基于CAPM模型对非银金融行业的实证检验

(延边大学 吉林 延吉 133002)

Abstract：Along with our country economic development level unceasing enhancement,people's living standard as well as the ideological progress,in the development process of the whole society gradually aware of the importance of the financial,the increasing demand for non bank financial business,make the whole industry has been relatively rapid development,this paper is based on the CAPM model to empirical analysis of the financial industry,the silver,the model USES the three-month interbank interest rates as the risk-free interest rate,at the same time by using the industry data of 2017 a year to explore to analyze its significance.

keywords：CAPM; non-silver finance; beta

一、引言

随着改革开放的不断深入，社会经济水平不断提升，国人的收入水平以及收入水平得到了极大的改善，理财的观念逐渐深入社会大众的内心深处，非银金融作为金融行业重要的组成部分，近几年其发展势头迅猛，截止到2014年末，六类非银金融机构管理的资产总额为20.19万亿元①，所管理的资产总额在金融行业的比重不断提升。非银金融的在国民经济中发挥着越来越重要的作用，非银金融的健康发展与否关系到国民经济的正常运转，党的十八大以来，党中央出台了一系列有关促进非银金融发展的政策，足见非银金融的重要程度。本文依据万得行业分类，选择非银金融行业，根据wind数据获取CAPM所需数据，构建出CAPM模型，分析贝塔值和α，以此来判断拟合优度以及显著性。通过这一分析，希望能够通过对该行业的实证分析，来给投资者一个加深对行业了解的机会，能够相较以前更好地了解发展中的非银金融行业板块。

二、非银金融与CAPM模型的概念介绍

非银金融是非银行业金融机构的简称，非银行金融机构以发行股票和债券、接受信用委托、提供保险等形式筹集资金，并将所筹资金运用于长期性投资的金融机构。资本资产定价模型简称CAPM，通常是用来探究资产的收益与系统性风险或是非系统性风险的关联性，CAPM或许不是一个最为准确的模型，但是它对于问题的研究方向以及分析方法是正确的，能够帮助投资者有效的探究所获的收益是否与所承担的风险相匹配。②CAPM模型存在着如下的假设：

(1)市场上存在着大量的投资者，每个投资者的财富相对于所有投资者的财富总和而言是微不足道的。

(2)所有投资者只考虑一个相同的投资持有期。

(3)投资者的投资范围仅限于市场上公开交易的金融资产，比如股票、债券、无风险借入或贷出等。

(4)不存在证券交易费用(佣金和服务费用)及赋税。

(5)所有投资者都是理性的，都追求资产组合的方差最小化。

(6)所有投资者采用相同的方法进行证券分析并对经济前景的看法一致，这使所有投资者关于有价证券未来收益率的期望分布具有一致性估计。

三、实证分析的数据选择与处理

Rt-Rf=α+β*(Rm-Rf)+Ui

以上是为了论文的实证分析，而构建CAPM模型，其中模型的自变量X是Rm-Rf，因变量Y是Rt-Rf，对于非银金融行业的探究。我们所构建的是一个一元线性回归的模型，为了更好的对我国的非银金融行业进行CAPM的实证分析，就是要通过2017年一整年的非银金融行业板块的交易数据进行回归分析，得出贝塔值和R方，进行实证分析。主要是通过以下几个步骤完成：

(一)行业指数的选择

本文主要是通过万德的行业分类选择，进入到非银金融行业的部分，选择申万非银金融行业指数作为本文的主要样本，这其中包括深圳证券交易所和上海证券交易所上市的非银金融股票。指数选取的时间是从2017年1月3日至2017年12月29日，一年共245日的收盘价作为基础的数据，来计算行业的整体收益率。其中在导出数据时，剔除了一些非交易天数和交易记录不完整的天数，最终计算出236个有效收益率。

(二)股票收益率的计算方式

Rt=(Pt-P(t-1))/P(t-1)

对于CAPM模型中R的计算方式，主要是通过申万行业指数前后两日的收盘价得出收益率的大小，在这个计算公式中，Rt表示的是该行业股票整体在第t日的收益率，Pt表示的是该行业股票在t时期的收盘价，相应的P(t-1)即为该行业在t-1日的收盘价，通过收盘价之间的计算，得出该行业t日的收益率即Rt。

(三)市场收益率指标的选取

由于选择申万非银金融行业指数作为非银金融行业的代表性样本，而非银金融行业在沪深两市均有上市公司，所以在选取市场收益率指标时，我们选择的是沪深300指数并进行分析。沪深300指数能够较好的反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。③

(四)无风险收益率指标的选择

CAPM模型中通常所需要的无风险收益率Rf是指把资金投资于一个没有任何风险的投资对象所能得到的收益率，通常进行CAPM的研究更普遍会使用货币市场工具的到期收益率作为无风险利率，比如美国一般采用短期国库券收益率来作为市场无风险收益率。但是我国国债的年期比较长，通常在1年以上，因此我们主要选择的是我国的上海银行间同业拆放利率(SHIBOR)，因为该利率由中央银行以及18家商业银行负责计算和报价，自该指标建立以来，3个月以内的短端SHIBOR充分反映了市场资金供求的变化，具有市场代表性，因此我们选择3个月期的SHIBOR作为无风险利率的近似代替值。

四、CAPM的实证分析与检验

要对非银金融行业进行实证分析，CAPM模型是必不可少的，本文主要是根据申万非银金融行业指数、沪深300指数以及SHIBOR进行回归分析，其主要使用软件是Eviews，基于沪深300指数和上海银行间同业拆放利率，以Rm-Rf为自变量X，以Rt-Rf为因变量Y，对其建立起一个一因素的线性回归模型。根据相关数据做时间序列数据的回归分析，得出非银金融行业整体的的贝塔系数和拟合优度R2。回归结果如下所示：

Dependent Variable:RT_RFMethod:Least SquaresDate:12/19/18 Time:11:00Sample:1 236Included observations:236VariableCoefficientStd.Errort-StatisticProb.RM_RF-0.9145920.077338-11.825910.0000C-8.3852590.337435-24.849970.0000R-squared0.374084Mean dependent var-4.445273Adjusted R-squared0.371409S.D.dependent var1.036814S.E.of regression0.822025Akaike info criterion2.454347Sum squared resid158.1197Schwarz criterion2.483701Log likelihood-287.6129Hannan-Quinn criter.2.466180F-statistic139.8521Durbin-Watson stat1.284825Prob(F-statistic)0.000000

(一)显著性分析

通过上表可以看出，整个非银金融行业对应的β系数的P(t-Statistic)为0，β、α各自对应的p值小于显著性水平α=0.01，这也就说明贝塔系数和阿尔法系数等于0的可能性是小于0.01，这也就意味着β系数和α系数显著的不为0，模型的显著性都非常高，自变量Rm-Rf和因变量Rt-Rf之间存在线性关系，非常契合模型。整体纵观整个行业来看，该行业的显著性还是很高的。

(二)R2分析

对于本文所采用的简单一元线性回归方程，R2如果大于0.5，则表明整个行业股票价格的走势很大程度上由股指的走势所影响的，文中模型是基于沪深300这一指数，因此分析非银金融行业下公司的发展，主要考虑沪深300指数的影响。但是，根据回归所做的数据都显示，R2小于0.5，仅为0.37，可以看出非银金融行业的整体的R2不高。因此可以进一步说明，系统风险并不占据影响整个行业发展的主导地位。沪深指数并不能对该行业产生显著的影响。从上述显著性分析可以了解到，该模型的显著性都非常高，自变量Rm-Rf和因变量Rt-Rf之间存在线性关系，非常契合模型，但是回归的拟合度却很低，说明我们模型中的自变量也即是Rm-Rf对因变量Rt-Rf的解释力度较低，也就是有其他因素更为显著的影响着行业收益率。

(三)贝塔值与阿尔法值分析

根据所学知识，贝塔系数一直被当作是一个衡量风险的有效指标，它所反映的是证券的均衡收益率对证券市场期望收益率变化敏感程度。β值大于1，表示该股所面临的风险要大于沪深300所面对的风险水平，相反的，如果β值小于1，那么该股的风险则是低于沪深300下的风险水平的。因此，β大于1的股票适合高风险的投资者④。通过上表可以发现，非银金融行业的贝塔系数整体在-0.914592，与沪深300指数所反映的市场风险相比略低，且呈负向关系，说明在其他条件不变的情况下，市场收益率每增加一个百分点，非银金融行业的收益将下降约0.91个百分点。α值为负数，反映了非银金融行业受到了产业管制，同时由于现有的管制价格太低，投资者的收益率与风险不匹配，故其α值为负数。

五、结论

基于上述CAPM模型对于非银金融行业的分析，可以清楚地知道，回归分析的显著性很高，但是模型的拟合度却不高，这也说明了当前的CAPM模型对我们的非银金融行业的解释力度还远远不够，贝塔系数不能很好的解释我们所做模型的线性关系，同时表明了现阶段的该行业的股票收益率不能被很好的解释，这也从侧面反映了还存在着其他的因素影响着行业股票的收益率，CAPM模型是资本市场上的一个重要的金融资产定价模型，具有简单性，和可操作性等特点⑤，在资产定价、投资风险、股票收益预测上都起着重要的作用，但是其本身包含着较为严格的假设，比如投资者都是理性的、不存在证券交易费用等都过于严苛，使得实证检验的效果与理论相差较大；其次，实证检验中用一个市场组合代理组合来检验，该组合是否是市场组合的一个良好的代替也令人怀疑；同时我们所针对的我国的证券市场中的非银金融行业还很单一，本身的发展也并不成熟，以及国家的干预较多也都相应的影响了CAPM发挥它的作用。

【注释】

①时磊.非银金融知多少.[J]中国银行业专刊.2014(12)

②董于靖,王家梁.基于CAPM模型对于医疗保健行业的实证分析[J].时代金融,2018(27):232+236.

③方涛.基于CAPM模型对中国高铁板块股票的实证研究[J].北京印刷学院学报，2017，25(04):93-94+83.

④关林炎，查凯文.基于 CAPM 模型对上证钢铁板块的实证分析[J].时代金融，2017(06):284-285.

⑤邹舟，楼百均.CAPM 模型在上海股票市场的有效性检验[J].企业经济，2013，32(01):173-175