① 关于股票各方面的知识。我急求一篇关于股票知识的作文。
市场与经济增长关系实证研究
股票市场发展与经济增长的相关性是经济增长理论中的新领域。多数的实证分析证实股票市场发展促进了经济增长。那么,我国股票市场的建立和发展是否有利于我国经济的增长呢?回归分析表明:我国股票市场规模的扩大、交易率的提高增加了国有单位的固定资产投资,加快了企业的技术进步,推动了我国经济更快的增长。因而,股票市场发展与经济增长之间有很强的正相关性。据此,我们可以认为股票市场发展是我国金融深化的重要环节,是中国经济持续增长的一股推动力量。
股票市场与经济增长关系是经济增长理论研究中的一个新课题。当经济学家详细探讨了贸易与经济增长、金融中介与经济增长关系后,感到如何界定股票市场在经济增长中的作用是非常重要的,其目的是要揭示未来股票市场的发展前景和经济增长的潜力。对于股票市场尚未充分发展的许多发展中国家来说,假如股票市场与经济增长之间存在着正相关关系,那么,促进股票市场的发展就是显而易见的政策建议。
截至2000年3月初,我国股票市场的A股流通市值已达10609.4亿元,在上海与深圳证券交易所上市发行A股的公司达到了929家。股票市场的规模和流动性指标与发展中国家以及发达国家相比,已经达到较高的水平。我国1993—1999年间A股流通市值与GDP的比率平均为0.052,46个发达国家和发展中国家在1976—1993年间的平均比率为0.32。1993—1999年间我国A股的平均交易率(股票成交金额与GDP的比率)为0.275,1976—1993年间美国股市的平均交易率为0.29,英国为0.253,韩国为0.183,泰国为0.144。显然,我国股票市场的发展与国民经济之间的关系越来越紧密了。
怎样研究和确定股票市场发展与经济增长的关系呢?莱文和泽尔沃斯(Levine andZeros,1998)在总结阿切和乔万诺维克(Atje and Jovanovie,1993)等人研究成果的基础上,再次证实了一个重要的假设:股票市场的发展和经济增长之间有很强的正相关关系。
本文运用莱文和泽尔沃斯(1998)提出的方法对1993—1999年期间我国股票市场发展和经济增长关系进行实证研究,以检验我国股票市场的发展对经济增长是否起到了促进作用。一、变量与数据的解释
为了检验股票市场与经济增长之间的相关关系,我们需要确定以下几个方面的指标。
(1)股票市场发展的指标。下述四个指标可以反映我国股票市场的发展水平。
第一个指标是资本化率,用Capitalization表示,等于每一季度A股流通市值与名义季度GDP的比率,我们用它来反映股市的发展状况。之所以选择流通市值而不是市价总值,是因为我们认为国家股和法人股并没有上市流通,不具备股票市场应有的风险分散、信息收集等功能,只有社会公众股才能代表我国股票市场的规模和发展水平。股票市场规模越大,募集资本和分散风险的能力越强。考虑到B股相对于A股规模较小,1999年底B股流通市值仅为A股流通市值的3.5%,将B股舍去不会影响计量模型的准确性。流通市值等于在上交所和深交所上市的股票A股流通市值之总和。1998年和1999年的季度流通市值数据来自《上海证券交易所统计月报》(1998.1—1999.12)和《深圳证券交易所市场统计》(1998.1—1999.12);上交所1994年第三季度至1997年第四季度的流通市值和深交所1994年第一季度至1997年第四季度的流通市值来自《中国证券期货统计年鉴》(1995—1998年);上交所1993年第一季度至1994年第二季度的流通市值和深交所1993年的季度流通市值无法从公开出版物上获得现成数据,我们利用上市公司每季度末的流通股本和股票的收盘价计算而得。1992年第四季度至1999年第四季度的季度GDP数据来自《中国统计》(1992.11—2000.2)。
第二个指标是交易率,用Value表示,等于上交所和深交所每季A股总成交金额与季度名义GDP的比值。反映出以经济总量为基础的股市流动性。1998年第一季度至1999年第四季度的A股成交金额来自《上海证券交易所统计月报》(1998.1—1999.12)和《深圳证券交易所市场统计》(1998.1—1999.12);1994年至1997年的A股成交金额来自《中国证券期货统计年鉴》(1995—1998年);1993年的A股季度成交金额在公开出版物上难于找到现成的数据,我们依据《中国证券报》(1993.1—1993.12)和《证券市场周刊》(1993.1—1993.2)上的数据计算得出。
第三个指标是换手率,用Turnover表示,等于A股季度成交金额除以A股季度流通市值。高换手率意味着相对低的交易费用。第二和第三个指标均反映了股票市场的流动性(Liqridity)。
第四个指标是股票市场收益率波动,用Volatility表示,等于沪市A股指数的季度标准差。沪市A股指数来自《中国证券报》(1993.1—1999.12)。在我们研究的期限内,深市和沪市大盘的走势基本一致,因此,我们只计算了沪市A股指数的标准差。因为上市公司的季度红利分配数据无法精确得到,所以我们在计算股票收益率的波动时,只计算了资本利得的标准差。
(2)经济增长指标。考虑到数据的可得性,我们使用三个经济增长指标。
第一个指标是实际GDP季度环比增长率,用GY表示。我们以1993年第一季度为基期,计算各季的商品零售价格指数(RPI),基期RPI=100。用名义GDP除以当季的RPI就得到实际GDP季度环比增长率。在计算各季的商品零售价格指数时,采用商品零售价格的月度环比数据,其中1996年和1997年各月的数据来自《中国物价及城镇居民家庭收支统计年鉴》(1996年、1997年),其它年份的商品零售价格月度环比数据散见于《价格理论与实践》(1992.11—2000.1)、《中国统计》(1992.11—1996.2)、《宏观经济管理》(1994.8—1996.2)。需要指出的是,在Capi-talization、Valre以及下文中的Savings、Depth指标中,我们使用的均是名义GDP,这是因为通货膨胀或通货紧缩同时作用于这些指标的分子与分母,两者相除在一定程度—亡抵销了这种影响。
第二个指标是国有单位固定资产投资季度环比增长率,用GC表示。理由是:①无法获得资本存量的季度折旧数据,所以不使用资本存量增长率指标;②无法获得全社会固定资产投资完整的季度数据,由于我国上市公司绝大多数属于国有企业,股票市场的发展和国有企业的投资活动联系较为密切,所以使用国有单位固定资产投资的数据。各季度国有单位固定资产投资的名义值同样除以季度零售物价指数而化为实际值,然后再计算各季度的环比增长率。1993年第一季度至1999年第四季度的名义国有单位固定资产投资数据来自《中国统计》(1992.11—1994.5)和《宏观经济管理》(1994.8—2000.2)。
第三个指标是居民的银行储蓄率,用Savings表示,等于居民本季度末的储蓄存款余额减去上季度末的储蓄存款余额再除以该季度的名义GDP。1993年第一季度至1997年第四季度的居民储蓄存款季度末余额来自《中国金融统计年鉴》(1995—1998年),1998年第一季度至1998,年第四季度的居民储蓄存款季度末余额来自《宏观经济管理》(1998.5—2000.2)。
(3)传统的金融深化指标。用Depth来表示,测定金融中介的规模,等于金融中介的流动负债(现金以及银行与非银行金融中介的活期和带息流动负债)与当季GDP的比率,即M2/GDP。这里的M2是上季度末和本季度末广义货币供应量(M2)存量的算术平均值。1993年第一季度至1997年第四季度的M2来自《中国金融年鉴》(1995—1998年),1998年第一季度至1999年第四季度的M2来自《宏观经济管理》(1998.5—2000,2)。因为1993年前后M2的统计口径发生了变化,所以1993年第一季度的Depth指标中的M2更指1993年第一季度末的广义货币供应量余额。在现实世界中,经济增长受到许多因素内影响。为了检验股票市场与经济增长之间的关系是否独立于其它变量,有必要结合相定变量进行分析。金融中介与股票市场在优比资源配置中的功能有很多重叠之处,西方关于金融中介的理论表明金融中介同样能够降低信息获取成本、促进对大企业的控制,以及提供风险分散和提高流动性的机制。但越来越多的理论和实证研究表明股票市场和金融中介在经济体系中提供了不尽相同的功能。例如,股票市场在提供风险分散和提高流动性机制方面似乎有更大的优势,而金融中介在降低信息获取成本和对大企业控制方面似乎比股市做得更好。因此,我们把股票市场和金? 谥薪榉旁谕
② 利用回归分析的方法,计算该股票的贝塔值,并分析各月是否有较大的差异
文内容需要包括以下要点。
(
1
)
该股票过去五年日收益率、
日波动幅度、
交易量的总体及各年的描述性统
计(用平均值、中位数、标准差、离差等指标进行分析)
。
(
2
)
上证综指过去五年日收益率、
日波动幅度、
交易量的总体及各年的描述性
统计(用平均值、中位数、标准差、离差等指标进行分析)
。
(
3
)
利用相关系数的统计方法,
分析该股票日收益率与上证综指日收益率之间
的关系,并分析各年是否有较大的差异;
(
4
)
利用回归分析的方法,
计算该股票的贝塔值,
并分析各年是否有较大的差
异;
(
5
)
利用相关系数的统计方法,
分析该股票日波动幅度与该股票的成交量的对
数之间的相关关系,并分析各年是否有较大的差异;
(
6
)
利用相关系数的统计方法,
分析该股票日波动幅度与上证综指的日波动幅
度以及日成交量的对数之间的相关关系,并分析各年是否有较大的差异;
(
7
)
利用回归分析的方法,分析该股票日波动幅度的影响因素;
(
8
)
对上述的问题进行综合,总结股票的量价关系;
③ 企业投资于A.B两种股票,两种股票收益率的正相关或负相关对于收益风险防范具有什么样的影响
从风险防范的角度来说负相关晚好一些,意味着大亏的可能性更小,当然同时潜在收益也会小些,因为总有一部分利润会被抵消,具体数学方面的工式随便找本投资组合方面的书都有,那玩意整得头疼
④ 股价还是用股票收益率做回归
股票收益率与股票价格成比例关系,还是正比。
1.股利收益率又称收益率,是指股份公司以现金方式分配的股利或红利与股票市场价格的比率。
2.计算公式为:
收益率可用于计算获得的股息收益率,也可用于预测未来可能的股息收益率。
股票收益=收益金额/原始投资金额
⑤ 关于股票市场规模效应中的回归分析
你看看这篇文章吧,可以帮你解决的,http://blog.sina.com.cn/s/blog_5d5f96b30100cvxk.html
⑥ 上市公司增发股票,股价是上升或是下降
很长时间以来,股票增发问题一直是市场热点之一,其利弊众说纷纭。本文就股票增发对上市公司业绩的影响、股票增发对股价行为的影响和股票增发倾向性等三个方面进行了实证检验。
股票增发趋势分析
沪深证券市场从1998年6月开始正式试点实施增发新股融资方式,1998和1999年只有为数不多的几家上市公司实施了增发。在2000年4月30日证监会发布《上市公司向社会公开募集股份暂行办法》后,许多上市公司纷纷"弃配改增",增发数量迅速增加。从1998年至2002年6月30日,共有203家公司提出并公告了拟增发预案。从2001年开始,提出拟增发预案的公司在急剧增多,特别是2001年达到了创纪录的127家。
上市公司提出的股票增发预案只有在得到证监会的批准之后才能实施。因此,实施的增发数量要远远小于公布的增发预案。从1998至2002年间,共有77家公司实施了股票增发,其中13家系原有A股和B股公司增发A股,55家系原有A股公司增发A股,8家系原有B股公司增发A股,1家系原有B股公司增发B股。考虑到A、B股市场之间股票价格的关系,本文只研究原有A股公司(包括同时发行B股的A股)增发A股的情况,这样共有68家A股公司增发了新股。
由根据发行日统计的股票增发数据看出,从1998年开始,股票增发数量呈不断增长之趋势。
增发对股价的影响
从我国股票增发的市场实践来看,增发一般对市场股价产生负面影响,表现为增发意向书公告日股价有不同程度的下跌。本文尝试采用事件研究方法,用事件前后股价行为的变化来考察股票增发对股价的影响。本文定义增发意向书公告日为基准日(如果增发意向书公告日是非交易日,则以公告日后一个交易日为基准日)。本文随后以公告日(基准日)前40个交易日、后80个交易日为计算超额收益率的事件期。考虑到我国股票市场的实际情况,本文采用市场调整超额收益率(股票收益率与对应A股指数收益率的差额)来表示股票在事件期的超额收益率(这实际上意味着假设所有股票的β系数都等于1),通过计算增发股票的平均超额收益率和累积超额收益率来考察增发对股价行为的影响。
本文选取了基准日前40个、后20个共61个交易日的情况。由结果可以看出,在股票增发意向书公告日或者是次日,超额收益率显著小于零,平均达-3.52%,显示在股票增发公告时,股价有迅速的反映。在增发公告前后的61个交易日内,只有一个交易日的平均超额收益率显著大于零,而10个交易日的平均超额收益率是显著小于零,其余交易日的平均超额收益率没有显著异于零,显示在股票增发公告前后超额收益率并没有显著异于零。换句话说,在公告日后并没有一致的超额收益率为负的情况出现。对各年度基准日前后平均超额收益率的检验也说明,绝大多数的超额收益率都没有显著小于零,因此,可以认为,在股票增发意向书公告日或者次一交易日,股价迅速反映了增发对股票价格的利空效应。
增发动机分析
实施增发公司的货币资金数量没有显著小于市场平均水平,即实施增发公司的平均货币资金数量并没有低于市场平均水平,因此,很难认为上市公司因为缺乏货币资金才进行增发。它从侧面说明了上市公司并非因为缺钱才进行增发,而往往是因为它满足了增发的条件,所以不愿意放弃通过增发"圈钱"的机会。
我们计算了在1999年至2001年实施增发的61家公司的流通股股数占总股数的比重发现,在这61家公司中,比重超过50%的公司只有两家,比例为3.23%+。我们比较了各年度市场平均流通股比重,发现实施增发公司的平均流通股比重要小于市场平均水平。
同时,我们发现,信息技术业中的上市公司提出股票增发预案的概率相对来说比较高一些;净资产收益率和资产负债比率越高的公司越倾向于提出股票增发预案。从这个角度看,中国证监会提高股票增发的净资产收益率和资产负债率要求是有道理的。
另外,每股收益越高,股票增发预案获批准的概率越大。这说明中国证监会在进行股票增发预案审批时对于拟增发新股的每股收益指标比较重视,每股收益高的公司所提出的股票增发预案较容易获批准。从股票增发条件的变化历史看,2000年之前对增发公司基本没有明确的财务指标要求,2000年4月30日发布的《上市公司向社会公开募集股份暂行办法》所提出的股票增发条件较低,并且所有提出股票增发预案的公司基本都符合这一条件。因此,实证结果表明,每股收益对股票增发预案获批准的概率有一定的影响。
但是,从历史演变过程看,监管机构对上市公司净资产收益率而不是每股收益更加重视。在2002年7月24日发布的《关于上市公司增发新股有关条件的通知》中,明确提高了净资产收益率的标准,但并没有涉及每股收益。每股收益率而不是净资产收益率对股票增发预案获批准的概率有影响的原因有待于做进一步的分析。
增发并未有效改善业绩
对股票增发的主要批评之一是,股票增发并没有实质性地改善上市公司的经营业绩。
为了比较股票增发对公司业绩的影响,我们考察了实施增发公司在实施增发前后五年财务数据的变化情况。我们分别计算了1998年至2002年上半年实施增发的68家上市公司在1997年至2001年的主要财务指标的加权平均值,其中年度股票增发家数是根据新股发行日确定的。作为对照,我们计算了1997至2001年主要财务指标市场平均值的变化情况。
就1998年实施增发的7家上市公司而言,由于在增发新股的同时进行了大规模注入优质资产等重组活动,因此,这些公司在增发后实现了公司经营情况和业绩的大幅度改善。在重组当年,净利润和主营业务收入两项指标的增长幅度非常高:平均净利润从2192万元上升到13985万元,平均主营业务收入从67965万元上升到225778万元。此外,每股收益、净资产收益率等也有非常大的改善,每股净资产也呈显著上升。这说明,增发所导致的摊薄作用在1998年实施增发的这7家公司中并不明显。但是,考虑到1998年实施增发的7家公司当年还实施了重大重组,即在增发的同时往往伴随着大规模的重组活动,因此业绩的大幅度改善可能是由于大规模重组所导致的。相应地,下面进行的分析中我们基本上剔除了这7家公司。
就1999年实施增发的5家公司而言,在重组当年,除净资产收益率外,各项指标都有了一定幅度的改善,但改变的幅度并未远远大于市场平均指标的改善程度。在实施增发后的两年之内,净利润、主营业务收入都有了大幅度的下降,每股收益、净资产收益率等指标都下降并且下降幅度远远大于市场所有上市公司平均指标的下降程度。这说明,1999年实施增发的公司的业绩在实施增发后非但没有提高,反而有了急剧的下降。
2000年实施增发的19家公司的业绩变化情况要比1999年实施增发的公司更差:公司业绩在增发当年就有非常明显的下降。在2000年,除了主营业务收入有所增长外,净利润、每股收益和净资产收益率这三个指标的下降幅度更大。这说明,2000年实施增发公司的业绩恶化程度要大于1999年实施增发的公司。
对于2002年实施增发的18家公司,我们只能比较它们在增发实施之前的平均业绩和市场平均业绩之间的关系。比较结果显示,2002年实施增发公司的平均业绩要大大优于市场平均水平,即实行增发的上市公司是所有上市公司中优秀的群体,其经营业绩在上市公司中处于较高水平。这是提高增发条件之后的必然结果。但是,这些公司在增发新股当年及以后能否继续保持优良的业绩则更引人注目。
综上所述,对于股票增发对上市公司业绩影响的比较结果表明:(1)股票增发并没有像想象的那样改善上市公司的业绩。除1998年实施增发的公司因同时实施大规模重组而改善业绩之外,绝大部分的上市公司在实施增发之后业绩反而下降,部分公司在实施增发当年业绩就有大幅度的下降。因此,认为增发能够改善业绩的结论是得不到充分支持的。(2)较低的上市公司增发条件一定程度上导致增发公司在实施增发后业绩急剧变坏,即所谓的"变脸"。2000年实施增发公司的业绩变化情况说明了这一点。(3)在提高增发条件后,2001年、2002年实施增发公司在增发前的平均业绩水平有了很大的提高,并且2001年实施增发的公司在增发当年的业绩没有表现出明显的下降。
结论
1、实施股票增发的公司在股票增发完成后并没有显著地改善业绩,有些甚至在实施增发后业绩有很大的下降;由于股本扩大,因此导致了每股收益的下降,损害了长期持股老股东的利益。从1998年以后增发案例的结果来看,增发这种再融资行为并非提高上市公司业绩的有效手段。
2、从增发对股价的影响来看,增发的确是对股票价格的"利空"消息:在增发意向书公告日前的超额收益率显著为负,显示市场提前就对这一利空消息作出反映,投资者通过用脚投票来表示对增发行为的否定。
3、增发价格折扣率对公告日前后11个交易日累积超额收益率有一定的解释能力,并且不同年份对该累积超额收益率的影响也有差异。这显示出市场对股票增发的看法将很大程度上影响价格的下降程度。
4、1999年和2000年实施增发股票在增发新股上市后股价的累积超额收益率曾经出现了上升的趋势,所以参与增发的投资者在增发前后可以获得了较大的价格差,存在着明显的套利机会。但是从2001年开始,在增发后的超额收益率没有显著为正,即这种套利机会开始逐步消失。
5、关于增发公司存量资金的分析表明,增发公司拥有的平均货币资金没有明显低于市场平均水平:即上市公司并不是因为缺乏货币资金才要进行增发。实际上由于增发条件的限制,往往可以进行增发的公司其业绩和财务状况都比较好,所以增发公司的平均闲置资金高于市场平均水平也是必然的。分析其增发动机,可能有两种情况:一是为了公司业务和规模的扩张,通过增发募集资金投入新项目;二是由于增发融资的门槛越来越高,成功难度越来越大,为了不"浪费"宝贵的增发机会而进行增发。
6、有关实施股票增发和提出股票增发预案公司的流通股比例的分析表明,提出股票增发预案和实施增发公司的流通股比例要小于没有实施增发或没有提出股票增发预案的公司,说明上市公司不合理的股权结构会影响到上市公司进行股票增发的倾向性。虽然流通股比例较小的公司通过增发来改善股权结构无可厚非,但要注意在这过程中,应充分考虑流通股东的利益而不仅仅是大股东的利益,增发应以提高公司股票的内在价值为主要目的。尤其在增发过程中,股票价格的市场风险完全由流通股东承担,因此流通股东应在增发决策中拥有较大的发言权。
7、有关提出股票增发预案倾向性的二元选择回归分析结果表明,提出股票增发预案倾向性在不同行业有差异:信息技术行业更倾向于提出股票增发预案;而且重要的三个指标,净资产收益率、资产负债率和流通股比例会影响上市公司提出股票增发预案的概率:净资产收益率和资产负债率越高、流通股比例越低,上市公司越倾向于提出股票增发预案。
8、股票增发预案获批准情况的二元选择回归分析结果表明,每股收益高的公司所提出的股票增发预案更容易获得中国证监会的批准。这说明盈利能力较高公司的股票增发预案更能够得到发行审核部门的认可。
⑦ 、考虑股票A、B两个(超额收益)指数模型回归结果:
a B 横截距更大
b A 回归系数高 1.2>0.8
c A 可决系数高 R2A=0.576 > R2B
d A 阿尔法值大于0 因为1%>0
e -1.2% =rf-1.2rf=6%-1.2*6%
老大,你要求真多,我先都已经在后面大概写了原因了...
⑧ 投资学作业:从股票定价模型来分析香港金融危机 求解!!!
一、资本资产定价模型的理论背景
威廉•夏普建立了均衡的证券定价理论,即著名的资本资产定价模型(CAPM):(1)其中,E(Ri)为股票i的预期收益率,Rf为无风险利率,E(RM)为市场组合的预期收益率,,即系统风险系数,是市场组合收益率的方差,βi表示股票i收益率变化对市场组合收益率变动的敏感度,用βi系数来衡量该股票的系统风险大小。CAPM说明:在证券市场上,非系统风险可以通过多元化投资加以消除,对定价唯一起作用的是该证券的β系数。因此,对CAPM的检验就是验证β系数是否具有对收益的完全解释能力。
二、CAPM在国内外的检验
国外在1970以后就开始了对CAPM的检验和β系数的稳定性研究,早期的检验结果表明,西方成熟资本市场中股票定价基本符合CAPM。但1980年以后,出现了大量负面的验证结果。从1990年开始,国内一些学者对CAPM也陆续做了大量研究。陈浪南、屈文洲(2000)对上海A股市场对资本资产定价模型进行实证检验,根据股市中的三种市场格局(上升、下跌和横盘)划分了若干的时间段得出不同β值的进行分析,得出的β值与股票收益率的相关性较不稳定,说明上海股票市场存在较大的投机性。阮涛、林少宫(2000)说明了上海股票市场不符合CAPM,基于CAPM模型对中国现阶段的股票市场的分析和应用缺乏有效性依据。许涤龙,张钰(2005)实证结果表明在沪市股票的收益与其β系数存在着显著的正相关线性关系,但无风险收益率却是负的,这说明上海股票市场具有明显的投机特征,是一个不够成熟的股市。
三、数据说明和处理
本文选择上海证券交易所上市的上证180指数成分股,选择2009年1月9日到2010年12月22日期间的周数据,共有101个周数据,剔除在上述期间数据缺失的股票,样本共包含152只股票,本文选用上证综合指数来替代市场组合收益,所用数据都已进行除权、除息复权处理,本文数据来源于Wind资讯。个股用周收盘价来计算它们的周收益率,计算公式如下:其中Rit是第i只股票在t时刻的收益率;pit是第i只股票在t时刻的收盘价。上证综合指数的收益率计算同上,用Rmt来表示周收益率。对于无风险收益率的确定,本文使用一年期的定期存款利率来表示无风险收益率,折算成周收益率为:Rf=0.0455%。
四、CAPM实证和结果
本文在检验中用到的基本时间序列方程如下:(2)对于横截面的CAPM检验,采用下面的模型:(3)(4)其中是第i只股票平均收益率(样本均值来代替),βi是第i只股票的β值,在(4)的回归中βi由模型(3)中的得到的回归系数bi来替代。将回归结果与CAPM模型(1)进行比较,检验CAPM在上海资本市场是否成立:(1)资产的风险和收益之间是否存在线性关系。如果模型(4)中参数其估计值不显著异于零,则可认为资产的风险和收益之间仅存在线性关系。(2)资产的风险和收益是否正相关。如果参数γ1其估计值显著异大于零,则可以认为资产的风险和收益是正相关的。此外,其估计值理论上应该等于E(RM)-Rf,即市场的超额收益率。(3)参数γ0其估计值不显著异于Rf。
152只股票的周收益率分别对上综指的周收益率进行时间序列回归,得到152只股票的bi值。然后以152只股票的周收益率为因变量,各个股票回归出来的值为自变量对模型(3)进行回归,其结果为表1结果可以发现βi值在5%显著性水平下显著,而常数项γ0仅在10%的显著性水平下显著。即收益率与系统风险(β值)存在的线性显著性较强。下面来检验回归出来的γ0和无风险收益率是否有显著差异。γ0=0.002945,Rf=0.0455%,其检验的t值为此结果表明γ0和Rf在显著性水平5.97%下有显著区别,这与CAPM不吻合。下面来检验斜率系数是否显著不同于E(RM)-Rf。由表1知γ1=0.005036,其检验的t值为在5%的显著性水平下,γ1和E(RM)-Rf没有显著区别,这和CAPM相符。
为了进一步检验收益率与系统风险(β值)存在的非线性关系,对模型(4)检验得到的结果如下:根据表2的结果可以发现β值在5%显著性水平下不显著,而β2值在5%显著性水平下显著,这可以发现上海股票市场的除了系统风险的影响之外,与收益率风险的非线性关系即非系统风险对上海股票市场的收益率影响也较大。从表1和表2的结果可以看出,其中γ0是正数,这个与CAPM相吻合,但是以往的大部分文献中得出常数项为负值,而此处的结果得出γ0较显著的大于Rf,这是由于金融危机后,2009年与2010年的利率维持在较低水平,而上证A股指数从金融危机后较低的点位正在上升的过程中。
五、总结
根据上述CAPM的有效性检验,可以得出以下结论:(1)上海资本市场股票组合的平均超额收益率与其系统风险之间存在正相关关系,并且同时与非系统风险之间存在显著的线性关系。说明上海股票市场的股票定价不仅仅受系统风险的影响,而且受非系统风险的影响。(2)模型(3)中的斜率系数与平均超额收益率没有显著区别,常数估计值较显著大于无风险利率,与之前的大部分文献得出常数项大部分为负值不同。这由于金融危机后的这个特殊时期的货币政策和股市走势有关,同时也反映出上海股票市场正在逐步迈向成熟的过程之中。
⑨ 横截面股票价格是什么意思
资本资产定价模式(CAPM)在上海股市的实证检验
资产定价问题是近几十年来西方金融理论中发展最快的一个领域。1952年,亨利·马柯维茨发展了资产组合理论......
一、资本资产定价模式(CAPM)的理论与实证:综述
(一)理论基础
资产定价问题是近几十年来西方金融理论中发展最快的一个领域。1952年,亨利·马柯维茨发展了资产组合理论,导致了现代资产定价理论的形成。它把投资者投资选择的问题系统阐述为不确定性条件下投资者效用最大化的问题。威廉·夏普将这一模型进行了简化并提出了资产定价的均衡模型—CAPM。作为第一个不确定性条件下的资产定价的均衡模型,CAPM具有重大的历史意义,它导致了西方金融理论的一场革命。
由于股票等资本资产未来收益的不确定性,CAPM的实质是讨论资本风险与收益的关系。CAPM模型十分简明的表达这一关系,即:高风险伴随着高收益。在一些假设条件的基础上,可导出如下模型:
E(Rj)-Rf=(Rm-Rf)bj
其中: E(Rj )为股票的期望收益率。
Rf 为无风险收益率,投资者能以这个利率进行无风险的借贷。
E(Rm )为市场组合的期望收益率。
bj =sjm/s2m,是股票j 的收益率对市场组合收益率的回归方程的斜率,常被称为"b系数"。其中s2m代表市场组合收益率的方差,sjm 代表股票j的收益率与市场组合收益率的协方差。
从上式可以看出,一种股票的收益与其β系数是成正比例关系的。β系数是某种证券的收益的协方差与市场组合收益的方差的比率,可看作股票收益变动对市场组合收益变动的敏感度。通过对β进行分析,可以得出结论:在风险资产的定价中,那些只影响该证券的方差而不影响该股票与股票市场组合的协方差的因素在定价中不起作用,对定价唯一起作用的是该股票的β系数。由于收益的方差是风险大小的量度,可以说:与市场风险不相关的单个风险,在股票的定价中不起作用,起作用的是有规律的市场风险,这是CAPM的中心思想。
对此可以用投资分散化原理来解释。在一个大规模的最优组合中,不规则的影响单个证券方差的非系统性风险由于组合而被分散掉了,剩下的是有规则的系统性风险,这种风险不能由分散化而消除。由于系统性风险不能由分散化而消除,必须伴随有相应的收益来吸引投资者投资。非系统性风险,由于可以分散掉,则在定价中不起作用。
(二)实证检验的一般方法
对CAPM的实证检验一般采用历史数据来进行,经常用到的模型为:
其中: 为其它因素影响的度量
对此模型可以进行横截面上或时间序列上的检验。
检验此模型时,首先要估计 系数。通常采用的方法是对单个股票或股票组合的收益率 与市场指数的收益率 进行时间序列的回归,模型如下:
这个回归方程通常被称为"一次回归"方程。
确定了 系数之后,就可以作为检验的输入变量对单个股票或组合的β系数与收益再进行一次回归,并进行相应的检验。一般采用横截面的数据,回归方程如下:
这个方程通常被称作"二次回归"方程。
在验证风险与收益的关系时,通常关心的是实际的回归方程与理论的方程的相合程度。回归方程应有以下几个特点:
(1) 回归直线的斜率为正值,即 ,表明股票或股票组合的收益率随系统风险的增大而上升。
(2) 在 和收益率之间有线性的关系,系统风险在股票定价中起决定作用,而非系统性风险则不起决定作用。
(3) 回归方程的截矩 应等于无风险利率 ,回归方程的斜率 应等于市场风险贴水 。
(三)西方学者对CAPM的检验
从本世纪七十年代以来,西方学者对CAPM进行了大量的实证检验。这些检验大体可以分为三类:
1.风险与收益的关系的检验
由美国学者夏普(Sharpe)的研究是此类检验的第一例。他选择了美国34个共同基金作为样本,计算了各基金在1954年到1963年之间的年平均收益率与收益率的标准差,并对基金的年收益率与收益率的标准差进行了回归,他的主要结论是:
a、在1954—1963年间,美国股票市场的收益率超过了无风险的收益率。
b、 基金的平均收益与其收益的标准差之间的相关系数大于0.8。
c、风险与收益的关系是近似线形的。
2.时间序列的CAPM的检验
时间序列的CAPM检验最著名的研究是Black,Jensen与Scholes在1972年做的,他们的研究简称为BJS方法。BJS为了防止β的估计偏差,采用了指示变量的方法,成为时间序列CAPM检验的标准模式,具体如下:
a、利用第一期的数据计算出股票的β系数。
b、 根据计算出的第一期的个股β系数划分股票组合,划分的标准是β系数的大小。这样从高到低系数划分为10个组合。
c、采用第二期的数据,对组合的收益与市场收益进行回归,估计组合的β系数。
d、 将第二期估计出的组合β值,作为第三期数据的输入变量,利用下式进行时间序列回归。并对组合的αp进行t检验。
其中:Rft为第t期的无风险收益率
Rmt为市场指数组合第t期的收益率
βp指估计的组合β系数
ept为回归的残差
BJS对1931—1965年间美国纽约证券交易所所有上市公司的股票进行了研究,发现实际的回归结果与理论并不完全相同。BJS得出的实际的风险与收益关系比CAPM 模型预测的斜率要小,同时表明实际的αp在β值大时小于零,而在β值小时大于零。这意味着低风险的股票获得了理论预期的收益,而高风险股票获得低于理论预测的收益。
3.横截面的CAPM的检验
横截面的CAPM检验区别于时间序列检验的特点在于它采用了横截面的数据进行分析,最著名的研究是Fama和Macbeth(FM)在1973年做的,他们所采用的基本方法如下:
a、根据前五年的数据估计股票的β值。
b、 按估计的β值大小构造20个组合。
c、计算股票组合在1935年—1968年间402个月的收益率。
d、 按下面的模型进行回归分析,每月进行一次,共402个方程。
Rp=g0+g1bp+g2bp2+g3sep+ep
这里:Rp为组合的月收益率、
βp为估计的组合β值
bp2为估计的组合β值的平方
sep为估计βp值的一次回归方程的残差的标准差
g0、g1、g2、g3为估计的系数,每个系数共402个估计值
e、对四个系数g0、g1、g2、g3进行t检验
FM结果表明:
①g1的均值为正值,在95%的置信度下可以认为不为零,表明收益与β值成正向关系
②g2、g3在95%的置信度下值为零,表明其他非系统性风险在股票收益的定价中不起主要作用。
1976年Richard·Roll对当时的实证检验提出了质疑,他认为:由于无法证明市场指数组合是有效市场组合,因而无法对CAPM模型进行检验。正是由于罗尔的批评才使CAPM的检验由单纯的收益与系统性风险的关系的检验转向多变量的检验,并成为近期CAPM检验的主流。最近20年对CAPM的检验的焦点不是 ,而是用来解释收益的其它非系统性风险变量,这些变量往往与公司的会计数据相关,如公司的股本大小,公司的收益等等。这些检验结果大都表明:CAPM模型与实际并不完全相符,存在着其他的因素在股票的定价中起作用。
(四)我国学者对风险-收益关系的检验
我国学术界引进CAPM的概念的时间并不长,一些学者对上海股市的风险与收益的关系做了一些定量的分析,但至今仍没有做过系统的检验。他们的研究存在着一些缺陷,主要有以下几点:
1. 股票的样本太少,不代表市场总体,无法得出市场上风险与收益的实际关系。
2. 在两次回归中,同时选用同一时期的数据进行 值的估计和对CAPM模型中线性关系的验证。
3. 在确定收益率时并没有考虑分红,送配带来的影响并做相应调整,导致收益和风险的估计的偏差,严重影响分析的准确性。
4. 在回归过程中,没有选用组合的构造,而是采用个股的回归易导致, 系数的不稳定性。
二、上海股市CAPM模型的研究方法
(一)研究方法
应用时间序列与横截面的最小二乘法的线性回归的方法,构造相应的模型,并进行统计检验分析。时间序列的线性回归主要应用于股票β值的估计。而CAPM的检验则采用横截面回归的方法。
(二)数据选取
1.时间段的确定
上海股市是一个新兴的股市,其历史并不十分长,从1990年12月19日开市至今,不过短短八年的时间。在这样短的时间内,要对股票的收益与风险问题进行研究,首先碰到的是数据数量不够充分的问题。一般来说对CAPM的检验应当选取较长历史时间内的数据,这样检验才具有可靠性。但由于上海股市的历史的限制,无法做到这一点。因此,首先确定这八年的数据用做检验。
但在这八年中,也不是所有的数据均可用于分析。CAPM的前提要求市场是一个有效市场:要求股票的价格应在时间上线性无关。在第一章中通过对上海股市收益率的相关性研究,发现93年之前的数据中,股价的相关性较大,会直接影响到检验的精确性。因此,在本研究中,选取1993年1月至1998年12月作为研究的时间段。从股市的实际来看,1992年下半年,上海股市才取消涨停板制度,放开股价限制。93年也是股市初步规范化的开始。所以选取这个时间点用于研究的理由是充分的。
2.市场指数的选择
目前在上海股市中有上证指数,A股指数,B股指数及各分类指数,本文选择上证综合指数作为市场组合指数,并用上证综合指数的收益率代表市场组合。上证综合指数是一种价值加权指数,符合CAPM市场组合构造的要求。
3.股票数据的选取
这里用上海证券交易所(SSE)截止到1998年12月上市的425家A股股票的每日收盘价、成交量、成交金额等数据用于研究。这里遇到的一个问题是个别股票在个别交易日内停牌,为了处理的方便,本文中将这些天该股票的当日收盘价与前一天的收盘价相同。
三、上海股市风险-收益关系的实证检验
(一)股票贝塔系数的估计
中国股票市场共有8年的交易数据,应采用3年以上的数据用于估计单个股票的 系数,才能保证 具有稳定性。但是课题组在实践中通过比较发现由于中国股票市场作为一个新兴的市场,无论是市场结构还是市场规模都还有待于进一步的发展,同时各种股票关于市场的稳定性都不是很高,股市中还存在很大的时变风险,因此各种股票的 系数随着时间的推移其变化将会很大。所以只用上一年的数据估计下一年的 系数时, 系数将更具有灵敏性,因为了使检验的结果更理想,均采用上一年的数据估计下一年的 系数。估计单个股票的 系数采用单指数模型,如下:
其中: : 表示股票i在t时间的收益率
: 表示上证指数在t时间的收益率
:为估计的系数
:为回归的残差。
进行一元线性回归,得出 系数的估计值 ,表示该种股票的系统性风险的测度。
(二)股票风险的估计
股票的总风险,可以用该种股票收益率的标准差来表示,可以用下式来估计总风险
其中:N为样本数量, 为 的均值。
非系统风险,可用估计 的回归方程中的残差 的标准差来表示,用 表示股票i的非系统性风险,可用下式求出:
其中: 为一次回归方程的残差
为 的均值
(三)组合的构造与收益率计算
对CAPM的总体性检验是检验风险与收益的关系,由于单个股票的非系统性风险较大,用于收益和风险的关系的检验易产生偏差。因此,通常构造股票组合来分散掉大部分的非系统性风险后进行检验。构造组合时可采用不同的标准,如按个股b系数的大小,股票的股本大小等等,本文按个股的b系数大小进行分组构造组合。将所有股票按b系数的大小划分为15个股票组合,第一个股票组合包含b系数最小的一组股票,依次类推,最后一个组合包含b数子最大的一组股票。组合中股票的b系数大的组合被称为"高b系数组合",反之则称为"低b系数组合"。
构造出组合后就可以计算出组合的收益率了,并估计组合的b系数用于检验。这样做的一个缺点是用同一历史时期的数据划分组合,并用于检验,会产生组合b值估计的偏差,高b系数组合的b系数可能会被高估,低b系数组合的b系数可能被低估,解决此问题的方法是应用Black,Jenson与Scholes研究组合模型时的方法(下称BJS方法),即如下四步:
(1)利用第一期的数据计算股票的b系数。
(2)利用第一期的b系数大小划分组合
(3)采用第一期的数据,对组合的收益与市场收益率进行回归,估计组合的b系数
(4)将第一期估计出的组合b值作为自变量,以第二期的组合周平均收益率进行回归检验。
在计算组合的平均周收益率时,我们假设每个组合中的十只股票进行等额投资,这样对平均周收益率 只需对十只股票的收益率进行简单平均即可。由于股票的系统风险测度,即真实的贝塔系数无法知道,只能通过市场模型加以估计。为了使估计的贝塔系数更加灵敏,本研究用上一年的数据估计贝塔系数,下一年的收益率检验模型。
(四)组合贝塔系数和风险的确定
对组合的周收益率求标准方差,我们可以得到组合的总风险sp
组合的b值的估计,采用下面的时间序列的市场模型:
Rpt =ap+bpRmp+ept
其中:Rpt表示t时期投资组合的收益率
:为估计的系数
Rmt表示t期的市场组合收益率
ept为回归的残差
对组合的每周收益率与市场指数收益率回归残差分别求标准差即可以得到组合sep值。
表1:组合周收益率回归的b值与风险(1997.01.01~1997.12.31)
组合 组合b值 组合а值 相关系数平方 总风险 非系统风险
1 0.781 0.001 0.888 0.063 0.021
2 0.902 0.000 0.943 0.071 0.017
3 0.968 0.000 0.934 0.076 0.02
4 0.989 0.000 0.902 0.079 0.025
5 1 0.000 0.945 0.078 0.018
6 1.02 0.000 0.958 0.079 0.016
7 1.04 0.002 0.935 0.082 0.021
8 1.06 0.000 0.925 0.084 0.023
9 1.08 0.000 0.938 0.085 0.021
10 1.1 0.000 0.951 0.086 0.019
11 1.11 0.000 0.951 0.087 0.019
12 1.12 0.000 0.928 0.089 0.024
13 1.13 0.000 0.937 0.089 0.022
14 1.16 0.000 0.912 0.092 0.027
15 1.17 0.000 0.922 0.092 0.026
(五)组合平均收益率的确定
对组合按前面的构造方法,用第98年的周收益率求其算术平均收益率。
表2:组合的平均收益率(1998.1.1-1998.12.31)
组合 组合b 平均周收益率
1 0.781 0.0031
2 0.902 -0.0004
3 0.968 0.0048
4 0.989 0.0052
5 1 0.0005
6 1.02 -0.002
7 1.04 0.0038
8 1.06 0.003
9 1.08 0.0016
10 1.1 0.0026
11 1.11 0.005
12 1.12 0.0065
13 1.13 0.0044
14 1.16 0.0067
15 1.17 0.0074
(六)风险与收益关系检验
以97年的组合收益率估计b,以98年的组合收益率求周平均收益率。对15组组合得到的周平均收益率与各组合b系数按如下模型进行回归检验:
Rpj=g0+g1bpj
其中 : Rpj 是组合 j的98年平均周收益率
bpj 是组合j的b系数
g0,g1为估计参数
按照CAPM应有假设:
1.g0的估计应为Rf的均值,且大于零,表明存在无风险收益率。
2.g1的估计值应为Rm-Rf>0,表明风险与收益率是正相关系,且市场风险升水大于零。
回归结果如下:
g0 g1 R2
均值 -0.0143 0.0170 0.4867
T值 -2.8078 3.5114
查表可知,在5%显著水平下回归系数g1显著不为0,即在上海股市中收益率与风险之间存在较好的线性相关关系。论文在实践检验初期,发现当以93年至97年的数据估计b,而用98年的周收益率检验与风险b关系时,回归得到的结论是5%显著水平下不能拒绝回归系数g1显著为0的假设。这些结果表明,在上海股市中系统性风险b与周收益率基本呈现正线性相关关系。同时,上海股市仍为不成熟证券市场,个股b十分不稳定,从相关系数来看,尚有其他的风险因素在股票的定价中起着不容忽视的作用。本文将在下面进行CAPM模型的修正检验。
四、CAPM的横截面检验
(一)模型的建立
对于横截面的CAPM检验,采用下面的模型:
Rp=g0+g1bp+g2bp2+g3sep+ep
该模型主要检验以下四个假设:
1,系统性风险与收益的关系是线性的,就是要检验回归系数E(g2)=0。
2,b是衡量证券组合中证券的风险的唯一测度,非系统性风险在股票的定价中不起作用,这意味着回归方程的系数E(g3)=0。
3,对于风险规避的投资者,高系统性风险带来高的期望回报率,也就是说:E(g1)=E(Rmt)—E(Rft)>0
4,对只有无风险利率才是系统风险为0的投资收益,要求E(g0)=Rf。
(二)检验的结果及启示
对CAPM模型的横截面的检验采用多元回归中的逐步回归分析法(stepwise),即在回归分析中首先从所有自变量选择一个自变量,使相关系数最大,再逐步假如新的自变量,同时删去可能变为不显著的自变量,并保证相关系数上升,最终保证结果中的所有自变量的系数均显著不为0,并且被排除在模型之外的自变量的系数均不显著。
表4:多元回归的stepwise法结果
g0 g1 R2
系数 -0.0143 0.0170 0.4867
T值 -2.8078 3.5114
从表中可以得出如下结论:
1.bp2项的系数的T检验结果并不显著,表明风险与收益之间并不存在非线性相关关系。
2.sep 项的系数的T检验结果并不显著,表明非系统风险在资产组合定价中并不起作用。
3.g0的估计值为负,即资金的时间价值为负,表明市场具有明显的投机特征。
五、影响收益的其他因素分析
(一)历史回顾
长期以来,Sharp,linter和Mossin分别提出的CAPM模型一直是学术界和投资者分析风险与收益之间关系的理论基石,尤其是在Black,Jensen,和Scholes(1972)以及 Fama 和MacBeth(1973)通过实证分析证明了1926-1968年间在纽约证券交易所上市的股票平均收益率与贝塔之间的正的相关关系以后。然而八十年代,Reinganum(1981)和Lakonishok ,Shapiro(1986)对后来的数据分析表明这种简单的线性关系不复存在。Roll对CAPM的批评文章发表之后,对CAPM的检验也转向对影响股票收益的其他风险因素的检验,并发现了许多不符合CAPM的结果。Fama和French(1992)更进一步指出,从四十年代以后,纽约股票市场股票的平均收益率与贝塔系数间不存在简单的正线性相关关系。他们通过对纽约股票市场1963年至1990年股票的月收益率分析发现存在如下的多因素相关关系:
R=1.77%-(0.11*ln(mv))+(0.35*ln(bv/mv))
其中:mv是公司股东权益的市场价值,bv是公司股东权益的账面价值。
从前一节我们对上海股票市场的检验结果可以看出,当选用的历史数据变化以后,上海股市中收益与系统性风险相关的显著程度并不如CAPM所预期的那样。罗尔对CAPM的解释同样适合于上海市场,即一方面我们无法证实市场指数就是有效组合,以我们分析的上海股票市场而言,上证指数远没有包括所有金融资产,比如投资者完全可以自由投资于债券市场和在深圳证券交易所上市的股票。另一方面,在实际分析中我们无法找到真正的贝塔(true beta)。为了找出上海股市中股票定价的其他因素,本文结合上海股票市场曾经出现炒作的"小盘股"、"绩优股"、"重组股"等现象,对公司的股本大小,公司的净资产收益率,市盈率等非系统因素对收益的影响进行了分析。具体方法是:论文首先对影响个股收益率的各因素进行逐年分析,然后构造组合,再对影响组合收益率的各因素进行分析,组合的构造方法与前相同。
(二)单股票的多因素检验及结果
检验方法是用历史数据计算b系数,再对b系数、前期总股本、前期流通股本、预期净资产收益率、预期PE比率对收益率的解释程度进行分析。例如在分析年所有股票收益率的决定因素时,采用93年股票的收益率计算贝塔系数,总股本为93年末的总股本,净资产收益率和市盈率根据94年的财务指标计算。由于股票在此之后4年交易期间,净资产收益率(ROE)和每股收益(EPS)尚未公布,因此净资产收益率和市盈率都称为预期净资产收益率和预期市盈率。具体模型如下:
Rj=g0+g1bj+g2Gj+g3ROEj+g4PEj+ej
其中 : Rj 是股票 j的第t期年平均周收益率
bj 是股票j的b系数,b系数由第(t-1)期历史数据算出
Gj 是股票j的第(t-1)期总股本对数值
ROEj是股票j的第t期净资产收益率
PEj 是股票j的第t期期末市盈率
STEPWISE多元回归发现94年各股票收益率与以上因素并无显著关系,其他各年的结果如下:
表5:95年个股收益率的STEPWISE多元回归结果
Rj=g0+g2Gj
R2 g0 g2
均值 T值 均值 T值
0.05 -0.013 -3.568 0.0011 2.958
表6:96年个股收益率的STEPWISE多元回归结果
Rj=g0+g2Gj+g3ROEj
R2 g0 g2 g3
均值 T值 均值 T值 均值 T值
0.171 -0.011 -1.93 0.002 2.845 0.024 5.249
表7:97年个股收益率的STEPWISE多元回归结果
Rj=g0+g2Gj
R2 g0 g2
均值 T值 均值 T值
0.099 0.0317 6.328 -0.0028 -5.325
表8:98年个股收益率的STEPWISE多元回归结果
Rj=g0+g1bj+g2Gj+g3ROEj
R2 g0 g1 g2 g3
均值 T值 均值 T值 均值 T值 均值 T值
0.195 0.0343 7.799 0.005 3.582 -0.003 -8.548 0.0013 0.0045
(三)组合的检验及结果
组合的构造方法与前面所描述的一致。对所有组合98年平均周收益率与组合的97年数据所计算出的贝塔系数、97年末平均总股本、98年平均净资产收益率、98年底平均市盈率进行回归分析,模型如下:
Rpj=g0+g1bpj+g2Gpj+g3ROEpj+g4PEpj+ej
其中 : Rpj 是组合 j的98年平均周收益率
bpj 是组合j的b系数
Gpj 是组合j的 97年总股本对数值
ROEpj 是组合j的98年净资产收益率
PEpj 是组合j的98年末市盈率
表9:98年组合收益率的STEPWISE多元回归结果
g0 g3 R2
均值 0.0425 -0.0039 0.593
T值 4.736 -4.355
(四)结果分析
对组合的收益率以及97年以来个股的收益率采用stepwise回归分析可以看出,公司的股本因素在上海股票市场的股票定价中起着显著的作用。股票的定价因素同西方成熟股市一样,存在规模效应(Size Effect),即小公司的股票容易取得高收益率。这个结论与中国股市的近几年价格波动实际特点相一致,其原因可以从以下三方面分析:首先,小公司股本扩张能力强。在我国股市中,投资人主要是希望公司股本扩张后带来的资产增值盈利。其次,小股本的股票便于机构投资者炒作。我国机构投资者的实力总体偏弱,截止98年年底,注册资本在5亿元以上的券商只有10多家。最后,小公司往往被市场认为是资产收购与兼并的目标。许多早期上市的公司,市场规模较小,在激烈的市场竞争中无行业垄断优势和规模经济效益,无法与大企业抗衡。而许多高科技企业或具有较强市场竞争力的企业迫切需要进入资本市场,将收购目标瞄准这些小规模上市公司实行低成本借壳上市。这三方面的因素都导致小股本公司的股票受到市场的青睐。因此在论文的检验结果中,无论是个股还是组合在历年的收益率中都是显著地与股本相关