山东省创业板上市公司系统性风险实证研究

高利梅　李修平

[摘要]系数是衡量市场风险的重要工具，可以反映个股对市场变化的敏感程度及个股系统性风险的大小。选取山东创业板13家上市公司，计算跨期日度、月度和季度系数。分析结果显示，13家上市创业板上市公司的系数均在0～05，风险较小。

[关键词]创业板；上市公司；系统性风险

[DOI]1013939/jcnkizgsc201716050

1引言

11研究背景及意义

股市作为经济发展的晴雨表，其价格波动情况在一定程度上预示着经济发展的景气程度。2007年8月份美国的次贷危机席卷全球，波及全球经济发展，加速了全球经济的下滑和萧条。在全球一体化的进程中，中国经济也受到一定程度的影响。对于中国股市而言，2015年确实是不平凡的一年，上半年表现为疯牛状态，下半年呈现出暴跌状态。从千股涨停到千股跌停，这种股市的大幅震荡，对金融市场造成了较大的系统性金融风险。

β系数是衡量系统性风险的重要依据，β系数取值的大小反映了个股对市场变化的敏感程度。一般地，如果某只股票的β>1说明该股票的波动大于市场的波动幅度，如果0<β<1，说明该股票与市场同向变化，波动幅度小于市场波动幅度。而当β<1时，说明个股与市场反向变动，即大盘上涨时该股票下跌，大盘下跌时该股票上涨。此外，系数取值的大小也反映出个股的系统性风险的大小。因此，衡量上市公司个股的β系数可以在一定程度上反映出该股票的风险情况，对筹资者和投资者都有一定的参考意义。

12文献综述

在系统性风险的测度中，大部分学者采用β系数来度量。耿庆峰、宋秀峰、许莲凤（2016）以上海证券交易所上市的21家福建公司为研究对象，分别基于季度、月度和日度数据，计算跨期的区域上市公司β系数。研究发现，季度和月度β系数标准差较小，且具有一定的稳定性，证实系统性风险可衡量。吴可（1999）运用资本资产定价模型对沪市400余只股票（基金）测算了β系数，并对投资风险敏感度进行了划分，提出了基于系数风险域的投资组合策略。宋宝（2013）对山西主板上市公司的风险进行预测，计算β系数对风险作出度量。

2方法介绍

资本资产定价模型最早由威廉·夏普根据马科维茨投资组合理论提出，该模型的提出为金融市场收益结构分析提供了重要的理论依据。根据资本资产定价模型，对股票这一有价证券进行研究可得：

E（ri）=rf+βi（rm-ff）（1）

其中，E（ri）表示单只股票的期望收益率，rm表示市场平均收益率，rf表示市场无风险收益率。

将原模型转化成单指数模型，即为：

ri=α+βirm+μi（2）

式2表示，个股收益率与市场平均收益率之间存在线性回归关系。根据式2估计得到的样本回归方程在二维坐标平面上对应着一条样本回归线，也即证券市场线。

3实证分析

选取创业板的13家山东省上市公司以及创业板指数，通过Eviews 80软件进行回归分析，从而得到个股β的系数估计值。考虑到样本容量的要求及上市公司本身上市时间的不同，搜集2011年6月29日到2017年3月31日的每日收盘价数据计算日收益率、月度收益率、季度收益率，利用最小二乘法分别回归得到13家山东创业板上市公司的β系数估计值。

利用日度數据计算的山东13家创业板上市公司系数均值是03152；利用月度数据计算的系数均值是02858；利用季度数据计算的系数均值是02947。日度数据计算的系数稍大于月度数据和季度数据，而月度数据计算的系数与季度数据相差不大。由于受样本容量等因素的影响，在月度数据系数中，华仁药业所对应的系数00148未通过显著性检验；在季度数据系数中，华仁药业、东软载波、正海磁材所对用的系数均未通过显著性检验。

参照吴可对上海证券交易所400余只股票（基金）β值的划分标准，0≤β≤05属于风险迟钝区域。山东省13家创业板上市公司的β系数均落入风险迟钝区域，表示这13家上市公司与创业板指呈正相关关系，但风险反映迟钝。截至2016年第三季度，这13家上市的平均净资产收益率是655%，业绩一般。其中有两家上市公司的净资产收益率为负，即精准信息的净资产收益率为-157%，龙源技术的净资产收益率为-263%，业绩很差。

β系数的大小也反映了个股系统性风险的大小，表1中显示的13家山东创业板上市公司β系数均在0～05，说明这13家上市公司的系统性风险均较小，比较稳定。

4结论

文章选股的山东创业板上市公司不同时间跨度下的系数波动较小，具有一定的稳定性，对于投资者有一定的参考价值。创业板上市的13家山东省上市公司风险与创业板指同向变化，13家上市公司的个股波动幅度小于市场波动幅度。同时，这13家山东创业板上市公司的系统性风险均较小，股价波动性幅度小，比较稳定。

参考文献：

[1]耿庆峰，宋秀峰，许莲凤次贷危机以来福建省上市公司系统性风险实证研究[J].福建江夏学院学报，2016，6（5）：21-29.

[2]吴可沪市β—风险域分析及其投资组合策略[J].华中理工大学学报：哲学社会科学版，1999，27（5）：1-5.

[3]宋宝.基于山西省主板上市公司数据对贝塔系数的实证分析[J].经济论坛，2013（11）：73-76.

[4]丁晓裕.我国金融行业贝塔系数与其稳定性分析[J].商业时代，2014（8）：72-74.