)作者简介:徐建卫 兰州大学经济学院博士研究生,兰州市,730000。
内容提要:本文以中国股票市场沪市中地产、工业、公用以及深市中制造等行业451家公司成分股为样本,采用因子分析法对精选的20个指标进行聚类分析提取公共因子,用状态空间模型估计样本公司的Beta系数,用截面回归法考察各影响因子对Beta系数时变性的影响方向和大小。
研究发现,公司规模、财务结构、盈利能力、成长性和市场价值比等因素是造成Beta系数不稳定的重要原因。
其中,财务结构、成长性和盈利能力对Beta系数的作用方向和大小具有较强的规律性,要给予充分关注。
关键词:Beta系数 时变性 因子分析 公司基本面 中图分类号:F832.5 文献标识码:A 文章编号:1000-7636(2015)10-0130-08近年来,随着金融市场的不稳定性加剧,证券市场的系统性风险引起了研究者的关注。
贝塔系数作为衡量上市公司系统风险大小的一个重要指标,成为重点研究的对象[1]。
Beta系数概念源于夏普(Sharpe,1964)、林特尔(Lintner,1965)和莫辛(Mossin,1966)等人,他们在马科维茨(Markowitz,1952)的分散投资与效率组合投资理论基础上,提出了资本资产定价模型(CAPM)。
CAPM模型的一个基本假定是用来衡量资产风险的贝塔为常数。
但后来的研究发现,Beta系数具有随时间变化的特性,CAPM的常数Beta假设并不总是成立[2]。
此外,该模型中Beta系数是衡量一种证券或一个投资组合系统性风险的唯一指标,但并没有指出系统风险的影响因素。
尤其是在衡量公司系统风险时,有关Beta系数时变性影响因素的文献相对较少[3]。
对于第一个问题,国内外已有较多学者进行过研究,并证实了Beta存在时变性,本文将不再赘述,而将讨论的重点放在第二个问题,即寻找Beta时变性的影响因素上。
一、文献综述什么原因导致了贝塔系数随时间变化的不稳定特征,国内外学者展开了大量研究。
罗斯(Ross,1994)指出,公司Beta系数可看作宏观经济、行业特点以及公司基本面等一系列影响因素的函数[4]。
从宏观因素来看,佛朗西斯和法博齐(Francis&Fabozzi,1979)、罗比切克和科恩(Robichek&Cohn,1984)研究了经济扩张和收缩对Beta系数的影响,发现经济周期对Beta系数的时变性有显著影响,收入增长和通货膨胀都能使Beta系数发生变化[5-6]。
ResearchonEconomicsandManagement(No.10,2015)经济与管理研究(2015年第10期)博斯特和纽博尔德(Bost&Newboldp,2004)[7]、乔德利(Choudhry,2005)[8]的研究发现,公司运作方式、特定商业环境、重大经济政治事件均会使贝塔系数发生变化,宏观金融波动也是Beta系数发生变化的一个原因。
从行业因素来看,罗森伯格(Rosenberg,1996)构建了一个集个股、基本面和行业性质于一体的“Rosenbergsystem”,将多个行业虚拟变量引入股票Beta系数模型,发现股票Beta系数具有显著的行业差异[9]。
布拉等(Bullaetal.,2008)运用替代模拟技术研究随时间变化的欧洲产业投资组合的贝塔风险,最终得到相似结论[10]。
从公司基本面来看,梅利克(Melicher,1974)研究发现,净资产收益率、市场活跃度、分红政策、公司规模、财务杠杆等是引起Beta系数时变的解释因素,但解释力不具有稳定性[11]。
比尔德西(Bildersee,1982)研究了纽约证券市场制造业和零售业公司股票Beta系数,发现其与负债比率、优先股和普通股比例、流动比率、会计Beta系数等变量高度相关[12]。
库珀(Cooper,2006)的研究表明,Beta系数与财务杠杆系数、息税后收益、经营杠杆系数和市场组合收益之间协方差系数有显著关系,Beta系数可表示为上述会计变量的线性函数[13]。
其他相关研究还表明公司的经营管理、财务和战略决策也会影响股票beta系数。
相比之下,国内关于Beta系数的影响因素研究尚处于起步阶段。
吴世农和冉孟顺(1999)等人借鉴Beaver等人的研究方法,收集了上海证券市场200家上市公司信息研究Beta系数与其会计信息之间的关系,结果表明,Beta系数与总资产增长率、流通规模和财务杠杆正相关,与股利支付率和盈利波动性负相关,流通规模、盈利波动性对Beta系数具有显著影响[14]。
郑君君(2000)研究发现Beta系数与市盈率具有显著的负相关关系[15]。
吕长江和赵岩(2003)研究发现Beta系数并不存在显著的行业差异,但成分股和非成分股的Beta系数存在差异[16]。
刘永涛(2004)认为在目前的行业分类方法下,Beta系数的行业差异并不明显[17]。
惠晓峰和杜长春(2009)建立了一个信息披露与贝塔系数的数量模型,发现信息披露会影响贝塔系数,两者呈反向相关关系[18]。
杨克磊和郭经华(2014)研究发现资本积累率、企业规模、经营杠杆以及应收账款周转率对由时变贝塔表示的系统风险有显著正向影响,流动比率和现金流量比率对系统风险有负向影响,而财务杠杆和净资产收益率无显著影响[19]。
分析发现,国外关于Beta系数的时变性研究较早,已经积累大量实证研究,国内的文献总体上较少,研究中还有欠缺:一是对个股或投资组合的样本选择不规范,对众多基本面影响因素指标的选择不够科学,导致基于不同指标组合的研究结论差异性较大;二是对于系统性影响因素的研究基本是利用证券市场线求得大量样本公司beta系数后再进行多元线性回归,这种分析方法只能得到行业的一般情况,不能解释公司的个体差异。
因此,本文试图结合中国证券市场和上市公司的实际情况,最大限度引进影响因素,并通过技术分析进行整合降维,找到主要因子,以提高选用指标的有效性;用状态空间模型估计样本公司的Beta系数,进而可对公司个体进行分析,克服以往研究中只对行业进行整体分析的局限;通过引进行业虚拟变量将行业因素纳入模型以反映行业差异对分析结论的影响,提高Beta系数运用的科学性和有效性。
二、实证分析 (一)研究样本和数据来源本文以中国沪市地产、工业、公用及深市制造业四大行业中的451家公司成分股作为样本。
数据提取自样本公司2008—2012年日交易数据。
采用状态空间模型估算各样本公司Beta系数。
市场指数和样本公司日收盘价均来自同花顺交易终端数据库,各影响指标来自色诺芬中国证券市场数据库(CCER)。
(二)影响指标选定与计算根据国内外Beta系数影响因素研究文献及相关理论,结合中国证券市场和上市公司实际状况,考虑数据可获得性,选取2008—2012年与公司基本面、行业及市场有关的20个指标,考察其对Beta系数的影响方向和大小。
经济与管理研究(2015年第10期)ResearchonEconomicsandManagement(No.10,2015)具体指标的含义和计算方法如下:(1)换手率:每年交易总股数/流通股总股数×100%,换手率的高低代表着股票进出市场的容易程度、活跃性和变现能力的强弱。
(2)年成交额:年成交股数与成交价乘积,是反映股票流通性强弱的关键指标。
(3)非流通股/受限流通股合计:该指标可从目前股票流通性来反映未来市场抛压。
(4)总市值:年度平均流通股市值的自然对数,是公司规模的有效替代指标。
(5)托宾Q值:公司市场价格/公司重置成本,是衡量一个公司投资状况的有用指标。
(6)市盈率:每股市价/每股收益,是最常用来评估股价水平是否合理的指标,市盈率过高,股价可能有泡沫。
(7)市净率:价格/每股净资产,能有效反映企业市场价值比,市净率越低,该股票投资价值越高。
(8)市销率:每股市价/每股主营业务收入。
市销率越低,投资价值越大。
(9)净资产收益率(净利润):报告期利润/期末净资产,是评价企业资本经营效益的核心指标。
(10)上期净资产收益率:调整去年加权平均净资产收益率,该指标可有效避免净资产收益率的不稳定性。
(11)净资产增长率:本期净资产增加额/上期净资产,反映公司净资产(所有者权益合计)的增长情况。
(12)营业利润增长率:本期营业利润增加额/上期营业利润,是衡量业务发展速度的有效指标。
(13)税后利润增长率:本期税后利润增加额/上期税后利润。
(14)回报率:在股票市场中考虑分红的回报率,是反映投资者股票收益情况的直观指标。
(15)流动比率:流动资产/流动负债,是反映企业短期债务偿还能力和短期流动性的核心指标。
(16)现金负债比率:货币资金/负债合计,考虑存货比例对短期流动性的影响。
(17)债务资产比率:负债总额/资产总额,用来表示财务杠杆的大小。
(18)资产周转率:主营业务收入/平均资产总额,可以用来反映企业对总资产的利用效率。
(19)经营杠杆:(税前收益+固定成本总额)/税前收益。
营业杠杆系数越大,收益质量越低。
(20)历史Beta系数:以上年收益率估算的Beta系数。
该指标是影响本期Beta系数的一个重要因素。
为反映行业差异对Beta系数的影响,引入地产、工业、公用和制造业4个行业虚拟变量进入模型,以考察行业因素的影响。
(三)样本公司Beta系数估计Beta系数为公司(或资产组合)收益率和市场组合收益率的协方差与市场组合收益率的方差之比,计算公式为:βα=cov(rα,rm)σ2m(1)其中Cov(rα,rm)是证券α的收益与市场收益的协方差;σ2m是市场收益的方差。
Beta系数度量了公司(或资产组合)对系统性风险的敏感性大小。
一般来说,若某一公司(或资产组合)Beta系数绝对值大于1,意味着该公司(或资产组合)收益率波动大于市场组合收益率波动,具有高风险性;若小于1,意味着该公司(或资产组合)收益率波动小于市场组合收益率波动,具有相对低风险性。
实证研究中,Beta系数的估计方法主要是沿着两个方向改进。
一是基于一定约束条件来估计。
如二次项市场模型假设Beta系数与市场收益率有关,SS市场模型假设Beta系数与市场收益率波动有关,将这两种模型作为均值方程,用指数形式的条件方差对两个模型的残差项进行修正,消除异方差性,使估计的Beta参数值具有一致和有效性。