时间：2022-03-24 01:17:07
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇资本资产定价模型，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词：资本资产定价模型 模型假设 模型检验
一、引言
资本资产定价模型由Sharp、Lintner 和 Treynor 分别于上世纪60 年代提出来的，这是第一个系统的阐述了收益和风险存在精确的正相关关系的模型。现已成为现代金融学的奠基石。
资本资产定价模型建立在投资组合选择理论基础上。此理论由哈里・马科维茨提出，他系统地分析了多种不同的风险投资组合，并指明投资者应该如何构建不同风险波段的投资组合来降低投资组合的标准差。他还进一步提出了均值方差模型来刻画收益和风险，这为资本资产定价模型奠定了强大的基础。
在资本资产定价模型中，认为投资者是以均值方差模型为基础来进行投资选择。在均值方差模型中，证皇谐〈嬖谝惶跤行前沿线。在这条线上的点被称为有效资产组合，这意味着这些投资组合已消除了公司内部风险，只存在市场风险。与此同时，存在一条从无风险利率出发的射线与均值方差模型的有效前沿线相切与某一点。马科维茨称这一点为最佳有效资产组合也称为市场组合，称这条线为资产市场线，意味着切点对应的有效投资组合是所有有效投资组合中最好的。人们按照比例复制一个和市场组合相同的投资组合，各个投资者的区别在于无风险资产和市场组合在个人的总资产的比例上。市场组合是资本资产定价模型成立和研究的基础。
二、模型假设
为了找到真正的市场组合，Sharp、Lintner 和 Treynor还给出了以下4条基本的假设：
（1）投资者都是理性的、厌恶风险的，意味着投资者偏好高期望收益和低标准差的证弧R虼耍投资者们都能找到有效投资组合（落在有效前沿线上的点）
（2）投资者们可以按无风险利率借贷资金。因而，投资者可以按照自己的满意度确定自己的投资杠杆。这可以确保资产市场线是以无风险利率为原点的一条射线。
（3）投资者处于有效的市场中，他们都掌握着相同的的信息，对证坏那熬坝凶畔嗤的预测，能做出相同的决策和判断。
（4）市场中没有税收和交易成本。人们可以自由的买卖证弧
基于以上假设，资本资本资产定价模型通过简练的语言表达了一个伟大的思想即：在一个竞争性的市场里，期望风险与beta系数成正比。它的形式为：
[Ε（Ri）=Rf+βi（Rm-Rf）]
其中[Ε（Ri）]代表市场组合中证i的预期收益，[Rf] 代表无风险资产的预期收益，[Rm] 是市场组合的预期收益。
[βi]表示证i的beta系数，它反应了证i对市场的敏感度， 表达公式为：[βi=cov（Ri，Rm）var（Rm）]。当[βi>1]时，说明它的波动幅度要比市场组合的波动幅度要大，意味着这种股票比市场组合更具有风险，被称之为攻击型股票；当[βi
三、资本资产定价模型缺点
根据以上对资本资产定价模型的分析，我们感受到了CAPM模型公式上简洁、对称的数学美。也了解到收益与风险的数学关系，从而方便投资者理解难以琢磨的风险概念。同时，我们也意识到CAPM模型的诸多漏洞和不足。自资本资产定价模型问世以来，学术界就一直对它的适用性进行着激烈的探讨。有人表示拥护和支持，也有人持有质疑。其中争论最多的是资本市场线是否存在和beta参数的估值。本文将试着讨论资本市场线是否在证皇谐∩洗嬖谖侍猓以及资本资产定价模型的检验。
要讨论资本市场线是否在证皇谐∩洗嬖谖侍狻J紫纫明确资本市场线存在的前提，即对资本资产定价模型诸多假设是否成立进行分析。本文将着重分析此前提出的4条基本假设在实际生活中是否成立问题。
资本资产定价模型把投资者描述为只关注于未来收益率和风险之类的人，然而这在现实生活中过于简单。行为金融学家发现，投资者并不会一直保持100%的理性。这基于人们对风险的态度。
预期理论认为：投资者特别厌恶损失哪怕是很小的损失，他们会用很高的预期回报来补偿损失，即过高的风险溢价。这说明了，投资者并非只专注于现持有的股票价值，而是更专注于损失和盈利。
对风险的态度也受此前发生的损失和盈利的影响。如果蒙受损失，投资者将会更加谨慎地选择证焕床钩ニ鹗АO喾矗如果先前获得超过投资者预期的收益，他们将会大胆地选择风险高的证唤行投资，因为哪怕出现亏损，他们也能用过去的收益弥补。
资本资产定价模型还假设了投资者们可以按相同的无风险利率借贷资金。然而，在现实中投资者并不能找到真正意义的无风险证唬即便我们认为政府债券的违约风险微乎其微，但我们不可否认在资本市场中利率波动引起的价格变化也是是投资国债的主要风险之一，即市场风险。另一方面，在通常情况下，资金借入的利率将要高于贷出的利率。
资本资产定价模型还假设了市场是一个有效的市场，同时市场不存在税收和交易成本。显而易见，这样的市场在现实生活中并不存在。信息并未被所有的投资者掌握，证皇谐〉慕灰准鄹袷笨潭荚诓ǘ，这反应了证坏募鄹癫⑽幢恢坏募鄹癯浞址从场M时，政府也不会放弃征税这一有力的市场控制手段。
四、资本资产定价模型的检验
尽管这些假设过于苛刻，但正如诺贝尔奖经济学得主费力德曼说过：“ 有关一个理论的‘假设’的问题，并不在于这些假设是否很好的描述了‘现实’，因为这些假设从来都不是真的。而在于它们是否是对我们的目标的一个足够好的近似。”因此，我们就此假设在现实生活中真的存在一个符合条件的市场和市场组合，从而进一步讨论资本资产定价模型的检验。
美国经济学家Fischer Black 曾对资本定价模型做过检验。 他的实验方法是：在纽约证唤灰姿的股票中筛选出贝塔系数分别为10%、20%、30%・・・以此类推十组股票进行投资，在1931～2008年中每年年末对纽约交易所全部的股票的beta系数重新评估，并对这十组投资组合重新构造。由此得出77年里各个投资组合的beta系数和平均风险溢价之间的关系。进行数据处理后，发现风险溢价和beta系数之间并不是一个简单的线性关系即：[r-rf≠β（rm-rf）]。从而，CAPM模型公式（[Ε（Ri）=Rf+βi（Rm-Rf）]）并不能精准地反应风险和收益的关系。
为此，斯蒂芬A.罗斯另辟蹊径提出了套利定价理论。套利理论不再纠结于是否存在有效的投资组合，而是假设股票的收益受到宏观经济形式的影响（称之为‘因素’），和其它‘噪音’――与公司相关的独特事件的影响。其表达示为：
[收益=a+b1r因素1+b2r因素2+b3r因素3+…+噪音]
遗憾的是，我们并不知道“因素”具体指什么，因此其运用前景并不如资本资产定价模型。
五、结束语
资本资产定价模型对经济研究有重大的意义，但是其存在的漏洞仍然很多。例如：模型建立的基础即最佳有效市场组合在现实生活中难找到、模型假设过于苛刻、模型参数贝塔难测量等。这些都需要我们进一步完善，进而使理论贴近生活。
参考文献
[1]W. F. Sharp， “Capital Asset Price： A Theory of Market Equilibrium under Conditions of Risk，” Journal of Finance 19（September 1964）， pp. 425-442； and J. Lintner， ”The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets，” Review of Economics and Statistics 47（February 1965）， pp. 13-37.
[2]H.M.Markowiz. “Portfolio Selection，” journal of finance 7 （march 1952）， pp. 77-91
[3]D.Kahneman and A. Tversky， “Prospect Theory： An Analysis of Decision under Risk，” Econometric 47（1979）， pp.263-291.
毋庸置疑,对任何一个投资者来说,在承担风险的同时都希望从中获取与风险水准相对应的高额回报，因为即使是那些喜好风险的人们也不会将承担风险仅仅作为一种消遣。因此，对于由风险资产组成的市场组合的预期投资收益自然要比无风险资产（比如：短期国家债券）的投资收益要求的高。二者之间的差额称为市场风险升水（market risk premium）。通过对美国证券市场从1926-1997这72年的统计，普通股的市场风险升水为9.2%（rm-rf）。
任何股票的风险都可以分解成两部分，即针对于每只股票单独来看的“个别风险”和将其置于市场组合中作为整体来看的“市场风险”（也叫“系统风险”）。“个别风险”可通过充分分散化的投资组合分散掉，但市场风险或系统风险是不能被分散掉的。对于组合当中的一只股票，如何定量化它的风险呢？我们将这只股票对整体组合的风险的边际影响定义为它的风险,称为贝塔（beta或β）。
我们都知道，无风险资产的收益率是固定的，因此，它的风险为零，即其beta=0；而所有风险资产的组合，如市场组合有着平均市场风险，其beta=1。既然无风险资产的风险为零，那么就不存在风险升水问题；市场组合的风险值是1，对它相应的风险升水为我们前面提到的rm-rf=9.2%。但是，当beta≠0，和beta≠1时，人们对风险升水的要求是多少呢？
在上个世纪60年代中期，三位经济学家――William Sharpe, John Lintner和Jack Treynor给定了这一答案。即是我们这篇文章所讨论的资本资产定价模型（Capital Asset Pricing Model CAPM）。这一模型所揭示的内容既简单又令人震惊。他所揭示的是，所有的投资，收益与风险之间的关系一定是落在一条斜线上，这就是证券市场线。一种风险投资的预期风险升水是直接与其贝塔值呈线性关系，用公式表示即为：
r - rf = β(rm-rf)
如果一个贝塔值等于0.5的投资，人们对持有这样风险度的投资所预期的补偿为市场风险升水的一半。若市场风险升水=9.2%，那么β=0.5时,其预期风险升水应为 9.2% x 0.5 = 4.6%；如果贝塔值等于2，那么对它的风险的预期补偿应为市场风险升水的两倍。即预期风险升水等于9.2% x 2 = 18.4%。
当测试CAPM时，我们需从两方面来加以验证：
（1）代表系统风险的β值是否稳定？即过去的β能否作为对未来β的估计？
（2）理论中所表述的个别风险资产的预期收益率与β之间是否存在正比线性关系。
在这篇论文中，我们只对（2）做测试。因关于β的稳定性问题，大量的研究趋于相同的结论，即对单个资产，在短期来说，β值不稳定，但随着组合规模的加大和时间的延长，其β值会趋于稳定。
我们对（2）的测试，所使用的数据是S&P500中的14只股票从1996年3月到2001年1月的每月收益率，采用时间序列回归的方法进行。为了完成此项任务，需从CAPM理论本身所蕴含的两个方面加以考察：
（1） * 个别资产的超额收益率与市场组合的超额受益率之间的关系是否存在。
* 是否像理论假设的那样，风险资产的收益率与风险（β）之间存在正线性关系。
（2）α与当期的无风险资产收益率是否大致相等，即结矩是否为零。
一.时间序列回归
从CAPM公式来看：E(ri) = RFR + βi(Rm RFR)
(E(ri) RFR) = βi(Rm RFR)
其中，RFR代表无风险资产收益率；E(ri) RFR即代表第i只股票的超额收益率；Rm RFR为市场组合的超额收益率。
超额收益率的时间序列回归的结果，参看表一。
在我们选取的14只股票当中，根据表一，R2，t统计和标准错误表明，有9只股票拒绝无效假设（第6栏中那些显示b10的股票），即真正的斜率β不为零。R2测量的是单只股票的收益率的总方差（即变动）有多少可以被市场收益率的运动来解释，如IBM的R2为33.20%，这表明，IBM股票的风险中33.20%是市场风险，或系统性风险，其余66.8%是这只股票自身的独特风险。同时也说明了市场组合的收益率的变动，在给定风险偏好度的情况下，对单只股票的收益率有影响。
而过小的R2，比如PE&E，其R2只有0.52%，说明它的收益率的变动，几乎不受市场收益率变动的影响，因而该只股票的收益率与市场升水之间不存在线性关系。除此之外，还有另外4只股票接受了零假设（表一第6栏中b=0所对应的股票），意味着市场组合的超额收益率对这些股票的超额收益率不产生任何影响。CAPM不能解释单只股票超额收益率与市场组合b之间的关系。他们的线性关系表现得不明显。
二.截矩
关于14只股票的截矩，因为他们的统计t值非常小，绝对值远远小于2，所以截矩可视为零。
三.残值回归
由于Excel有时对回归的诊断不是很好，但我们可用残值的回归做粗略的补充。表一中的第7栏显示的是残值序列与它的滞后数值的回归系数。如果这些回归系数足够大，证明在残值内部有与系统风险相关的不能忽视的因素存在，同时这样的风险因素也不能从大的组合中分散掉。
从表一第7栏中，我们看到，Chevron 和GM这两只股票，他们的残值回归系数分别是0.210和0.197。由于y= α +βx + ε, α 和 β是在ε独立的条件下，使Σε2最小的参数。但是0.210 和0.197表明，这两只股票的ε不独立。
所以，不能说计算出来的Chevron和GM的β就是正确的标准化的系统风险的测量，因为其他变量也需同时考虑进来。
四.多项回归
考虑到外部因素对所选股票的影响，比如债券，所以，我们也做了包括债券在内的多项回归。
E(ri,t) RFR = βi (Rt RFR) + γi (rb,t RFR) + εi,t
参数γi 是债券超额收益率增加的边际效应。我们在表一的最后一列可看出，所有股票的R2都提高了，特别是股票EOG的R平方从4.91%升高到了11.6%；t值告诉我们债券市场对EOG有着更大的影响力。
五.证券市场线
关于β与风险资产收益率之间的正比线性关系是否存在，我们基于表二中所列示的系统风险，对每只股票的月超额收益率进行了回归，并取得了SML。
结果如下：
回归的R2 = 40.84%
R2和t值给定了证据，证明风险和预期收益率之间的关系是存在的。虽然截矩不为零，但t值说明在统计意义上可视同为零。下图描绘了SML。
综上所述，对这14只股票测试的结果是，其中的9只股票表明单只股票与市场组合的收益率之间存在模型所述的关系，但其中2只的残值与它们滞后残值的相关数值较大，说明在市场的系统风险以外，还有其他一些因素需要确定，比如市盈率，斜度及帐面值与市场值之比等等。因此，虽然，这两只股票与市场之间有线性关系且截矩为零，但它们的β不能很好地解释其系统风险。
其他的5只股票不支持CAPM，因为市场收益率的变化对单只股票不产生影响。原因可能有三：
（1）如前所述，任何的理论模型都是对现实的简化陈述，必然有一些基本的假设。1952年Harry Markowitz发表了著名的资产组合理论，在这一理论当中，就有着一些基本假设，而资产定价模型，在资产组合理论基础上，又添加了另外一些假设，因此，过多的假设也会使得现实与理论产生一定的差距，用理论解释现实的过程中也必然会出现一定的偏差。其基本假设如下：
.投资者都喜欢低风险高收益。人们都愿持有在给定风险度的情况下，证券市场中的普通股股票的组合的收益率达到最高，即人们都愿持有有效投资组合。
.当投资者能够以无风险利率贷款或借款时，会产生一种有效风险投资组合，这种有效组合优于其它所有的有效组合，即能提供最高的风险升水与标准偏差之间的比率。对于厌恶风险的投资人来说，他可以将一部分资金投入到这一风险组合，而将另一部分资金投放到无风险资产中去；而对于那些偏爱风险的人来说，可将他所有的资金全部投入到这一有效风险组合中去或借入资金投放到这一有效组合当中。
.假设所有投资人得到的信息都相同，因此对预期收益、标准偏差、协方差的估计也相同，所以，人们会持有相同的市场组合。
.不要将个别股票的风险与市场组合风险隔绝来看，而是应考虑它与系统风险的关系。这种关系取决于这只股票对于组合价值变化的敏感程度。
.一只股票对市场组合价值变化的敏感度被定义为贝塔。所以贝塔就用来测量一只股票对市场组合风险的边际影响。
CAPM说，基于以上假设，投资人所需求的风险升水与贝塔呈线性正比关系。
（2）市场组合的代表不足够大。CAPM理论中的市场组合应包括全部风险资产，不仅有股票，还应有债券、不动产、集邮、古董等，而且股票应是全球范围的股票。而我们只选用了S&P500作为市场组合的代表。
（3）这一测试使用的是已实现的收益率作为基础数据，而理论特指的是预期收益率。
六．结论
CAPM模型是关于风险与收益率之间替代关系的最为普遍熟知的，也是最为广泛使用的模型，但这并不代表它是完美无缺的。现实条件与理论假设条件的偏差使得对基于理论假设基础上建立的模型在实践中应用时必然存在着一定的局限性。在我们选取的样本中有5只股票的表现不能说明模型所描述关系的成立，其原因正是现实条件与理论假设条件的偏离。
在理论界，很多经济学家也曾或正在或即将对CAPM模型所描述的风险资产预期收益率的单决定因素论（只决定于其对市场组合收益率变动的敏感性）予以修正、补充或提出挑战。
（1）其中有人提出了消费资本资产定价模型的理论，指出证券的风险体现在收益率对投资者的消费习惯、消费观念改变的敏感程度上，在这一模型关系中，用消费贝塔系数代替了与市场组合收益率相关的贝塔值。
【关键词】静态CAPM模型 Fama-Macbeth估计方法
引言
现代金融理论的发展是围绕着金融资产定价的核心问题展开的，CAPM模型作为最基础的定价模型，其构筑的收益与风险简单却非常优美的关系，在金融学理论中堪称典范。CAPM模型有很强的假设条件，实证检验的不同结论刺激着相关理论的发展和完善，本文试图利用Fama-Macbeth估计方法来检验静态CAPM模型的有效性。
一、文献综述
国内外有大量的实证研究对CAPM模型的有效性进行检验。在国内，陈浪南、屈文洲（2000）对股市的三种市场格局（上升、下跌和横盘）划分了若干时间段进行分析，发现β值对市场风险的度量有显著作用，但与股票收益率的相关性较不稳定。为负值的无风险收益率表明CAPM的零贝塔模型比标准CAPM能更好地描述资产收益。阮涛、林少宫（2000）利用40只股票从1996年至1998年三年的数据，就CAPM模型对上海股票市场的有效性进行了检验，得出上海股票市场并不符合CAPM模型的结论。靳云汇、刘霖（2001）关于中国股票市场CAPM模型的实证研究发现，无论是否存在无风险资产，都不能否定用以代表市场组合的市场综合指数的有效性。但是，股票的收益率不仅与贝塔之外的因子有关，而且与贝塔之间的关系也不是线性的。王杨、张玉（2013）采用多元GARCH模型估计上证A股的时变β值，并用截面回归模型检验β对超额收益率的解释能力，通过月度时间窗口移动来观察CAPM有效性的演进过程。研究发现1997年后截面检验方程的常数项、β系数、和β2系数都由原来的剧烈波动变为平稳，标志着CAPM有效性的增强，但是β值的解释能力并不如CAPM模型预言的那样完美，仍存在其他因素影响股票的超额收益率。
在国外，Black、Jensen、Scholes（1972）对纽约证券交易所1926年至1965年期间的所有股票数据进行实证检验，计算的结果和零贝塔资本资产定价模型一致，估计的证券市场线没有非线性的依据，斜率为正且不为零，低β股票收益率高于CAPM预测值，而高β股票收益率低于CAPM的预测值。Fama、Macbeth（1973）研究表明收益率与风险存在整的相关关系。然而，Fama、French（1992）对美国股票市场的研究发现，股票的市场β值不能解释不同股票回报率的差异，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama和French把不同的结果归因于不同的样本周期。
二、理论基础
对CAPM模型有效性的检验，实际上是检验β是否能对超额收益率提供完全的解释能力。本文利用标准Fama-Macbeth估计方法，以Excel为统计分析软件来估计静态CAPM模型，由估计的静态CAPM模型来分别预测各项资产的未来收益率，最后，确定多少个股、投资组合的波动中，有多少能用静态CAPM模型来解释。标准Fama-Macbeth估计方法，第一步采用时间序列数据估计股票的β系数，第二步采用面板数据检验β系数的解释能力。
三、数据选取
本文采用的数据来自深圳国泰安信息技术分析公司（CSMAR）。
（一）股票的选取
本文随机选取在1996年7月以前上市的36只深圳A股作为研究对象，采用考虑现金红利再投资的月个股回报率作为股票的月收益率数据，选取的时间范围是从1997年1月至2006年12月。
（二）市场指数的选取
市场指数选取深圳综合股票指数，采用1997年1月至2006年12月的月指数回报率作为市场组合的月收益率的替代。
（三）无风险利率的选取
无风险利率选取一年期定期存款利率，根据复利法进行月度化处理得到月利率，计算公式为r月=（1+r年）1/12-1。
四、实证检验
（一）单只股票β值的估算
1.时间序列回归。对于单只股票，利用1997年1月到2006年12月共120个月个股收益率数据计算股票的β值。首先分别计算个只股票和市场组合的月超额收益率（个股或组合的月收益率减去无风险利率），之后，以超额收益率为因变量，以市场组合的超额收益率为自变量，做一个5年期的时间序列回归，来估计CAPM模型β值。在EXCEL软件中使用函数INDEX（LINEST（个股5年时间窗口的月超额收益率序列，市场组合5年月超额收益率序列），1，1）即可得到贝塔值。使用时间长度为5年的移动时间窗口，重复上述的时间序列回归。例如，利用2006年11月至2001年12月的数据回归得到β值，将其作为2006年12月值近似β值。最后，利用得到的160个β值，用AVERAGE函数计算CAPM模型β值的平均数。
2.截面回归。以不同股票的超额收益率为因变量，以从最近5年的数据中估计出来的值做自变量，进行截面回归，使用函数LINEST（个股在第t月份的超额收益率，个股在第t-1个月份贝塔值），来估计CAPM模型的风险溢价和截距的经验平均值。同时，使用市场组合的超额收益率计算得到CAPM模型风险溢价和截距的理论值。
3.R2值。在EXCEL软件中，利用函数INDEX（LINEST（个股5年时间窗口内的月超额收益率序列，市场组合5年时间窗口内的月超额收益率序列），3，1），分别计算上述两个回归的R2值。
（二）股票组合β值的估算
2.时间序列回归。使用LINEST函数，对股票组合和市场组合的超额收益率做5年期的时间序列回归，并以5年为移动时间窗口，重复上述回归，得到股票组合的β值，之后，求解各个组合的β值的平均数。
3.截面回归。以不同股票组合的超额收益率为因变量，以从最近5年的数据中估计出来的β值做自变量，进行截面回归，来估计CAPM模型的风险溢价和截距的经验平均值。并由市场组合的超额收益率计算得到CAPM模型风险溢价和截距的理论值。
4.R2值。分别计算上述两个回归的R2值。
五、结论
（一）对单只股票的检验结果
1.数据分析得到的个股CAPM模型风险溢价、截距的经验平均值与理论值并不吻合，与经济理论向左。
2.由时间序列回归得到的R2表示单只股票的超额收益率的变化中有多少可以用市场组合的超额收益率来解释。为0则说明两个变量不相关，而等于100%表示两个变量的移动完全一致。本文得到的R2平均值高达59%，表明市场组合的超额收益率对个股的超额收益率的解释效果不错。
3.截面回归中得到的R2表示单只股票的超额收益率的波动中有多少可以由CAPM模型的β值来解释。R2计算所得的平均值小于20%，故CAPM模型的β值对个股的收益率波动的解释力不足。
（二）对股票组合的检验结果
1.数据分析得到的股票组合的CAPM模型风险溢价、截距的经验平均值与理论值并不吻合，与经济理论向左。
2.由时间序列回归得到的R2表示股票组合的超额收益率的变化中有多少可以用市场组合的超额收益率来解释。本文得到的平均R2值高达60%，表明市场组合对股票组合的解释效果与个股的解释效果一致较好。
3.截面回归中得到的R2表示股票组合的超额收益率的波动中有多少可以由CAPM模型的β值来解释。R2的平均值接近30%，虽然CAPM模型的β值对股票组合的收益率变化的解释力有限，但是要好于对个股的解释力。
参考文献
[1]Holden C W.Excel Modeling and Estimation in Investments[M].Pearson/Prentice Hall，2009.
[2]Fama E F，MacBeth J D.Risk，return，and equilibrium：Empirical tests[J].The Journal of Political Economy，1973：607-636.
[3]Fama E F，French K R.The crosssection of expected stock returns[J].the Journal of Finance，1992， 47（2）：427-465.
[4]Pasquariello P.The Fama-MacBeth Approach Revisited[J].New York UniversityStern School of Business Working Paper，1999.
[5]Fama E F，French K R.The capital asset pricing model：theory and evidence[J].The Journal of Economic Perspectives，2004，18（3）：25-46.
[6]陈浪南，屈文洲.资本资产定价模型的实证研究[J].经济研究，2000，4（61）：444-55.
[7]阮涛，林少宫.CAPM模型对上海股票市场的检验[J].数理统计与管理，2000，19（2）：12-17.
[8]靳云汇，刘霖.中国股票市场CAPM的实证研究[J].金融研究，2001（7）：106-115.
[9]王杨，张玉.CAPM是否渐进有效？――基于上证A股的实证研究[J].中国证券期货，2013（2）.
【关键词】上证A股；线性回归检验；投资理论；资本资产定价模型
0 引言
资本资产定价模型理论阐明了在发展成熟的资本市场中，投资的预期收益率与投资所可能遭受的市场风险之间的联系。主要思想是在有效的市场中，风险被分为两个部分：由市场所引起的系统风险和不是由市场引起的非系统风险。我们认为只有系统风险可以对预期的收益率造成影响，而非系统风险则可以通过优化投资的组合来消除风险。本文以每五年作为一个时间点，通过比较三组验证的数据以及对系统风险的评估，来初步判断我国股票市场发展趋势。
1 资本资产定价模型
1964年，著名的资本资产定价模型（CAPM）理论诞生了，该理论是夏普（Sharpe）在研究单个投资者的最优投资组合转向对整个市场的过程中提出的。其内涵表示，当证券市场达成均衡时，在一个投资组合中，个别资本资产的预期报酬率与所承担的风险之间的关系.其公式可表示为：
CAPM：Ri=Rf+βi（Rm-Rf）或者Ri-Rf=βi（Rm-Rf）
其中：Ri表示的是证券i 的期望收益；Rm为市场组合的期望收益； βi表示风险系数，是证券i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，是资产收益变动对市场组合收益变动的敏感度，是模型中非常重要的参数之一。Rf表示的是无风险利率。本文对上证A股中9大类股票分层随机抽样得到18只股票来作为样本研究对象，采用月收益率共648个数据作为样本数据。选用上证A股指数作为市场投资组合的价格指数，同时用上证综合指数的月收益率代表市场组合的收益率。选用一年期的银行存款利率来作为检验模型中的无风险利率，分别为3.25%、3.6%和1.98%。
2 线性回归检验
对标准形式CAPM进行检验，即为：Ri-Rf=βi（Rm-Rf）
检验形式为：Rit=αi+βiRmi+εit其中Rit=Ri-Rf，Rmt=Rm-Rf。Rit是证券i第t月的收益率，Rmt是市场组合的第t月的收益率，εti表示的是随机误差项。
本文以每五年作为一个时间点，对2003年、2008年和2013年中的18只股票的样本数据分别进行线性回归检验，并统计出可决系数R^2的相对指标和绝对指标，得到的数据如下：
表1、表2、表3分别表示2003年、2008年、2013年对18只股票的检验结果，βi是股票收益率对市场组合收益率的回归方程的斜率，由spss结果显示表明，大部分股票的收益率与系统风险之间是正相关的线性关系。本检验模型中，可决系数R2即代表了系统风险在股票定价中的贡献，即总风险中系统风险的比例，由表4和表5的数据可见，2003年可决系数小于0.5的比例高达66.7%，而这一比例在逐渐减小，到了2013年只有22.2%，同时，其可决系数大于0.7的比例在2003年只有5.7%，而在2013年这一比例上升到了44.5%。其平均值也由2003年的0.410增加到了2013年的0.597，即可决系数R2无论是在绝对指标还是相对指标中所占比例都是在逐渐增大，这表明系统风险对股票的收益率解释能力在逐渐的增强，系统风险在总风险中比例在增加，股票收益率对系统风险补偿的程度有着升高的趋势。
3 结论与展望
3.1 结论
由数据比较可以看出，可决系数R2的平均数不大，表明资本资产定价模型在上证A市场中的使用仍然不够成熟，我国证券市场并非有效的证券市场，还是存在着一定得投机性，系统风险也并非是决定收益的唯一因素， 仍然是一个不够成熟的风险市场.同时我们可以看到，2013年和2008年的18支股票的平均数远大于2003年的可决系数的平均数，可决系数R2有着明显上升的趋势，表明我国股票市场有着走向规范化的趋势，系统风险未在将会在总风险中逐渐起着决定的性的作用。
3.2 展望
目前，我国证券市场仍然存在着信息不完善、庄家操纵价格、行政干预、数据造假、监管不力等一系列的问题，投资环境的不成熟也导致了投资者的投资结构普遍存在不合理性，缺乏科学的分析与决策，对投资的认识不够成熟。尽管有这些问题，当我们翻开西方发达国家发展史，也能够找到类似问题。我们相信随着我国资本市场制度的完善和发展，以及国家推行的政治和经济体制的改革，行政对市场的干预程度会逐渐降低，证券市场的投机性和暗箱操作的可能性性也将逐渐减少，我国股票市场发展更加健康、繁荣。
【参考文献】
[1]魏悦姿.资本资产定价模型的研究[J].甘肃联合大学学报：自然科学版，2009.
[2]顾荣宝，刘瑜华.CAPM 对深圳股市的实证分析[J].安徽大学学报：自然科学版，2007.
[3]丁志国，苏治，杜晓宇.CAPM 跨期悖论：系数时变存在性理论研究[J].吉林大学学报：社会科学版，2008.
内容摘要：本文在借鉴国内学者对A股市场CAPM检验的基础上，选取2010年6月4日至2010年12月21日的周收益率，采用单指数模型、BJS两步法和横截面检验实证分析了我国创业板市场对CAPM的实用性并得出结论。
关键词：CAPM BJS 创业板
资本资产定价模型源于1952年亨利•马科维茨提出的资产组合理论，后经威廉•夏普深化为资产定价的均衡模型，即CAPM。2009年10月23深圳证券交易所设立创业板并举行开板仪式。首批上市创业板公司28家，总市值1700亿元，平均每家创业板公司的市值61亿元。截至2010年11月，创业板公司147家，总市值6977.31亿元。为适应创业板市场发展需要，2010年6月1日深圳证券交易所正式创业板指数，创业板市场进入新的发展时期（见图1）。时至2010年12月，创业板已经推出一年有余，创业板指数也已半年另21日。对于CAPM是否适用于我国创业板市场，国内研究仍是空白。鉴于此本文运用CAPM对我国创业板市场进行实证检验，为我国创业板市场发展提供理论支持和经验借鉴。
相关文献回顾
顾荣宝，刘瑜华（2007）以深圳股票市场为研究对象，通过时间序列回归方法对CAPM在中国证券市场的适用性进行实证检验，结果表明CAPM不适合我国深圳股票市场。尹哲君（2009）选取上市A股中2005年以前上市的，七个主要行业中规模较大，流动性较好且具有代表性的七支股票对我国股市中的CAPM有效性进行检验，得出结论，CAPM对目前中国证券市场的有效性不明显。王茜（2010）从效用函数的角度对CAPM进行了重新审视，在一定程度上解释了“赚了指数，赔了股票”现象。黎军（2009）研究了CAPM在房地产投资风险分析中的应用，认为房地产市场投资受宏观经济走势的影响较大，但各房地产公司股票的风险更多来自企业内部的非系统风险。方俊芝，唐敏（2009）探讨了CAPM在保险产品定价中的应用，认为CAPM在保险产品金融定价的基础性地位是不容忽视的。冯佩（2010）以上证综指2002年已上市的20支权重股为研究对象，进行时间序列和横截面回归分析，最后得出结论：CAPM模型在我国证券市场并不完全适用，股票收益率受系统性风险的影响较弱，而受非系统性风险的影响较强。李璁，陈荣达（2010）选用2003年1月至2009年12月之间上证市场交易所选取的20支股票的84个月度收益率数据，通过BJS检验验证CAPM模型在上证市场的有效性。现实结果与CAPM模型相差甚远，一方面是因为上证市场尚属不成熟市场，另一方面也说明CAPM模型的假设条件过于苛刻，最后得出结论：应谨慎对待CAPM模型在实际应用时的有效性。丁凯，穆瑞田（2010）选取我国上证A股权重前十名的股票为样本，样本观测时间为2008年7月10至7月23日，使用日数据采用单指数模型、BJS方法和对CAPM进行横截面模型的回归分析，研究表明上证A股市场与CAPM理论不符。王晓燕，吕效国，浦燕（2010）借用因素模型的研究方法，利用2007年上证A股随机选取的20只股票为样本，采用月收益率作为样本数据，对改进的CAPM进行了实证检验，发现改进模型的解释力比传统模型有明显提高。
纵观以上研究，可以发现目前国内学者在该问题研究上的局限性。一是针对CAPM在我国资本市场的适用性研究大多都集中在A股市场中的上市或深市，对于发展潜力巨大的创业板市场没有给予关注。二是选取的数据大都是月度数据或日数据，股票市场瞬息万变，跌宕起伏，月数据容易遗失掉一些重要的波动信息，日数据是相对的高频数据，容易导致了噪声数据的使用，有损系数估计的效率，均不利于研究。三是在选取不同的无风险利率，例如李璁，陈荣达（2010）选取一年期定期存款利率作为无风险利率，而冯佩（2010）采用三个月定期储蓄存款利率作为无风险利率。因此，本文在前人的基础上，用创业板股票的周数据对CAPM进行实证检验，以期得到更准确的结果。
理论基础和数据选取
CAPM是在一系列假设的基础上构建的理想模型。CAPM假设：一是投资者的行为可以用均值-方差准则描述，投资者效用受期望报酬率与变异数两项影响，投资人为风险规避者；二是证券市场是完全竞争市场，投资人为价格接受者；三是完美市场假设，即没有交易成本、交易税等，且证券具有无限制分割性；四是同构型预期，即所有投资者对各投资标的预期报酬率和风险的看法是无差异的；五是所有投资人可用无风险利率无限制借贷；六是所有资产均可交易，包括人力资本；七是对融券放空无限制。CAPM的核心思想可表达如下：
或
其中：E（Ri）为股票或投资组合的期望收益率，Rf为无风险收益率，投资者能以这个利率进行无风险的借贷，βi是股票或投资组合的系统风险测度，E（RM）为市场组合的收益率。
由于创业板推出时间有限，本文选取2009年10月30日创业板首批上市的28家公司中的10家公司作为观测样本，股票代码从300001-300011。由于立思辰（股票代码300010）有筹划重大资产重组事项，自2010年9月15日停牌，导致交易不连续，故从观测样本中剔除。2010年6月1日深交所正式创业板指数，所以本文样本的观测期间为2010年6月1日至2010年12月21日。选取10个观测样本的30个周收益率数据进行研究，计算公式为：Rt=（Pt-Pt-1）/Pt-1（其中Pt为股票t时的周收盘价格，Pt-1为股票t-1时的周收盘价格）。同时，本文采用观测期间的创业板指数作为市场组合的收益率，能够比较准确地反映创业板市场整体行情的变化和发展趋势（见图2）。
对于无风险利率的选取，国内学者目前没有统一的认识普遍认可的无风险利率选择一年期定期存款利率，市场的无风险利率可以选择1天、7天的质押式回购利率，也可以选择国债的二级市场收益率或同业拆借利率。本文遵照大多数学者对无风险利率的选择，选择人民币一年期定期存款利率为无风险利率。即Rf=2.5%，折算为周利率为0.0479%。数据来源于中国人民银行网站。
检验方法与实证分析
本文借鉴Black、Jenson和Scholes（1972）的研究方法（即BJS检验）进行分析检验。将时间序列检验划分为三个时间段：第一个时间段从2010年6月4日至2010年8月6日，第二个时间段从2010年8月13日至2010年10月15日，第三个时间段从2010年10月22日至2010年12月21日。
第一步为单支股票β值的估计。选取第一时间段的周数据，采用单因素模型估计单支股票的β系数，系数值通过单支股票周收益率对市场组合周收益率的回归来估计。模型设定如下：
Rit-Rf=αi+βi（Rmt-Rf）+εit
其中，Rit表示股票i在t时刻的周收益率（i=1，2，…，10）；Rf代表无风险收益率，即Rf=0.0479%；Rmt是市场组合在t时刻的周收益率，即创业板指数t时刻的周收益率；βi是对股票i的β系数估计；εit是误差项。在置信水平95%下，利用Eviews6.0对单个股票的β值进行估计（见表1），表中β系数的估计值均通过t检验，估计值显著。
第二步为股票组合β系数的估计。将股票按照β值大小升序排序，将10支股票分为5组，每组包含两只股票，每只股票赋相同权重，并利用第二时间段的样本数据计算组合的周收益率，组合周收益率取组合内股票收益率的算术平均。然后通过组合周收益率对市场组合周收益率回归估计组合的β系数，模型如下：
Rpt-Rf=αp+βp（Rmt-Rf）+εpt
其中，Rpt表示股票组合p在t时刻的周收益率（p=1，2，…，5）；Rf代表无风险收益率，即Rf=0.0479%；Rmt是市场组合在t时刻的周收益率，即创业板指数t时刻的周收益率；βp是对股票组合p的β系数估计；εpt是误差项。
在置信水平95%下，利用Eviews6.0对股票组合的β值进行估计（见表2）。
第三步为风险与收益关系的检验。利用第三时段的组合周平均收益率（由第三个时间段的股票收益率计算出组合的平均收益率）对第二步得出的组合β值进行横截面回归，对收益与系统风险关系进行实证检验，检验模型如下：
Rp=γ0+γ1βp+εp
其中，Rp为股票组合第三时段的周平均收益率；βp为第二步得出的组合系数；εp为误差项。由表2结果可知，股票组合1至5的β系数估计的标准误差可以接受，t检验值均大于临界t值，t检验显著，股票组合β值显著不为零，可继续进行横截面回归。利用第三步模型进行横截面回归，结果如表3和表4所示。
结论
首先，常数项系数估计值γ0=0.05915，无风险利率为正数但数值较小，这一实证结果表明在我国创业板市场上，投资者过于追求高收益，投机欲望强烈，而忽视了高收益相伴的高风险对自身承受能力的冲击，同时也表明投资者对资本的时间价值关注不够。以上两种倾向说明创业板市场的投资者是非理性的，也从另一个侧面反映了我国创业板市场的不成熟性。其次，γ1=-0.01542，是一个负数，表示股票收益与系统性风险呈负相关关系。这一方面违背了“高风险高收益”这一基本的金融学原理；另一方面，也可能是因为非系统风险在创业板股票的定价中起到了相当大的作用。另外，T统计量为-0.61984，显著性不强，可决系数也只有0.113527（修正的可决系数甚至为负数），拟合程度极低。以上分析可以看出，在我国创业板市场上系统性风险与股票收益之间并不存在CAPM所预料的显著的线性相关关系。同时也表明我国创业板市场是一个不成熟的资本市场。
参考文献：
1.雷达，郭路.资本资产定价理论及其新进展的述评[J].经济理论与实践，2009（4）
2.尹哲君.从回归分析看中国股票市场中的资本资产定价模型[J].山东行政学院山东省经济管理干部学院学报，2009（3）
3.黎君.资本资产定价模型在房地产投资风险分析中的应用[J].前沿，2009（2）
4.方俊芝，唐敏.资本资产定价模型在保险产品定价中的应用[J].生产力研究，2010（5）
关键词:现代资产组合理论;马克维茨模型;资本资产定价理论;套利定价理论
中图分类号:F830文献标识码:A文章编号:16723198(2009)21013902
1 现代组合资产理论的产生及主要理论
现资组合理论(Modern Protfolio Theory)是西方现资理论的核心组成部分之一,也是近年来财务金融领域引起广泛关注的和深入探讨的重点课题。这一理论以资产的收益和风险间的相互关系作为研究的出发点,通过统计学、理论抽象、应用数学等方法,对资产组合的特性进行以定量为主的分析研究。
1952年,美国经济学家,金融学家Harry•m•markowitz发表了《证券组合选择》的论文,并因此获得诺贝尔经济学奖。在此论文中,markowitz把证券组合风险和收益之间的替代关系数量化,提出了均衡分析的新思路和分析方法。这就是现代证券组合理论(Modern protfolio Theory)的基本框架。
1964年,美国经济学家、诺贝尔奖金获得者威廉厦普(William •F •Sharpe)发表了《资本资产定价:风险条件下的市场均衡理论》。1965年,美国经济学家、诺贝尔奖金获得者约翰琳特纳(John•Lintner)的文章《风险资产的价值,股票资产组合的风险投资选择,资本预算》。在比较强的假设之下,给出了资本资产定价模型(简称CAPM)。CAPM模型主要是用来描述证券的风险价格进而得出均衡价格形成机理的。
1976年,罗斯(Stephen •Ross)提出了套利定价理论,在他的《资本资产定价――套利定价理论》一文中指出,任何资产的价格可以表示为一些“共同因素”的线性组合,即资本市场中某种资产的价格可以利用资本市场以外的其他因素所确定。
2 现代组合资产理论的应用及缺陷
2.1 马克维茨模型
Markowitz的均值方差问题求解以及其一系列的研究结果依赖于一个很重要的假设便是投资者在证券市场上所选择的n种证券的收益率是线性无关的,即任一证券的收益率不能由其他证券收益率线性表出。在这一假设条件下,证券组合收益率的方差矩阵V是非奇异的,当然也是对称矩阵,实际上还是正定对称正矩阵。无论是证券组合投资模型的允许卖空、限制卖空情形研究,还是许多有关该模型各方面性质的分析均沿用这一假设条件。还有一些研究工作对V的要求就更为强一些,需要V是对角矩阵,也就是说所选用的n种证券的收益率是两不相关的。这一条件对投资者的证券组合选择的要求就更加苛刻一些。在理论上,虽然我们可以从不同的行业领域、不同的经济系统中选用各类证券,以便尽量满足证券收益率线性无关以及两两不相关这些假设条件,但是在现实的证券市场中,不仅两两不相关的证券收益率的证券组合是不易获得的,就是证券收益率线性无关的证券组合也很难得到。于是就有必要对一般的对称方差矩阵V所对应的证券组合投资决策模型进行分析,均值―方差模型很多前提假设与现实情况不符,如证券投资者的目标是: 在给定风险上收益最大, 或者在给定收益水平上风险最低,即投资者都是风险规避型的。但现实生活中,很多投资者对风险效用的看法也不相同。这就使此理论在实际应用中存在很大的问题。
2.2 资本资产定价模型
资本资产定价模型核心思想是资本市场上,由于非系统风险可以通过投资多元化加以消除,所以市场参与者对于这种风险不会给予补偿,而对期望收益产生影响的只是无法分散的系统风险,而风险资产组合只取决于资产组合管理者对不同资产前景的预测,这意味着投资者的最优投资组合只取决于资产组合管理者对不同资产前景的预测。而与投资者本身的风险偏好无关。目前,CAPM在资本预算分析、资本成本估计、投资管理、基金绩效评价、公司财务、股份分割、兼并等方面都有应用。标准资本资产定价模型系统地解释了资本市场的定价机理,但其中的某些假设与现实中的实际情况有很大的差距,因此,放松这些假设条件的非标准资本资产定价模型应运而生。迄今为止,还没有得到同时放松两个假设条件的资本资产定价模型.但多个持有期的时际资本资产定价模型和由此简化的消费导向资本资产定价模型,由于不仅考虑投资者在资本市场上所要面对的投资风险,而且考虑消费环境影响投资者的投资机会集向不利方向变动所产生的风险,因此,显示出较强的现实解释力。然而,这些模型,或因内部结构不很清晰、或因存在数据获取的困难,也使其对投资者的现实指导作用受到了一定的限制。
2.3 套利定价理论
资本资产定价模型描述了风险资产的均衡定价机制,但它基于许多严格的假设条件,而其中的某些假设与现实经济存在较大差距。由Stephen.Rose(1976)提出的套利定价理论从更现实的角度出发,认为除市场风险外,资产的均衡收益还受到其他多个因素影响。套利是资本市场理论中的一个基本概念,是指投资者利用不同市场上同一资产或同一市场上不同资产的价格之间暂时存在的不合理关系,通过买进和卖出相关资产,待这些资产的价格关系趋向合理后,立即进行反向操作,从中获取利润的交易行为。由于套利定价理论的假设较资本资产定价模型更为合理,贴近现实,因此,套利定价理论在内涵和实用性上都更具广泛意义,但在理论的严密性上却相对不足。
APT的局限主要表现在:首先,模型的结构不清晰。APT没有说明决定资产定价风险因子的数目、类型、各个因子风险溢价的符号、大小。其次,由于APT中生成资产收益的多因素模型中包括残差风险,而这一风险只有在组合中存在大量资产时才能被忽略,因此,APT是一种极限意义上成立的资产定价理论,对实际有限的资产组合而言,其指导意义受到一定限制。
3 证券组合投资理论在我国的发展
我国的证券市场以1990年12月上海证券交易所成立为标志,是一个仅有10年发展历史的新兴市场,考虑到象美国那样有上百年交易历史的证券市场尚不具备强型效率,因此,国内学术界对于中国证券市场有效性的检验主要集中在弱型效率和中强型效率两个层次上。
多年来国内外学者主要以Markowitz 的证券组合投资理论为基石, 对证券组合投资问题进行了大量研究. 目前有代表性的研究成果主要有: 以均值――方差投资决策模型为代表的线性规划方法、二次规划方法等静态组合投资决策方法; 以随机最优控制方法、模糊规划方法为代表的证券投资动态控制方法; 从改进证券风险度量的方法入手, 采用不同的方法来度量证券的风险得到了大量证券组合投资问题的改进模型, 例如用熵来作为“方差度量证券投资组合风险”的补充, 就是其中的一种。
在现实证券市场中, 风险证券的收益是一个动态波动值, 因此将风险证券的预期收益率和风险损失率处理成不确定的区间估计值, 将更接近现实证券市场. 采用了区间数线性规划方法来研究证券组合投资问题,这也是近年来的一个研究热点。
参考文献
[1]William F Sharpe, 杨秀苔,刘星等编译.证券投资原理[M].重庆:重庆大学出版社,1998.
[2]赵昌文,俞乔主编.投资学[M].北京:清华大学出版社,2007.
[3]凯斯•布朗,弗兰克•瑞利,李秉祥等译.投资分析与投资组合管理.[M].沈阳:辽宁教育出版社,1999.
[4]高全胜,李选举.基于CVaR的投资组合对资产变化的敏感性分析[J].数量经济技术经济研究,2005,(6).
[5]林军.一种基于区间数的证券组合投资模型与求解[J].数学的实践与认识,2007,37(23).
关键词：资本资产定价模型；β系数；回归分析；风险与收益
引言
我国沪市即上海股票市场以1990年12月19日的上海证券交易所开业为标志,经过了22年的发展后,达到了一定的规模。过去的一些经济学家的一些理论也解决了一些问题，比如由美国经济学者马科维茨（Markowitz）教授创立的证券组合理论从理论上解决了如何构造投资组合来规避市场风险同时获得投资收益的问题，但是这一过程，需要大量的计算，和一系列严格的假设条件。这样就使得该理论在实际操作方面具有一定的难度，投资者需要一种更为简单的方式来解决投资事宜，于是资本资产定价模型就应运产生了。
一、文献综述
1964年,威廉·夏普(William Sharp)发表了他的博士论文Capital Asset Prices:A Theory of Market Equilibrium under Conditions of Risk,正式提出了资本资产定价模型(CAPM)。Black、Jensen 和Scholes 在1972 年对纽约证券交易所1926 年至1965 年期间的所有股票数据进行了实证检验，他们的计算结果和零β资本资产定价模型相一致。该模型的β值几乎可以解释所有投资组合的平均收益率的差异。然而后来，特别80 年代以来，负面的验证结果也相继产生。比如Roll（1977）曾经对当时的实证检验提出了怀疑，他认为：由于市场指数组合是有效市场组合是无法证明的，所以也无法对CAPM模型进行检验。由于按照CAPM 理论，市场组合是包含几乎所有不确定资产的组合，而市场指数却不是有效组合，所以，他认为以前的实证检验并不一定能证明该理论是成立的。对于这一质疑，有研究表明，只要市场指数与无法观察到的真实市场的相关系数的大小决定使用市场指数来代替真实市场进行研究的可行性。
本文选取2008年1月至2009年12月最新沪市股指进行CAPM模型的实证研究,以期对上海股票市场的研究做一个新的扩充，并从资本资产定价模型出发来检验CAPM模型在我国上海股票市场上的实用性。
二、CAPM理论模型
（一）CAPM 模型的假设条件
1．在投资收益率既定的条件下，投资者总是追求风险最小化。在投资风险既定的条件下，投资者总是追求收益率最大化。
2.投资者以投资组合在某段时间内标准差和预期收益率来衡量该资产组合(对于某项资产或资产组合，风险由预期收益率的标准差来衡量，而预期收益率=(期末价值一期初价值)／期初价值)。
3．资产无限可分，保证投资者以任何比例分配其投资，比如假设投资者可以购买股票的一部分。
4．资本市场不存在资本与信息的流通障碍，即不存在信息不对称，没有任何一个投资者的行为能达到影响整个证券市场，不存在交易成本和所得税，所有投资者所有信息来源均不需要成本。
（二）资本资产定价模型简介
三、实证分析
（一）股票的选取
数据的选取从2008 年1月开始至2009年12月止的最新数据，同时为了科学地体现随机性，并且为了更加全面地验证CAPM模型，又不使得验证过于烦琐，我们选取的是上海股票市场各个行业中比较具有代表性的企业来验证（具体数据见附录），如：钢铁行业的武钢股份(600005)，交通运输业的皖通高速(600012)，金融行业的民生银行(600016)等五十支股票。这里还遇到的一个问题是个别股票在个别交易日内停牌，为了处理的方便，本文中将这些天该股票的当日收盘价视作与前一天的收盘价相同。
（二）无风险利率的确定
无风险利率的确定在国外研究中，常以一年期的短期国债利率或银行同业拆借利率来代替无风险利率。但由于我国目前利率尚未市场化，且国债以中长期品种为主，无法用国债利率来代表无风险利率。在本研究中，凡需利用无风险收益率的场合，都以最近的银行三个月定期存款利率(1.71％)代表之，这是百分比形式的收益率。
（三）收益率和β的计算
（四）CAPM模型的横截面检验
通过F检验得出结果4.331606，概率为0.005550，所以相关系数检验可以看出模型的拟合优度还算可以，但是模型中回归系数T值检验均不显著能说明CAPM模型在这个阶段中的上海股市的不适用性。
四、分析与建议
本文得出的结果是CAPM模型还不适应目前上海股票市场。对于CAPM 模型在当前中国上海股票市场仍不适用的原因，我认为主要有以下两点：
1.市场的有效性。推导出CAPM 的假设前提是证券市场完全有效。正是由于信息披露制度的不完善、不规范，使得我国证券市场存在严重的信息不对称，从而使某些少数垄断信息者获得了超额利润，极大地影响市场的有效性。
2.市场指数的确定。根据标准的CAPM，市场指数应该是“市场组合”的收益率。CAPM 假设指出，当市场达到均衡时，每一位投资者都持有一个具有完全相同的预期收益的马柯维茨有效组合，即为市场组合。市场组合由市场上所有资产按照其各自的价值为权重来组成，该组合与市场上其他任何一种资产组合应保持最高的相关性。 目前在我国普遍使用的是深圳证券交易所成分指数与上海证券交易所综合指数，上交所综合指数体现了“资产权重加权平均”的原则。但这也存在一些问题，股票发行量中有部分股票不能上市流通，所编制的指数却将他们计入权数范围内，从而不能反映流通股现实市场股价的真实状况。
参考文献：
1.Sharp William. Cap ital asset p rices: a theory of market equilibrium under conditions of risk [J]. Journal of Finance,1964, (9) : 425-442
2.L intner. the valuation of risky assets and the selection of risky investments in stock portfolios and cap ital budgets [J]. Reviews of economic and statistics,1965, (47) : 13-37
3.李博、吴世农．CAPM有效性和适用性的实证研究——对上海股票市场的检验[J] ．中国经济问题，2003，(02)．
4.陈浪南、屈文洲．资本资产定价模型的实证研究[J].经济研究，2000，（04)．
5.李云翼．中国股市β系数研究的展望[J]．科技信息，2008，（26）．
关键词：非系统风险和系统风险；风险投资组合；资本市场线；资本资产定价模型；竞争性市场
在现实经济生活中，随着资本市场的不断发展和完善，为投资者提供了越来越多的获利机会，进行证券投资是主要的投资方式之一。投资的目的是为了获取收益，或者说是为了获取最大化的收益，而这里面同时也存在着一个不容忽视的事实：要获取较大的收益，就要冒较大的风险；而冒较小的风险，获取的只能是较小的收益。风险和收益是一对矛盾，这是自利行为原则和双方交易原则下投资者市场博弈的结果，任何投资者都必须充分树立风险意识，即怎样解决风险和收益之间的矛盾。其最终的决策结果应该是寻求风险和收益的平衡。
风险是指未来经济活动结果的不确定性，我们可以将风险总体上划分为两大类：非系统风险和系统风险。非系统风险只对某些行业或个别企业产生影响，系统风险亦称市场风险，它对整个市场所有企业都产生影响，如经济周期的波动、利率的调整、通货膨胀的发生等。针对这两种风险，投资者应该如何应对呢？基本的做法就是通过投资组合来分散非系统风险，通过提高风险报酬来弥补系统风险带来的损失从而达到期望的报酬率。笔者将从这两个方面来论述证券投资组合中风险与收益的权衡问题。
一、非系统风险
现实的经济活动中，投资者经常将一部分资金投放于无风险资产（如购买国债），将另一部分资金投放于风险资产组合以获取更高的报酬，此时面临的一个问题是：怎样组合才能获取最高的报酬呢？
假如投资者将全部自有资金都投放于无风险资产，那么他至少可获得无风险投资报酬率，当然这是一种极端的做法，通常投资者会考虑将多少资金投放于风险资产以获取较高的报酬。假如有x比例的资金用于风险投资，以rf表示无风险投资报酬率，以rp表示风险投资报酬率，则预期报酬率e(r)=rf (1-x)+rp x, 亦即e(r）=rf+(rp-rf)x, 在风险特定的情况下，投资者会去追求(rp-rf)的最大化，即风险溢价的最大化。而最优的投资机会线就是我们所说的资本市场线（cml）,即投资组合直线和风险投资组合有效边界相切时的直线，这就在理论上解决了决策的问题：投资者要想获得最高的报酬就应该沿着资本市场线投资。当然投资者可以选择将多大比例的资金投放于风险资产：保守的投资者可能会将更多的资金投于无风险资产，冒进的投资者可能会将更多的资金投于风险资产，或将全部资金投于风险资产，甚至还会以无风险利率借入资金投于风险资产。
当然，事实上投资者很难确定单位风险下哪一种投资组合的单位风险溢价最大，从而难以找到最佳的投资组合，但资本市场线仍然为投资者指明了决策的方向，笔者愿意对此作出积极的展望：伴随着证券市场监管的推进、信息披露制度的完善和弱势有效市场向强势有效市场（竞争性市场）的演变，“信息失灵”和“市场失灵”得以更好的抑制，资本市场线对于投资组合的决策价值将会得以更加充分地体现。
二、系统风险
我们假设投资者已经通过足够的投资组合将非系统风险分散掉了，面对市场风险，投资者会通过得到系统风险溢价来达到预期的报酬率。资本资产定价模型在不需要确定单个证券期望报酬率的情况下能够确定风险资产的有效投资组合，这无疑为持有多项风险资产投资的决策者提供了决策的方法，并使决策变得相对简单。在公式e(r)=rf+€%[(rm-rf)中（rm为市场投资组合的平均报酬率），在无风险利率rf和市场投资组合的平均报酬率rm确定的情况下，€%[作为衡量风险投资组合市场风险的指标成为决策的关键。€%[的确定对于投资者绝非易事，通常证券市场基于历史数据来估计€%[，在宏微观经济环境相对稳定的情况下，€%[在一定时期内应该是合理的。
资本资产定价模型对于投资者的决策究竟有多大的现实意义，对此理论界和实务界莫衷一是。因为模型的建立本身是基于一些假设的：（一）投资者可以按照竞争性市场价格买入或卖出所有证券，并且不考虑税收因素；（二）投资者可以按无风险利率借入和贷出资金；（三）在确定风险的情况下，投资者会按资本市场线投资选择报酬最高的投资组合；（四）对于证券的风险、相关系数和期望报酬率，投资者具有同质的预期。
“竞争性市场”的建立是一个历史的过程，面对同样的信息，由于决策者对信息的解读和判断存在差异，要达到同质预期是难以实现的，资本资产定价模型在实际运用中受到了
限制，但其本身里程碑式的意义却是不容否认的，它科学地将风险和报酬的内在关系描述出来，建立起风险投资组合和市场组合之间风险和报酬的最佳权衡。笔者相信，随着国内国际资本市场的不断发展和完善，资本资产定价模型必将在投资决策中发挥更大的作用。
参考文献：
[1]曾勇.组合证券投资与资本市场研究[j].科学出版社,2007,(7).
[2]李金毅.试析资本资产定价模型与中国股票市场中的资产组合[j].环渤海经济瞭望,2006,(10).
关键词：权益资本成本 资本资产定价模型 财务绩效
一 、引言
我国深沪证券交易所自建立起来，在优化资源配置，筹集社会资金，改善公司治理结构等诸多方面发挥着积极作用。随着我国证券市场规模的增长和制度的完善，权益融资将在市场经济的发展中将起到重要的推动作用。而传统估计权益资本成本的模型假设条件多、原理复杂，无论是投资者还是筹资者，在确定资本成本是时都要搜集大量的信息。财务报表是联系投资者与投资者的桥梁，而且是目前上市公司信息中最容易获得的信息。因此，研究上市公司权益资本成本与财务绩效之间的关系，可以给投资者提供建议，也为其进行选股决策提供了一个便捷、可靠的方法。近年来，国家增加了对三农方面的投入。“十二五规划” 又把加大农业投入、改善城乡差距放到了突出的位置，进一步为农业产业的发展提供了一个良好的外部环境，也为农业类上市公司的发展拓宽了空间。相对于其它行业，农业类上市公司在规模、数量、风险、收益等许多方面有很大区别。分析影响农业类上市公司的权益资本成本的特殊财务因素，为农业类上市公司投资及融资提供决策依据。
二、 文献综述
（一）权益资本成本估计模型的研究 完美资本市场中，权益资本成本等于股东的期望报酬率，它是指一个持有一种股票的投资者期望在下一个时期所能获得的收益。理论上从两个方面对权益资本成本进行估计：一是基于历史数据的分析估计权益资本成本；另一方面是通过预测未来的数据估计权益资本成本。根据资本资产定价模型，权益资本成本E（ri）=rf +βim *（E（rm）- rf），在无风险利率和风险溢价确定的情况下，权益资本成的大小取决于贝塔系数的大小。然而实践中，该模型严格、过多的假设影响了它的适用性。罗斯在1976年提出了套利定价模型（APT），其理论基础是一项资产的价格是由不同因素驱动，将这些因素乘上该因素对资产价格影响的贝塔系数并加总后，再加上无风险收益率，就可以得出该项资产的价格。APT理论上很完美，但是由于它没有给出都是哪些因素驱动资产价格，这些因素可能数量众多，只能凭投资者经验自行判断选择。另外，根据投资“风险越大，要求的报酬率越高”的原理，普通股股东对企业的投资风险大于债券投资者，在债券投资者要求的收益率上在要求一定的风险溢价。依照这一理论，权益的成本公式为：Ks=Kdt+RPc。但是，风险溢价的确定是非常困难的事情，尤其在中国这样的新兴证券市场中，没有关于股权风险溢价的经验数据，也没有权威机构的计算统计，运用该方法只能粗略估计权益资本成本，而且估计结果因估计者不同会有较大差别。Williams于1938最先提出股利贴现模型，该模型的提出极大地推动了估值理论与方法的发展。任何资产的内在的价值是指拥有这种资产的投资者在未来时期中接受的现金流量的现值和。股利贴现模型为定量分析虚拟资本、资产和公司价值奠定了理论基础，也为证券投资的基本分析提供了强有力的理论根据。由该模型扩展出Gordon增长模型 和 两阶段股利贴现模型。EdwardsandBel于1961年提出EBO模型（剩余收益估价模型），并由Ohlson、ohlson和Feltham对EBO模型进行重新阐述和完善发展。Bernard运用美国VatueLine中的预测数据对EBO模型，结果表明，EBO模型对股票价格的解释能力远大于股利贴现模型和自由现金流贴现模型。在EBO模型的基础上，Gebhardt，Lee和swaminathan加以一定的假设并通过一些数学公式推导出剩余收益折现模型。剩余收益折现模型最主要的贡献是运用三阶段求解方法解决了EBO模型中无穷数列的计算。为了纠正EBO模型在估值计算中产生的一些问题，Ohison和Juettner-Nauroth对EBO模型进行了修正，发展出Ohlson-Juettner模型。
（二）权益资本成本影响因素的研究 由于各种估计模型都是近似的计算权益资本成本，且计算原理和方法复杂，不能被多数企业管理者和投资者理解和应用。近几年来，在运用各种估计模型的基础上，国内外学者从影响权益资本成本的各种因素角度考虑，找出影响权益资本成本的因素并对其近似的估计。Bostosan（1997）研究了信息披露与权益资本成本之间的关系。研究表明公司财务信息披露与股权成本之间存在显著负相关关系。Richardson 和welker（2001） 将公司信息披露分为财务信息披露与社会信息披露两类， 分别考察其对企业融资成本的影响， 结果发现财务信息披露有助于降低融资成本， 但社会信息披露反而导致融资成本上升。Sudarsanam（1992）考察了行业特征对企业融资成本的影响， 其研究结论表明一些行业特征？如资本密集程度、资本劳动比率和进入壁垒如广告宣传等对于企业的系统性风险及资本成本有着显著影响。Gebhard，Lee和Swaminatham（2001）采用线性回归模型，考察了股票市场波动性、财务杠杆、信息环境、流动性、收益波动性、市场异常性和行业等因素与企业权益资成本之间的关系。结果表明行业特性、账面市值比、长期增长率预测和分析师盈余预测差异能够较好地解释企业的权益资本成本。陆正飞和叶康涛（2004）分析了市场波动性、经营风险、财务风险、破产成本、信息不对称、流动性、市场异常性和问题对权益资本成本的影响。研究表明股票贝塔系数仍是决定股权融资成本高低的最重要变量， 其他变量， 如换手率、负债率、B/M、企业规模、担保价值和资产周转率等因素也对股权融资成本有显著影响。除此之外，我国学者还分别从会计信息的披露及其质量、内部信息控制、会计盈余质量、信息不对称、股权结构等角度研究了其对权益资本成本的影响。
三、 研究设计
（一）样本选取和数据来源 本文以农业类上市公司研究对象，选取了深沪两市上市的所有农业类公司为研究样本。（1）剔除受到证监会特别处理和数据不全的上市公司；（2）考虑到需要应用资本资产定价模型计算权益资本成本，在选取样本时，排除2005年以后上市的公司。共选取农业类上市公司25家，搜集了2005年至2010年上市公司的数据以计算权益资本成本，并对2010年和2011年的财务数据分别进行回归分析。
（二）变量选取 （1）因变量选取。近年来，国内外学者研究了各种方法计算权益资本成本的模型，由于各种模型都有着各自的假设条件和应用范围，没有哪一种模型能够有效地计算权益资本成本，也没有哪一种模型的到学术界的绝对认可。本文选用资本资产定价模型估计权益资本成本，理由如下：虽然资本资产定价模型有非常严格的假设条件，但该模型是目前应用范围最广的模型。相对于其它模型，资本资产定模型简单，易于被筹资者和投资者理解和应用。近年来，我国学者用深沪上市公司的最新数据检验该模型，表明资本资产定价模型在我国上市公司中具有适用性，且相对于其它模型有较高有效性。本文选用2005年至2020年间10-15年期的14种政府债券的平均到期收益率作为无风险利率，计算得出无风险利率为3.43%。运用几何平均数的方法计算深沪两市近10年、15年、20年的权益市场平均收益率，并分别求出两市3阶段平均权益市场收益率为11.38%和9.07%。本文采用五年的农业类上市公司和证券交易所的月收益率计算上市公司贝塔值表（1）。（2）自变量选取。本文依据《中国股票市场研究数据库》，初步选取了影响权益资本成本的28个变量作为考量因素。考虑到数据获得、变量之间相互影响等，本文对指标的筛选共分为三步：剔除缺失值比较多的指标；运用SPSS统计软件进行分析，得到相关系数矩阵；运用聚类分析和主成分法选取指标。最后保留了11个影响变量，结果如表（2）所示。
（三）研究假设 根据已有研究成果和本文选取的影响农业类上市公司权益资本成本的自变量，提出如下假设：
假设1：市盈率、营业收入、净资产收益率、总资产增长率、流动资产周转率、固定资产比率、股东权益比率和权益资本成本呈负相关关系
假设2：资产总额、每股净资产、净利润增长率、存货周转率和权益资本成本呈正相关关系
同时采用多元回归分析法，检验第三部分的假设以及哪些变量对于权益资本成本的解释能力最强，在此基础上提出农业类上市公司权益资本成本多因子模型。
四 、实证检验分析
（一）描述性统计 由表（3）可以看出，不同年度之间的股权益资本成本也存在差异。2010年权益资本成本平均为9.27% ， 而2011 年平均为8. 51% ，下降了8.2 个百分点，总样本权益资本成本为8.88%。另外，本文采用同样方法计算了2010年和2011年沪深两市所有上市公司的权益资本成本（金融类上市公司除外），得出其平均值分别为为8.93%、8.42%。农业类上市公司权益资本成本明显于股票市场平均权益资本成本。
（二）回归分析 本文采用逐步回归法对样本数据进行回归分析。通过对变量及参数的控制作逐步回归，SPSS软件自动剔除与因变量关系较弱的变量，建立一个最优的回归模型，如表（4）所示。结果表明： 通过逐步多元回归，在所选的11个变量当中，与因变量具有显性关系的有8个变量，保留的变量回归结果符合上文对其基本假设。其中总资产增长率（X7）对权益资本成本的影响最强，对权益资本成本的解释能力在-0.287至0.357之间，影响程度比较稳定。净资产收益率（X5）和市盈率（X1）对权益资本成本有负的影响，在逐步回归的过程中解释能力逐渐加强。其它变量每股净资产（X4）、流动资产周转率（X9）、净利润增长率（X6）在回归过程中，回归系数有较小波动，解释能力比较稳定。存货周转率（X8）和股东权益比率（X11）的解释能力相对较弱。从以上分析可以看出，对权益资本成本有显著解释能力的有6个变量。
同时，为了考察本文分析结果的稳健性，对上述逐步回归模型进行了分年度再检验，得到2010年和2011年截面权益资本成本多因子模型。回归结果表（5）表明股东权益比率（X11）的显著性下降，没有进入到最后的回归模型，存货周转率（X8）的显著性有较大的提高。总资产增长率、净资产收益率、市盈率、每股净资产、流动资产周转率、净利润增长率、存货周转率六个变量在各种回归中都就入了模型，且回归系数符号保持一致。总资产增长率、净资产收益率、每股净资产、净利润增长率、股东权益比率的解释能力有所增强，这表明本文分析结果具有较高的稳健性。从以上分析，可以得出总资产增长率、净资产收益率、每股净资产、净利润增长率、股东权益比率是解释农业类上市公权益资本成本的重要考量因素。
五 、结论
本文以农业类上市公司为研究样本，分析了影响我国农业类上市公司权益资本成本的财务因素。分析表明， 总资产增长率、净资产收益率、每股净资产、净利润增长率、股东权益比率是影响权益资本成本的主要决定因素， 但其他因素如市盈率、流动资产周转率、存货周转率，虽然最终都进入了回归模型，但其回归系数有波动，影响不是特别显著。根据上述实证分析结果， 可以得出如下结论：（1）农业类上市公司的权益资本成本较市场平均数高，说明农业类上市公司具有较高的期望收益率，这与普通投资者认为农业类上市公司收益率较低，不看好农业类股的常识相悖。（2）传统的估计权益资本成本的模型大多比较复杂、不易理解，且采用的数据忽略了最容易被公司和投资者财务报表。本文通过研究影响上市公司权益资本成本的财务因素，为投资者和筹资者合理的估计收益率和成本提供借鉴。
参考文献：
[1]明隆：《中国资本市场有效性实证研究——以上证A股为例》，《统计科学与实践》2011年9期.
[2]李金垒、靳军会、张雯：《资本资产定价模型在沪市拟合程度检验》，《上海市经济管理干部学院学报》2008 年第6 期.
[3]许涤龙、张钰：《资本资产定价模型与上海股票市场的实证分析》，《南昌大学学报》2005年第2期.
[4]方成：《金融危机后上海证券市场的资本资产定价模型的实证研究》，《金融经济》2011年第6期。
[5]单娟：《我国股票预期β系数与会计变量相关性的实证研究》，《华东交通大学硕士学位论文》2009年。
[6]任珍珍、王金桃：《农业类上市公司权益资本成本影响因素研究》，《江西农业大学学报》2008年第5期。
[7]李乐乐：《上市公司权益资本成本影响因素研究》，《江苏大学硕士学位论文》2009年。
[8]叶康涛、陆正飞：《中国上市公司股权融资成本影响因素分析》，《管理世界》2004年第5期.
关键词:心理账户;资本资产定价;投资决策
一、资本资产定价模型
资本资产定价模型(CAPM)是从现代资产组合理论中直接推导出来的模型。计算方法为:E(ri)=rf+βim(E(rm)-rf)。
(一)模型含义
现代资产组合理论认为,资产组合面临的风险可分为系统性风险和非系统性风险。系统性风险是与整体经济运行相关的风险,非系统性风险是与资产自身特性相关的风险。多样化的投资可以降低直至消除资产组合的非系统性风险,而系统风险与整体经济运行有关,是不能通过多样化的投资消除的。CAPM模型对资产的定价是对该资产的系统风险的定价。
(二)模型应用
以股票市场为例。假定投资者通过基金投资于整个股票市场,于是他的投资完全分散化,他将不承担任何可分散风险。但是,由于经济与股票市场变化的一致性,投资者将承担不可分散风险。于是投资者的预期回报率高于无风险利率。设股票市场的预期回报率为E(rm),无风险利率为rf,那么,市场风险溢价就是:E(rm)-rf,这是投资者由于承担了与股票市场相关的不可分散的风险而预期得到的回报。考虑某资产(比如某公司股票),设其预期回报率为ri,由于市场的无风险利率为rf,故该资产的风险溢价为E(ri)-rf。资本资产定价模型描述了该资产的风险溢价与市场的风险溢价之间的关系:E(ri)-rf=βim(E(rm)-rf)(β系数是常数,称为资产β)。
二、心理账户在现代资产组合理论中的引入
(一)心理账户的定义
心理账户概念是芝加哥大学萨勒教授于1985年提出的。心理账户指的是人们根据资金的来源、资金的所在地和资金的用途等因素在心理上对资金进行归类,对不同类别的资金有不同的期望回报和不同的风险承受能力。它指的是理性人用一种非理性的态度看待事物,这种态度让相同的钱在不同的环境下变得不一样了。
(二)心理账户的例子与解释
出租车司机是自由职业者,但是他们的生意受天气影响比较大:天晴的时候,大家愿意在外面多走走或骑车或乘坐公交车,出租车的生意就一般,经常到晚上很晚收工才能赚回足够的钱。但是在雨天,出租车的生意就特别的好,最好的情况下司机半天就能挣到500元。学过经济学的人应该知道,最有效率的做法就是在晴天生意不好的时候早点收工,在雨天则多工作几个小时。因为在相同的工作时间里,雨天要比晴天赚的更多。加州理工大学的考林・卡莫若教授研究发现,为了保证每个月能有一笔大致固定的收入,出租车司机往往会给自己订一个日收入计划,比如每天要挣到500元才能回家休息。因此晴天生意不好的时候,他们工作的时间过长,通常要做到很晚;而在雨天生意好的时候,他们又很快就挣到500元,过早地回家去了。其实出租车司机也知道,雨天多工作一小时就可以让晴天少工作两个小时,可就是他们认为设置的心理账户使得今天的工资和明天的工资似乎不可以替代。正是心理账户概念的引入很好的解释了为什么有时候标榜自己为理性人的行为人会作出一些非理性决策。
(三)心理账户对投资决策的影响
设想一个人以每股10元的价格买进股票100股,这项投资一开始是1000元,只要股票价格发生变化,那么账户就会有潜在的盈利或亏损。而一旦将股票抛售,任何盈利或亏损都会变得实实在在的了。关闭账户是令人痛苦的,这也是为什么人们不情愿在股票价格下降的时候将它抛售,尽管知道价格很有可能只降不增,但他们对于价格的上升仍抱有一丝希望。
决策者倾向于将每一项投资放入一个单独的心理账户中,进行单独处理,并忽略他们之间的相互关系。这个心理过程会从以下几个方面对投资者的财富产生负面影响。首先会加剧倾向性效应,投资者不愿卖掉亏损的股票,因为他们不想经历后悔的痛苦,卖出亏损股票就会关闭那个账户。心理账户还具有狭窄性特征,股票市场的风险与回报都较高,但它的风险与人们的其他经济风险,如工资收入和房屋风险之间几乎没有相关性,因此在投资组合中稍增加一点股票可以分散人们整体经济风险。投资者通常将每个投资品种分别放入不同的心理账户,这会导致他们忽略不同心理账户之间的相互关系,从而影响投资组合的构建。
人们对每个投资目标都有一个单独的心理账户,投资者会对每一个投资目标承担不同程度的风险,投资品种的选择都要满足心理账户中的期望风险和收益。首先投资者会有一个安全性目标,因此他会配置足够的资产到最安全的一层;然后有着更高期望收益和风险承受力的心理账户会配置资产到高一个层次;最后才考虑是否会投资国外市场股票或新发型股票。每个心理账户都会用一定的资金数额来满足特定的目标,需要安全性的心理账户数量决定了用于安全投资的资产数量,以此类推。这意味着大多数投资者的投资组合是非有效的,投资者在其承担的风险水平上,本来可以获得更高的收益。
根据资本资产定价模型,投资的组合是可以降低组合风险的。所以投资者可以合理安排组合投资中构成资产的权重,使组合投资的风险降低到系统风险。但由于心理账户的缘故,投资者会把加入某一投资品种进入组合的风险,看作是这一投资品种自身的风险。而不会考虑到投资的相关性,所以在投资者的心中,往往一项投资的加入会提高组合的风险,而且是大幅度的提高。所以心理账户的引入就可以很好的解释为什么在理性的环境下,投资者会表现出一些不理性的行为,他们的投资行为并不是按照效用最大化来执行的。
参考文献:
1、Thaler R.Mental Accounting and Consumer Choice[J].Marketing Science,1985(3).
2、魏勇刚,苏小玲.消费者心理账户中的心理效应研究[J].消费经济,2005(4).
[关键词] 固定资产投资 证券投资 决策方法
投资是企业重要的财务活动之一，它通常是指企业将一定的财力和物力投入到一定的对象上，以期在未来获取收益的经济行为。投资活动可以按多种标准进行分类，其中按投资方式的不同可分为直接投资和间接投资，直接投资又称为实物投资，是指直接用现金、固定资产、无形资产等进行投资，直接形成企业生产经营活动的能力。直接投资往往数额大，回收期长、与生产经营联系紧密。
间接投资一般也称为证券投资，是指用现金、固定资产、无形资产等资产购买或取得其他单位的有价证券（股票、债券等）。
固定资产投资的规模大小和技术的先进程度、证券投资的规模大小和投资对象的合理性，在很大程度上决定了企业经营和发展的潜力，因此，对固定资产投资和证券投资决策方法的研究和使用对企业的生存和发展都具有十分重要的意义。
一、固定资产投资决策
1、固定资产投资决策方法。如前所述，固定资产投资直接影响企业的生产经营规模，由于它投资数额大、投资回收期长、一经决策和实施就难以改变，因此固定资产投资决策成败与否后果深远。实务中，企业在进行固定资产投资决策时，一般都要提出几种投资方案，进行反复比较后从中选取最佳或最合理的方案，这就需要运用净现值法、内含报酬率法、现值指数法、投资回收期法、平均报酬率法等投资决策方法，但现行财务管理理论和实践对固定资产投资主要采用净现值(简称NPV)法。所谓净现值是指投资方案的未来现金流人量的现值和现金流出量的现值的差额。用公式可表达为：
NPV=∑CIt／(1+i)t—∑COt／(1+i)t
其中：CIt表示第t年的现金流入量；COt表示第t年的现金流出量；i表示预定的折现率。
净现值法的决策规则是：在只有一个备选方案的采纳与否决策中，净现值为正者则采纳，净现值为负者不采纳；在有多个备选方案的互斥选择决策中，应选用净现值是正值中的最大者。
2、对固定资产投资决策方法的说明。不难发现，净现值法与其他方法相比具有以下优点：
(1)净现值法考虑了资金的时间价值，能够反映各种投资方案的净收益，即以各种投资方案收益的大小作为投资决策的依据，因此是一种较好的方法。
(2)净现值法与企业的财务管理目标相一致。投资方案的净现值就是该方案能够给企业增加的价值，因此要实现企业价值最大化这一目标，就必须在多种备选方案中选择净现值最大且不小于零的投资方案。
因此，现行企业财务管理工作中主要采用净现值法进行固定资产的投资决策。
二、证券投资决策
1．证券投资决策方法。证券投资决策的目标就是将投资收益和投资风险风险联系起来，对二者进行权衡后选择最为合理的证券进行投资。因此，证券投资决策主要是讨论如何在规避风险的基础上最大限度地获取证券投资收益，这就是著名的投资组合理论。投资组合理论最初由马考维茨(H Markowitz)于20世纪50
年代创立，后经威廉夏普(W Sharpe)等人发展，主要运用证券投资回报率的期望值E和系统风险系数β两个指标表示一个证券(或证券组合)的投资价值，以此为基础的分析被称为“E—β”分析。
证券投资组合的风险可以分为两种性质完全不同的风险，即系统风险和非系统风险。系统风险又称为不可分散风险或市场风险，是由于一些会影响到所有公司的因素如战争、通货膨胀、经济衰退、金融危机、国际市场的变化引起的风险。这些因素对任何企业来说，都是不可避免的；非系统风险又称为可分散风险或公是指发生于个别公司的因素如新产品开发失败、失去一项重要合同、重大项目投标的失败、竞争对手的出现、生产工艺技术的老化等所造成的风险，此类风险可以通过多元化的投资来分散或消除。
2．对证券投资决策方法的说明。资本市场理论和实践研究表明，证券的回报率和系统风险之间存在着很高的相关性，即风险与收益对等，高风险可以用高回报来补偿，而低风险则伴随着低回报。在完全有效的资本市场中，证券的价格反映其价值，证券的价格在任何时刻都应与其价值相符，因此购买或出售证券只能获得与该证券的系统风险相一致的回报率。也就是说，证券投资的净现值等于零。因此证券投资决策不能用净现值作为评价指标，而应采用“E—β”分析法。
综上所述，对固定资产投资与证券投资决策方法的差异归纳为以下几点：
(1)现行企业财务管理理论和实践对固定资产投资决策主要采用净现值(NPV)法，而对证券投资决策则采用回报率与风险(E—β)分析法。
(2)只有当固定资产投资方案的净现值不小于零时，才有可能接受该方案，而证券投资方案的净现值一般为零。
(3)由于证券市场的竞争性远远高于产品市场，使得证券市场能够迅速达到竞争性均衡状态，因此，证券投资的平均租金高于零；而产品市场或者因为存在垄断和寡头，或者因为某个或某些企业的创新而使得该行业调整到竞争性均衡状态还需要一定的时间，所以固定资产投资可以赚取经济租金。
三、原因分析
1．从资本资产定价模型的角度来看。上面的分析似乎表明固定资产决策和证券投资决策是两种截然不同的决策类型，其实并非如此，两者实际上都使用资本资产定价模型来量化风险。
威廉夏普1964年开创的资本资产定价模型(Capital Asset Pricing Model，简称CAPM)被认为是财务管理学形成和发展中最重要的里程碑，它的出现第一次使人们能够对风险进行定量分析。这一模型为：
Kj=Rf+βj(Km—Rf)。
式中：Kj表示第j种股票或第j种证券组合的必要报酬率；Rf代表无风险报酬率；βj表示第j种股票或第j种证券组合的β系数；Km表示所有股票或所有证券的平均报酬率。
可见，资本资产定价模型简单、直观地揭示了证券的期望报酬率与风险之间的关系。
例：当前的无风险报酬率为6％，市场平均报酬率为12％，A项目的预期股权现金流量风险大，其值β为1．5；B项目的预期股权现金流量风险小，其β值为0．75，则：
A项目的必要报酬率=6％+1．5×(12％—4％)=18％
B项目的必要报酬率=6％+0．75×(12％—4％)=12％
因此，资本资产定价模型是证券投资分析的直接工具，应用资本资产定价模型可以直接预测证券投资组合的期望报酬率；而在固定资产投资决策中，资本资产定价模型同样发挥作用，即可以用于估计固定资产投资方案的机会成本，固定资产投资方案的风险越大，资金的机会成本也就越大。如果固定资产投资方案的净现值大于零，就说明该固定资产投资方案的期望报酬率大于资金的机会成本。
因此，无论是固定资产投资决策还是证券投资，资本资产定价模型都是一个有效的工具，所不同的是，在证券投资决策中，资金的机会成本就是该证券投资的期望报酬率；在固定资产投资决策中，用估计的资金机会成本作为折现率对固定资产投资方案的预期现金流量进行折现，计算其净现值，并根据计算结果的大小对投资方案作出取舍。
2．从经济租金和有效资本市场假说的角度来看。
20世纪60年代中期，美国经济学家威廉•夏普Wi1liam.Sharpe(1964)、约翰•林特JohnLimnerLimner(1965)和摩森Mossin(1966)等人在资产组合管理理论的基础上分别提出了资本资产定价模型(CapitalAssetpricingModel，CAPM)理论，研究所有投资者在都投资相同的最佳风险资产组合的情况下会对资产价格产生的影响，也就是研究风险资产预期收益的预测方法，CAPM理论也开创了现代资产定价理论的先河。该理论用模型中的β系数衡量不同证券风险属性的统一指标，反映资产对市场组合风险的影响，也解决了马柯威茨的资产组合理论无法统一计量不同资产在组合投资下的风险属性这一问题。CAPM有两层基本的含义：第一，证券的期望收益率是关于B因子的线性函数；第二，不同证券在期望收益率上的差异仅仅是由于它们的B因子不同，也就是说，与公司特征有关的个别因素不影响证券的期望收益率。鉴于CAPM模型具有简捷性和可操作性的特点，因此在股票的收益预测、资本成本估算和事件研究分析等方面都得到了广泛应用。国外学者就该模型在西方成熟资本市场尤其是美国资本市场上的适用性问题做了大量实证研究，既有支持该模型的实证结果，也有否定该模型的证据，比如众多反常现象的存在。
Fama和Macbeth在其1992年的实证检验中发现股票平均收益和β之间的线性关系在1963—1990年间消失，即使把β单独作为解释变量也是如此。他们在解释变量中加入了公司规模，账面价值/市场价值，市盈率和两个杠杆变量，账面资产/市场价值，账面资产/账面价值。经过回归分析，Fama和Macbeth发现，公司规模和账面价值/市场价值包含了股票平均收益中杠杆和市盈率的作用，对平均收益的截面变动有明显的解释能力；β不论是单独作为解释变量换还是和其它变量一起回归，均不能拒绝其系数显著为零的假设。由此Fama和Macbeth得出结论说，CAPM不能说明近50年的平均股票收益。
对于CAPM在中国股票市场上的适用性问题，近年来国内一些学者陆续做了研究，多数学者对上海股票市场的实证检验表，CAPM尚不适合我国证券市场。国内的有关研究主要围绕标准形式的CAPM进行。杨朝军，邢靖(1998)是国内最早系统研究该问题的文献之一。其后还有陈小悦、孙爱军(2000)，陈浪南、屈文洲(2000)，阮涛、林少宫(2000)和李和金、李湛(2000)。从这些文献的研究结果来看，在1999年以前的中国股市，CAPM基本上是不适用的，而且股票收益率与B之间的关系随时期的不同而变化。但是，随着中国资本市场的不断发展壮大，特别是自2005年股份制改革以来，中国的股票市场已得到了迅猛发展，上市公司的数量、规模以及交易制度等都发生了很大的变化，之前的的研究已不能反映当前我国资本市场的最新发展态势，因此非常有必要重新检验资本资产定价模型在当前中国股票市场上的适用性和有效性。本文在综合国内外学者有关资本资产定价模型的研究的基础上，对2008年1月1日－2011年1月1日最新沪市股指进行资本资产定价模型的实证研究，以期对上海股票市场的研究做一个新的扩充。
二、实证分析
（一）样本及数据的采集
我们的研究从上证市场取2007年12月31日后上市的全部850支股票作分析。数据来源于RESSET金融研究数据库。考虑到我国证券市场历史不长，市场数据不丰富，我们选取最近的2008年1月1日－2011年1月1日的数据对其进行检验，时间跨度为3年。用当年银行一年定期储蓄存款利率来代表无风险利率。
（二）模型构建
1.股票收益率的计算
(1)(1)P-Pr=Pitititit其中，rit为第i只股票在t时刻的收益率，Pit为第i只股票在t时刻的收盘价，(1)Pit为第i只股票在1t时刻的收盘价。
2.时间序列回归
通过时间序列回归以下方程，估计各样本股β值，时间跨度为三年（08-10）。iiimiR=α+βR+ε其中：()iifR=Err，()mfRErrm=；iR是证券i的收益率；mR是市场的收益率；iε为随机误差。β估计值未实际回归得出，直接采用RESSET数据库数据作为结果依据。
3.截面回归
()ifiiMfiRR=α+βRR+ε其中：itR是单个股票三年的平均收益率；MR是市场三年的平均收益率，fR是三年平均的无风险收益率，()MfRR是市场风险溢价（MarketRiskPremium）；iβ是样本股的β值；tε是估计残差；()MfRR、iα是要估计的参数。()0:MfHRR=实际市场风险溢价08年-10年实际市场风险溢价为-0.0183，为负值，而CAPM模型估计值为0.0945，不相符合。在5%置信区间内，()MfRR是显著不为零的，P>|t|=0.044。0H:cons=0，检验结果p<0.001，cons显著不为零，说明很可能样本股以价格计算的收益率实际低于CAPM模型估计的收益率。
4.T检验
()0:MfHRR=-0.0183检验结果表明，()MfRR小于-0.0183显著，所以拒绝原假设，估计的()MfRR显著小于实际风险溢价。
三、结论
（一）本文研究成果
中国上证市场不够成熟，CAPM模型暂时不符合。本文对深圳股市的时间统性风险在股票定价中起没有太大作用；股票的平均收益与系统性风险并不是CAPM预料的线性序列检验和横截面检验，结果表明：上海股市系统性风险与股票收益相关性很差，股票系关系，还有其他风险因素在股票定价中起着不可忽视的作用；股市虽有较大发展，但是其市场效率并没有明显变化，与CAPM假设的条件比较仍然相差很大。换言之，上海股票市场仍然是一个不成熟的股市。Beta与收益间不存在显著的传统的无条件相关关系。尽管CAPM是现代资产定价理论的核心，因为CAPM所存在的许多逻辑悖论，使其并不能成为一个精确的定价模型。CAPM的真正意义并不在于模型在现实中的应用，而在于该模型所表达的一种定价思想。这种思想在金融学的发展史中应该是革命性的。所以我们不应该仅专注于该模型的应用，也不能因为该模型在现实中的诸多尴尬就否定该模型的价值。在CAPM定价思想的指导下，资产定价新方法有着广泛的应用，理论研究成果也大量涌现。但目前还不能找到一个能够完全替代CAPM的新的资产定价模型，所以现有理论还需向更深层次突破和发展。
（二）政策建议
1.建立良好的证券市场资产定价模型，可以对原模型进行修正，亦可以创建适合中国市场的相应模型。模型应对投资者行为及市场心理进行关注，对资产定价设置合理变动区域。
2.完善证券市场监督机制，避免信息不对称、内部人控制等干预市场的行为。完善相关法律法规和管理机制，进一步完善市场自我调节机制。
