上海股市风险与收入探讨

时间:2022-04-26 02:28:00

上海股市风险与收入探讨

内容摘要

随着中国证券市场的发展,通过对2004年度上海股市30支股票的实证研究,用周收益率做回归得到B系数值,算出系统风险与非系统风险,分析风险的结构关系,试图求证风险与收益率之间存在正相关关系,但研究发现很多股票的风险与收益率之间不存在正相关关系。由于非系统风险占总风险的比例较大,因此在现在的股市投资中,通过投资组合可以分散大部分的风险。振幅大的股票非系统风险的比重更大,我们可以推测选择怎样的股票投资组合可以更好地降低更多非系统风险的目的。对上海股市中存在的一些区别西方成熟股市的特点作分析,主要目的是:(1)确定2004年度上海股市的风险与收益的关系;(2)分析上海股市的特点。

关键词:资本资产定价模型风险GARCH

一股市投资风险的内涵

投资风险是指投资主体将资金用于购买证券而未来收益达不到预期目标或遭受各种损失的可能性。具体地说,就是某些不确定因素的发生引起证券投资实际收益率同预期收益率之间产生偏差,偏差越大风险越大,偏差越小则风险越小。证券投资的风险有许多来源,按风险的性质一般可分为系统风险与非系统风险。

由于非系统风险来源于各个上市公司自身特有的不确定性因素的影响,因此可以通过多样化的投资组合加以消除。而系统风险来源于宏观经济环境的变化或导致市场波动的共同因素的出现,从而是不可分散的,对这一部分风险只能进行控制或规避。美国学者埃文斯(Evans)与亚瑟(Archer)发现,股市操作过程中,分散程度不必太高就可达到大大降低风险的效果。对投资者而言,选择10到15种证券进行组合投资,就可基本消除非系统风险。当然,分散化降低风险的效果与总风险中非系统风险所占的比重有关,非系统风险所占比重越大,分散化的效果就越明显。有资料表明,在一些较成熟的西方证券市场上,非系统风险大约占总风险的70%。从下面的分析可以看出,2004年上海股票市场振幅最大的20支股票非系统风险占总风险的比例也都在70%以上。我们可以初步预测随着我国证券市场的不断发展、成熟,证券投资的风险结构将渐变到以非系统风险为主的状态,从而分散化的效果将进一步显露。

二资本资产定价模型

我们通过资本资产定价模型(CAPM)来分析系统风险与非系统风险。现代资产定价理论的历史是从1952年马柯维茨(Markivitz)及1958年托宾(Tobin)的资产组合理论开始的。马柯维茨假定投资者的偏好可以根据资产组合的均值和方差来决定,把收益、方差与资产组合的构成、证券收益的概率分布联合起来,第一次在资产组合的最佳选择中运用了边际分析原理。马柯维茨及托宾都证明:如果效用函数是收益或财富的二次函数,那么均方差偏好(即投资者在同样的期望收益或财富的情况下,选择均方差小的资产)与投资者的风险规避假设相符合。资产组合理论最终找到了投资者在均方差偏好下的证券组合的有效边界。并指出,由于证券组合中的单个证券的风险之间存在协方差,因此证券投资的分散化可以降低证券组合的总风险。现代资产定价模型(CAPM)是第一个在不确定条件下,使投资者实现效用最大化的资产定价模型,导致了西方金融理论的一场革命。其理论基础是现资组合理论。CAPM的中心特点是:只有系统风险才在股票定价中起作用,股票的收益与股票系统风险的量度B成正比。西方学者对CAPM模型做过大量的研究。

夏普和林特纳利用托宾分离定理得出了资本资产定价模型(CAPM),即证券市场线方程(SML):

(1)

是i证券的期望收益率;是无风险收益率;是第i项资产的B系数;是市场组合的期望收益率。

由于,目前在中国资本市场上计算市场无风险收益率的数据种类繁多,却很难确定一个合理的市场无风险收益率。因此我们把(1)式变形后再做回归:

(2)

通过下面的(3)式分析风险。用表示样本股票i周收益率的方差(总风险),表示上证综合指数的周收益率的方差,表示系统风险,表示非系统风险。

(3)

在国内,关于β系数已经有部分学者做过相应的实证研究。吕长江,赵岩选择1998年4月到1998年12月9个月的深圳交易所股票数据,采取7种不同方法计算市场收益率,然后用不同的方法回归证明了β的存在性,证实了β不存在显著的行业差异,但存在是否为成分股的差异。马喜德,郑振龙,王保合的《贝塔系数波动状况的实证分析》中讲CAPM的检验失效的原因是由于β系数并不是一个常数,β系数在不同时期是变化的。

CAPM模型回答了风险与收益的关系问题。从上式可以看出:一个证券的收益与其B系数是成正比例关系的。B系数是某种证券的收益的协方差与市场组合收益的方差的比率,可以看作是证券收益变动对市场组合收益变动的敏感度。通过对B分析:在风险资产的定价中,那些只影响该证券的方差而不影响该证券与证券市场组合的协方差的因素在定价中不起作用,对定价唯一起作用的是该证券的B系数,也就是说,与市场风险不相关的单个风险,即非系统风险,在证券的定价中不起作用。起作用的是有规律的市场风险,这是CAPM的中心特点。

三GARCH模型

股票市场收益率除了记忆性或序列自相关这一特征外,还存在波动的聚集性和波动的记忆性,通过GARCH模型才能相对完全地描述加以刻画。GARCH模型的一般形式为

(4)

(5)

(6)

记作GARCH(n,m)。可以看出GARCH模型是对主模型(1)残差序列的建摸,以提取残差序列中的充分信息;残差的条件分布为正态分布,其条件方差为,显然,不仅受前几期残差平方(或方差)的影响,还受到前几期条件方差的影响(条件方差自相关),从而时间序列体现出条件异方差的性质,这样就较为完全地描述了波动的聚集性和波动的记忆性,这也正是GARCH(广义条件异方差)模型的实质意义所在。

四研究假设与检验

本文用振幅最大的20支股票和随机抽取的10支股票一起分析周收益率(每支股票有51个收益率数据),和上证综合指数的收益率做回归得到B系数值。再通过B值算出系统风险与非系统风险,分析风险的结构关系。数据来源:鑫网通达信网站和巨潮咨讯网

假设一:股票收益率是平稳序列(通过ADF检验)

假设二:CAPM模型的残差项存在自相关(DW检验)

假设三:非系统收益率(CAPM模型的残差项)服从GARCH过程。(Ljung-BoxQ统计检验)

假设四:波动幅度大的股票总风险,系统风险和非系统风险大,波动幅度小的股票总风险,系统风险和非系统风险小。三个风险的均值都存在显著差异。非系统风险之间的差异更加明显。(T检验)三个风险的方差都不存在显著差异。(F检验)

假设五:波动幅度大的股票和普通股票的周收益率的均值存在显著差异。

波动幅度大的股票和普通股票的B系数的均值不存在显著差异。(F检验和T检验)

假设六:以股票周收益率的方差表示该股票的总风险,总风险(用收益率方差的均值来衡量)和收益率存在正向关系,即风险越大的股票收益率越高。(反证法)

表一ADF检验

ADFTestStatistic-3.8495291%CriticalValue*-3.5682

5%CriticalValue-2.9215

10%CriticalValue-2.5983

对30支股票和上证指数的收益率做31次ADF检验,发现收益率都是平稳序列。如中房股份的ADF检验值为-3.849529<-3.5682,不存在单位根,收益率是平稳的。假设一成立。

然后用OLS法做30次股票收益率对指数收益率的回归,发现DW值普遍偏离2较远,如中房股份的DW检验值为1.198776,因此可以判断回归的残差项存在正的自相关。假设二成立。

根据Ljung-BoxQ统计量值,在0.05的显著性水平下,它们都大于临界值,表示残差序列具有明显的ARCH效应。如中房股份对上证综指OLS回归的模型中,根据表三,CAPM的OLS回归的残差平方序列存在高阶的自相关,意味着可以用高阶的ARCH模型来刻画波动性。由于一个高阶的ARCH模型可以用一个低阶的GARCH模型代替,这里我们选择GARCH(1,1)作估计的模型。

根据表四,可以看出GARCH回归的残差平方序列基本不存在自相关,模型的拟合效果较好,假设三成立,非系统收益率(CAPM模型的残差项)服从GARCH过程。

表二OLS模型残差序列自相关与偏自相关系数

12345678

AC0.40.038-0.28-0.25-0.0850.080.1830.099

PAC0.4-0.145-0.29-0.020.0410.030.081-0.035

Q-Stat8.63548.715513.0316.516.92517.3119.36919.979

Prob0.0030.0130.0050.0020.0050.0080.0070.01

表三OLS模型残差平方序列自相关与偏自相关系数

12345678

AC0.6770.245-0.03-0.03-0.04-0.05-0.092-0.119

PAC0.677-0.3940.020.172-0.2190.068-0.077-0.076

Q-Stat24.80528.12828.1728.2328.32628.4628.97629.868

Prob00000000

表四GARCH模型残差平方序列自相关与偏自相关系数

12345678

AC-0.0160.003-0.08-0.12-0.0030.177-0.052-0.118

PAC-0.0160.003-0.08-0.13-0.0080.174-0.066-0.149

Q-Stat0.01420.01480.381.2381.23883.1163.27924.1484

Prob0.9050.9930.9440.8720.9410.7940.8580.843

通过GARCH模型对CAPM模型做回归得到B系数值,根据(3)式计算系统风险与非系统风险,分析风险的结构关系。以2004年振幅最大的前20支股票作为第一组样本,可以看出其非系统风险占总风险的比例都在70%以上(见表五),随机选择10支股票作为第二组样本,可以看出其非系统风险占总风险的比例大都在70%以下(除了青岛海尔和华北制药,见表六)。说明两组样本股票的风险结构有较大的差异。

表五2004年振幅最大的20支股票系统风险与非系统风险比较

名次代码简称振幅(%)B系数系统风险系统风险占总风险的比例(%)非系统风险非系统风险占总风险的比例(%)总风险

1600890中房股份763.881.9680.00325.9240.00874.0760.011

2600062双鹤药业464.860.2950.0000.3810.01799.6190.017

3600217秦岭水泥457.850.9470.0018.6700.00791.3300.008

4600737新疆屯河423.930.8130.0015.3510.00994.6490.009

5600892*ST湖科394.920.0370.0000.0260.00499.9740.004

6600477杭萧钢构368.251.1450.0018.7100.01191.2900.012

7600797浙大网新355.711.2780.00114.0190.00885.9810.009

8600763ST中燕340.881.7150.00225.2950.00774.7050.009

9600197伊力特338.531.7040.00226.6300.00673.3700.008

10600375星马汽车336.861.0480.00113.7550.00586.2450.006

11600458时代新材333.82.0440.00329.6710.00870.3290.011

12600679凤凰股份3291.4940.00226.9340.00573.0660.006

13600739辽宁成大324.080.9030.0017.7100.00792.2900.008

14600460士兰微320.451.3470.00112.8370.00987.1630.011

15600006东风汽车317.961.7600.00233.5380.00566.4620.007

16600086多佳股份306.841.5180.00225.6980.00574.3020.007

17600201金宇集团299.241.4520.00221.2700.00678.7300.008

18600358国旅联合283.871.4120.00219.3240.00680.6760.008

19600485中创信测279.640.8670.0017.6950.00792.3050.007

20600381白唇鹿279.411.7020.00225.6960.00674.3040.009

表六随机选择的10支股票系统风险与非系统风险比较

顺序代码简称b系统风险系统风险占总风险的比例(%)非系统风险非系统风险占总风险的比例(%)总风险

1600684珠江实业1.0080.00139.8550.00160.1450.002

2600001邯郸钢铁0.5540.00035.6290.00064.3710.001

3600002齐鲁石化1.5060.00238.1290.00361.8710.005

4600072江南重工0.9860.00137.4780.00162.5220.002

5600104上海汽车1.3350.00135.1680.00364.8320.004

6600663陆家嘴0.9360.00142.2650.00157.7350.002

7600688上海石化1.4380.00244.2570.00255.7430.004

8600690青岛海尔0.6810.00010.8710.00389.1290.003

9600702沱牌曲酒0.9350.00132.4480.00167.5520.002

10600812华北制药1.0970.00128.5510.00271.4490.003

振幅大的股票的三种风险均值均大于普通股票的风险均值。(见表七)根据Levene''''sTestforEqualityofVariances方差齐性检验,如下表所示F=1.881,P=0.181,可见方差是齐的,两个样本的三个风险的方差比较不存在显著的差别。

根据两样本均值比较的T检验,可以看出假设四中振幅大的股票和普通股票比较,总风险和非系统风险均值存在显著差异(P<0.05),系统风险均值不存在显著差异(P=0.097>0.05)。这说明投资于不同的股票系统风险没有很大差别,投资组合只能分散非系统风险。非系统风险对总风险的影响更大。非系统风险之间的差异更加明显的假设成立。

通过T检验和F检验发现,第一组样本和第二组样本的周收益率的均值存在显著差异。T检验的P值=0.00008<0.05。第一组样本和第二组样本的B系数的均值不存在显著差异,T检验的P值=0.22285>0.05假设五成立。

就这30支股票的周收益率比较而言,似乎总风险大的那组股票,收益率更低。振幅大的股票总风险均值为0.00879100>普通股票总风险均值0.00267510,而振幅大的股票周收益率均值为-0.01772620<普通股票周收益率均值为-0.00587240。这作为一个反例似乎可以推翻假设六。这跟经典的经济学假设相违背,这很值得我们深思。

表七均值比较的T检验和F检验

振幅大的股票均值普通股票均值F检验值F检验的P值T检验值T检验的P值

总风险0.008790.002681.881000.181006.623000.00000

系统风险0.001440.000914.215000.050001.716000.09700

非系统风险0.007350.001772.629000.116005.903000.00000

B系数1.272451.047602.722810.110101.246650.22285

周收益率-0.01773-0.005874.375480.04565-4.637520.00008

五简要评价

由于现在股市处于低迷阶段,选择作为样本的股票周收益率的均值是负值,我们选择的样本容量也有限,样本的代表性还有待考察,因此不能完全推翻风险与收益存在正相关关系的假设。风险有因股票不同,因人们的组合选择不同而不同的特点。高风险也是因人而异的,在大多数人是高风险的事物,在少数人却是低风险甚至是无风险的事物。股市也是高风险的地方,但对于久历股市,对股市的涨跌规律有了深刻认识,对于影响股市的各种因素有了较强的把握力,又形成了自己独特的选股思路和有着丰富看盘操盘经验的人来说,股市对他是低风险的。如果冒高风险就一定意味着高收益,那股市中的大多数人为什么亏损累累,这高风险对于这些人来说不但不是高收益,反而是高亏损。

由于非系统风险占总风险的比例较大(所有样本的非系统风险占总风险的比例都在50%以上),因此在现在的股市投资中,通过投资组合可以分散大部分的风险。振幅大的股票非系统风险的比重更大,我们可以推测选择包含振幅最大的股票的投资组合可以起到降低更多非系统风险的目的,这还有待进一步验证。

参考文献:

1罗伯特?平狄克,丹尼尔?鲁宾费尔德.<<微观经济学[M]〉〉.北京:中国人民大学出版社,1997.

2史代敏.〈〈中国股票市场波动与效率研究〉〉西南财经大学出版社,2002;

3李和金、李湛上海股票市场资本资产定价模型实证检验《预测》2000年第5期

4陈彬.我国证券市场收益波动度及相关性分析〈〈现代财经〉〉2001-11;