摘要：随着中国证券市场的日益成熟，capm理论越来越被更多地被中国学者研究，特别是对其中的β系数在中国股票市场中的实证研究。文章就前人对β系数理论以及β系数在中国股市有效性的各项研究资料，进行收集与整理，以显示目前已取得的阶段性成果，并做出总结。
 
    关键词：β系数；实证；capm综述
 
    大约从1998年开始，随着中国证券市场的日益成熟，capm理论越来越被更多地被中国学者研究。特别是对β系数在中国股票市场中的实证研究，更是如雨后春笋般涌现出来。从这些年来的大量研究中，中国学者通过自身的努力，积累了丰硕的理论研究成果，为中国的证券市场的健康发展，提供了丰富的理论依据。
 
    鉴于β系数的重要地位，本文就中国学者对β系数的理论研究，以及β系数在中国股市的实证分析进行收集与整理，在其中所使用的各类竞争的不相上下的研究方法和模型进行对比分析与选择后，得出目前β系数在中国股市的有效性和稳定性的最客观的结论，来作为中国在这方面已取得的阶段性成果的展示与总结。并由此可知，现阶段β系数在中国股市中的实用程度，即能否客观地反应股票市场的风险水平，是否存在对投资行为的指导意义。
 
    一、综述capm理论与β系数的起源及其争论
 
    说到capm（资本资产定价模型），就不得不回顾到20世纪50年代初，h.markowitz所提出来的投资组合理论。他首创性地提出以方差度量资产组合的风险，给以后的capm理论以及风险管理理论提供了必要条件，为现代金融理论打下坚实的基础。以h.markowitz的理论为基础，william sharpe（1964）、john lintner（1965）、jan mossin（1966）将emh和资产组合理论相结合，建立了一个以一般均衡框架中的理性预期为基础的投资者行为模型，命名为capm（capital asset pricing model资产定价模型）。其数学形式表示如下：
 
    e[ri]=rf+βim（e[rm]-rf）
 
    βim=cov[ri+rm]/var[rm]
 
    但自从capm理论问世，该理论受到大量的有效性检验，其中不乏质疑的声音，如fama和french（1992）在其经典之作中证明：即使在β为唯一解释变量的情况下，capm所预言的平均股票收益与之间的这种正相关的关系也是不存在。由于在capm理论中，β系数是其中度量证券（或证券组合）的价格变动与市场上证券平均价格变动之间相关关系的一个关键指标，它反映了市场上证券平均价格变动对某一证券（或证券组合）价格变动的影响程度，故对capm检验的实际上是验证β系数是否具有对收益的完全解释能力。
 
    这些年来，β系数的研究与应用一直是资本市场中资产定价和风险管理理论与实践的热点之一，争议颇多，其中研究的重点在于β系数的稳定性及其变动特征等方面。自blume在1971年发表了第一篇关于β系数稳定性的研究论文以来，随后有许多学者关注这一问题，采用了各自的数据处理与分析方法来考察β系数的稳定性及其不稳定的特征表现，研究的广度和深度不断扩展，并产生了大量丰富的研究成果和论文，例如blume（1971、1975、1979）、levy（1971）、altman等（1974）、fabozzi和francis（1978）、alexander和benson（1982）、dimson和marsh（1983）、bos和newbold（1984）、schwert和seguin（1990）、choudhry（2002）等。这些文献大多数集中在20世纪70-80年代研究并发表出来，不过90年代乃至今天，仍有不少的研究文献针对或涉及到β系数的研究。从研究文献的数量之多且时间延续了如此之久来看，就可见β系数之重要，进而表明它在研究过程中还存在一些有争议的热点问题，有待于作一步的探讨。
 
    二、对近年来β系数的理论研究和在中国股市中的实证研究的整理
 
    因为β系数的重要地位，所以对该理论的实证研究以及发展也是必不可少的，笔者建议从可预测性角度，系统地分两个方面来对β系数进行研究：β系数的稳定性、β系数的时变特征。而数据样本来源于中国股票市场，研究方法主要是基于回归分析的各类计量经济学模型。
 
    （一）对β系数稳定性的研究
 
    1、对“时限效应”（interval effect）与中国股市相关性的分析
 
    “时限效应”，即收益率度量时限的影响程度。这个问题曾被hawawini（1983）和handa（1989）等研究发现，为考察中国股市的“时限效应”是否与股票的市场价值（通常称为规模因素）有关，胡勤勤和吴世农（2003）在中国股市进行了相关研究。他们所采取的方法是，首先通过建立小公司股票组和大公司股票组两个样本组，分别采用日收益率数据和周收益率数据估计这些股票的β系数，并采用配对样本与独立样本的非参数检验法来考察在两种收益率度量时限下，组内与组间的股票β系数的差异性，由此得出收益率的度量时限对β系数的影响，即是“时限效应”在股市风险上的表现。然后采用franeis（1975）和hawawini、vora（1980）的研究模型——表达式如下：
 
    ri，t=αi，k+βi，k rm，i+k+εi，t
 
    通过该模型推断股票的日收益率与市场指数的日收益率之间存在滞后或超前k个交易日的关系，即是否存在非同步交易现象，以此来解释“时限效应”。
 
    研究表明，中国股市存在的“时限效应”同国外的研究结果是有所不同的。我们从两种不同的公司规模与β系数的相关性研究中，发现随着收益率度量时限的增长，小公司股票的β系数与大公司股票的β系数之间的差异性有所增强——这一结果可能说明了，因为“时限效应”的存在，导致了“规模效应”；还有在不同收益率时限下与β系数的相关性研究中，在大多数时间段里，采用日收益率数据估计的β系数平均高于用周收益率数据所估计的β系数，这与国外研究结论恰好相反。只有在β系数数值大小与“时限效应”的相关性研究上的结论相似。以上现象可以得出中国股市存在着一定的“时限效应”。而根据钟朝辉（2006）对1999-2004年的两种β估计值的wilcoxon秩和检验结果表明，2001与2002年上海股市的“时限效应”比较强，而其他年度相对来说影响比较微弱。
 
    对于非同步交易问题，胡勤勤等的结论是：虽然沪深股市都存在一定程度的非同步交易现象，但大部分股票与市场基本上还是保持同步变化的关系。morck、yeung和yu（2000）曾对1995年中国的股票价格深入研究，发现属于新兴股市的中国股票市场，其收益与市场的同步变动性高于成熟股市。对此他们提出3种可能性解释：行业集中度高，对投资者的财产保护不力，还有信息不对称。其实这都可以理解为系统性风险成分高。
 
    以上结果间接地说明了股票的系统性风险估计与其收益率的度量时限之间存在一定的相关关系，即沪深股市的股票或者股票组合的β系数稳定性受到一定程度上的“时限效应”的影响。
 
    2、对β系数在时间序列上的稳定性研究
 
    胡勤勤（2003）在这个方面分了5个部分去研究：时段内、时段间、数值水平、市场态势、回归趋势，分别采用了最小二乘法、虚拟变量法、转移矩阵法、white（1980）的异方差检验法、blume（1971、1975）的回归分析方法等。钟朝辉（2006）则只从时段内、时段间与市场态势3个角度去分析β系数的稳定性，主要采用的是white（1980）的异方差检验法和虚拟变量法。徐占东和郭多祚（2004）主要用arima过程建模直接分析时间序列。赵景文（2005）用chow检验对相邻两期的β系数进行分析。这里特别要说两点：一是虚拟变量法与chow检验的比较。运用虚拟变量法的最大优势在于能够一次性地获得多个缺省数据的估算值，但其缺陷是如果在求出的数据矩阵中缺省的数据越多，估计误差就