关于CAPM的实证检验0

华讯国际-恒大集团官网

2021年4月9日发(作者:广深铁路()广深铁路)
关于检验CAPM模型的实验报告
一、数据选取
1、10只股票分别是:东风汽车;海信电器;林海股份;包钢稀土;兖州煤业;延长化建;
江西铜业;中铁二局;海螺水泥;浦发银行
2、选取这十只股票2010年1月1日至2010年12月31日,每个交易日的收盘价
3、选取了2010年1月1日至2011年12月31日,,每个交易日的上证综合指数
4、选取2010年个人活期存款年利率
二、原理
1、利用每日收盘价算出股票日收益率
2、利用每日上证指数算出市场日收益率
3、用个人活期存款利率代替市场无风险利率
4、基于CAPM模型:个股收益率=无风险收益率+贝塔系数*(市场风险收益率-无风险收益
率),
即:个股收益率-无风险收益率=贝塔系数*(市场风险收益率-无风险收益率)
即个股风险溢价=贝塔系数*市场风险溢价
三、公式
日平均收益率=LN()-LN()


四、数据计算。


计算选出的10只股票的超额回报率和市场超额回报率,将市场超额回报率与个股超额
回报率逐个回归,求出每只股票的贝塔系数。








部分数据截图:



1、东方汽车

Dependent Variable: GPCEHBL
Method: Least Squares
Date: Time: 00:08
Sample (adjusted): 1 240
Included observations: 240 after adjustments


Variable


C
SCCEHBL

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


Coefficient


-0.001589
0.0


Std. Error


0.001413
0.0


t-Statistic


-1.
0.











Prob.


0.2617
0.3925


-0.001653
0.0
-4.
-4.
0.
0.






0.003074 Mean dependent var
-0.001114 S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
578.0105 F-statistic
1. Prob(F-statistic)


回归可得:东风汽车的贝塔系数是0.0

2、海信电器
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:16
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


3、林海股份

Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:21
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


回归可得:林海股份的贝塔系数是1.0




Coefficient


0.001685
1.0


Std. Error


0.001625
0.


t-Statistic


1.0
9.











Prob.


0.3007
0.0000


0.000932
0.0
-4.
-4.
89.
0.000000








Coefficient


-0.002521
1.


Std. Error


0.002283
0.


t-Statistic


-1.
8.











Prob.


0.2705
0.0000


-0.003457
0.0
-3.
-3.
70.
0.000000






0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
464.2762 F-statistic
2.0 Prob(F-statistic)




回归可得:海信电器的贝塔系数是1.


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
546.2011 F-statistic
1. Prob(F-statistic)





4、包钢稀土
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:25
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


5、兖州煤业
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:28
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


回归可得:兖州煤业的贝塔系数是1.





Coefficient


0.001918
1.


Std. Error


0.001274
0.0


t-Statistic


1.
19.00739











Prob.


0.1334
0.0000


0.000734
0.0
-5.002781
-4.
361.2809
0.000000








Coefficient


0.004466
0.


Std. Error


0.002054
0.


t-Statistic


2.
6.











Prob.


0.0307
0.0000


0.003770
0.0
-4.0
-4.0
47.
0.000000






0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
489.6578 F-statistic
1. Prob(F-statistic)




回归可得:宝钢稀土的贝塔系数是0.


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0.0 Schwarz criterion
604.8352 F-statistic
1. Prob(F-statistic)




6、延长化建
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:30
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


7、江西铜业
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:33
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


回归可得:江西铜业的贝塔系数是1.
8、中铁二局
Dependent Variable: GPCE




Coefficient


0.001535
1.


Std. Error


0.001344
0.0


t-Statistic


1.
17.











Prob.


0.2547
0.0000


0.000384
0.0
-4.
-4.
306.7023
0.000000








Coefficient


0.000643
1.


Std. Error


0.001964
0.


t-Statistic


0.
10.











Prob.


0.7436
0.0000


-0.000387
0.0
-4.
-4.
114.9814
0.000000






0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
500.5509 F-statistic
1. Prob(F-statistic)




回归可得:延长化建的贝塔系数是1.


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
591.8835 F-statistic
2.0 Prob(F-statistic)




Method: Least Squares
Date: Time: 00:35
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


9、海螺水泥
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:39
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat



10、浦发银行
Dependent Variable: GPCE
Method: Least Squares




Coefficient


-0.001573
0.


Std. Error


0.003056
0.




Coefficient


-0.000682
1.


Std. Error


0.001076
0.0





t-Statistic


-0.
16.






Prob.


0.5264
0.0000


-0.001534
0.0
-5.
-5.
262.3439
0.000000


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0.0 Schwarz criterion
645.5978 F-statistic
2. Prob(F-statistic)








回归可得:江西铜业的贝塔系数是1.






t-Statistic


-0.
3.







Prob.


0.6072
0.0004


-0.002112
0.0
-3.
-3.
13.01970
0.000375


0.0 Mean dependent var
0.0 S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
393.9948 F-statistic
1. Prob(F-statistic)








回归可得:海螺水泥的贝塔系数是0.




Date: Time: 00:41
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat







Coefficient


-0.001534
1.


Std. Error


0.001413
0.0




t-Statistic


-1.0
11.





Prob.


0.2786
0.0000


-0.002327
0.0
-4.
-4.
131.4992
0.000000


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
579.8844 F-statistic
2. Prob(F-statistic)








回归可得:海螺水泥的贝塔系数是0.
五、用所选取的10只股票的贝塔系数,与所选取的10只股票的日平
均回报率进行回归。



用EVIEVS回归得:
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 01:40
Sample: 1 10
Included observations: 10





















Variable


C
BT

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat



Coefficient


-0.001335
0.000766
Std. Error


0.001904
0.001549
t-Statistic


-0.
0.
Prob.


0.5030
0.6345


-0.000459
0.002097
-9.
-9.
0.
0.


0.0 Mean dependent var
-0.0 S.D. dependent var
0.002191 Akaike info criterion
3.84E-05 Schwarz criterion
48. F-statistic
1. Prob(F-statistic)








由表可得股票的风险溢价=0.000766*贝塔系数-0.001335,系数约=0,且调整平方和太小。


通过检验得贝塔系数与日平均回报率的关系不显著,未通过检验。



用spss分析得:
1、画贝塔系数和股票风险溢价的散点图
从散点图来看,
贝塔系数和股票风险溢价的线性关系不显著。




2、SPSS双变量分析

相关性

贝塔系数

Pearson 相关性
显著性(双侧)
N
贝塔系数 股票超额收益率
1 .172
.634
10
.172
.634
10
10
1

股票超额收益率 Pearson 相关性
显著性(双侧)
N

10


相关系数

Spearman 的 rho

贝塔系数

相关系数
Sig.(双侧)
N
贝塔系数 股票超额收益率
1.000
.
10
.139
.701
10
.139
.701
10
1.000
.
10
股票超额收益率 相关系数
Sig.(双侧)
N

3、SPSS线性回归分析

描述性统计量

股票超额收益率
贝塔系数
均值
-.
1.
标准 偏差
.
.
N
10
10



相关性

Pearson 相关性

股票超额收益率
贝塔系数
股票超额收益率
1.000
.172
.
贝塔系数
.172
1.000
.317 Sig. (单侧) 股票超额收益率
贝塔系数
N 股票超额收益率
贝塔系数
.317
10
10
.
10
10

模型汇总
模型
1
R
.172
a
b
R 方
.030
调整 R 方
-.092
标准 估计的误差
.
a. 预测变量: (常量), 贝塔系数。


b. 因变量: 股票超额收益率


Anova
模型
1 回归
残差
总计
平方和
.000
.000
.000
df
1
8
9
均方
.000
.000
F
.244
Sig.
.634
a
b




a. 预测变量: (常量), 贝塔系数。


b. 因变量: 股票超额收益率



系数
非标准化系数
模型
1 (常量)
贝塔系数
a. 因变量: 股票超额收益率
B
-.001
.001
标准 误差
.002
.002
标准系数
试用版 t
-.754
.172 .494
Sig.
.473
.634
a


从SPSS分析中可以看出,贝塔系数和股票风险溢价相关性不显著,属于弱相
关。

因为P值=0.701>0.05,接受原假设,即可以认为贝塔系数和股票风险溢价并无
显著性相关关系。


综上资本资产定价模型CAPM在中国适用性并不显著。




六、关于CAPM的思考。


任何经济模型都是对复杂经济问题的有意简化,CAPM也不例外,它的核
心假设是将证券市场中所有投资人视为看出初始偏好外都相同的个人,并且资本
资产定价模型是在Markowitz均值——方差模型的基础上发展而来,它还继承了
证券组合理论的假设。

具体来说包括以下几点:证券市场是有效的,即信息完全
对称;无风险证券存在,投资者可以自由地按无风险利率借入或贷出资本;投资
总风险可以用方差或标准差表示,系统风险可用β系数表示。

所有的投资者都是
理性的,他们均依据马科威茨证券组合模型进行均值方差分析,作出投资决策;
证券加以不征税,也没有交易成本,证券市场是无摩擦的,而现实中往往根据收
入的来源(利息、股息和收入等)和金额按政府税率缴税。

证券交易要依据交易
量的大小和客户的自信交纳手续费、佣金等费用;除了上述这些明确的假设之外。


还有如下隐含性假设:每种证券的收益率分布均服从正态分布;交易成本可以忽
略不计;每项资产都是无限可分的,这意味着在投资组合中,投资者可持有某种
证券的任何一部分。


资本资产定价理论认为,一项投资所要求的必要报酬率取决于以下三个因
素:(1)无风险报酬率,即将国债投资(或银行存款)视为无风险投资;(2)
市场平均报酬率,即整个市场的平均报酬率,如果一项投资所承担的风险与市场
平均风险程度相同,该项报酬率与整个市场平均报酬率相同;(3)投资组合的
系统风险系数即β系数,是某一投资组合的风险程度与市场证券组合的风险程度
之比。

CAPM模型说明了单个证券投资组合的期望受益率与相对风险程度间的关
系,即任何资产的期望报酬一定等于无风险利率加上一个风险调整后者相对整个
市场组合的风险程度越高,需要得到的额外补偿也就越高。

这也是资产定价模型
(CAPM)的主要结果。


CAPM理论的主要作用。

CAPM理论是现代金融理论的核心内容,他的作
用主要在于:通过预测证券的期望收益率和标准差的定量关系来考虑已经上市的
不同证券价格的“合理性”;可以帮助确定准备上市证券的价格;能够估计各种
宏观和宏观经济变化对证券价格的影响。


由于CAPM从理论上说明在有效率资产组合中,β描述了任一项资产的系
统风险(非系统风险已经在分化中相互抵消掉了),任何其他因素所描述的风险
尽为β所包容。

并且模型本身要求存在一系列严格的假设条件,所以CAPM模型
存在理论上的抽象和对现实经济的简化,与一些实证经验不完全符合,但它仍被
推崇为抓住了证券市场本质的经典经济模型。

鉴于CAPM的这些优势,虽然我国
股市和CAPM的假设条件有相当的差距,但没有必要等到市场发展到某种程度再
来研究CAPM在我国的实际应用问题,相反,充分利用CAPM较强的逻辑性、实
用性,通过对市场的实证分析和理论研究,有利于发现问题,推动我国股市的发
展。


七、实验反思
以上是我通过网络资源,获取数据,然后对数据进行分析和归纳,得到的分
析报告。

我采用不同的数据分析方法,对采集到的数据进行了全方位、多角度的
分析。


总的来说,本次的分析工作顺利得以完成,但是存在着很多的不足。


首先,股票的选取上,我选的股票比如东风汽车,并不能很好的反映市场的
变化,或者说其对股市的影响着实有限。


再者,我在做分析的时候,对SPSS和EVIEWS的使用还不是很熟练。

导致我
在做分析的时候,走很多弯路。

而且我对理论的掌握也不是很到位,很多分析
的目的还不是很明确。

这就对我学习提出了新的要求,要加强理论学习,用正
确的理论指导实践。


最后,
由于我知识水平有限,分析不够缜密,希望老师及同学们能多多指点。


在今后的人生道路中,我将善于学习,勤于思考,乐于总结,不断进步。






































《关于检验CAPM模型在
中国的适用性》







江威

金融09-3班
关于检验CAPM模型的实验报告
一、数据选取
1、10只股票分别是:东风汽车;海信电器;林海股份;包钢稀土;兖州煤业;延长化建;
江西铜业;中铁二局;海螺水泥;浦发银行
2、选取这十只股票2010年1月1日至2010年12月31日,每个交易日的收盘价
3、选取了2010年1月1日至2011年12月31日,,每个交易日的上证综合指数
4、选取2010年个人活期存款年利率
二、原理
1、利用每日收盘价算出股票日收益率
2、利用每日上证指数算出市场日收益率
3、用个人活期存款利率代替市场无风险利率
4、基于CAPM模型:个股收益率=无风险收益率+贝塔系数*(市场风险收益率-无风险收益
率),
即:个股收益率-无风险收益率=贝塔系数*(市场风险收益率-无风险收益率)
即个股风险溢价=贝塔系数*市场风险溢价
三、公式
日平均收益率=LN()-LN()


四、数据计算。


计算选出的10只股票的超额回报率和市场超额回报率,将市场超额回报率与个股超额
回报率逐个回归,求出每只股票的贝塔系数。








部分数据截图:



1、东方汽车

Dependent Variable: GPCEHBL
Method: Least Squares
Date: Time: 00:08
Sample (adjusted): 1 240
Included observations: 240 after adjustments


Variable


C
SCCEHBL

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


Coefficient


-0.001589
0.0


Std. Error


0.001413
0.0


t-Statistic


-1.
0.











Prob.


0.2617
0.3925


-0.001653
0.0
-4.
-4.
0.
0.






0.003074 Mean dependent var
-0.001114 S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
578.0105 F-statistic
1. Prob(F-statistic)


回归可得:东风汽车的贝塔系数是0.0

2、海信电器
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:16
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


3、林海股份

Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:21
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


回归可得:林海股份的贝塔系数是1.0




Coefficient


0.001685
1.0


Std. Error


0.001625
0.


t-Statistic


1.0
9.











Prob.


0.3007
0.0000


0.000932
0.0
-4.
-4.
89.
0.000000








Coefficient


-0.002521
1.


Std. Error


0.002283
0.


t-Statistic


-1.
8.











Prob.


0.2705
0.0000


-0.003457
0.0
-3.
-3.
70.
0.000000






0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
464.2762 F-statistic
2.0 Prob(F-statistic)




回归可得:海信电器的贝塔系数是1.


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
546.2011 F-statistic
1. Prob(F-statistic)





4、包钢稀土
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:25
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


5、兖州煤业
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:28
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


回归可得:兖州煤业的贝塔系数是1.





Coefficient


0.001918
1.


Std. Error


0.001274
0.0


t-Statistic


1.
19.00739











Prob.


0.1334
0.0000


0.000734
0.0
-5.002781
-4.
361.2809
0.000000








Coefficient


0.004466
0.


Std. Error


0.002054
0.


t-Statistic


2.
6.











Prob.


0.0307
0.0000


0.003770
0.0
-4.0
-4.0
47.
0.000000






0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
489.6578 F-statistic
1. Prob(F-statistic)




回归可得:宝钢稀土的贝塔系数是0.


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0.0 Schwarz criterion
604.8352 F-statistic
1. Prob(F-statistic)




6、延长化建
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:30
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


7、江西铜业
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:33
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


回归可得:江西铜业的贝塔系数是1.
8、中铁二局
Dependent Variable: GPCE




Coefficient


0.001535
1.


Std. Error


0.001344
0.0


t-Statistic


1.
17.











Prob.


0.2547
0.0000


0.000384
0.0
-4.
-4.
306.7023
0.000000








Coefficient


0.000643
1.


Std. Error


0.001964
0.


t-Statistic


0.
10.











Prob.


0.7436
0.0000


-0.000387
0.0
-4.
-4.
114.9814
0.000000






0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
500.5509 F-statistic
1. Prob(F-statistic)




回归可得:延长化建的贝塔系数是1.


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
591.8835 F-statistic
2.0 Prob(F-statistic)




Method: Least Squares
Date: Time: 00:35
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat


9、海螺水泥
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 00:39
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat



10、浦发银行
Dependent Variable: GPCE
Method: Least Squares




Coefficient


-0.001573
0.


Std. Error


0.003056
0.




Coefficient


-0.000682
1.


Std. Error


0.001076
0.0





t-Statistic


-0.
16.






Prob.


0.5264
0.0000


-0.001534
0.0
-5.
-5.
262.3439
0.000000


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0.0 Schwarz criterion
645.5978 F-statistic
2. Prob(F-statistic)








回归可得:江西铜业的贝塔系数是1.






t-Statistic


-0.
3.







Prob.


0.6072
0.0004


-0.002112
0.0
-3.
-3.
13.01970
0.000375


0.0 Mean dependent var
0.0 S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
393.9948 F-statistic
1. Prob(F-statistic)








回归可得:海螺水泥的贝塔系数是0.




Date: Time: 00:41
Sample (adjusted): 1 241
Included observations: 241 after adjustments


Variable


C
SCCE

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat







Coefficient


-0.001534
1.


Std. Error


0.001413
0.0




t-Statistic


-1.0
11.





Prob.


0.2786
0.0000


-0.002327
0.0
-4.
-4.
131.4992
0.000000


0. Mean dependent var
0. S.D. dependent var
0.0 Akaike info criterion
0. Schwarz criterion
579.8844 F-statistic
2. Prob(F-statistic)








回归可得:海螺水泥的贝塔系数是0.
五、用所选取的10只股票的贝塔系数,与所选取的10只股票的日平
均回报率进行回归。



用EVIEVS回归得:
Dependent Variable: GPCE
Method: Least Squares
Date: Time: 01:40
Sample: 1 10
Included observations: 10





















Variable


C
BT

R-squared

Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat



Coefficient


-0.001335
0.000766
Std. Error


0.001904
0.001549
t-Statistic


-0.
0.
Prob.


0.5030
0.6345


-0.000459
0.002097
-9.
-9.
0.
0.


0.0 Mean dependent var
-0.0 S.D. dependent var
0.002191 Akaike info criterion
3.84E-05 Schwarz criterion
48. F-statistic
1. Prob(F-statistic)








由表可得股票的风险溢价=0.000766*贝塔系数-0.001335,系数约=0,且调整平方和太小。


通过检验得贝塔系数与日平均回报率的关系不显著,未通过检验。



用spss分析得:
1、画贝塔系数和股票风险溢价的散点图
从散点图来看,
贝塔系数和股票风险溢价的线性关系不显著。




2、SPSS双变量分析

相关性

贝塔系数

Pearson 相关性
显著性(双侧)
N
贝塔系数 股票超额收益率
1 .172
.634
10
.172
.634
10
10
1

股票超额收益率 Pearson 相关性
显著性(双侧)
N

10


相关系数

Spearman 的 rho

贝塔系数

相关系数
Sig.(双侧)
N
贝塔系数 股票超额收益率
1.000
.
10
.139
.701
10
.139
.701
10
1.000
.
10
股票超额收益率 相关系数
Sig.(双侧)
N

3、SPSS线性回归分析

描述性统计量

股票超额收益率
贝塔系数
均值
-.
1.
标准 偏差
.
.
N
10
10



相关性

Pearson 相关性

股票超额收益率
贝塔系数
股票超额收益率
1.000
.172
.
贝塔系数
.172
1.000
.317 Sig. (单侧) 股票超额收益率
贝塔系数
N 股票超额收益率
贝塔系数
.317
10
10
.
10
10

模型汇总
模型
1
R
.172
a
b
R 方
.030
调整 R 方
-.092
标准 估计的误差
.
a. 预测变量: (常量), 贝塔系数。


b. 因变量: 股票超额收益率


Anova
模型
1 回归
残差
总计
平方和
.000
.000
.000
df
1
8
9
均方
.000
.000
F
.244
Sig.
.634
a
b




a. 预测变量: (常量), 贝塔系数。


b. 因变量: 股票超额收益率



系数
非标准化系数
模型
1 (常量)
贝塔系数
a. 因变量: 股票超额收益率
B
-.001
.001
标准 误差
.002
.002
标准系数
试用版 t
-.754
.172 .494
Sig.
.473
.634
a


从SPSS分析中可以看出,贝塔系数和股票风险溢价相关性不显著,属于弱相
关。

因为P值=0.701>0.05,接受原假设,即可以认为贝塔系数和股票风险溢价并无
显著性相关关系。


综上资本资产定价模型CAPM在中国适用性并不显著。




六、关于CAPM的思考。


任何经济模型都是对复杂经济问题的有意简化,CAPM也不例外,它的核
心假设是将证券市场中所有投资人视为看出初始偏好外都相同的个人,并且资本
资产定价模型是在Markowitz均值——方差模型的基础上发展而来,它还继承了
证券组合理论的假设。

具体来说包括以下几点:证券市场是有效的,即信息完全
对称;无风险证券存在,投资者可以自由地按无风险利率借入或贷出资本;投资
总风险可以用方差或标准差表示,系统风险可用β系数表示。

所有的投资者都是
理性的,他们均依据马科威茨证券组合模型进行均值方差分析,作出投资决策;
证券加以不征税,也没有交易成本,证券市场是无摩擦的,而现实中往往根据收
入的来源(利息、股息和收入等)和金额按政府税率缴税。

证券交易要依据交易
量的大小和客户的自信交纳手续费、佣金等费用;除了上述这些明确的假设之外。


还有如下隐含性假设:每种证券的收益率分布均服从正态分布;交易成本可以忽
略不计;每项资产都是无限可分的,这意味着在投资组合中,投资者可持有某种
证券的任何一部分。


资本资产定价理论认为,一项投资所要求的必要报酬率取决于以下三个因
素:(1)无风险报酬率,即将国债投资(或银行存款)视为无风险投资;(2)
市场平均报酬率,即整个市场的平均报酬率,如果一项投资所承担的风险与市场
平均风险程度相同,该项报酬率与整个市场平均报酬率相同;(3)投资组合的
系统风险系数即β系数,是某一投资组合的风险程度与市场证券组合的风险程度
之比。

CAPM模型说明了单个证券投资组合的期望受益率与相对风险程度间的关
系,即任何资产的期望报酬一定等于无风险利率加上一个风险调整后者相对整个
市场组合的风险程度越高,需要得到的额外补偿也就越高。

这也是资产定价模型
(CAPM)的主要结果。


CAPM理论的主要作用。

CAPM理论是现代金融理论的核心内容,他的作
用主要在于:通过预测证券的期望收益率和标准差的定量关系来考虑已经上市的
不同证券价格的“合理性”;可以帮助确定准备上市证券的价格;能够估计各种
宏观和宏观经济变化对证券价格的影响。


由于CAPM从理论上说明在有效率资产组合中,β描述了任一项资产的系
统风险(非系统风险已经在分化中相互抵消掉了),任何其他因素所描述的风险
尽为β所包容。

并且模型本身要求存在一系列严格的假设条件,所以CAPM模型
存在理论上的抽象和对现实经济的简化,与一些实证经验不完全符合,但它仍被
推崇为抓住了证券市场本质的经典经济模型。

鉴于CAPM的这些优势,虽然我国
股市和CAPM的假设条件有相当的差距,但没有必要等到市场发展到某种程度再
来研究CAPM在我国的实际应用问题,相反,充分利用CAPM较强的逻辑性、实
用性,通过对市场的实证分析和理论研究,有利于发现问题,推动我国股市的发
展。


七、实验反思
以上是我通过网络资源,获取数据,然后对数据进行分析和归纳,得到的分
析报告。

我采用不同的数据分析方法,对采集到的数据进行了全方位、多角度的
分析。


总的来说,本次的分析工作顺利得以完成,但是存在着很多的不足。


首先,股票的选取上,我选的股票比如东风汽车,并不能很好的反映市场的
变化,或者说其对股市的影响着实有限。


再者,我在做分析的时候,对SPSS和EVIEWS的使用还不是很熟练。

导致我
在做分析的时候,走很多弯路。

而且我对理论的掌握也不是很到位,很多分析
的目的还不是很明确。

这就对我学习提出了新的要求,要加强理论学习,用正
确的理论指导实践。


最后,
由于我知识水平有限,分析不够缜密,希望老师及同学们能多多指点。


在今后的人生道路中,我将善于学习,勤于思考,乐于总结,不断进步。






































《关于检验CAPM模型在
中国的适用性》







江威

金融09-3班

南方基金a-空中客车公司


商城-哈尔滨装饰公司


新型水锂电池-西安西电集团


邢国辉-青岛海信集团招聘


富春环保股吧-广告监测公司


福州世茂国际影城-普洛股份有限公司


股票-海南航空公票查询


王石博客-上海佳吉物流公司


更多推荐
600206,供销大集股票,利亚德股票,600292,流花展馆,蓝焰,华安策略优选基金,金发科技600143,000788,603885,长信金利基金,文灿股份,832个国家级贫困县摘帽,东方集团吧,东方财富网首页首页,陆家嘴b股,二套房贷政策,600461洪城水业,上海佳豪船舶,星湖科技,国内原油价格最新消息,记者调查陕西洛南脱贫掺假,龙马环卫,平安大华基金,240011,华联综超股票,600710,002474,城镇化发展规划,601777股吧,739,嘉实主题精选基金,股票601636,002815,
发布时间:2021-04-09 13:01:27
本文来自网络的,不代表本站立场,转载请注明出处: https://www.hnkaiping.cn/hnka/117294.html

作者: admin

股票市场吧|今天股票行情|股票时间

发表评论

6条评论