摘要：随着中国证券市场的日益成熟，CAPM理论越来越被更多地被中国学者研究，特别是对其中的β系数在中国股票市场中的实证研究。文章就前人对β系数理论以及β系数在中国股市有效性的各项研究资料，进行收集与整理，以显示目前已取得的阶段性成果，并做出总结。
关键词：β系数；实证；CAPM综述
大约从1998年开始，随着中国证券市场的日益成熟，CAPM理论越来越被更多地被中国学者研究。特别是对β系数在中国股票市场中的实证研究，更是如雨后春笋般涌现出来。从这些年来的大量研究中，中国学者通过自身的努力，积累了丰硕的理论研究成果，为中国的证券市场的健康发展，提供了丰富的理论依据。
鉴于β系数的重要地位，本文就中国学者对β系数的理论研究，以及β系数在中国股市的实证分析进行收集与整理，在其中所使用的各类竞争的不相上下的研究方法和模型进行对比分析与选择后，得出目前β系数在中国股市的有效性和稳定性的最客观的结论，来作为中国在这方面已取得的阶段性成果的展示与总结。并由此可知，现阶段β系数在中国股市中的实用程度，即能否客观地反应股票市场的风险水平，是否存在对投资行为的指导意义。
一、综述CAPM理论与β系数的起源及其争论
说到CAPM（资本资产定价模型），就不得不回顾到20世纪50年代初，H.Markowitz所提出来的投资组合理论。他首创性地提出以方差度量资产组合的风险，给以后的CAPM理论以及风险管理理论提供了必要条件，为现代金融理论打下坚实的基础。以H.Markowitz的理论为基础，William Sharpe（1964）、John Lintner（1965）、Jan Mossin（1966）将EMH和资产组合理论相结合，建立了一个以一般均衡框架中的理性预期为基础的投资者行为模型，命名为CAPM（Capital Asset Pricing Model资产定价模型）。其数学形式表示如下：
E[Ri]=Rf+βim（E[Rm]-Rf）
βim=Cov[Ri+Rm]/Var[Rm]
但自从CAPM理论问世，该理论受到大量的有效性检验，其中不乏质疑的声音，如Fama和French（1992）在其经典之作中证明：即使在β为唯一解释变量的情况下，CAPM所预言的平均股票收益与之间的这种正相关的关系也是不存在。由于在CAPM理论中，β系数是其中度量证券（或证券组合）的价格变动与市场上证券平均价格变动之间相关关系的一个关键指标，它反映了市场上证券平均价格变动对某一证券（或证券组合）价格变动的影响程度，故对CAPM检验的实际上是验证β系数是否具有对收益的完全解释能力。
这些年来，β系数的研究与应用一直是资本市场中资产定价和风险管理理论与实践的热点之一，争议颇多，其中研究的重点在于β系数的稳定性及其变动特征等方面。自Blume在1971年发表了第一篇关于β系数稳定性的研究论文以来，随后有许多学者关注这一问题，采用了各自的数据处理与分析方法来考察β系数的稳定性及其不稳定的特征表现，研究的广度和深度不断扩展，并产生了大量丰富的研究成果和论文，例如Blume（1971、1975、1979）、Levy（1971）、Altman等（1974）、Fabozzi和Francis（1978）、Alexander和Benson（1982）、Dimson和Marsh（1983）、Bos和Newbold（1984）、Schwert和Seguin（1990）、Choudhry（2002）等。这些文献大多数集中在20世纪70-80年代研究并发表出来，不过90年代乃至今天，仍有不少的研究文献针对或涉及到β系数的研究。从研究文献的数量之多且时间延续了如此之久来看，就可见β系数之重要，进而表明它在研究过程中还存在一些有争议的热点问题，有待于作一步的探讨。
二、对近年来β系数的理论研究和在中国股市中的实证研究的整理
因为β系数的重要地位，所以对该理论的实证研究以及发展也是必不可少的，笔者建议从可预测性角度，系统地分两个方面来对β系数进行研究：β系数的稳定性、β系数的时变特征。而数据样本来源于中国股票市场，研究方法主要是基于回归分析的各类计量经济学模型。
（一）对β系数稳定性的研究
1、对“时限效应”（interval effect）与中国股市相关性的分析
“时限效应”，即收益率度量时限的影响程度。这个问题曾被Hawawini（1983）和Handa（1989）等研究发现，为考察中国股市的“时限效应”是否与股票的市场价值（通常称为规模因素）有关，胡勤勤和吴世农（2003）在中国股市进行了相关研究。他们所采取的方法是，首先通过建立小公司股票组和大公司股票组两个样本组，分别采用日收益率数据和周收益率数据估计这些股票的β系数，并采用配对样本与独立样本的非参数检验法来考察在两种收益率度量时限下，组内与组间的股票β系数的差异性，由此得出收益率的度量时限对β系数的影响，即是“时限效应”在股市风险上的表现。然后采用Franeis（1975）和Hawawini、Vora（1980）的研究模型——表达式如下：
Ri，t=αi，k+βi，k Rm，i+k+εi，t
通过该模型推断股票的日收益率与市场指数的日收益率之间存在滞后或超前k个交易日的关系，即是否存在非同步交易现象，以此来解释“时限效应”。
研究表明，中国股市存在的“时限效应”同国外的研究结果是有所不同的。我们从两种不同的公司规模与β系数的相关性研究中，发现随着收益率度量时限的增长，小公司股票的β系数与大公司股票的β系数之间的差异性有所增强——这一结果可能说明了，因为“时限效应”的存在，导致了“规模效应”；还有在不同收益率时限下与β系数的相关性研究中，在大多数时间段里，采用日收益率数据估计的β系数平均高于用周收益率数据所估计的β系数，这与国外研究结论恰好相反。只有在β系数数值大小与“时限效应”的相关性研究上的结论相似。以上现象可以得出中国股市存在着一定的“时限效应”。而根据钟朝辉（2006）对1999-2004年的两种β估计值的Wilcoxon秩和检验结果表明，2001与2002年上海股市的“时限效应”比较强，而其他年度相对来说影响比较微弱。
对于非同步交易问题，胡勤勤等的结论是：虽然沪深股市都存在一定程度的非同步交易现象，但大部分股票与市场基本上还是保持同步变化的关系。Morck、Yeung和Yu（2000）曾对1995年中国的股票价格深入研究，发现属于新兴股市的中国股票市场，其收益与市场的同步变动性高于成熟股市。对此他们提出3种可能性解释：行业集中度高，对投资者的财产保护不力，还有信息不对称。其实这都可以理解为系统性风险成分高。
以上结果间接地说明了股票的系统性风险估计与其收益率的度量时限之间存在一定的相关关系，即沪深股市的股票或者股票组合的β系数稳定性受到一定程度上的“时限效应”的影响。
2、对β系数在时间序列上的稳定性研究
胡勤勤（2003）在这个方面分了5个部分去研究：时段内、时段间、数值水平、市场态势、回归趋势，分别采用了最小二乘法、虚拟变量法、转移矩阵法、White（1980）的异方差检验法、Blume（1971、1975）的回归分析方法等。钟朝辉（2006）则只从时段内、时段间与市场态势3个角度去分析β系数的稳定性，主要采用的是White（1980）的异方差检验法和虚拟变量法。徐占东和郭多祚（2004）主要用ARIMA过程建模直接分析时间序列。赵景文（2005）用CHOW检验对相邻两期的β系数进行分析。这里特别要说两点：一是虚拟变量法与CHOW检验的比较。运用虚拟变量法的最大优势在于能够一次性地获得多个缺省数据的估算值，但其缺陷是如果在求出的数据矩阵中缺省的数据越多，估计误差就越大。Damodar N.Gujarati在其《计量经济学》一书中也指出，虚拟变量法只需做单一（总的）回归，从而增加了自由度，参数估计的相对精度也会有所改进，同时虚拟变量法不仅可以检验出两个时段的样本是否发生了结构性变化，而且还能明确变化的起因——由于截距差异或斜率差异亦或两者都有。所以虚拟变量法相对于CHOW检验来说具有一定的优势。二是分析市场态势与β系数相关性时，Kim和Zumwalt（1979）提出采用上升β系数（up-marketp）和下降β系数（down-marketp），分别分析牛市（上升市）和熊市（下降市）中β系数的差异性，Kim和Zumwalt称该模型为双β模型（two-beta model）。因为这个模型分类分析优势明显，所以已经被广大学者所借鉴采用。
研究结果通过5个部分展示。在分年度的估计时间段内，采用周收益率数据估计的β系数总体上具有稳定性，可视为固定参数来估计。在相邻时间段之间，沪深股市中大多数股票的β系数具有稳定性。相对于中间水平值的β系数而言，较低或较高数值的β系数在相邻估计时段所处的相对位置具有较高的稳定性，同时其数值变化的绝对幅度也较大。市场态势的变化，总体而言，对β系数的稳定性有较大影响，而平均的看，股票和股票组合在市场下跌时相对于市场指数的下降幅度高于其在市场上涨时相对于市场指数的上升幅度。总体而言，个股的β系数具有向总体均值1.0回归的趋势，且β系数偏离1.0越大，其向1.0回归的趋势越明显，但在1.0附近（0.8-1.2）的β系数则大多表现为偏离1.0的变化趋势，而组合的β系数也存在向总体均值1.0回归的趋势，且回归速率具有稳定性。
综上所述，实证研究是在静态模型的框架下来考察β系数的稳定性问题，研究结果表明大多数年份β系数的变动性都比较明显，受到譬如时限效应、市场态势、向1.0回归的趋势等等的影响，即β系数在一定时间段存在着一定程度的不稳定表现，其大部分变动无法直接由历史β系数得到解释。
（二）对β系数时变特征的研究
对β系数的实证研究部分，国内学者通过使用“多层递阶法”（闫冀楠、张维和孙浩，1998）、子时间段检验法（陈浪南、屈文洲，2000）、系数单位根检验法（苏卫东、张世英，2002）、ARCH族等模型（胡勤勤，2003）、滚动OLS估计法（刘永涛，2004）、均值回归随机变量模型（马喜德、郑振龙，2006）等方法对国内证券市场中的β系数进行分析研究。由于这些方法对β系数时变特征的假设不同，估计方法上也有较大的差别，而且在分析角度上各有不同的侧重点，因此出现差异是正常的，而通过对比后来的实验结果发现也的确出现了一定的差异。以上的研究，其中以胡勤勤（2003）所采集的样本容量最大——有370只A股股票，研究的时间跨度最广——共1444个交易日、297个交易周。
通过对比各项研究，笔者发现使用不同的方法，对沪深股市的β系数的时变性特征的结论不尽相同。胡勤勤（2003）建立ARCH族等多个模型，得出以下结论：短期来说，β系数时变性具有持续性和平稳性，所以有一定的预测能力，而长期的β系数变动有一定的倾向性，即有一定的规律可循。而李晓华、黄荣坦（2005）使用基于Markov转移的CAPM模型，得出以下结论：虽然中国股票市场波动率中存在明显的体制变化特征，但是中国股票市场在考察的时间段和样本中的系统风险β系数的时变性却非常弱。
笔者以为出现这种相悖情况的原因为：首先看他们所使用研究方法或者模型在中国股市的有效性。胡勤勤主要使用的是ARCH族模型。该模型最早由美国圣迭哥大学经济学家Engle在1982年提出，是用自回归条件异方差模型（Autoregressive Conditional Heteroskedasticity）对方差进行建模，在随后的几十年里被多位学者改进与扩展，目前已形成极具影响力的ARCH族模型，并被大量的实证研究表明能较好地刻画金融时间序列的波动聚类现象，特别适合于对金融时间序列的波动性和相关性进行建模。中国学者，如魏婷（2007）也实证证明了ARCH族模型的拟合效果好，可以用该类模型来分析中国的股市波动性。而李晓华等主要使用的是Markov体制转换模型，它是由Hamilton（1989）提出的，也已经被大量的实证研究证明了这类模型在金融时间序列分析中具有良好的适用性。相对于ARCH族模型来说，Markov体制转换模型可以说是从另一个角度进行分析的。由于中国社会正处于市场经济转轨的过程中，政府政策的实施方式、操作工具、资源配置过程中居民的行为方式都在不断地发生变化，这为体制转换模型在中国的实证应用提供了客观应用条件。显而易见，他们所采用的分析工具虽然着重点不同，但对于沪深股市都是有效的。但是笔者认为，β系数的时变性就是β系数在时间序列上的变动特征，所以应该从时间序列的分析上进行研究，而这方面ARCH族模型的适应性最强。然后对比他们所研究的数据源对结论的影响。胡勤勤所采集的样本容量有370只，皆为经过一定条件筛选出来的A股股票，研究的样本时间跨度为1997-2002年共1444个交易日。而李晓华等选取的是上证30指数的30只股票作为样本，研究的样本时间跨度是1999-2004年共1438个交易日。对比他们的样本，可以轻易发现，370只A股股票已经把上证30指数的30只股票包含在内。而时间跨度方面，两者所研究的时间长度相当，不过其中有60％左右的时间都是重复的。由此可知胡勤勤的样本更具有客观优势。根据这两点，可以判断出胡勤勤（2003）的研究更具客观性，对现实更有指导意义。
这里特别需要补充是对β系数理论优化的成果。丁志国、苏治和杜晓宇（2007）用MSVAR和SWARCH模型从理论上证明了β系数跨期时变的存在性，还有苏治、丁志国、方明（2007）引入跨期条件并假设β系数具有时变性，从而推导出跨期β系数时变结构方程，得出跨期条件下β系数时变路径围绕着均值1.0随机发生，并且具有收敛趋势。以上的研究成果是对CAPM理论的进一步演绎，也是对其的完善与发展，为提升β系数对现实金融市场现象的解释能力做出了贡献。
三、从β系数的实证研究看待中国股票市场
（一）股权分置改革
中国上市公司国有股减持问题，是国有企业公司制改革时期所遗留下来的特殊历史难题。2005年9月所启动的股权分置改革，无疑是彻底解决上市公司非流通股转让问题的一次重要的机遇。郭峰、赵民安（2008）利用随机游走模型检验股权分置改革前后中国资本市场的有效性，并将相关数据回归CAPM模型中的β系数来对比分析相应的统计量。通过对比股权分置改革前后两个时期各行业β系数的拟合优度R2，得出股改后股票收益率与市场组合收益率之间的关系更加符合CAPM模型，中国资本市场的效率得到了一定程度的改善，并且对市场效率的长期影响将会更加明显。
（二）国内股市中的投机性
陈浪南、屈文洲（2000）采用双程回归技术对上海股票市场CAPM实证研究发现，β值与股票收益率的相关性较不稳定，说明上海股票市场存在较大的投机性。徐占东和郭多祚（2004）在研究β系数稳定性时，得出β系数的变化并没有体现出向1.0回归的趋势，这也说明了中国的股票市场仍然是投机者占主体的市场。
（三）国家的政策性影响
众所周知，中国股票市场的政策性影响十分明显。李晓华等（2007）曾用Markov体制转换模型对该问题进行研究。结果表明，系统风险β系数对于各项制度和各种政策的反应表现远远没有波动率的反应剧烈。
（四）国内股市中β系数的可预测性
β系数是揭示上市公司股票系统性投资风险的重要指标，更是资产定价、业绩评价以及投资组合管理的重要参考信息，因此，实务界对β系数的研究与应用给予极大的关注。假如β系数具有足够的稳定性，投资者就能够通过历史β系数来合理地预测未来时期的β系数。但在β系数的稳定性问题上，已有越来越多的研究表明β系数会随着时间的变化而变动，具有时变特性。这显然影响到β系数的可预测性，使得基于固定β系数的各种CAPM的实践作用也无法正常发挥，投资者难以通过这些模型来确定其合理的风险补偿，证明β系数的可预测性目前仍未能达到应用标准。
四、站在中国股票市场展望β系数
（一）中国股市中的β系数目前仍缺乏足够的稳定性与有效性
造成这个问题的原因可以归结为以下方面：一是所研究样本的时间跨度普遍不长。数据时间最长的也才6年左右，与国外成熟股票市场的数十年数据时间相比，差距很明显。这受限于中国股市起步晚——1990年12月才成立上海证券交易所，而且政府在这方面还处于探索阶段——股市的市场化程度不高，导致能采集到的有效数据有限。二是股市的政策性影响过大。CAPM理论是以有效市场理论为基础延伸出来的，而股市的市场化不足，受政府的干预过于频繁、力度过大，这些因素使得CAPM理论赖以成立的条件也不满足，所以CAPM中的β系数不具备有效性也是理所当然的了。
（二）β系数理论仍存在的问题
1、稳定性与时变性
自Blume（1971）、Brenner and Smidt（1977）、Francis（1979）等外国学者相继支持β系数的时变性，β系数的稳定性开始受到广泛的质疑。但即使如此，直到现在仍有大量的学者对β系数理论进行着不懈的研究，这充分说明了β系数的魅力。正如胡勤勤（2003）所得出的结论那样，虽然β系数时变性是存在的，但同时时变路径也存在着一定的规律可循。所以说，该问题仍会作为对β系数讨论的焦点而存在。
2、β系数的可预测性
马喜德、郑振龙（2006）曾提到β系数虽然是可变的，但是也是可预测的——笔者对此有不同观点。他们用广义最小二乘进行近似估计β系数的长期均值，然后根据传统的CAPM估计出近期的β系数βt，最后根据均值回归的速度q就可以大致估计出下一期的贝塔系数βt+1。但此方法的β系数在时期间的稳定性弱，均值回归速度的变动性大，而且估计量多，误差影响大。对β预测的关键还是在于其稳定性和时变特征的变动规律性，还有理论自身的解释能力的优化。
3、还有部分关于β系数的细节问题
如随着计量经济方法的发展，β系数的估计方法和模型方面将有怎样的改进和创新；采用日收益率数据估计的β系数和采用周收益率数据所估计的β系数的均值的差异是否与市场态势（上升或下跌）有关；市场波动对β系数时变性的影响；SS模型所描述更详细的β系数变动特征等问题，都有待广大学者们进一步的考察与研究。
参考文献：
1、张雯,靳军会,刘强强.沪市CAPM模型的实证分析[J].福建商业高等专科学校学报,2008(4).
2、虞婷.对有色金属板块股票系统风险的实证研究[J].管理观察,2008(13).
3、郭峰,赵民安.股权分置改革前后中国资本市场效率的对比分析——基于CAPM模型的实证研究[J],山东社会科学2008(10).
4、苏治,丁志国,方明.跨期β系数时变结构研究[J].数量经济技术经济研究,2008(5).
5、胡勤勤.中国股市β系数稳定性、时变性和影响因素的实证研究[D].厦门大学,2003.
6、李云翼.中国股市β系数研究的展望[J].科技信息,2008(26).
7、钟朝辉.上海股市β系数研究[D].西南财经大学,2006.
8、丁志国,苏治,杜晓宇.CAPM跨期悖论:β系数时变存在性理论研究[J].吉林大学社会科学学报,2008(1).
9、魏婷.ARCH族模型研究及其在沪市A股中的应用[J].高师理科学刊,2008(1).
（作者单位：北京师范大学珠海分校商学院）