上市公司β系数的研究---以我国互联网公司为例.docx

上市公司B系数的研究
--以我国互联网公司为例
摘要
我国自从股票市场开放以来，就在股票市场开展规模与开展速度上获得了相 对大的成就，但随之而增的就是我国股票投资的风险性，这就使得我国股票市场 的投资风险管理变得具有研究价值，对于如何规避掉股票市场存在问题，提升股 票市场价值稳定性研究变得更为重要。随着我国经济的开展和社会的进步，我国 互联网企业上市已经成为了一场新浪潮，形成了可持续开展的经济新体系，但对 于新型企业而言观察其系统性风险相对不容易，需要将B系数融入资本资产定价 模型中，以上市公司在整体证券市场中产生价格变动的资产数值与影响数量所评 判，并将B系数作为研究上市公司风险性的相对重要的指标，与此同时，也将B 系数作为上市公司筹资管理，投资管理以及风险管理的主要依照工具。
本文结合了 CAPM理论与投资组合理论进行对于我国互联网上市公司B系 数的研究,综合8系数的影响因素进行稳定8系数方法的分析，并提出对策建议。 关键词：互联网公司；B系数；筹资管理

U!
、我国互联网上市公司B系数影响因素分析

(-)研究变量与研究假设
此次将44家互联网上市公司作为研究样本，笔者进行对于44个上市公司进 行了网上数据分析结合列举，相对而言数据量较为丰富，数据涵盖面广。本文进 行对于我国经济形势的结合，去除掉对于互联网上市公司B系数影响非重要因 素，最后保存了六个自变量：国内生产总值指数Xl，第三产业增加值指数X2,固 定资产投资价格指数X3,贷款基准利率X4,银行家信心指数xs,企业景气指数 GDPxgo具体的指标如下表：
我国互联网上市公司B系数影响因素指标
国内生产总值指数X1第三产业增加值指数X2
固定资产投资价格指数X3贷款基准利率X4
银行家信心指数X5企业景气指数GDPX6
表五：我国互联网上市公司B系数影响因素指标选取
(二)多元线性回归分析
在遇到具体数量问题分析过程中，变量与变量间会存在一定量的联系，所以 为了分析出各个变量之间的影响机理，经常会使用回归分析来探究变量间的相互 影响关系。回归分析主要分为：一元线性回归分析，非线性回归分析；逻辑回归 分析以及多元线性回归分析几类。根据本文选取的四个影响因子，采取SPSS的 多元线性回归理论分析。
1 .多元线性回归分析定义
本文对于多元回归线性分析的研究先从一元线性回归分析开始构建，之后进 行多元线性回归分析的拓展。首先一元线性回归分析属于对于某一单一自变量对 于另一单一自变量的直接影响分析。此类研究方法进行了对于其他外界影响，属10 于实验室中的理想化情况。但由于现实中影响因子较多，所以纯粹的一元线性回 归分析基本不会使用也不存在使用价值，多使用多元线性回归分析。
所以在前提性线性关系条件不变的情况下，进行多个自变量的影响分析，即 多个自变量对于某一单一变量的影响分析，也称作多元线性回归分析，使用数量 关系式来进行多元线性回归分析模型建设。本文进行对于SPSS软件的分析案例 使用。
2 .多元线性回归分析运用
对于多元线性回归分析的能够运用解决的问题分析：
首先是能够对于给定变量与自变量的影响关系对照，从而找出自变量与给定 变量的数学表达式；其次在进行了多元线性回归模型确定之后，进行对于具体数 值的采集，根据采集到的具体数值，进行后置位其他数字的预估，经过对于模型 的预测进行预测数据，模型越科学标准化，相对而言预测数据越准确；最后可以 进行因素分析，对于同一因变量其他自变量对于此数值的变化程度，从而分析出 自变量的影响起主导地位的有哪些，起到次要地位的有哪些，进而找到自变量因 素存在的线性关系。
3 .多元线性回归模型及矩阵表示
首先设定y属于随机变量，该取值可以根据外界数据所观测出，这个数值可 能会被给定因素x】，X2, x3, X4....XP以及随后随机因素6所进行影响，先设y与X1, X2, X3.…Xp具有线性关系：
Yl = p0 + plxll + p2xl2 + ...+ Ppxlp + 81
Y2 = p0 + plx21 + p2x22 + ...+ ppx2p + 82
Yn = p0 + plxnl + p2xn2 + ...+ ppxnp + 8n
在线性关系式中，6】，5 2... bn都独立并且都属于(0, O2)o
将上式列为矩阵：Y = XP + B
在这其中 Y= (yi,y2,....yn), B + ( B o, Bl, B2, ...Bp), 8 = (81, 8 2,... 6n), S-Nn(0, 62IQ, In是n阶单位矩阵，在矩阵中X属于资料矩阵，也就 是设计矩阵，他的阶是n*(p+l),也就是说rank( X)=p + l。
11

Xi
X?
X3
x4x5
x6
XiPearson相关性
1
.921”
.555”
.763".768"
.662”
显著性（双侧）

.000
.000
.000.000
.000
N
1221
1221
1221
12211221
1221
X2Pearson相关性
.921”
1
.575“
.579”.601“
.555“
显著性（双侧）
.000

.000
.000.000
.000
N
1221
1221
1221
12211221
1221

X3Pearson相关性
.555“
.575”
1
.443”
.462”
.456”

显著性（双侧）
.000
.000

.000
.000
.000

N
1221
1221
1221
1221
1221
1221

Pearson相关性
.763”
.579”
.443~
1
.996”
.913”

显著性（双侧）
.000
.000
.000

.000
.000

N
1221
1221
1221
1221
1221
1221

X5Pearson相关性
.768“
.601”
.462"
.996“
1
.933"

显著性（双侧）
.000
.000
.000
.000

.000

N
1221
1221
1221
1221
1221
1221

X6Pearson相关性
.662”
.555“
.456"
.913“
.933"
1

显著性（双侧）
.000
.000
.000
.000
.000

N
1221
1221
1221
1221
1221
1221

表六：xl-x6相关关系SPSS软件分析

（三）研究结果分析

X1
X2
X3

X4
Xs
X6
X1
1.000
.689
.886

.878
.377
.217
X2
.689
1.000
.389

.378
.266
.114
X3
.886
.878
1.000

.923
.375
.215
X4
.878
.378
.923

1.000
.436
.277
X5
.377
.266
.375

.436
1.000
.887
X6
.217
.114
.215

.277
.887
1.000
表七：变数相关系数矩阵
由上表可以发现，组合指标大于0.5的组合有以下几种:
指标名称
指标名称
相关系数
国内生产总值
第三产业增长值指数
.689
12
国内生产总值
固定资产投资价格指数
.886
国内生产总值
贷款基准利率
.878
固定资产投资价格指数
贷款基准利率
.923
银行家信心指数
企业景气指数
.887

表八：指标间相关系数大于0.5组合
图六：matlab多元线性回归结果
因为自变量即影响因素的类型不同，此次研究结果分析分为两局部，分别是 外部宏观因素与公司内部因素。从上表可知，对于相关系数大于0.5的组合而言, XI即国内生产总值与公司B系数相对关系最为密切，其次就是贷款基准利润。
首先对于外部宏观因素而言，国内生产总值指数X】，第三产业增加值指数X2, 固定资产投资价格指数X3,贷款基准利率X4属于宏观因素，通过对于B系数系统 建模发现，外部宏观环境并不会对于我国互联网上市公司B系数具有较大的影 响。反观银行家信心指数X5,企业景气指数GDPX6两个因素中，发现影响因子对 于公司B系数拥有较为明显的影响。
五、研究结论与对策建议
(-)研究结论
本文对于我国互联网上市公司B系数研究结论主要有以下两点:
13
首先市场态势，收益率度量区间选取，收益率度量时限并会对于风险系统性 由较大的影响，即会对于B系数有较大的影响，尤其是对于收益率度量区间而言, 长久投资的系统性风险远远低于短期投资，对于市场态势而言，当互联网上市公 司股票证券上涨时系统性风险较低，下跌时会出现更多的系统性风险。
其次就是宏观经济影响并不会对于互联网上市公司B系数具有较大影响，反 而企业内部因素会导致B系数发生较大变化，但需要注意的是，外部宏观环境因 素会影响到企业内部因素，例如公司开展前景，银行家投资意愿等。
(-)对策建议
本文对于互联网上市公司B系数研究中发现系统性风险是可以进行提前预 测补偿的，所以对于互联网上市公司降低风险带来伤害具有一定的对策建议。
首先要进行对于系统性风险的及时预测和准确反应，不同影响因子都会造成 对于B系数即系统性风险的影响，或是正相关，或是负相关，公司内部风险管理 人员应该对于这些因素进行集中管制与变化应急，降低公司因为系统性风险带来 的经济损失。
其次宏观因素不可调节但是企业内部因素才是对于互联网上市公司系统性 风险影响最大的，所以需要对于企业内部进行治理与加强管理，增加企业内部工 作积极性，提升投资者的投资信心，及时准确真实做出系统性的财报分析，调节 公司内部存在的问题与矛盾，加大对于内部的管理力度。
14
一、绪论
(-)研究背景
在我国股票市场的持续增长下，资金投入的风险也随之增长，为了减少这方 面带来的股票投资者的利益损失，我国证监会进行屡次要求上市公司提升风险防 范意识，降低系统性风险的发生。但需要注意的是我国的股票市场仍然属于新兴 市场，存在历史仅仅30年，相对而言制度不够健全，政策也不好完全落实，所 以对于我国资本市场中的风险性投资的研究显得极为重要。
而在我国上市公司中，互联网上市公司也处于相对重要的地位，国家复返重 申我国互联网开展的必要性，再加上我国开放的开展环境与较好的经济开展态 势，使得需要互联网公司上市。但这些互联网公司开展阶段较快，开展规模较大, 开展时间较短，在一定程度上无法抵御系统性风险，所以急需对于互联网上市公 司的风险研究，本文植根于此，通过对于B系数影响因素的研究分析我国互联网 上市公司的风险概述。
(二)研究目的与意义
作为风险投资收益与系统风险资产关系关系模型，资产资本定价模型一直具 有较高的适用范围与实用性，这种应用范围涉及了金融股票市场的每个方面：例 如投资价值比照环节，风险本钱估算环节，组合资产管理环节与金融市场管理环 节等等，本文研究目的在于架构出较为完整的CAPM模型，从而找出互联网上 市公司的具体风险资产模型中B系数影响因素分析，描述出0系数的稳定性，进 而降低互联网上市公司投资风险。
本文的研究意义分为两局部，首先是对于p系数研究的理论意义，这其中包 括三点，分别是：对于互联网上市公司B系数的具体样本提供，进行了对于B系 数影响因素的归纳与进行对于B系数研究与细分。通过对于互联网公司的B系数 研究将互联网公司的风险系统与影响因素剖析与展示。其次就是对于B系数研究 的现实意义，其中也包括三点：第一就是能够对于我国互联网公司的风险管理提 供数据支持，第二是使得我国互联网上市公司的投资计划可以变得更加明确便于 管理，第三就是使得我国互联网公司上市变得不再盲目，筹资有所目的性。
(三)研究现状
我国的互联网公司销售竞争较为激烈，国外也是如此，一次互联网上市公司 市场的竞争都会影响到公司未来的开展计划甚至是公司存亡，所以公司B系数影 响因素的分析一致被学者所研究。
在国外研究中，学者主要是依据人工智能方式进行对于上市公司B系数影响 因素的预测，首先建立公司B系数预测模型，再将人工智能数据带入到预测模型 中，进行对于公司B系数影响因素的研究。国外对于B系数研究相对较早，研究 面相对较广，主要分为三个阶段。首先第一阶段Brooks, Faff与Ariff (1998) 最先提出B系数是持续稳定的这一点，这三位学者将新加坡与吉隆坡在一定时间 内的市场进行等距划分发现，8系数并没有根据市场有所变化，而是保持不变的 稳定性。在之后Prochniak与Witkowski(2013)提出在经济增长态势下，B系数的 稳定性也很高，会有变化但不会产生较大差异。Ur Rahman, Ejaz与Akbar (2013) 在进行不同股票市场的研究中发现，持续增长的股票市场中8系数基本没有变 化，在持续跌停的股票市场中B系数仍旧维持稳定，从而得出B系数是一个稳定 常数的结论。在第二阶段中，学者发现B系数存在变化且具有较大变化，在进行 不同行业6系数分析发现，之前研究中并没有计算虚拟变量，使得B系数看似是 常数，其实是一个不稳定的数值。后来进行了对于不同区间与时间段内的B系数 稳定性分析，发现时间跨度越长，B系数越稳定，但在短时间内8系数还是一个 波动数值，随后改进了 CAPM理论，采用了普尔标准500指数数据，并且进行了 对于B系数的综合测试发现，8系数并不稳定。第三阶段就是分析哪些因素会导 致B系数的变化，对于不同形态的股票市场研究发现，不同的市场开展状态会对 于B系数产生波动影响。
首先进行了对于上市公司B系数模型的建设与系统化分类。将SPSS方法运 用到了上市公司B系数模型建设中，先对于苹果上市公司B系数进行影响因素分 析，再进行模型预测设置，经过实证检验发现此类模型效果优于回归模型。在此 基础上Yuan和Lee进行了对于遗传算法的使用，将遗传算法应用到了向量机中, 从而进行了互联网公司此类消费者的消费人群分析，分析类别较多，主要是性别 因素，气质因素，实用性因素，身份因素等，利用这些因素模型建设多元回归分 析，从而建设起了上市公司B系数预测模型。
在国内，学者对于上市公司B系数影响因素分析相对研究较晚，但也取得了 较多的成果。
杨莉经过对于市场中上市公司B系数现状进行影响因素排查，以华为企业上 市公司B系数作为初始模型，进行系统化上市公司8系数预测分析，从而进行了 影响因素预测与适当化公司开展建议列举，存在一定科学性同时具备着实际效 益；郑思平与肖人岳在对于上市公司B系数分析中首次提出使用灰色预测（1,1） 模型，预测出了较为准确的上市公司8系数影响因素数据。魏雪在对于我国上市 公司B系数影响因素分析中，使用了 SPSS模型，以消费者的喜好作为分析主要 参考因素，进行了对于此前改进与优化。华晶晶使用统计学系统的方式，对于上 市公司B系数影响因素进行定性分析，从而使用预测方法预测上市公司B系数。
对于上市公司B系数影响因素本身的预测而言，国内外学者使用多种模型方 式进行分析研究，包括了多元线性回归法，主成分分析法与人工智能数据列举等 方式，使得本文在研究时可以站在前人的肩膀上进行因素影响分析，本文在之前 数据总结统计后，使用统计学方式进行理论模型建设，通过spss平台软件处理 数据方式进行模型实际意义分析，希望可以对于上市公司8系数优化提供一定的 理论支持。
二、研究理论基础
（-）投资组合理论
投资组合理论最早在1952年被经济学家马科维茨刊登在《金融杂志》的《证 券组合选择》中首次提出，这其中包含了两方面的内容，分别是投资组合有效边 界模型与均值-方差分析方法。在投资组合模型中，适用方差模型来进行对于投 资组合风险的计算与衡量，从而到达风险管理的目的，当最终数值的方差较大时 说明此次研究的风险较大，反之那么说明此次研究风险较小。所以对于企业而言， 为了降低公司风险与本钱，力求找到最正确投资组合，投资组合能够降低投资风险 主要是由于避开了非系统性风险，使得偶然风险因素降低。有效的使用投资组合 会让公司决策与投资风险降低，不会发生较大的产业证券波动。
（二）CAPM 理论CAPM 指的是 Capital Asset Pricing Model,最早是在 1964 年被 Sharpe 与 Lintner所提出的资产资本定价模型，这个模式属于现代金融极为重要的基石， 在证券市场与投资市场中，收益风险关系大多使用这一模型进行研究，收益风险 关系也被公式所定义：。E(ri) =rf + 0im( Erm) -rf),其中E(ri)是资产i的预期 回报率，rf是无风险利率，pim是Beta系数，即资产i的系统性风险，E(rm)是 市场m的预期市场回报率，E(rm)-rf是市场风险溢价。
CAPM理论使用方向较广，首先可以用于投资的风险决策分析，投资者对于 投资工程的回报计算并不是当时的，而是对于未来的预期，这就需要面对即将到 来的风险。在CAPM中可以使用B系数的稳定性分析，来规避或是计算系统性风 险的计量，计算方式主要是计算贴现率，然后根据贴现率与系统风险正比关系引 导出系统风险的计量。其次CAPM可以用于普通股资的决策筹资计算，根据李夏 (2015)年研究发现：资本普通股本钱率=报酬无风险率-(在证券市场平均报酬 概率-报酬无风险概率)* B系数。
根据公式E( ri)=rf + pim( E( rm)-rf)可以分析出证券收益与风险系统性 的关系，这种关系曲线称作证券市场线：

在证券市场线中可以看出，证券的收益是一条正相关B系数的曲线，所以 作为系统性风险的衡量标准，B系数的研究较为重要，需要注意的是，系统性风 险无法分散，所以计量处系统性风险后只能对于风险值进行资金补偿，无法对于 不可预测非系统性风险进行补偿。证券市场线里面B系数表达了单一证券与整个 证券市场波动性之间的关系，如果假设整体证券市场的B是1,那么如果研究证 券的B数值比1大，就说明该证券存在较大的波动性，拥有较高的系统性风险，如果研究证券的B数值比1小，那么久说明该证券存在较高的稳定性。由此可以, B系数可以极其敏感的展示出研究证券的风险程度。
三、我国互联网上市公司B系数稳定性分析
(-)B系数稳定性分析基础
1 .样本分析
首先进行样本的采取，此次研究在于我国互联网上市公司的B数值研究，所 以为了研究数值的科学性和真实性，采取了 46家我国上市互联网公司，所以此 次研究中8系数稳定性存在的影响因素都来自于这46家公司，按照上市时间分 为以下样本量：
上市时间上市公司
1990 游久游戏(600652.SH)1992 海虹控股(OOO5O3.SZ)
1993 富控互动(600634.SH)1994 鹏博士(600804.SH)
1996 智度股份(000676.SZ)1999 长城动漫(OOO835.SZ)
2000 国旅联合(6OO358.SH)、中口数据(600242.SH)2004 科达股份(600986.SH)
2006 凯瑞德(OO2O72.SZ)、生意宝(002095.SZ)天润数娱(OO2II3.SZ)、利欧股份(OO2I3LSZ)、麦达数字(OO2137.SZ)、游族网络(OO2I74.SZ)、
2007东方网络(OO2175.SZ)
2009 焦点科技(OO231S.SZ)、宝通科技(300031.SZ)梅泰诺(300038.SZ)、星辉娱乐(3O(XM3.SZ)、天神娱乐(OO2354.SZ)、中吉宝(300052.SZ)、
东方财富(3OOO59.SZ) » 凯撒文化(002425.SZ)、启明星辰(OO2439.SZ)、乐视网(300104.SZ),2010
顺网科技(300II3.SZ),金利科技(002464.SZ)、二六三(002467.SZ)、恺英网络(OOO257LSZ)、丰东股份(OO253O.SZ)
世纪游轮(OO2558.SZ).三七互娱(OO2555.SZ),上海钢联(300226.SZ)、明家联合(300242.SZ)、2011
巨龙笆业(002619.SZ)、完美世界(002624.SZ)2012 三六五网(3OO295.SZ)、人民网(603000.SH),拿趣科技(3OO3I5.SZ)、联创互联(300343.SZ)
2014 腌信股份(3OO392.SZ)2015 昆仑万维(3OO4I8.SZ)、暴风集团(300431.SZ)、迅游科技(3OO467.SZ),盛天网络(3OO494.SZ)
表一：选取46家互联网上市公司样本
2 .数据分析
好福与一一款攻HS.S9009
000300.SH证券日收益率
图二：标准回归法中对于B数值的估计
(-)B系数在不同数值水平下的稳定性分析在不同数值水平下，B系数的稳定性有所不同，如下列图:
图三：不同数值下B系数的均值
0.8-
0.6-
0.4-
0.2-

—智置份 — K城动漫 ■国1合 ，中昌教梏 —科音份 —机益褶 ■支患.!—游商络 —东甫络 ，佐育技 I上句技 —
-
i比垦
—朱d富 —凯晏化 —金口 ,拉
博出昆胸联常人三'完卜.明匕三世卜恺
络同推价联技网界业台联幔轮份洛图四：不同数值下B系数的方差
根据图四不同数值下我国互联网上市公司B系数均值可以看出，我国互联 网上市公司8系数均值在数值1左右，说明系统性风险相对较低，但有一局部公 司8系数较高，例如迅游科技，长城动漫与东方财富等均值在1.5左右，具有较 高的系统性风险。通过图五可以看出我国互联网上市公司的B系数方差比拟稳 定，全部都在0. 8以下。
（三）B系数在不同时段内的稳定性分析
通过对于SPSS软件使用，进行对于B系数不同时段内稳定性的系统研究, 取得B系数在不同时段下的稳定性分析：

N
极小值
极大值
均值
标准差
方差
偏度
峰度
时段
统计量
统计量
统计量
统计量
统计量
统计量
统计量
标准误
统计量
标准误
2007
16
.10
1.21
.90
.28
0.08
-1.72
0.56
3.77
1.09
2008
15
.98
135
1.16
.10
0.01
-0.02
0.58
-0.07
1.12
2009
18
.55
1.50
1.04
.22
0.05
-0.23
0.54
0.99
1.04
2010
30
.44
1.42
.89
.22
0.05
0.43
0.43
0.23
0.83
2011
41
.62
1.58
1.14
.21
0.04
0.02
0.37
-0.16
0.72
2012
41
.65
1.71
1.16
.24
0.06
032
037
0.05
0.72
2013
41
.27
1.15
.76
.20
0.04
-0.50
0.37
0.00
0.72
2014
42
-.10
131
.64
.32
0.10
0.00
0.37
-0.67
0.72
2015
45
-.78
1.46
.98
.38
0.14
-2.53
0.35
10.01
0.69
2016
46
.67
1.89
1.49
.26
0.07
-1.03
035
1.70
0.69
表二：在不同时段我国互联网上市公司的B系数稳定性统计
经过上图可以发现，我国互联网上市公司的B均值在数值1附近徘徊，在 2007年-2012年六年间数值较为稳定，而在2013年-2014年两年数值出现了下降, 在2015年均值上升回到了数值1附近，但在2016年B系数均值突然增大到了近 些年来的最大均值，这说明在2016年因为种种原因我国互联网上市公司的系统 性风险激增，不适合进行投资。其次，在表中可以看出，近些年来的互联网上市 公司B系数方差较为稳定，都在0.2以下，这从一定程度上表达了我国互联网上 市公司的风险稳定态势。
（四）B系数在不同收益率度量时限下的稳定性分析
由于此次研究对于B系数的研究使用的是单因素对照分析，所以可以得出 相对准确性高的统计数据与方差数值：
收益率
均值的95%置信区间
度量

时限
N
均值
标准差
标准误
下限
上限
极小值
极大值

P日
334
1.03
.38
.02
0.99
1.07
-.78
2.49
P周
334
1.03
.38
.02
0.99
1.07
-.78
2.49
P月
334
0.87
1.08
.06
0.75
0.98
-4.56
8.80
总数
1002
0.98
.70
.02
0.93
1.02
-4.56
8.80
表三：在不同收益率度量时限下的B系数稳定性分析

平方和
df
均方
F
显著性
组间
5.78
2.00
2.89
6.02
0.00
组内
480.09
999.00
0.48

总数
485.87
i 001.00

表四：在不同收益率度量时限下下的B系数稳定性分析ANOVA
在表三中可以清楚看出，当月收益率时限下均值是0.87时B系数明显小于 日收益率度量出现的均值1.03,同样也小于周收益率度量时限出现的均值L03, 所以可以根据此分析出，时间越久，8数值相对越稳定，所以长期投资互联网上 市公司比短期投资更容易取得回报，也更容易降低风险性。而从表四中可以发现, 监测的显著性较低，只有0.00数值，很明显少于正常的0.05,说明不同收益率 度量对于我国互联网上市公司6系数具有较为巨大的影响。
（五）B系数在不同市场态势下的稳定性分析
此次研究放在证券市场沪深300指数的开展趋势研究中，进行对于B系数不 同市场态势下的稳定性研究，而沪深300指数趋势开展如下：

从图五中可以看出，整体证券市场的开展态势分为三种，分别是横盘态势， 下跌态势与上涨态势，在上涨态势下的B数值均值到达了 0.75,而在横盘态势下 的B数值均值到达了 1,在下跌态势下的B数值均值到达了 1.34,这就说明了在 我国互联网上市公司中，当股票证券上涨时风险系统性较低，当股票证券稳定时 风险系统性与整体证券市场相同，而在股票证券下跌时存在较大的风险系统性。