国内资本资产定价模型的分析报告.docx

《国内资本资产定价模型的分析报告.docx》由会员分享，可在线阅读，更多相关《国内资本资产定价模型的分析报告.docx（5页珍藏版）》请在第一文库网上搜索。

1、对中国国内上市公司的资本资产定价模型的分析报告一、理论介绍资本资产定价模型，即Sharpe （1964）, Lintner （1965）和Black （1972）建立的简捷、完美的线性资产定价模型CAPM （ 乂称SLB模型），是金融学和财务学的最重要的理论基石之一。CAPM模型假定投资者能够以无风险收益率借贷，其形式为：E R,i =R,f + , im （E R, m -R,f）,（1）Cov R, i, R, m , im = （2）Var ER, mR,i, R,m, R,f分别为资产i的收益率，市场组合的收益率和无风险资产的收益率。由于CAPM从理论上说明在有效率资产组合中，描述了任

2、一项资产的系统风险（非系统风险已经在分散化中相互冲消掉了），任何其它因素所描述的风险都为所包容。因此对CAPM的检验实际是验证是否具有对收益的完全解释能力。资本资产定价模型（CAPM）在理论上是严格的，但是在实际中长期存在着实证研究对它的偏离和质疑，其原因主要是资本资产定价模型的一组假设条件过于苛刻而远离市场实际。本次分析报告旨在通过对随机抽样的中国上市公司的收益率的分析，考察在中国的股市环境下，CAPM是否仍然适用。二、数据来源本文在CSMAR大型股票市场数据库中随机选取了 1995年1月到2001年12月的100支股票（存为名叫rtndata的EXCEL文件），作为对中国股票市场的模拟。同

3、时还收集了同时期中国银行的年利率（取名为rf）作为无风险利率，并通过各股票的流通股本对上海、深圳两个市场A股的综合指数进行加权（取名为mr2）0在SAS中建立数据集，其中各列指标分别为各股票的月收益率（为处理方便，股票名称已改为ylylOO）、中国银行的年利率rf （本次报告没有将rf转换成月无风险收益率，因为这一差异将反映在系数上，且为倍数关系，对结果没有实质性影响）和以流通股进行加权（因为本次报告计算的是市场收益率）的上海、深圳两个市场A股的综合指数mr2。本次报告采用的CAPM模型为：rjt = % +7回+与，7 = 12J00。三、方法及步骤1,在SAS中以libname命令设定新库

4、，名为finance。程序为：libname finance f G:financertndata,; run;2,采用means过程（也可以用univariate过程）对这100支股票做初步的均值分析,初步得出各股票的样本均值等数据。程序为：proc means data=finance.rtndata;var yl-ylOO;run;3,采用corr过程对随机抽取的若干支股票进行相关分析，以判断中国股票市场的相关性。程序如下：proc corr data=finance .rtndata cov;var y23 y67;where stkcd=199512 and stkcd=199512

5、 and stkcdfinance - betas99 和 finance. betas0o5,用CAPM模型rjf = 0 + lj +ey7, j = 1,2,J 00对1998年的超额月收益率数据逐月进行横截面回归。程序为:data financebeta97;set finance.betas97;keep _DEPVAR_ mr2;run;data financedata98;set financertndata;where stkcd=199801 and stkcd=199812;run;/*transpose finance.data98 into finance.trdata

6、98 with SAS-Analyst*data financeforgama98;merge financebeta97 financetrdata98;run;proc reg data=finance.forgama98 outest=financegama98;model monthl-monthl2=mr2;run; quit;得到1998年12个 1的值:MonthgamalmonthGamalmonthgamalmonthgamalmonth1-0. 00688month40.010825Month7-0. 0211month10-0. 03461month2-0.00043mo

7、nth5-0. 05118Month8-0.05573month110.001571month3-0. 04984month6-0. 00631Month90.029071month120.0069874,重复上面的步骤，分别得到1998年至2001年间的48个丫1值，如下:MonthgamalmonthGamalmonthgamalmonthgamal199801-0. 006881999010.0156082000010. 094483200101-0.01626199802-0. 00043199902-0. 02949200002-0.06926200102-0. 0068199803

8、-0. 049841999030. 023094200003-0. 06399200103-0.027411998040.0108251999040.010991200004-0. 065082001040. 008069199805-0. 05118199905-0. 04009200005-0.00462200105-0.09684199806-0. 006311999060.015307200006-0.021042001060. 012047199807-0. 0211199907-0.011842000070.013977200107-0. 0405199808-0.05573199

9、9080. 007718200008-0.00401200108-0.030771998090.029071199909-0.000422000090.0084332001090. 037281199810-0. 03461199910-0.00275200010-0. 00679200110-0. 03481998110.0015711999110. 026066200011-0.049512001110. 0005091998120.006987199912-0.03851200012-0. 023982001120. 0234935,对这48个%估计值进行下列假设检验：%二。应用 SAS