上市商业银行β 值测算分析——以北京银行、浦发银行、华夏银行为例

哈 蕊

（中央民族大学管理学院，北京100081）

一、背景概述

（一）三家银行情况概述

1.北京银行（601169）。

北京银行是经中国人民银行和北京市政府批准，于1996 年1 月29 日在北京市原90 家城市信用合作社基础上组建而成，是中国最早成立的城市商业银行之一，北京银行成立时的注册资本为人民币10 亿元。为进一步充实资本和完善公司治理结构，2005 年9 月，北京银行引进了境外战略投资者ING 银行及境外财务投资者IFC。近年来，公司业务侧重支持重点区域建设，推动落实供给侧改革，承担社会责任，开创多远业务模式，打造品牌形象，发展势头良好。截止2017 年公司总资产达2，329，805 百万元，发行股票211.43 亿股。2016 年8 月，北京银行在“2016 中国企业500 强”中排名第163 位。

2.华夏银行（600015）。

华夏银行，于1992 年10 月在北京成立，是一家股份制银行。1995 年3 月，实行股份制改造；2003 年9 月，首次公开发行股票并上市交易，成为全国第五家上市银行；2005 年10 月，成功引进德意志银行为国际战略投资者，华夏银行在76 个中心城市设立了34 家一级分行、30 家二级分行和12家异地支行，营业网点达到520 家，形成了“立足经济发达城市，辐射全国”的机构体系，2016 年8月，华夏银行在“2016 中国企业500 强”中排名第134 位。

3.浦发银行（600000）。

海浦东发展银行是1992 年8 月28 日经中国人民银行批准设立、1993 年1 月9 日开业、1999 年在上海证券交易所挂牌上市的全国性股份制商业银行，总行设在上海。2017 年12 月底，公司总资产规模高达6.14 万亿元，总股本达2935208.04 万股。上市以来，浦发银行连续多年被《亚洲周刊》评为“中国上市公司100 强”，上海浦东发展银行在“2016 中国企业500 强”中排名第49 位。

银行业作为现代金融业的主体，国民经济运转的枢纽，行业发展中也存在很多获利机会与风险，本文选取的三家银行均为股份上市公司，经营范围包括：吸收公众存款；发放短期、中期和长期贷款；办理国内结算；办理票据贴现；发行金融债券；代理发行、承销政府债券；从事同业拆借；提供担保等。而对于银行主体来说，主要风险包括信用风险，管理结构风险，流动性风险、房地产领域风险、地方债务违约风险，债券波动、交叉金融产品等，对于投资者来说，不仅要分析投资公司自身存在的风险，还应承担投资行为本身的风险。因此，较为准确地评估所投资公司存在的风险，规避风险合理投资就显得尤为重要。

上市公司的风险很大程度上反应在该公司的股价波动上，股票的波动受很多因素的影响，包括公司自身的经营管理状况，宏观环境的市场变动，行业周期，市场预期等。这些因素均构成一定的风险，下文将借助统计数据研究，在一定程度上预测所分析银行的投资价值。

（二）β、CAPM 模型及其变式介绍

CAPM 模型是美国经济学家威廉夏普、莫辛等人与1964 年在资产组合理论和资本市场理论的基础上发展起来，用于研究证券市场中资产的预期收益率与风险资产之间的关系，以及均衡价格的形成。国内外很多学者应用该模型进行了研究检验，Levy在1971 年对1960—1970 年期间在美国纽约交易所上市的500 只股票加以研究，通过采用周收益率的数据，在较短时期内，单一股票的β 系数不具稳定性，但组合的β 系数稳定性有显著的提高；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，β 系数都不具有稳定性，说明我国的证券市场系统风险是变动不定和难以预测的。Choudhry 在2001 年以欧洲金融股票市场的105 只股票作为样本对象，选取1989 年到1995 年作为度量时限，通过使用双变量GARCH 模型对β 系数进行估计，其得出的结论是多数金融股票的β 系数数值及稳定性情况较为相似，并表现出回归趋势。综上，β 系数在一定程度上可以预估股票的风险情况，但受较多现实因素影响，存在一定的缺陷。

考虑到CAPM 模型存在一定的缺陷，为了提高研究的准确定，本文在依据CAPM 模型计算β 值的同时，还将基于会计信息进行基本面分析，在定性层面验证测算出的β 值的合理性，做进一步分析。

在CAPM 模型中，β 值用以度量一种证券或一个投资证券组合相对总体市场的价格波动性。

式1.1 中，Ri 表示第i 种资本资产或资产组合的收益率，Rf 为资本市场的无风险收益率，Rm 为资本市场的市场整体收益率，β 为第i 种资本资产或资产组合的β 系数，计算公式为

因β 值表现了证券相对整个大盘市场的价格波动性，所以在一定程度上，我们用β 值来衡量股票的系统风险大小。如下表：

证券（或证券组合）比市场组合收益率波动水平低，当市场β＜1收益率下降时，它的下降幅度也小，风险相对较少，倾向于证券（或 防御型的证券或策略组合证 券 组 证券（或证券组合）与市场组合）与市β=1合收益率波动水平完全同步，β＞0场 组 合 倾向于中性投资策略收 益 率 证券（或证券组合）比市场组呈关正 相1＜β＜1.5合进收型益或率攻波击动型水的平证高券，或偏投向激资证券（或证券组合）比市场组β＞1.5合收益率波动水平高很多，属于高风险的投资策略选择β＜0 证特券征（，或即证逆券市组运合行）与市场组合收益率呈反方向运动

二、借助CAPM 模型求β值

（一）数据选取

本文借助国泰君安数据库、东方财富网获取相关数据，考虑到β 值存在较高的不稳定性，按日或按月收益率计算出的β 值存在一定差异，且较长时间β 值会受大量数据影响在回归时影响准确性，不利于反映近期的风险指数，因此本文选取北京银行（601169）、华夏银行（600015）、浦发银行（600000）的股票2018 年7 月02 日—2018 年9 月28 日期内的开盘价、收盘价等数据，为精确化估计，数据以日为单位，本文采用的数据已做了除权复权处理，因此文章中不做赘术。

对于整体市场收益率，鉴于沪深300 指数涵盖沪深两市，覆盖了大部分流通市值，可以在一定程度上反应大盘趋势，因此本文采取了沪深300 指数2018 年7 月02 日—2018 年9 月28 日周期的相关数据，市扬整体及三家银行股票收益率计算如下：

Pt 表示第t 天的沪深300 指数（三家银行股票）收盘价，Pt-1 表示第t-1 天的沪深300 指数（三家银行股票）收盘价。

表一：三家银行及沪深300 收盘价及收益率数据汇总表

（二）建立模型

1.相关性。

本文利用SPSS 对股票和大盘指数进行初步的散点图回归来判断二者的相关关系，如下图所示，二者呈正相关，且围绕回归线分布较为紧密，因此可以建立回归模型。2.建立回归模型求β 值。

图一：北京银行

图三：浦发银行

通过将资本资产定价模型转换为回归模型，对同一周期三家银行的资产收益率和市场组合收益率的供给数据进行线性回归的参数分析，公式为：1.4

1.4 式中Ri 为股票i 的历史已获得收益率；Rm为市场已获得历史收益率；αi 为截距项；βi 股票i的贝塔值；ei 为随机误差项。

（三）参数估计及检验

通过最小二乘法，计算出回归线的斜率，即为该企业的β 系数。利用SPSS.25 求得三家银行的β系数估计结果为：

1.北京银行的β 系数。

北京银行β 系数的估计值为0.572，判决系数R2=0.386，模型的拟合程度较好；对回归结果进行t检验的P 值为0.000，在5%的水平下显著。

2.华夏银行的β 系数。

华夏银行β 系数的估计值为0.862，判决系数R2=0.653，模型的拟合程度较好；对回归结果进行t检验的P 值为0.000，在5%的水平下显著。

3.浦发银行的β 系数。

浦发银行β 系数的估计值为0.699，判决系数R2=0.528 模型的拟合程度较好；对回归结果进行t检验的P 值为0.000，在5%的水平下显著。

上述数据表明三家银行的β 系数都小于1，表明银行业上市公司股票收益率受影响较小，股票的系统性风险相对较低。但三家银行中，华夏银行的β 值最高，说明华夏银行股票收益率与市场整体收益率变动情况相对来说比较相近。

表二：β 系数回归分析计算表

（四）误差

考虑到个股股价的波动受到多种因素影响，CAPM 模型用于评估风险时处在相对简化的假设条件下，存在一定局限性；此外数据存取上，本文只截取了近一个季度的日收益率，因此利用历史回顾法评估的β 值来衡定企业风险可能存在一定偏离。历史数据评估的β 值并不能绝对程度上预测未来发展趋势，还需要进一步精确。因此，本文将通过同期的会计信息基本面分析来进一步明确公司风险。

三、会计信息基本面分析

目前的金融市场还处于发展中，我国金融市场起步相对较晚，国外市场相对发展较为成熟，但也无法达到有效市场的状态。而CAPM 模型是建立在有效市场的假设之上，在实际情况中我们应考虑市场存在的干扰因素，Ramiah 和Davidson（2005）认为由于噪音交易者的存在，会使得根据CAPM 算得的系统风险不仅包含项目的基本风险，还包含噪音交易者风险。

很多国内外学者都对这一问题进行了研究，Bildersee（1975）研究了1956 年至1966 年期间纽约证券市场制造业和零售业的71 家公司的系统风险与11 个会计变量之间的相互关系，最后指出了与系统风险相关的6 个会计变量——负债比率、优先股与普通股的比例、销售与权益资本的比例、流动比率、市盈率的标准差、会计贝塔系数，并建立了多元线性回归模型。王明涛和黎金龙（2006）应用横截面数据，选择下偏矩度量股票市场风险，发现上市公司经营业绩对股票市场风险有显著影响，其中每股收益、净利润增长率的增加有利于降低市场风险；净资产收益率的增加却增大了市场风险，主营业务收入增长率与市场风险也呈正向关系。

为了避免CAPM 的缺陷可能对β 值的测算存在较大偏差，本文最终选定净利润增长率、净资产收益率等同期会计财务指标从侧面验证β 值的计算结果，也进一步对这三家公司的情况进行分析。

表三：三家银行2018 年第三季度会计财务指标汇总表

从该表中同期财务指标可以看出，三家银行的净利润增长率华夏银行出现了负数，北京银行较高，浦发银行出于两者中间，该数据与三家银行的β 值之间的相对关系是同一趋势；就资产负债率而言，华夏银行较高，另外两家银行比较相近，都处在银行业的平均水平左右；而三家的营业收入中，浦发银行是另外两家银行的两到三倍，净利润也是如此，主要由于浦发银行基本处在行业领军地位，资产规模和发展情况均好于其他两家公司，净利润高从而影响了净资产收益率的数值，使得浦发银行稍高于北京银行，但华夏银行仍处于三家之中最低。这一现象也反映在市盈率指标上，数据显示，浦发银行的市盈率3.93，处于行业第一，一方面印证了浦发银行的行业领军地位，另一方面以说明投资者对浦发银行的股票投资兴趣较高，前景看好。综合分析，浦发银行的投资价值相对更高。

总体来说，从会计财务数据的基本面分析，可以较为清楚地了解银行业的基本情况和三家银行在行业中所处的阶段，也印证了三家银行的β 值基本准确，能够在一定程度上反应公司的风险水平。

四、结论

本文基于CAPM 模型在中国证券市场相对有效的前提下，通过回归计算出了北京银行、浦发银行和华夏银行三家公司的β 值，并通过会计财务数据进行基本面的补偿分析。通过上述分析，三家银行中，浦发银行的资金雄厚，风险和收益较为匹配，投资者期望较高；北京银行发展势头强劲，基于其发展战略和业务情况，风险相对比较稳健；而华夏银行相对风险较高，收益情况和投资展望相较于其他两家银行较低。总的来说，银行业虽然在金融界属于比较稳健的区块，但仍属于有较高风险的领域，受金融市场联动作用较大。且目前适用的风险预测方法，在中国证券市场相对不完善的前提下，还存在很多缺陷，因此，投资者在投资时应合理评估风险与收益，充分考虑系统风险，做出相对较佳的投资决策。●