【文章內(nèi)容簡(jiǎn)介】 風(fēng)險(xiǎn)大于整個(gè)市場(chǎng)投資組合的風(fēng)險(xiǎn)；1，說(shuō)明該單項(xiàng)資產(chǎn)的風(fēng)險(xiǎn)收益率小于市場(chǎng)組合平均風(fēng)險(xiǎn)收益率，則該單項(xiàng)資產(chǎn)的風(fēng)險(xiǎn)程度小于整個(gè)市場(chǎng)投資組合的風(fēng)險(xiǎn)。本文從所選的8支股票中挑選出瀘州老窖及惠泉啤酒，計(jì)算其系數(shù)。分析其受大盤(pán)影響程度。方法選取本文選取“單一指數(shù)模型”計(jì)算系數(shù)。單一指數(shù)模型以經(jīng)驗(yàn)分析為基礎(chǔ)，將任一證券的收益與市場(chǎng)指數(shù)的收益相聯(lián)系，通過(guò)市場(chǎng)指數(shù)這個(gè)共同因素的變化，了解個(gè)別證券可能發(fā)生的變化。單一指數(shù)模型假設(shè)某資產(chǎn)的收益率與市場(chǎng)收益率之間存在線性關(guān)系，若有誤差，則用誤差項(xiàng)修正，用函數(shù)表示為：R是資產(chǎn)i的收益率，R為證券市場(chǎng)的收益率，為隨機(jī)誤差項(xiàng)。市場(chǎng)指數(shù)的選取理論上CAPM的市場(chǎng)組合應(yīng)包含所有資產(chǎn)，其中還包括某些不上市交易的金融資產(chǎn)和不動(dòng)產(chǎn)等。但是實(shí)際生活中，只有很少的一部分資產(chǎn)是在證券交易所交易，沒(méi)有任何一個(gè)指數(shù)能夠完全反映市場(chǎng)組合，甚至接近市場(chǎng)組合都很困難。但是由于這些資產(chǎn)的收益率不是直接能觀測(cè)到的，因此真正的市場(chǎng)組合收益根本無(wú)法直接度量。在實(shí)際的應(yīng)用中一般是采用證券市場(chǎng)公開(kāi)指數(shù)代替，對(duì)于A股市場(chǎng)，由于滬深兩市的割裂，選擇滬深300指數(shù)作為市場(chǎng)組合較為合適。樣本時(shí)間跨度的選取收益率的時(shí)間跨度也會(huì)對(duì)貝塔系數(shù)的估計(jì)造成影響，選取樣本的數(shù)量過(guò)少可能造成信息的損失，選取樣本過(guò)多，則可能引入過(guò)于陳舊的數(shù)據(jù)，對(duì)估計(jì)結(jié)果造成影響。時(shí)間段選得長(zhǎng)，在回歸計(jì)算中，我們會(huì)有更多的觀測(cè)值，這樣回歸的結(jié)果特更準(zhǔn)確。但是公司本身也肯能在這段時(shí)間內(nèi)改變了業(yè)務(wù)結(jié)構(gòu)，杠桿力度等等。這樣就增加了計(jì)算的不準(zhǔn)確性。因此，這里就存在一個(gè)數(shù)據(jù)頻率和時(shí)間區(qū)域的平衡問(wèn)題。因?yàn)槲覀儾⒉幌胍钅芊从彻具^(guò)去風(fēng)險(xiǎn)狀況的貝塔，而是最能反映公司現(xiàn)存風(fēng)險(xiǎn)的貝塔。一般來(lái)說(shuō)，我們應(yīng)該截取一段合理的時(shí)間，在這時(shí)間段里，公司的杠桿和業(yè)務(wù)結(jié)構(gòu)相對(duì)穩(wěn)定。根據(jù)國(guó)信證券研究研究所報(bào)告《貝塔穩(wěn)定性研究與預(yù)測(cè)》（劉忠海，葛新元，）的結(jié)論：分析師的目的是在保證較好的貝塔穩(wěn)定性和精確度的前提下，采用盡量段的數(shù)據(jù)期間估算貝塔，3年是比較恰當(dāng)?shù)?。所以本文系?shù)計(jì)算所用數(shù)據(jù)的時(shí)間區(qū)間為：2008年5月27日至2011年5月31日。收益率的頻率的選取影響貝塔估計(jì)的另一個(gè)因素是收益率的計(jì)算頻率。另外，度量市場(chǎng)組合收益率和證券收益率的區(qū)間有多種選擇，可以用日、周、月、季、半年、或者年收益率等?；诓煌瑓^(qū)間的收益率進(jìn)行估計(jì)，結(jié)果可能存在差異。理論上來(lái)說(shuō)，收益率的時(shí)間間隔越短，貝塔系數(shù)的估計(jì)值就越精確。這里我們參照國(guó)信證券的《貝塔系數(shù)專題研究》的深度報(bào)告，結(jié)果顯示基于日收益率的貝塔預(yù)測(cè)效果要比周收益率、月收益率的預(yù)測(cè)效果要好。日收益率的預(yù)測(cè)MAD值最小。系數(shù)計(jì)算結(jié)果：經(jīng)過(guò)計(jì)算得出：惠泉啤酒的貝塔系數(shù)估計(jì)：=，說(shuō)明該單項(xiàng)資產(chǎn)的風(fēng)險(xiǎn)收益率高于市場(chǎng)組合平均風(fēng)險(xiǎn)收益率，則該單項(xiàng)資產(chǎn)的風(fēng)險(xiǎn)大于整個(gè)市場(chǎng)投資組合的風(fēng)險(xiǎn)。其受到大盤(pán)價(jià)格波動(dòng)的影響較明顯。瀘州老窖的貝塔系數(shù)估計(jì)：=，說(shuō)明該單項(xiàng)資產(chǎn)的風(fēng)險(xiǎn)收益率小于市場(chǎng)組合平均風(fēng)險(xiǎn)收益率，則該單項(xiàng)資產(chǎn)的風(fēng)險(xiǎn)程度小于整個(gè)市場(chǎng)投資組合的風(fēng)險(xiǎn)。受到大盤(pán)價(jià)格波動(dòng)的較不明顯。四、結(jié)論與建議根據(jù)前面對(duì)這兩支股票、白酒大盤(pán)的模型擬合預(yù)測(cè)發(fā)現(xiàn)，瀘州老窖股價(jià)的走勢(shì)受大盤(pán)影響程度較輕，而惠泉啤酒的股價(jià)走勢(shì)則隨大盤(pán)波動(dòng)較大。這與系數(shù)計(jì)算的結(jié)果相對(duì)吻合。（一）基于分析結(jié)果對(duì)于酒業(yè)板塊投資者的建議從上面的分析結(jié)果可知：山西汾酒，惠泉啤酒，張?jiān)三支股票的預(yù)測(cè)結(jié)果呈上升趨勢(shì)，而這些股票前段時(shí)間走勢(shì)不不太好，說(shuō)明其股價(jià)已接近探底即將反彈，而其他幾支強(qiáng)勢(shì)股如貴州茅臺(tái)，洋河股份瀘州老窖，五糧液，青島啤酒，在經(jīng)歷長(zhǎng)時(shí)間上漲后，可能開(kāi)始下跌，從白酒業(yè)總的擬合結(jié)果來(lái)看，其還是處于波動(dòng)狀態(tài)，這可能是股市的盤(pán)整期，在盤(pán)整過(guò)后開(kāi)始下跌。所以，我們建議對(duì)于貴州茅臺(tái)這樣的股票慎重購(gòu)買，對(duì)于惠泉啤酒反而可以試著多買，因?yàn)槠淦髽I(yè)情況已經(jīng)在之前的分析中得出是很不錯(cuò)的，現(xiàn)在股價(jià)又較低，有很大的獲利空間。（二）模型存在的不足及改進(jìn)方向在反映企業(yè)經(jīng)營(yíng)狀況的指標(biāo)選取過(guò)程中，可能存在指標(biāo)選取不合理，不能準(zhǔn)確反映企業(yè)整體經(jīng)營(yíng)狀況的選擇。在選取之前應(yīng)多與金融專業(yè)方面的專家進(jìn)行溝通，然后確定哪些指標(biāo)更有效，更能說(shuō)明企業(yè)的經(jīng)營(yíng)狀況。在因子分析和對(duì)應(yīng)分析時(shí)，只從統(tǒng)計(jì)方面解釋了所得結(jié)果，沒(méi)有與金融方面相關(guān)理論結(jié)合，對(duì)于問(wèn)題的反映不是很全面。在對(duì)以選出的優(yōu)質(zhì)股進(jìn)行序列擬合的時(shí)候，直接用ARIMA模型擬合，沒(méi)有考慮其他可能的影響因素。例如國(guó)家宏觀的經(jīng)濟(jì)政策，如最近半年來(lái)銀行準(zhǔn)備金率不斷上調(diào)，居民消費(fèi)價(jià)格指數(shù)屢創(chuàng)新高，通貨膨脹增加等因素對(duì)于模型的影響，這些因素的忽略可能造成股價(jià)預(yù)測(cè)值偏差較大。 貝塔系數(shù)采用單一因素模型且獲得結(jié)果為有杠桿作用的系數(shù)，為粗略估計(jì)值，可供比較參考。參考文獻(xiàn)：【1】2009中國(guó)統(tǒng)計(jì)年鑒【2】王 燕 2008 《應(yīng)用時(shí)間序列分析》 中國(guó)人民大學(xué)出版社【3】張文彤，閆潔《SPSS統(tǒng)計(jì)分析基礎(chǔ)教程》 高等教育出版社附錄：各原始數(shù)據(jù)表格表1 各酒業(yè)上市公司10項(xiàng)指標(biāo)財(cái)務(wù)數(shù)據(jù)最新公司全稱每股收益總資產(chǎn)周轉(zhuǎn)率每股未分配利潤(rùn)股東權(quán)益比率資產(chǎn)負(fù)債率流動(dòng)資產(chǎn)周轉(zhuǎn)率成本費(fèi)用利潤(rùn)率現(xiàn)金流動(dòng)負(fù)債比凈資產(chǎn)增長(zhǎng)率資產(chǎn)總計(jì)相對(duì)年初增長(zhǎng)率瀘州老窖安徽古井貢酒北京燕京啤酒酒鬼酒0宜賓五糧液煙臺(tái)張?jiān)Ｆ咸厌劸聘拭C皇臺(tái)酒業(yè)江蘇洋河酒廠廣州珠江啤酒浙江古越龍山紹興酒新疆啤酒花重慶啤酒安徽金種子酒業(yè)通化葡萄酒貴州茅臺(tái)酒河北衡水老白干酒業(yè)福建省燕京惠泉啤酒青島啤酒四川沱牌曲酒四川水井坊山西杏花村汾酒廠表2 各酒業(yè)上市公司2010年6月4日至2011年5月27日周收盤(pán)價(jià)　貴州茅臺(tái)洋河股份張?jiān)瀘州老窖惠泉啤酒五糧液山西汾酒青島啤酒總股20116414925201161120116182011625201172147201179131882520117162011723201173053201186201181320118201822011827151201193186201191020119171951066320119211662011108201110152011102236201110292082011115201111122011111937201111267320111232542011121069201112172011122421020111231224201117234201111421120111212011128201121121220112189020112252011342011311180462011318332011325201141207201148201141520920114222182011429201156983520115132297120115202011527流通股（億）　 SAS程序茅臺(tái)data example3_1。 data example3_1。 input x@@。 time=_n_。 y=dif(x)。 cards。 131 151 166 180 。proc gplot data=example3_1。plot x*time=1 y*time=1。symbol1 c=red I=join v=star。 proc arima data= example3_1。 identify var=x(2) nlag=8 minic p=(0:5)q=(0:5)。 estimate p=0 q=1 noint 。forecast lead=4 id=time out=results。proc gplot data=results。 plot x*time=1 forecast*time=2 l95*time=3 u95*time=3/overlay。 symbol1 c=black i=none v=star。 symbol2