《银行业β系数实证研究分析资料》由会员分享，可在线阅读，更多相关《银行业β系数实证研究分析资料（11页珍藏版）》请在金锄头文库上搜索。
1、上市国有商业银行系数实证研究分析摘要：随着国有商业银行在我国经济发展中地位的不断提高，对其风险状况进行测定对于银行业自身的稳步发展以及我国股票市场的完善都具有重要的意义。本文选取我国2 家上市国有商业银行2014年共12个月的月收益率和沪深300 指数进行回归分析，对其系数进行测算，并就如何降低系统性风险提出了建议。关键字：国有商业银行 系数 回归分析一、理论基础资产的预期报酬率由于受风险因子的影晌，导致实现的报酬并不稳定，这些因子主要分为系统风险和非系统风险。系统风险是指资产受宏观经济、市场波动等整体性因素影响而发生的价格波动，这种风险是无法在组合投资中被分散掉的那部分风险，是所有投资于证券
2、市场的投资者均要承担的由市场共同因素所影响的风险。换句话说，就是股票与大盘之间的连动性，系统风险比例越高，连动性越强。与系统风险相对的就是非系统风险，即由公司因素所导致的价格波动。而系数则体现了特定资产的价格对整体经济波动的敏感性。既然一项资产的期望报酬率取决于它的系统风险，那么如何测算系统风险就成了关键。通常使用系数作为度量一项资产系统风险的指标。值所反映的是某一投资对象相对于市场整体的表现情况，其绝对值越大，显示其收益变化幅度相对于市场平均水平的变化幅度越大；绝对值越小，显示其变化幅度相对于市场平均水平的变化幅度越小。如果是负值，则显示其变化的方向与大盘的变化方向相反。值可能大于、等于或小
3、于1(也可能是负值)。当=1时，表示该资产的风险收益率与市场组合平均风险收益率呈同比例变化，其风险情况与市场投资组合的风险隋况一致，即当市场的报酬变动1，对应资产的报酬也会变动l(正向或反向视正负号而定)。同理，当1时，说明该单项资产的风险收益率高于市场组合平均风险收益率，则该单项资产的风险大于整个市场投资组合的风险；当贝塔1)被加入到一个平均风险组合中，则组合风险将会提高；反之，被加入到一个平均风险组合中，则组合风险将会降低。所以，一种股票的值可以度量该股票整个组合风险的贡献，值可以作为对这一股票风险程度的一个大致度量。二、文献综述国外学者Blume 在1971年发表的论文Beta and
4、Their Regression Tendencies中，对1926 年1 月-1968年6 月在纽约证券交易所上市的所有股票进行深入研究，发现在一个时期里估计出来的贝塔系数是其未来估计值的有偏估计；组合规模越大，其未来的贝塔系数越能被准确地预测。Levy 在1971 年对1960-1970 年期间在美国纽约交易所上市的 5 0 0 只股票加以研究，通过采用周收益率的数据，以52周为基期，后续期分别为52 周、26 周和13 周得出以下结论：在较短时期内，单一股票的系数不具稳定性，但组合的系数稳定性有显著的提高，且随着组织规模的扩大，估计时间的拉长，系数的稳定性也相应高。1974年，Baese
5、l通过应用转移矩阵法，将时间段分为12、24、48、72 与108 个月，分别对1950-1967 年间纽约证券交易所的160 只股票，以月收益率数据横截面回归，进而估计时间段的的长短与单个股票系数的稳定性呈正相关的结论。且风险较高或者较低的系数的估计值稳定性好于系数适中的股票。国内学者沈艺峰与洪锡熙在 1999 年发表的论文我国股票市场贝塔系数的稳定性检验中，通过应用 Chow 检验法对深圳证券交易所 1996 年的所有上市公司样本数据进行分析研究，得出结论：无论是单个股票还是股票组合，贝塔系数都不具有稳定性，以过去期间的数据估计出来的贝塔系数值无法代表未来的贝塔系数值，说明我国的证券市场系
6、统风险是变动不定和难以预测的。2000 年，靳云汇与李学在中国股市系数的实证研究一文中，对沪深两市的51 种1992 年以前上市的股票进行了研究，发现股票的贝塔系数随着上市时间增加基本上趋于不稳定，通过贝塔系数的历史数据来预测未来贝塔系数的可靠性是较差的。刘桂荣于2007年上市银行系统性风险的实证研究中，用单指数模型对2003 年1 月1 日至2005 年12 月31日期间沪市浦发银行、民生银行、招商银行、华夏银行四家上市银行的系数进行实证分析，并给出防范银行系统性风险的对策。2003 年，马喜德、郑振龙与王保合以上海证券交易所的90家上市公司的数据为样本，对 CAPM 模型中的贝塔系数波动性
7、做了实证分析。研究结果表明，所有股票的贝塔系数波动率都不为零，即贝塔系数在不同时期会发生变化，具有不稳定性。值得注意的是，以往的研究虽然也涉及到了上市商业银行，但对国有上市商业银行的系数几乎没有研究。因此，笔者接下来将结合年的数据，对国有上市银行进行具体分析。三、国有银行系数实证分析（一）数据选取笔者拟选用沪深300指数作为市场组合。沪深300指数反映沪深两个市场的整体走势，指数样本覆盖了大部分流通市值，五大国有银行工商银行、建设银行、农业银行、中国银行和交通银行均为沪深300指数的成分股。沪深300指数还具有以下特点：（1）.严格的样本选择标准，定位于交易性成份指数。沪深300指数以规模和流
8、动性作为选样的两个根本标准，并赋予流动性更大的权重，符合该指数定位于交易指数的特点。（2）. 采用自由流通量为权数。自由流通量就是剔除公司创建者、家族和高级管理人员长期持有的股份、国有股、战略投资者持股、冻结股份、受限制的员工持股、交叉持股后的流通量。这既保证了指数反映流通市场股价的综合动态演变，也便于投资者进行套期保值、投资组合和指数化投资。（3）. 采用分级靠档法确定成份股权重。沪深300指数各成份股的权重确定共分为九级靠档。这样做考虑了我国股票市场结构的特殊性以及未来可能的结构变动，同时也能避免股价指数非正常性的波动。九级靠档的具体数值和比例都有明确规定，从指数复制角度出发，分级靠档技术
9、的采用可以降低由股本频繁变动带来的跟踪投资成本增加，便于投资者进行跟踪投资。（4）. 样本股稳定性高，调整设置缓冲区。深300指数每年调整2次样本股，并且在调整时采用了缓冲区技术，这样既保证了样本定期调整的幅度，提高样本股的稳定性，也增强了调整的可预期性和指数管理的透明度。样本股的稳定性强，可以提高被复制的准确度，增强可操作性。得到加强。300指数规定，综合排名在240名内的新样本优先进入，排名在360名之前的老样本优先保留。当样本股公司退市时，自退市日起，该股从指数样本中剔除，而由过去近一次指数定期调整时的候选样本中排名最高的尚未调入指数的股票替代。（5）. 指数行业分布状况基本与市场行业分
10、布比例一致指数的行业占比指标衡量了指数中的行业结构，市场的行业占比则衡量市场整体经济结构，二者偏差如果太大，则说明指数的行业结构失衡，通过统计发现，虽然沪深300指数没有明确的行业选择标准，不过样本股的行业分布状况基本与市场的行业分布状况接近，具有较好的代表性。综合以上考虑，沪深300指数是目前较为主流和有效的市场组合，以其为基础进行的研究具有一定的参考价值。为了使得到的系数更具代表性，笔者选取了工商银行（股票代码：601398.SH）和中国银行（股票代码：601988.SH）两只国有银行股票作为本文研究的目标证券。本文所使用的收益率数据信息来源于国泰安数据库，收盘价信息来源于新浪财经以月为周
11、期的K线图，以此来保证数据的及时更新及准确性。笔者最终选取了2014年1月至2014年12月共1年12个有效数据，对上述系数进行测算。需要说明的是，新浪财经在提供数据时已经经过除权和前复权处理，以保证股票走势的连续性，尽量得到真实的历史价格。这也就意味着数据都是经过修正的。（二）数据测算理论依据（1）.沪深300指数月收益率的测算采用如下公式：Km,t=(Mt-Mt-1)/Mt-1其中，Km,t为第t月的沪深300指数收益率，Mt为第t月最后一个交易日的沪深300指数收盘指数，Mt-1为第t-1月最后一个交易日的沪深300指数收盘指数。（2）.上市国有商业银行股票月收益率的计算采用如下公式：K
12、i,t=(Pt-Pt-1)/Pt-1其中，Ki,t为上市商业银行股票第t月的收益率，Pt为上市商业银行股票第t 月最后一个交易日的收盘价，Pt-1为上市商业银行股票第t-1月最后一个交易日的收盘价。（3）对股票的复权处理虽然新浪财经已经将数据进行过除权和前复权处理，但笔者仍介绍一下对股票进行除权处理和复权处理的方法。除权指的是股票的发行公司依一定比例分配股票给股东，作为股票股利，此时增加公司的总股数。除权产生系因为投资人在除权之前与当天购买者，两者买到的是同一家公司的股票，但是内含的权益不同，显然相当不公平。因此，必须在除权当天向下调整股价，成为除权参考价。这就会产生复权。复权就是对股价和成交
13、量进行权息修复，按照股票的实际涨跌绘制股价走势图,并把成交量调整为相同的股本口径。本文采用的前复权，就是保持现有价位不变，将以前的价格缩减，将除权前的K线向下平移，使图形吻合，保持股价走势的连续性。（三）数据分析利用以上公式进行计算并进行除权和复权处理后，数据收集如下表1所示：表1日期工商银行收盘价中国银行收盘价沪深300指数收盘价工商银行收益率中国银行收益率沪深300指数收益率2014年1月3.172.332202.45-0.050473186-0.04115226-0.054754662014年2月3.12.332178.97-0.0220820190-0.0106608552014年3月
14、3.212.402146.300.0354838710.030042918-0.0149933232014年4月3.202.412158.66-0.0031152650.0041666670.0057587482014年5月3.312.482156.460.0343750.029045643-0.0010191512014年6月3.392.552165.120.0241691840.0282258060.0040158412014年7月3.602.712350.250.0619469030.0627450980.0855056532014年8月3.462.682338.29-0.038888889-0.011070111-0.005088822014年9月3.532.702450.990.0202312140.0074626870.0481976142014年10月3.662.802508.320.0368271950.0370370370.0233905482014年11月4.043.332808.820.1038251370.1892857140.1198013012014年12月4.874.153533.700.2054455450.2462462460.258072785参数确定并修正后，将市场组合收益率（沪深300指数，以字母z表
