ParK's 論文后花園

中国海洋大学
硕士学位论文
我国上市银行系统性风险预测研究——基于β系数稳定性及影
响因素的视角
姓名：宋薇
申请学位级别：硕士
专业：金融学
指导教师：孙健
20090601
我国上市银行系统性风险预测研究
——基于B系数稳定性及影响因素的视角
摘要
在资本市场的理论与实践中，风险的度量一直是焦点问题，特别是系统性风
险，已成为众多经济学家和业内人士的研究重点。中国股票市场作为一个新兴加
转轨的市场，依旧存在着经济制度、市场环境的不完善和投资者不成熟等不利因
素，这也导致股票价格行为受市场整体变化的影响较大，系统性风险在股票总风
险中占的比例较大，对系统性风险的度量尤为迫切。随着现代投资组合理论的建
立和发展，经济学家们提出了一系列系统性风险的度量方法，B系数就是其中一
种被广泛采用的度量指标。
与国外研究相比，国内关于中国证券市场B系数的实证研究较少，而一些涉
及到B系数的研究多见于对CAPM模型的实证检验以及有效性研究和事件研究
中；而随着越来越多的银行上市，银行类股票在我国证券市场上所占的比重越来
越大，由于银行类股票特征的特殊性，许多研究在选取样本时往往将银行类股票
从中剔除。。这不仅限制了B系数在理论上的应用，更使得B系数在投资实践中的
对系统性风险的测度和控制作用得不到充分发挥。
本文对上市银行系统性风险的研究选择了B系数进行分析，验证了B系数的
时限效应和稳定性并且对其影响因素进行了分析，从而对银行类上市公司的系统
性风险有了较为清晰的结论。在研究方法上，本文主要采用实证研究的方法来研
究中国上市银行类股票的系统性风险，选取了§系数作为分析标的，运用实证研
究的方法对B系数的稳定性、时效性以及影响因素进行了分析，在研究过程中主
要运用了统计学和计量经济学的相关分析方法。在进行样本银行B系数的估算
时，主要采用计量经济学中的OLS方法；在研究B系数的稳定性时，主要采用
。ADF法；在研究B系数的时限效应时，主要采用wilcoxon符号秩检验；在研究
宏观经济对B系数的影响时，采用格兰杰因果关系检验法(Granger Causality
Tests)；在实证研究银行基本特征对B系数的影响时，采用横截面数据运用多元
回归分析法中的逐步回归方法。·
通过上述方法的实证研究，发现我国银行类股票的B系数具有不稳定性，并
且银行类股票的平均B系数是大于1的，即银行类股票的系统风险高于市场组合
的风险；银行0系数与资本充足率、基本每股收益、净利润增长率等会计指标呈
现比较显著的相关关系，而GDP增长率的变动以及其他一些会计变量对银行B系
数影响作用不显著。本文研究不仅丰富和补充了我国目前对于B系数的相关研
究，以便使B系数更好地应用于上市银行系统性风险预测的实践，而且对投资者
投资行为、股票市场的完善以及政府的监管政策都有一定的积极意义。
关键词：上市银行；系统性风险；B系数；稳定性检验；时限效应
An emp j r；ca l study on the system i c r i sk pred i ct i on of
Ch i nese l i sted banks based on the stab i I i ty and
i nf l uent i a I factor s of B
Abstract
In t11e t11eo巧a11d practice of c印itaJ market，risk measurement h2Ls been the focuS
of the problems，especially the systemic risk haS receiVed a掣eat attemion舒om bo也
academics and practitionerS．C11ina’s stock market aS an eme玛ing market with t11e
trallsition，Still exists many心orable factors，such aS me impe疵ct economic
system，t11e imperfect m破et enviromnem a11d the immature iIⅣestors．n also leads to
stock price bellaVior by也e inlpact of changes i11 t11e market，and systemic risk in
stock o accounted for a larger proportion f to饭l risk，so measure of systemic risk is
p叭icul砌y urgent．Witll也e establisllIllent and deVelopment of modem ponfolio
theory，economists put forward a series of systematic risk measIlremem method，and p
coe伍cient is one of也e metrics也at are widely used indicators．
Compared with study abroad，domeStic researches of p coef!ficiem on Chilla
securities market、Ⅳere less，甜1d some of me study related to p coemciem waus
particularly preValent iIl the CAPM model andteSt the Validit)r of the empirical
research a11d case studies；Witll the increasing眦mber ofballks to be liSted，bal】k killd
the Stock in ChinaIs stock market share is more andmore big．Due to me particularity
of bank虹nd也e stock charaCteristics，mally studies iIl也e saI】叩le selected tend to
eliIIlinate me bank kind也e stock．ms not 011ly limits此B coe伍ciem in the
application of theory，but also makes p coemcient i11 t11e systemic risks and comrol
measure of inVestHlem practice is not brought into向U play．
In“s p印er，恤study of me Systemic risk of listed balll(s analyzes t11e p
coemcient，Verifies the time limit a芏1d t11e stability of也e p coemcient，aIld analyzes
the i11fluence f．actors，so t11e syStemic risk of listed baI出s has been more clear
Conclusion．nis paper uses empirical research memd to study systeIllic risk of
C11inese listed banl(killd the stock，selectes廿1e pcoemcient aS a mark analyzes
stability，timeliness and iIlfluence factors on pcoe伍cient using t11e method of
empirical research，a11d iIl t11e process of research mainly uses the statistics a11d
analysis of t11e econometrics．In也e estimation of pcoemcient of t11e sample balll(，it
mainly adopts妇1e econometrics OLS method；In也e study of the stabil时of
pcoe伍cient，it maillly uses t11e method of ADF；In t1∽study of me e髓Ct of time of
t}le pcoe伍cient，it mainly adopts Wilcoxon symbols rank inspection；111 the study of
me macroeconomic ef!f’ects on the pcoemcient，it uses the combination of qualltitative
姐alysis method and研anger Causal时Tests methods；hl舭empirical research on
the basic characteristics of baI墩on pcoemcient，it uses cross—sectional data by using
stepwise re铲ession meⅡlod ofmultiple regression analysis．
’111e author concludes that the pcoe位ciem of listed banks is i11Stable，a11d the
aVeragepcoe伍ciem of listed banks is larger than one i11 China by也e research on the
s切bility and hlnuential f-actors of beta of Chinese listed ballks．That is to say’the
syStem risks of baI出ing Stocks are larger thall the risks of Market Portf01io．111 t11is
paper，the study also f．ound that也e bank’s c印ital adequacy ratio，core-capital
adequacy ratio，non—perf_o埘【1ing loan ratio，u11distributed profit per share，the鲈owcll
of prime operat洫g revenue aIld the铲owm of net aSset have sig血ficant innuence on
it’s beta，wMle the fluctuations of tlle铲owt王1 rate of GDP and other fln觚cial variables
do not．The paper rlDt 011ly e11riches the correlative researches dbout Din C【lina at
present，which makes the pcan be put imo practice better，but also h2Ls positive sense
to 也e InVestors’ behaVior， t11e stock market’s 呻roVement and Govemment
regulation．
Key、vords： Listed Banks；Systemic risk；beta； stabili锣teSt；Time．＆an∞e位ct
独创声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的
研他究人成已果。经据发我表所知或，撰除写了文过中的特研别加究以成标果注和，致也谢不的地包方含外未，论获文得中—不包—含或其
其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的
任何贡献均已在论文中作了明确的说明并表示谢意。
学位论文作者签名：宋薇签字日期：'D驴宁年占月f2同
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，有权保留并
向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人
授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用
影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息
研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公
众提供信息服务。(保密的学位论文在解密后适用本授权书)
学位论文作者签名：宋薇导师签字：
签字日期：，∞'年‘月f2日签字日期：卫卯9年占月f2日
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
O 引言
0．1研究背景
在资本市场的理论与实践中，风险的度量一直是学术界和实务届关注的焦
点，其中特别是有关系统性风险的研究，已成为众多经济学家和业内人士的重点，
因为非系统性风险可以通过投资组合来进行规避和化解，但系统性风险却是无论
如何都难以避免的，因此，衡量系统性风险就成为风险管理的重要课题之一。随
着现代投资组合理论的建立和发展，经济学家们提出了一系列系统性风险的度量
方法，B系数就是其中一种被广泛采用的度量系统性风险的指标。
在1952年Maro、Ⅳitz提出的资产组合理论开创了将风险度量定量化的先河之
后，1964年，Willi锄Sha印等人在其基础上，提出了资本资产定价模型(CAPM)，
CAPM简洁直观的表述了风险和收益之间的关系，因此成为现代资本市场理论和
实践中最为重要的风险均衡模型。B系数作为该模型中的关键参数，被广泛用于
对风险问题的度量和分析中。该参数必须利用过去的收益率数据进行估计，如果
将过去的B系数用于反映现在或将来的风险，则必须具有一定的稳定性才具有相
应的可靠性。在资本市场较为发达的国家和地区，如美国、英国、加拿大、德国
等，标准普尔、道琼斯等著名中介机构都定期公布上市公司的B系数，向投资者
揭示上市公司的系统性风险，同时为投资组合管理者提供资产选择与风险控制的
基本信息，帮助管理者在投资组合的动态调整上做出合理的决策。
除此之外，B系数也被广泛地应用于对过去投资业绩的评价中，并成为判断
投资组合管理成功与否的重要指标，如在投资基金管理业绩的三个评价指数中，
特利诺指数(乃=—R。≯一R)，和调整的金森指数(，p=≠a)中都使用了组合的B
p p
。
p p
系数。因此，B系数在实践中的应用早已不限于只是CAPM模型中的关键参数，
也正是由于B系数具有广泛的应用价值，因而成为现代资本市场理论研究和实践
中持续争议和备受关注的问题，其研究的重点在于B系数的稳定性、时限效应及
其变动特征、影响因素等方面。
中国股票市场自1990年建立至今，经过仅二十年的发展和规范，市场规模不
断扩大，至2007年12月底，在上海和深圳证券市场上市的公司数已达1550家，股
票市价总值为32．7万亿元，并仍处于快速成长阶段。与此同时，作为一个新兴加
转轨的市场，中国股票市场依旧存在着经济制度和市场环境的不完善，以及投资
者不成熟等不利因素，这也导致股票价格行为受市场整体变化的影响较大，表现
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
出一定的羊群效应fI】，系统性风险在股票总风险中占有相当大的比例。夏松
(2007)研究发现系统性风险能够解释沪深300成分股波动的40％，即系统性风
险占总风险的平均比例保持在40％左右【2】，这一比例远高于国外股市，由此更加
表明研究我国股票市场系统性风险的重要性与迫切性。
与国外研究相比，国内关于中国证券市场B系数的实证研究较少，而一些涉
及到B系数的研究多见于对CAPM模型的实证检验以及有效性研究和事件研究
中；随着越来越多的银行上市，银行类股票在我国证券市场上所占的比重越来越
大，由于银行类股票特征的特殊性1，许多研究在选取样本时往往将银行类股票
从中剔除。这不仅限制了B系数在理论上的应用，更使得B系数在投资实践中的
对系统性风险的测度和控制作用得不到充分发挥。
有鉴于此，本文在研究系统性风险的时候，在对国内外关于B系数稳定性、
时限效应、影响因素的相关研究成果进行系统的整理与回顾的基础上，利用我国
上市银行的实际数据，采用wilcoxon符号秩检验B系数的时限效应，用ADF方
法进行B系数稳定性检验，并对上市银行的B系数的影响因素进行实证分析，目
的在于探究我国银行业B系数的稳定性特征及其影响因素，丰富和补充我国目前
对于系统性风险的相关研究，以便使用B系数衡量系统性风险能更好地应用于投
资实践中。
O．2文献综述
目前对股票市场系统风险理论的研究主要集中在从微观角度对证券投资风
险研究和金融衍生工具研究两方面。一般是从投资者角度或金融市场结构出发，
利用概率论和数理统计的方法，在冯·诺伊曼和摩根斯坦提出的期望效应理论的
基础上，对现实问题提出一定的理论假设，并通过建立相应的数量模型对价格投
资收益进行量化分析，来研究投资风险和寻求规避及降低投资风险的途径。
O．2．1关于系统性风险的研究综述
1952年美国经济学家、金融学家、诺贝尔经济学奖获得者Maro诵tz在《资
产组合选择》一文中，第一次讨论了风险资产的收益与其面临的风险之间的关系，
给不确定经济系统中最优资产组合的选择提供了理论依据。该理论建立在投资者
总是厌恶风险(投资者在面临的风险水平一定时获得的预期收益最大，或者是获
得预期收益一定时面临的风险最小)的基础上，用期望收益率和收益率方差衡量
资产组合的预期收益和风险，凭借均值方差模型确定组合的构成，为现代投资组
1主要是指银行企业资产负债较高的特征
2
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
合理论的建立和发展奠定了基础。但这一理论的缺陷是将影响证券市场的复杂因
素仅用均值和方差两个变量来衡量，且计算复杂，计算量大，这使得资产组合理
论的实用性受到了限制，而且资产组合理论没有区分系统性风险和非系统性风
险，从而不能对投资组合降低投资风险给予满意解释。但是，该理论的产生对整
个股票市场风险和收益的研究具有开创性指导意义，在该理论的基础上经济学家
又逐步研究出新的方法和理论。
在M啪Witz之后，两位经济学家、金融学家、诺贝尔经济学奖获得者Willi锄
Sh唧和John Linter，分别在1964年的文章《资本资产定价：风险条件下的市场
均衡理论》和1965年的文章《风险资产的价值，股票资产组合的风险投资选择，
资本预算》中在比较强的市场假设条件下得出了均值方差模型的均衡公式，即现
在通称的资本资产定价模型，发展了不确定性条件下的金融资产定价理论。
在CAPM模型逐步成为成熟市场进行分析的基础同时，对股票市场风险研
究的理论并没有停止。人们逐步开发出期货、期权等高级金融衍生交易产品，通
过不同市场上、不同交易策略的组合来规避市场风险，特别是系统性风险。1973
年布莱克、斯科尔斯、莫顿在无套利资产定价的基础上提出了期权定价模型和二
叉树模型，为金融衍生工具定价提供了基本的分析方法。在此之后，通过对金融
衍生工具进行交易，金融风险也可以被作为一种特定的金融产品进行交易，从而
达到降低和规避系统性风险的目的。目前，在金融衍生产品市场上，衍生工具的
交易量日渐增加，成为了规避市场风险的主要手段和渠道。
阮涛等选取1996至1998年上海股票市场上市的40只股票为样本采取日回
报率数据，运用CAPM模型采用计量经济学方法进行两阶段回归处理，对上海
股票市场的有效性进行了检验，结果表明沪市股票市场不符合CAPM模型，原
因如下：(1)股市建立时间短，明显存在小盘股价波动大于大盘股价波动的现象
以及明显的日历效应，使得交易数据并非是正常的自然交易数据；(2)股价波动
违背了CAPM的重要假设，即市场上所有的资产的收益率不服从多元正态分布；
张思奇等人以1992年1月2日到1998年6月30日的全部日指数收盘价为
样本，利用GARCH模型分析了我国股市的系统风险，结论如下：指数的平均收
益一般高于同期银行存款收益但是风险也远远大于存款；风险市场收益率从
1992年到1998年上半年平均收益水平为13．3 1％，明显高于同期银行存款利率。
1992年到1995年上半年平均为9．42％，而1995至1998年收益水平迅速上升为
27．11％，相反的是风险水平却只有前一阶段的60％。
牛淑珍通过对上海深圳股票市场的刚S实证分析揭示了我国股票市场波动
的非线性特征，为进一步研究我国资本市场的非线性特征提供了依据。其以上证
综合指数和深市成份股指数的收盘价为样本，采样跨度为1990年至2000年4
月，考虑数据的稳定性、计算精度、复杂程度等因素，采样间隔定为周(即周收
3
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
盘价)，最后得出的结论是我国股票市场的波动有状态持续性波动还具有关联性，
且深市股价的波动关联性高，同时发现股价的波动受历史信息的影响程度更大，
这些都表明了政府或者说政策对市场的干预和影响。我国股票市场的波动呈现非
线性即风险与收益没有关联度，用传统的方法进行测量结果是无效的。
鉴于用传统的系统风险衡量方法测度股票市场整体系统风险时存在用现行
的任何计算手段无法测量无所不包的市场组合资产的收益率的困难；扈文秀，韩
仁德(2006)利用股市整体系统风险产生过程中来自股市本身的信息数据， 结
合股市价格与股利变化的随机特性，建立了股票市场整体系统风险测度模型。由
于该模型所使用的数据资料来自股市本身，及时准确反映了股市的客观整体发展
状况，所以使用该模型能够较为准确地测度股市的整体系统风险大小。
虽然目前关于系统风险研究的文献较多，运用的方法和衡量指标也多种多
样，但是考虑到我国股票市场发展的实际状况、方法或衡量指标应用的复杂程度
以及对投资者的指导价值，作者认为在目前我国投资者尤其是散户投资者的素质
总体不高的情况下，运用更加直观、简单的B系数作为衡量系统风险指标具有较
高的指导意义。而且在衡量系统性风险方面，自Willi锄Sharpe(1964)提出著
名的资本资产定价模型(CAPM)以来，B系数被公认为是衡量证券投资系统性
风险的最重要的指标之一，其不仅具有重要的理论意义，而且在实践中得到广泛
的应用，因此，本文主要基于B系数的视角进行上市银行系统风险的研究。由于
§系数简单、直观所以目前关于B系数的研究也比较多，而在众多关于B系数的
研究中，重点研究的是B系数的稳定性、时限效应和影响因素，下文将就这些已
有文献进行回顾和总结。
0．2．2关于B系数稳定性的研究综述
B系数的稳定性研究是研究B系数与时间的关系，通过对同一类证券不同时
间段的B估计值进行纵向的比较分析，判断其随时间是否变动及如何变动。B作
为CAPM模型的重要参数，必须从历史的收益率数据中进行估计，如将过去的
B系数用于反映现在或将来的风险，则必须具有一定的稳定性才具有可靠性。因
此，B系数的稳定性研究具有十分突出的理论和现实意义，众多学者先后以各种
方法对B系数的稳定性做了一系列的实证检验。
国外关于B系数稳定性的研究，最具代表性的应当属Blullle检验和Levy检
验。1971年，B1uIlle的《论风险的衡量》一文中以1926年1月至1968年6月
间在纽约证交所的所有上市股票作为样本研究B系数的稳定性，结果发现在一个
时期内估计出来的0系数是其未来估计值的有偏估计值，而且组合规模越大，其
未来的B系数能被越准确的预测。同年，Levy以1960—1970年间在纽约证交所
上市的500只股票为样本研究B系数稳定性，得出的结论是：在较短的时间段(52
4
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
周)内，单一股票的B系数是不稳定的，但组合B系数的稳定性有显著提高，而
且，组合规模越大，B系数的稳定性越高【41。
此后，Baesel(1974)、Porter和Ezzell(1975)、Ibenfeldt、Grepentrog和
Pnal】m(1978)、Alex踟der和Chervally(1980)、图莱(1981)等国外学者对单
只股票及股票组合0系数的稳定性均进行了实证研究。
国内沈艺峰(1994)以1992年6月至1993年12月上海市场的10种股票为
样本，首次采用“CHOW检验"法研究股票B系数稳定性。结果表明，除了“延
中实业"外，所有股票的B值是稳定的。并且他在1999年的研究中将样本扩大
到1996年1月1日至1996年12月27日在深交所上市的127只股票，研究了单
个股票及股票组合B的稳定性，结果表明单个股票和股票组合的B系数都是不稳
定的【61。
靳云汇、李学(2000)的研究表明0系数随着上市时间增加基本趋于不稳定，
股票B系数随着上市时间推移大多趋于增加【7】。
苏卫东、张世英(2002)在研究中通过对上海股市的股票与股票组合的§系
数进行单位根检验以检验其稳定性，结果发现，从长期来讲，大多数股票的0系
数不稳定，而股票组合可以增加B系数的稳定性【8l。
胡勤勤(2003)用WMte异方差检验法对370只样本股票研究其各分年度
估计时间段内B系数的稳定性，结果发现B系数不稳定的样本比例均占少数(最
多不超过40％)【9】。。
．
徐占东、郭多祚(2004)根据递归的最小二乘估计，并利用CUSUMSQ统
计量检验B系数的稳定性，其结果表明§系数是不稳定的【l引。
赵景文(2005)用CHOW检验法检验我国A股股票相邻两期的岱系数的
稳定性，发现对于个股而言，80％以上股票的B系数在上半年和下半年是稳定的
【141。同年，他还用ADF方法检验中国A股B系数的平稳性，结论为：很大部分
个股的B系数是不平稳的；资产组合的B系数的平稳性要高于个股【l51。
纵观中外学者对B系数稳定性的实证研究，绝大多数研究认为证券的B系数
不具有稳定性，虽然可以借助组合的方式来获得较为稳定的B系数，但对于大多
数的个人投资者来说，这意味着不能简单地用过去时期数据所估计的B系数作为
当前和未来时期的预测值。
0．2．3关于B系数时限效应的研究综述
有关B系数时限效应的分析最早见于Jensen的研究，但后来的许多实证研
究都发现证券收益率的度量时限确实影响到B系数的估计值。Koth耐等(1995)
认为正是收益率的度量时限导致了B系数对收益率的解释能力出现与理论不符
的偏差，发现当采用年度收益数据估计B系数时，在收益率和B系数之间存在较
5
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
强相关性，这一发现与之前F锄a和Frenoh(1992)使用月收益数据时所得出的
结论截然相反。Cohen等(1980)在一篇对市场微观结构迹象的评论中，也提到
B系数的0LS估计易受收益率度量时限变化的影响。
Levhavi和LeVy(1977)的研究认为收益率的度量时限越长(超过一月以上
时限的收益率)，风险较大的证券(真实B系数>1)，其B系数的估计值平均偏高，
风险较小的证券(真实B系数<1)，其B系数的估计值则相当平均偏低。Smitll在
1978年也做了一项实证研究来检验LevhaVi和Levy的结论，他选用200只证券
并构成组合，收益率的度量时限由1个月至20个月，其结果证实了LeVhavi和
Levy的观点。
Sehwartz和W11iteomb(1977)随机选取NYSE中的20只股票，检验了用短
于一个月时限的收益率(1、2、3、5、10和20天)数据对B系数估计的影响，
结果并不支持LeVhaVi和Levy的研究结论。S撕ga、Melllish和Gouldey(1981)
对Sehwa陀和WhiteoⅡlb的研究作了进一步的扩展，他们认为Sehwa化和
W11iteomb的研究样本过小(只有20只股票)，不足以得出普遍性的结论。Salliga、
MelIlish和Gouldey的研究分两个时段(1965年1月至1971年12月和1972年1
月至1978年12月)，样本囊括了全部有连续交易记录的股票，两个时段内的样
本股票分别为1032只和1131只，分别用三个不同的市场指数(价值加权指数、
等权指数和S&B500指数)和不同时限的收益率(1、2、4、8、16、32天)计
算B系数，其研究结论与LeVhavi和LeVy的一致。Salliga等所做的这项研究的
样本容量较大，资料的选择和处理方法也较合理，其研究结论也具有较大的代表
性。Haw删(1983)分别用五种不同时限的收益率(月收益率、三周收益率、
双周收益率、周收益率和日收益率)估计21家公司股票在1970年1月至1973
年12月间的B系数，结果也发现存在很大的差异，比如Kodak的B系数用日收
益率数据估计时是1．25，而用月收益率估计时则降为O．93。Hawa、7l，iI】j还得出一
个结论，即当收益率的度量时限缩短时，小公司股票的B系数估计值将降低，大
公司股票的B系数估计值则会增大。
LeVy等(1994)的研究也得出了一个结论，即当估计D系数的收益率度量
时限从日增加到年时，最初被看作是保守型的股票会被重新归类为进取型股票，
而原先被视为进取型的股票也会被重新归类为保守型股票。基于他们的研究结
果，Levy等认为用来估计0系数的收益率度量时限应与投资者的预计持有期相
匹配，并且指出B系数并非无效(或死亡)，而是B系数度量问题更应引起关注。
ES臼ada(2000)对14个欧洲股票市场的研究则发现在大多数市场中，B系
数的估计值随着数据频率的增大而降低，用日收益率数据估计的B系数最低，由
月收益率数据所估计的B系数也低于由季度收益率数据所估计的B系数。
6
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
此外，一些研究认为时限效应的影响作用还会受到其他因素的干扰，如
Cohen等(1980)提出交易不活跃的证券，其B系数的估计值随收益率度量时限
的增大而提高，交易活跃的证券则相反。Handa等(1989)的研究则发现当收益
率的度量时限从日增大至月时，小规模(即低市场价值)公司股票组合的B系数
上升，大规模(即高市场价值)公司股票组合的B系数降低。而当收益率的度量
时限在一年以上时，规模效应变得不显著。Handa等认为采用较长度量时限的收
益率数据所估计的B系数缺乏统计上的准确性，其对收益率变动的解释能力也较
低。
在国外学术界涉及0系数的研究中，大多数的研究采用月收益率数据，也有
一些研究为了扩大样本容量，提高估计的有效性，采用日收益率数据以包括更多
的观察值，但同时也会引入其它估计问题，如非同步交易问题。Scholes和willi锄s
(1977)就曾指出用市场模型估计B系数时，若采用日交易数据会潜在地引致严
重的经济计量问题——变量的内生误差问题，而对于以周或月为间隔的计算来
说，这些问题的影响要小一些。Mclnish和W．ood(1986)的研究结果也证实了
当采用日收益率资料时，因交易清淡和价格调整滞后而引致的B系数估计偏差相
当大。Haw踟槭(1983)也认为：“即使在同一估计时间段，基于日收益率资料
与基于月收益率资料的B系数估计值也会有相当大的差异’’。Hawawilli、Corrado
和Scllatzberg(1991)更进一步指出：如果使用日收益率资料估计B系数时，由
于日收益率分布相对于正态分布呈宽尾状，最小二乘估计法(简称OLS)可能
无效。
至于“时限效应”的成因，Haw在其1983年的论文中还提出一个简单的模
型来解释0系数的估计值为何与收益率的度量时限相关，并用该模型来预测B系
数变化的大小和方向。他认为原因在于证券的价格运动与整体市场之间存在不同
步变动的关系，即证券价格的运动既可能与市场整体的变动同步，也可能超前或
滞后。理论上，通常假定按任何一个时限计算的证券收益率都服从正态分布，且
证券收益率的分布具有稳定性，所以研究中估计B系数所采用的统计方法实际上
也是建立在“随机变量正态性"假设的基础上。而迄今为止，研究结果尚没有足
够的证据表明任何时段收益率的分布均是正态且稳定的。例如，M觚delbrot
(1963)就曾提出随着时间跨度的扩大，单个证券的收益率分布具有不同方差的
假设，其后Fisher和Lorie(1964)、Franeis(1975)等发现收益率的分布形状与
其计量的时间跨度有关，因此支持了Mandelbrot的这一假设。Omeier(1971)、
Blanbe玛和Gonedes(1974)的研究也发现这一现象，而BhHne(1968)详细分
析了股票组合收益率的分布性质，结果也证实正态分布可作为组合月收益率的近
似分布。
国内已有的研究结果也证明收益率的分布并非是理论所假设的正态分布，吴
7
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
世农(1996)检验1992年6月至1994年12月间在沪、深两个证券交易所上市
交易的20种股票日收益率的统计分布，研究结论显示上交所的12种股票日收益
率的频率分布明显区别于正态分布，深交所的8种股票中有6种股票日收益率的
频率分布近似于正态分布。张思奇、马刚和冉华(2000)对市场收益时间序列行
为的研究发现日收益率具有宽尾特征，不服从正态分布。徐迪和吴世农(2001)
应用赫斯特指数检验，结论也显示当前中国股市的收益率属于非正态分布。史代
敏(2003)检验1993年1月一2001年7月沪深股票市场收益率序列，发现日收
益率和周收益率都不服从正态分布，收益率分布呈现出尖峰厚尾的非正态特性。
因此在我国，收益率的分布因收益率的度量时限不同而异也可能是D系数估计出
现偏差的成因之一。
O．2．4关于0系数影响因素的研究
关于B系数的影响因素研究揭示了除市场因素之外，宏观经济条件、公司的
基本特征等也是潜在影响B系数的重要因素，使得人们对0系数不稳定及其变动
特征的研究有了更为明确及合理的解释。同时，对B系数的影响因素研究还能区
分不同影响因素的重要程度，确认其影响方式和影响程度，具有重要的理论价值
和现实意义。
理论上，B系数的大小取决于两类因素：一类是与市场相关联的各类经济变
量的不确定性因素及其变动程度；另一类是各类股票收益对经济变量的反应程
度。因此，可以预期，在同一时期的不同证券的B系数及同一证券在不同时期的
B系数都可能存在一定程度的差异，这也已为许多研究所证实。
研究普遍认同导致B系数差异的影响因素主要有四大类：
(1)宏观经济因素：影响B系数的宏观经济因素主要有经济周期、利率、
通货膨胀等因素。
Robichek和CollIl在1974年研究了宏观经济因素与B系数之间的关系，发
现通货膨胀率和收入增长率会影响证券的B系数；1979年，FraIlcis和Fabozzi
的研究结论支持了经济周期也是影响因素之一的观点；Carl．Chen在1982年以公
用事业企业为样本研究发现实际@岬增长对B有较强的影响力2。
(2)公司基本特征：理论上，公司规模的大小、资本结构、及公司的负债
比例等基本特征的变化将改变公司的风险特性，从而影响公司所发行股票的风
险，鉴于公司的会计资料能传递与公司基本特征有关的风险信息，用会计变量作
为反映公司基本特征的量化指标的实证研究比较多。
Ball和Brown(1969)最早注意到会计信息与旦系数存在相关关系。在他们
2本部分(宏观经济因素)国外的研究综述引自胡勤勤．中国股市B系数稳定性时变性和影响因素的实证研
究．厦门大学博士论文，2003
8
我国上市银行系统性风险预测研究——基于0系数稳定性及影响因素的视角
的研究基础上，BeaVer、K0mer和Scholes(1970)以1947年到1965年期间在
纽约证交所上市的307只股票为样本首次系统研究了B系数与公司基本特征3之
间的关系，结果表明，在1947—1956年和195卜1965年这两个子期间，单个股
票和股票组合的B系数与盈利变动性、股利支付率、会计B系数和财务杠杆这4
个会计变量之间的关系与理论假设一致且显著相关，而与成长性、规模和流动比
率这3个会计变量之间的关系与理论假设不一致或显著无关。
Melicher(1974)的研究发现分红政策、净资产收益率、市场活跃性、固定
资产占总资产的比重、规模、财务杠杆等对B系数有显著的影响。同年，Lev选
取不同行业多家公司的样本，实证研究了公司经营杠杆与B系数之间的关系，结
果表明：经营杠杆与B系数显著正相关。
Barr Rosenbe玛在1973年、1975年及随后的研究中，集历史B系数、个股
市场特征、公司基本因素和行业性质于一体，建立了著名的“罗森贝格系统
(RDsenberg System)4’’，较好地显示了B系数变动的各种可能原因。
BowmaIl(1979)分析了B系数与会计变量在理论上的相关性，他在一系
列的假设前提下，证明了公司的财务杠杆与B系数存在着理论上的相关性，而D
系数与盈利变动性、股利、公司规模和公司成长性之间不存在理论上的直接相关
性。
MaIldelker和Rhee(1984)选取255家生产型企业的数据，分析经营杠杆
系数和财务杠杆系数与市场B系数的关系，实证结果表明市场B系数与经营杠杆
和财务杠杆系数显著正相关。
Adedeji(1997)以英国股市的为样本，分析了年度B系数与会计变量5之间
的关系。结果发现B系数与财务杠杆、股利支付率和公司规模显著正相关，与经
营杠杆、市盈率、流动比率和税率呈不显著的负相关【16】。
国内学者吴世农于1999年发表《我国上市公司系统风险与会计变量之间关
系的实证研究》一文，以上交所200家上市公司在1997年10月一1998年10月
间的数据为样本。运用多元回归方法进行实证检验，结果表明，我国上市公司的
总资产增长率、财务杠杆、股利支付率对个股的B系数有显著的影响。流通规模
对组合的B系数有显著影响，但经营杠杆对个股或组合的B都无显著影响【20】。
吴世农和李旭升(2002)对1996年至2000年间沪深市场中292家上市公司
的B系数进行预测性研究，研究发现经营杠杆、现金股利支付率、盈利变动性、
主营收入增长率、净资产收益率、年振幅和历史B系数是影响B系数的主要指标。
’选取7个反映公司基本特征的会计变量分别为(1)股利支付率(代表分红政策)；(2)总资产增长率(代表成
长性)；(3)优先债券／总资产(代表财务杠杆)；(4)流动比率(代表流动性)；(5)总资产(代表公司规模)；(6)
市盈率倒数的标准差(代表盈利变动性)；(7)会计8系数。
4由于理论上的吸引力和检验结果的支持，用罗森伯格系统生成的B系数预测值得到广泛的认可，著名的
BARRA咨询机构(由Rosenberg创建)就采用了这一系统。
5会计变量为：财务杠杆、流动比率、经营杠杆、市盈率、股利支付率、公司规模(流通市值)和税率。
9
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
(3)公司的行业类别及所归属的经济部门：国外一些研究发现不同行业股
票的B系数之间存在持续的差异。如：Rosenberg和Mckibben(1973)研究发
现不同行业股票的B系数存在持续的差异【2l】。
(4)市场态势(熊市和牛市)：国内外的一些实证研究也表明市场态势对B
系数产生较大影响，有许多股票在市场指数上升阶段相对于指数的上涨幅度与在
市场指数下降阶段相对于指数的下跌幅度是不一致的。
Gooding和Malley(1977)研究了在不同市场阶段下个股及股票组合B系数
的稳定性，认为市场态势对B系数的不稳定性有影响。Bhardwaj和Brooks(1993)
的研究发现在牛市中，小市值组合的B系数较大而大市值组合的B系数较小【221。
靳云汇和李学(2000)、欧阳永卫(2000)【231、陈浪南、屈文州(2000)【241、
胡勤勤(2003)以及张宗新，朱伟骅(2005)【25】的实证研究都表明我国股票的
B系数受市场态势的显著影响。在投资实践中，我们也常常会发现一些股票在市
场上涨时的涨幅高于股票指数的涨幅，而在市场下跌时，其跌幅低于股票指数的
跌幅，这些情况表明最好用不同的0系数来分别衡量股票在市场上升态势和下跌
态势下的系统性风险表现。
纵观国内外关于B系数影响因素的研究，虽然发现B系数与某些因素有显著
的相关性，但实证研究的结果仍存在较大的差别，究竟是哪些因素对B系数有持
续稳定的影响作用尚无法定论。
0．3研究方法
根据本文研究思路，论文主要采用实证研究的方法来研究中国上市银行类股
票的系统性风险，选取了B系数作为分析的标的，运用实证研究的方法对B系数
的稳定性、时限效应以及影响因素进行了分析，在研究过程中主要运用了统计学
和计量经济学的相关分析方法。
在进行样本银行B系数的估算时，主要采用计量经济学中的OLS方法；在
研究B系数的时限效应时，主要采用Wilcoxon符号秩检验；在研究B系数的稳
定性时，主要采用ADF法；在研究宏观经济对B系数的影响时，采用格兰杰因
果关系检验法(研a119er Causal时Tests)；在实证研究银行基本特征对B系数的影
响时，采用横截面数据运用多元回归分析法中的逐步回归方法。通过这些方法的
采用，对我国上市银行B系数的稳定性、时限效应以及影响因素进行了详细的分
析，从而对上市银行的系统性风险有了初步的认识。
10
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
O．4研究内容
本文从回顾国内外有关系统性风险以及B系数的相关研究开始，利用我国上
市银行的实际数据实证研究了银行B系数的稳定性和时限效应；并在此基础上探
究影响银行B系数的有关因素。最后从关于我国上市银行B系数实证研究的结论
中得到关于如何处理系统性风险以及完善我国证券市场的一些启示。
本文的具体内容如下：
我国上市银行系统性风险预测研究
——B系数稳定性和影响因素视角
采用wilcoxon符l f用ADF法对我国
号秩检验B系数f．一◆I上市银行p系数
的时限效应I l 稳定性进行检验
算以
戆
算以
上日
嚣
我国上市
银行B系
数时限效
应的结论
定单
性只
墓鬃
B
系
数
稳
定股
性票
墓暮
B
系
数稳
我国上市
银行B系
数稳定性
的结论
上市银行p系数
影响因素分析
的宏
影观
响经
济
对
B
系
数
系银
数行
籍萋
征
对
B
银行B系数影
响因素的结论
本文研究结
论与启示
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
0．5创新点与不足之处
1、创新点
(1)随着越来越多的银行上市，银行类股票在我国证券市场上所占的比重越
来越大，但由于银行类股票特征的特殊性，许多研究在选取样本时往往将银行类
股票从中剔除。本文对银行类上市公司B系数的研究，从时限效应、稳定性及影
响因素等方面全面分析了B系数问题，在国内属于较早的实证研究，有利于更好
的利用B系数衡量我国上市公司的系统性风险。
(2)在研究中，本文验证了B系数的时限效应，初步分析了不同度量时限
的收益率对估计B系数的影响，得到了收益率度量时限对于计算上市银行的B系
数在统计意义上没有显著影响的初步结论，在此基础上进一步对B系数稳定性进
行检验。
2、不足之处
因为目前国内对银行类上市公司进行类似研究的不多，特别是对时限效应的
检验更为稀少，因此本文对时限效应检验中出现的与国外结论不一致的地方，还
未能给出更为深刻的原因解释，这些问题还有待于在日后的研究中进行更深入的
分析，从而更好的衡量我国银行类上市公司的系统性风险。
我国银行类公司上市时间较短，进行实证检验所需的数据比较缺乏，使得检
验的方法和准确性都受到了一定的限制，也出现了一些与前人研究结论不符的地
方，今后还有待于进一步的完善。
12
我国上市银行系统性风险预测研究——崔于B系数稳定性及影响因素的视角
1 有关理论分析与总结
系统性风险是投资活动中需要给予高度重视的风险种类，因为其不可避免性
而成为风险控制的重要对象。本文研究的是我国上市银行的系统性风险，具体的
衡量工具运用的是B系数，因此在本章将首先对系统性风险及§系数的问题进行
论述，包括系统性风险的基本知识、衡量系统性风险的方法以及B系数的相关分
析，通过本章的论述，为后文的实证分析奠定理论基础。
1．1系统性风险
1．1．1系统性风险的含义
Willi锄Sh唧于1963年和1964年分别提出了单因素模型和资本资产定价模
型，从而第一次提出了系统性风险的概念。系统性风险和非系统性风险是按照对
证券市场的影响范围来划分风险因素的。所谓的非系统风险指只影响某种证券的
价格，而不会影响到市场整体的风险因素，这类风险因素主要来自上市公司本身，
具体包括公司财务风险因素、违约风险因素、流通风险因素和偶然事件风险因素
等。而系统性风险则是指总收益变动中由影响所有股票价格的因素造成的那一部
分。经济的、政治的和社会的变动是系统性风险的根源，它们的影响使得已上市
的股票几乎全部以同样的方式一起运动。例如，如果经济进入衰退，公司利润下
降之势已很明显，那么股票价格就可能普遍下跌，几乎所有上市的股票在一个较
长时期内都与指数同方向运动。
对于单个上市公司面临的系统性风险，指的是单个证券的价格波动相对于市
场波动的关系。通过总结单个证券的收益率与整个市场的收益率之间的关系，即
可发现证券的系统性风险。也就是说，系统性风险是指某种全局性的因素引起的
投资收益的可能变动，这种因素以同样的方式对所有证券的收益产生影响。由于
非系统性风险经过适当的投资组合可以降低或消除，因此股票市场中最根本的风
险是系统性风险。
引起系统性风险的风险因素有很多，概括起来主要包括通货膨胀风险、利率
风险、汇率风险、宏观经济风险以及社会、政治风险。这些因素中的任何一个因
素发生变动，都可能引起其他因素产生相应的波动，同时这些因素又构成了企业
面临的一般环境的一部分，这种波动加大了企业所面临环境的不确定性，进而影
响到企业的经营业绩，从而不可避免的对证券市场中的绝大多数上市公司产生消
极影响，导致证券市场的系统性风险加大。
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
1．1．2系统性风险的数学描述
以上是对系统性风险进行了文字上的描述，但是系统性风险究竟是怎么一回
事，还应该用更加数量化的工具进行表述，因此，我们在本部分对系统性风险进
行数学描述，分为市场模型和CAPM模型两大类。
1、市场模型对系统性风险的描述
在市场模型中，当市场达到均衡时，某项投资品的收益率由下式决定：
足=呸+屈心+参式(1·1)
其中R，是第i种投资品的收益率，R。为市场收益率，a。和磊分别为截距项和
误差项，且参与如无关。那么该种投资品的风险或方差则可表示为：
蠢=所吒+《式(1—2)
其中群《就是该项投资品的系统性风险，《就是与市场风险无关的、仅由
该投资品决定的非系统风险。
因此，系统性风险在该投资品的总风险中所占比例最为：
谚=等=[警愕=蠢
而非系统风险所占比例为：
1一谚=1一露
式(1．3)
式(1．4)
2、CAPM对系统性风险的描述
CAPM中的证券市场线(SML)代表协方差与预期回报率之间的关系。证
券市场线论证了风险与回报率之间均衡关系的公式为：
弼+[警卜
其中，巧为证券z的预期回报率
，!r为无风险利率
焉为市场组合的预期回报率
证券市场线的另一种表达方式为：
巧=，，+(兄一o)玩
14
式(1．5)
式(1．6)
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
其中，风2嚣
屈。即为f资产的B系数，相应的，彪吒即为系统性风险的大小。
1．2系统性风险的衡量方法
由于证券市场风险对投资者、筹资者乃至整个经济都有着明显的消极影响，
而且从消费者风险偏好理论来看，绝大多数人是风险厌恶者，人们希望回避风险
或者设法将风险所带来的损失降至最低，因此，许多著名的学者在提出和发展证
券市场风险评估和计量方法方面进行了大量的研究。根据证券市场风险的定义和
内涵，自M破。埘ts(1952年)提出了以证券投资收益率的方差计量证券市场风
险以来，人们又相继提出了其他相关风险计量理论与测度方法。概括起来，主要
有以下几种：方差类风险计量方法、下方风险(Dow璐ide．risk)计量方法、基于
Hurst指数的风险计量方法和利用VraR模型测度市场风险方法。
1．2．1方差类风险计量方法
这类风险计量方法用收益率的方差(或标准差)及其等价物作为指标度量风
险。具体来说，包括以下几种指标：
1、直接以证券(或证券组合)收益率的方差或者标准差计量风险
其原理如下：
设证券泊勺收益率为随机变量R，分析区间为【O，丁】，有n个离散点，分别为
1，2，⋯，刀。R在刀个样本点的值为l。，‘：，．．．，％，则证券f的方差或标准差表示，
即：
。(R)=E[R—E(R)]2=喜[‘一去喜，；]2夕f霉l L ¨，=I J，
盯(R)=√D(置) 式(1—7)
2、绝对偏差指标
这种风险的计量是以收益率最大正负偏差的绝对值表示，记为：
置咄=maX(‘)，足曲=血n(磊)，则证券z的投资风险可表示为：
Rfst=IR嗽一Rminl 式(1．8)
15
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
3、绝对偏差平均值指标
这种风险计量指标是以收益率和它的期望值之间绝对值的平均值表示：
Rts毛=去喜It—E(置)l
4、价率差指标
价率差是以最高价减去最低价的差占平均价的百分比。
尼=2(足。蜮一R曲)／(足。越+足曲)
其中最即为价率差指标。
5、差异系数指标
在期望收益相差较大时，可用差异系数指标衡量风险。
cK=吼／E(置)
式(1．9)
式(1．10)
C矿的值越大，则风险越大。
收益方差(或者标准差)作为风险的测度值有其有效的一面，但是也存在着
一些局限性：
1、从投资者的角度看，当实际收益率水平高于预期水平时(即发生正的偏
离)，对买方而言并没有风险，仅仅在它低于预期水平时(即发生负的偏离时)，
才会造成损失，构成真正的风险。而方差(或标准差)只是揭示了实际收益水平
对期望水平的平均偏离程度，却不能区分出这种偏离在方向上的差别，从而使得
其在衡量风险上存在一定的方向性限制。
2、风险程度与预期有关，预期水平越高，则实际收益低于预期水平的概率
越大，风险程度越大。方差(或标准差)却始终反映的是偏离收益数学期望值的
程度。它把数学期望当作预期值，在数学处理上没有考虑到不同风险态度、偏好
的投资者会有不同预期这一事实，因此使得其在衡量风险时容易出现趋同性的问
题。
3、投资者在做出投资决策时会考虑失去获得目标回报的风险，即所面临的
最大损失值。这种意义上的风险，用标准差或用类似标准差的关于某一参数的离
散程度的测量方法是难以解决的。
正是鉴于方差(标准差)描述风险的局限性，许多学者对这种方法进行了改
进或是从另一角度重新计量风险，从而提出了下方风险计量方法。
1．2．2下方风险(Downsidelisk)计量方法
这一类方法主要有：半方差模型、ARCH模型、下偏矩计量模型。
16
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
1、半方差模型
半方差模型完全是从投资者角度考虑风险测量的，它将投资者区分为买方和
卖方，并注意到了买方和卖方看待风险的方式是不同的。对于买方而言，实际收
益率t高于预期值办时，即t≥五时，没有风险；仅仅当t<乃时，才构成风险。
因此，买方风险(记为圪)的度量应该以^一t>0的部分来衡量，即：
圪=E(薯一办)一2
其中
¨n=‰叫釜髦
相应的，对于卖方风险(记为圪)的度量，应该分析的是(五一办)+的方差、
协方差，即：
K=E(鼍一^)+2 式(1-13)
其中
¨n=∥尝差
2、ARCH模型
ARCH(Auto《egresSive Conditional HeteroskeduStie model)，即条件异方差自
回归模型是由美国圣迭哥加州大学的Engle教授在1982年首先提出的。由于证
券市场价格(或收益)大的变化倾向于引起下一个大的变化，用一般的方差(或
者标准差)无法刻画出这种变化和递进影响。ARCH模型及其推广形式正是用来
描述这种随时间变异的方差及其递进影响的。
(1)ARCH模型
En91e的条件异方差自回归模型ARCH(q)将随时间变化的条件异方差用
下面的形式表示：
E(gI‘一1)=o 式(1—14)
红：彩+羔％艺；；∞+4(三)0
f-l
其中
红=砌r(乞I‘一。)为条件方差；
17
我国上市银行系统性风险预测研究——基于8系数稳定性及影响因素的视角
矗)表示收益率的残差序列；
国>0；q>0；
彳(上)是滞后算子。
在Engle的条件异方差自回归模型ARcH中，只考虑了{q)滞后项，而且
仅用最新的q个残差平方来估计变化方差，为短记忆过程。因此，在En91e的条
件异方差自回归模型ARCH的基础上，Bollerslev提出了GARCH模型。
(2)GARCH模型
在GARcH模型中，BollersleV将{曩)的滞后项作为变量引入模型，其模型
表达式为：
E(‘l‘一，)=o
魄：缈+羔q采，+芝辟忍一，劫+彳(三)彭+B(三)绣
l=l ，=l
式(1．16)
其中，p≥O，g≤O，彩>O，q≥O，屈≥O；则％的绝对值越大，表明风险程度越高。
这样，BollersleV的模型中不仅有g阶s；!的滞后，还有p阶红自身的滞后，
从而使模型体现了长记忆性。但是线性GARCH模型在应用中有两个明显的缺
陷：第一，GARCH模型红是占H的对称函数，它取决于毛一，的幅度而与其符号无
关，这与实际不符。实际金融价格运动存在杠杆效应(1everage e虢ct)，即证券
价格的上升和下降可能非对称的影响随后的波动，证券价格的下降比其同样幅度
的上升对随后的波动有更大的影响，这意味着一个更好的模型应该对正负两类残
差做出非对称的反映。第二，GARCH模型对参数国和口，，屈施加了非负约束，
以保证条件方差忍非负。这一限制意味着任一时刻的彭的增加都会使红+朋(珑≥1)
增加，忽略了条件方差可能存在随机波动这一事实。同时，非负约束使得GARCH
模型的参数估计变得困难。因此，Nelson提出了EG√6RCH模型。
(3)EGARCH模型
EG川媳H模型较好的弥补了GARCH模型的不足。在Nelson的EGARCH
模型中，7jI是q一；的非对称函数，它不仅取决于占H的幅度，而且与其符号有关。
其模型形势如下：
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
式(1．18)
式(1．19)
在EGARCH模型中，参数厂刻画了t一；变化幅度对条件方差的影响，参数缈
刻画了q一；符号的影响，从而较好的反映了金融价格运动的杠杆效应。另外，
EGARCH模型对参数没有非负限制，使得对条件方差的刻画更为灵活，也使得
参数估计较为容易。
3、下偏矩计量方法
LPM。(Lower P矾a1 Moments)是用来计量一个离散分布的资收益率序列的
风险。其数学表达式为：
三啦：圭o·(乃一哗)g
&=一
其中
0是证券投资组合收益如发生的概率
乃是目标收益率
g(=o，1，2)为某种矩的类型。
1．2．3基于Hurst指数的风险计量方法
式(1．20)
与方差类风险计量方法和下方风险计量方法不同，HurSt指数不是通过计量
收益实际值与期望值的偏离程度来度量证券市场风险，它反映的是证券市场时间
序列参差不齐的程度，进而度量了证券投资风险的大小。
设％为某一时间序列，坂为，z个期间内气的平均值，S为气序列的标准差，
五．。为"个期间内的累积离差，即：
f
五户Σ(气一鸠)
i，=l
则极差为：
R=慨(置一)一蜘(z一)
则下列关系成立：
19
g 啊吖兰闩彰O +
乙叶1j 、lI， + r口乙一E
缈乏叫，，l-＼ 羔瑚％ +
l一2
= 彩
‘
曩
=
g
r0
昭
乙
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
尺／s=(叫Ⅳ 式(1．23)
H值越大，趋势越明显，表示风险越小；反之，H值越接近于O，风险越大。
1．2．4利用VaR模型测度市场风险
ⅥLR是风险估值模型(Ⅶue At msk)的简称，是由p11ilippe Jorion于1996
年在Fhlallcial Analysts Journal上发表的一篇题为《硒sk：Measuring the risk ill
Value at砒sk》上提出的。P11ilippe Jorion将V抿定义为：“V￡瓜是给定置信水平
和目标时段下预期的最大损失或最坏情况下的损失"。根据Jorion的定义，V报
可用公式表示为：
瑚=E(∞)一∞‘
缈=‰(1+，)
国‘=‰(1+r‘)
其中
式(1．24)
E(彩)为资产组合的预期价值
‰为持有期初资产组合的价值
国为持有期末资产组合的价值
缈‘为一定置信区间c下最低的资产组合价值
，为收益率
，．‘为一定置信区间c下最低的收益率
将彩和缈’的表达式带入V￡喂的表达式，可以得到
眦=‰l E(，)一，．+l
从V￡R的定义公式可以推断v2瓜具有以下最重要的性质：
1、Ⅵ畎是个总结性度量值。度量特定风险的总结性方法很长时间以前就已
经存在了，V￡淑与以往的计量方法的区别在于它在综合的框架下考虑了市场风险
所有可能的来源。
2、V报要求用随机形式表达一个组合未来的收益(即P&L)，以致未来的
每个预期，P&L或P&L的区间都可以与其发生的概率同时表述。
3、V￡畎值依赖于所选择的时间范围。
4、Ⅵ浓值取决于所选择的概率水平。
20
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
可以看出，Ⅶ之是描述给定组合可能遭受损失大小的一种简单方法。V水的
计算需要考虑三个影响因素：置信水平大小、持有期的长短、未来资产价值的分
布特征。
按照确定分布形式的方法不同，Ⅶ己通常有以下三种计算方法：
l、历史模拟法(Kstoriealsimulation)
当缈和，．概率分布函数未知时，无法知道某投资组合未来价值的概率密度函
数．厂(缈)的确切形式，在这种情况下，可以用历史模拟法建立实际的频率分布，
来确定议定置信水平下的力+和，．’。即：
1一c=￡厂(缈)d∞2 p(缈≤彩‘)=口式(1-25)
上两式表明，在给定的置信水平c下，可以找到国’，使国高于缈+的概率或
使缈低于缈‘的概率为1一c。
2、蒙特卡洛法(Mome Carlo Simulation)
蒙特卡洛模拟法与历史模拟法的基本原理大致相同，都是以价格数据去模拟
未来价格变化所面临的损失，所不同的是，后者是对已经发生的历史数据进行模
拟，而前者是通过随机抽取一组随机数据进行模拟。
3、方差、协方差法
如果投资组合的未来回报率和未来价值可以假定服从正态分布，那么，上述
的V承计算过程可以简化为求该组和的标准差的过程。
设，服从均值和方差分别为肚f和仃2缸的正态分布，即，．～Ⅳ(肚f，仃2出)，
则尘掣服从均值为o，方差为1的标准正态分布，即尘喾～Ⅳ(o，1)，其概
0心& a心& j 1
1 上2
率密度函数为≯(x)=1冬P 2。
如果朋艮从正态分布，要想求出给定置信水平c下的，．’，只要利用正态分布
表找到标准正态分布的一个上分位点口，使得
1一c=[缈(x)出
2l
J国
、I-、
缈
ro ， ，I～
C =
或
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
根据一z：半即可求处于置信度相对应的，。，即：
仃、／△于
厂+=一z盯厄+肚f
带入Ⅵ畎的解析式得
啪=‰[E(，．)一，’]=‰(肚卜，+)
=‰(肚f+z以f一肚f)=‰z仃√& 公式(1—26)
采用上式计算VaR的关键在于求出标准差。目前较常用的方法是指数加权
平滑法。这种方法强调近期市场观测值的作用，认为观测值离现实越远，其作用
越小。其计算公式为：
其中，O<旯<1成为衰减因子。上述方程同时可以写成递推形式：
《，I，=力啡一。+(1一名)乃2
在实际计算中，五值经常采用力=O．94。
1．3 B系数分析
1．3．1 B系数的概念与特性
一、8系数的概念
1、单一证券的B系数
B系数被定义为某种证券的收益率与市场组合的风险报酬之间的相关性。也
就是说，某种证券的B系数的大小反映了该证券收益率的变动与整个市场收益变
动之间的相关关系，计算B值就是确定该证券与整个股市收益变动之间的相关性
及其程崖201。其计算公式如下： 层=掣=等=哇。枷瑚，
其中：cOV(R。，R。)为第i种证券的收益率与市场组合收益率之间的协方
差，它等于该证券的标准差、市场组合的标准差以及两者相关系数的乘积；R，
为证券i的收益率；如为市场组合的收益率； ‰为证券i收益率与市场组合收
22
我国上市银行系统性风险预测研究——基于9系数稳定性及影响因素的视角
益率之间的相关系数；q、％分别为证券i收益率与市场组合收益率的标准差。
由上式可以看出，一种证券B系数的数值大小取决于：①该证券的收益率与
市场收益率的相关性；②它自身的标准差；③市场收益率的标准差。
2、投资组合的B系数
投资组合的系统风险系数∥p等于组合内各证券B系数的加权平均数：
"
母P=Σxip l
j=1
式(1．29)
其中，薯为第i种证券在投资组合中的投资比例，显然Σx，=1，孱为第i
，霉1
种证券的系统风险系数。
D系数作为一种系统性风险的量化指标，它表示某一资产(组合)收益率变
动对整体市场收益率变动的敏感程度。由于B系数揭示了某种资产(组合)的风
险与市场所有资产平均风险的差异，为投资组合管理提供了资产选择与风险控制
的基本信息，并具有直观明晰和计算简便的优点，因此成为风险度量中使用最广
泛的一个指标∞71。
二、§系数的主要特性
1、B系数的稳定性
所谓B系数的稳定性，就是研究B系数在前后两个期间的变动幅度及其关
系。历史上相关学者对B系数稳定性的研究较多，他们采用的检验方法主要有：
相关分析法、转移矩阵法、平均绝对差法、CHOW检验法、随机参数法等，得
出的结论大体可以分为以下几点：(1)B系数在长期会表现出不稳定性，历史B
系数不是未来B系数的最佳估计；(2)高风险股票的B系数容易被高估，而低风
险股票的B系数容易被低估；(3)投资组合的规模和构造方式会影响B系数的稳
定性，组合规模越大，其稳定性越好；(4)估计周期也会影响B系数的稳定性，
在较短的估计周期内，证券的B系数相当不稳定，而估计周期越长，B系数的稳
定性就越好。
2、昼系数的趋一性
B系数的趋一性是指无论B系数的历史数值大于或者小于1，随着时间的推
移，B系数将出现趋于1的趋势。这一性质主要是在实证研究中发现的，理论上
却没有有说服力的解释。布鲁姆在1971年3月的《金融学刊》上发表的《论风
险的度量》一文中，首先提出“B系数的回归趋势”，其中的实证研究也支持了
B系数趋于1的回归趋势。
3、B系数的差异性
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
舀系数的差异性是指各种证券的系统性风险会因为受各种因素(如宏观经
济、行业类别、公司自身的规模等)的影响而产生差异。理论上，B系数的大小
取决于两个因素：第一是与市场相关的各种宏观经济变量的不确定性因素及其程
度；第二是各种证券的收益率对上述经济变量的反应程度。因此，同一时期不同
证券的B系数或同一证券不同时期的B系数都会存在一定的差异∞引。
1．3．2 B系数在衡量系统性风险方面的应用
从系统性风险和非系统性风险的定义可以看出，由于非系统性风险的可分散
性，因此得不到收益的补偿，只有系统性风险才能够得到补偿，所以单个证券的
期望收益率与其总风险(用标准差度量)就没有对应的正比例关系；同时又由于
在资本资产定价模型(CAPM)的基本假设下，投资者均会选择有效的证券组合，
所以对投资者来说，与投资组合收益密切相关的就只有单个证券的系统性风险，
非系统风险对投资者来说则是无关紧要的。这样便涉及到如何对单个证券的系统
风险进行测度、以及系统风险与收益之间存在何种关系的问题。为了解决这些问
题，Sh即等人在马科维茨理论的基础上，提出了B系数和资本资产定价模型
(CAPM)。可以说，B系数用来衡量系统性风险是伴随着资本资产定价模型的
产生而产生的。
从CAPM模型可以看出，市场组合是将所承担风险的奖励按单个证券对其
风险的贡献大小成比例的分配给单个证券；也就是说，在市场组合中，任何一个
证券的期望收益率只与该证券对市场组合方差的贡献有关。因而在CAPM的假
设下，单个证券的系统性风险用B系数来测定是合理的，这里S系数成为单个证
券系统风险的一个测度指标。
而从B系数的定义也可以看出，它是表明某～证券相对于整个证券市场的风
险程度的比较指标，所以有时又被称为风险度或反应度，或者说，e系数是一种
系统性风险的指数。
B系数的经济意义就在于其衡量系统性风险的有效性。它能够告诉投资者，
相对于市场组合而言，某种特定股票的系统风险是多少。具体说来，市场组合相
对于它自己的S系数是l，如果某种股票的B系数等于O．5，就表明它的系统风
险是市场组合系统风险的二分之一，其收益率的变动只有市场整体变动性的一
半；如果某种股票的B系数等于2．O，则说明这种股票的市场变动幅度是市场整
体变动的2倍。总之，某一资产B系数的大小反映了这种股票收益的变动与整个
股票市场收益变动之间的相关关系，计算B系数就是确定这种股票与整个股票市
场收益变动的影响的相关性和相关程度。因此，根据B系数的取值，投资者就能
判断该证券相对于整个证券市场的风险程度0
正是因为B系数在衡量系统性风险方面具有较大的有效性，因此在投资活动
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
中受到了广泛的应用，特别是用于以往业绩评价和投资决策过程中。根据资产定
价模型，投资组合的管理者应消除所有的非系统性风险，因此，只有系统性风险
才能反映投资组合的真正风险，于是，B系数就成为业绩评价时的重要因素。如
Rn—R? a 在特利诺指数(耳=—≯)和调整的金森指数(，P=子)中都使用了组合的
p p pp
B系数值计算每单位系统性风险系数所获得的收益，作为对投资组合管理业绩的
评价。
B系数的重要应用还表现在其作为未来决策的依据，具体有两方面：(1)在
预测未来市场运动的基础上，通过预测§系数，估计组合或个股的未来收益率；
(2)在预测未来市场收益的不确定性的基础上，通过预测B系数，估计组合或
个股的未来收益的不确定性。可见，B系数为投资组合管理提供了资产选择与风
险控制的基本信息，有利于对投资组合的选择及调整作出合理的决策。
1．3．3 B系数的估算模型
由于“真实的"B值不能通过直接计算得到，通过抽样估计出来的B只是对
真实的B值的一种近似度量。因此，如何准确有效地计量B就成为一个重要的问
题。估算B值主要有以下几种方法：
1、根据B的定义计算B值
_|Bi= coV(R，如)一善(R一天r)(氐r—Rm)
Var(如)
其中，R，是第i种证券第t月(或周、日)的收益率；
Rl是第i种证券的月(或周、日)平均收益率；
如，是证券市场组合第t月(或周、日)的收益率；
式(1．30)
R。是证券市场组合的月(或周、日)平均收益率。
2、根据资本资产定价模型(CAPM)估计B值
CAPM模型中关于证券收益率一般均衡关系的标准形式，最初分别由
Sha印e、Li舢舱r和Mossin独立提出，所以又称为夏普一林特纳一穆辛模型。该
模型是建立在马柯维茨证券组合模型和单指数模型等理论基础之上的，其主要任
务是识别证券预期收益率与市场收益率的相关性，即B系数。
‰ 一一R砖，_／ ⅣΣ硝
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
CAPM模型认为当市场处于均衡状态时，某一证券的投资收益与市场收益之
间存在如下关系：
Ri=Rf+pi(Rm—Rf、)+sl
求数学期望得：
E(尺。)=q+屈[E(R。)一一】
其中，E(置)为某种证券的期望收益率；E(如)为市场的平均收益率；R，为
无风险利率。
CAPM本身是建立在一系列关于投资者行为假设和完全市场假设基础之上
的均衡模型，用CAPM估计B应满足苛刻的前提假设6。而且，E(R。)的估计实
际上是不可能的。正如RoU在1977年《财务经济学刊》发表的“对资产定价理
论检验的批评”一文中所指出的，CAPM模型假设“市场组合’’包括所有的金融
资产、不动产等等，而这样的市场组合是无法直接度量的。使用诸如“S&P 500”
或“NYSE综合指数"等来代替“市场组合”进行§值的估计是有问题的m1。同
时，CAPM模型涉及无风险利率R，，B1ack(1972)在“限制借贷条件下的资本
市场均衡”一文中就曾指出，由于通货膨胀，真正的无风险利率并不存在。这些
都在一定程度上限制了CAPM在估计§系数上的应用。在我国现阶段，这些问
题尤为突出：
(1)中国的股票市场虽然已经走过了近20年的发展历程，但仍然是新兴的
股票市场，带有新兴市场投机性强、波动性大等种种缺陷，远非一个均衡市场。
CAPM适用的前提假设更难以满足；
(2)中国的利率尚未完全市场化，没有合适的基准无风险利率或可替代的
无风险利率。国债市场的发展也处于初级阶段，国债结构也以中长期国债为主，
短期国债的市场容量较小，短期国债的利率尚不能有效地作为无风险利率的替代
物。
6它有10个重要的前提假设：
(1)投资者通过投资组合在某一段时间内的预期回报率和标准差来评价这个组合；
(2)投资者永不满足。因此，当面临其他条件相同的两种选择时，他们将选择具有较高预期回报率的那一种；
(3)一般投资者是厌恶风险的。因此，当面临其他条件相同的两种选择时，他们将选择具有较小标准差的那
一种；
(4)每一个资产都是无限可分的。这意味着，如果投资者愿意的话，他可以购买一个股份的一部分；
(5)投资者可以以一个无风险利率贷出(即投资)或借入资金；
(6)税收和交易成本忽略不计；
(7)所有投资者都有相同的投资期限；
(8)对于所有投资者，无风险利率相同；
(9)对于所有投资者，信息是免费的并且是立即可得的；
(10)投资者具有相同的预期。即他们对预期回报率、标准差和证券之间的协方差具有相同的理解。
26
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
因此，目前在实证研究中较少使用CAPM估计B值。
3、根据单指数模型估计B值
单指数模型，或称市场模型，先后由Treynor(196l，1965)和Sharpe(1963)
提出，其基本思想是认为证券收益率只与一个因素有关，即每一种证券价格都或
多或少地对市场指数做出反应。当市场指数上涨时，几乎所有的证券价格也都随
之上涨，其中一部分证券的价格上涨幅度大一些，而另一些则相对小一些。因此，
市场模型认为各种证券对市场变化有共同的反应，可以用一种证券的收益率和市
场指数的收益率的相关关系得出以下模型：
Ri=Qi+|8iRm+8i
对上式求数学期望得：
E(冠)=E(％+屈如+t)=q+屈E(如) 式(1．34)
其中，足为第i种证券的收益率；R。为市场指数的收益率；％证券收益率中独
立于市场的部分；屈为证券收益率对十成收益率的敏感程度；幺为随机误差，它
满足条件：E(t)=0，COV(g s，)=0，i≠j。
市场模型基于以下两个假设：
(1)现实市场中证券的价格或者收益率普遍存在同涨或同跌现象，这种联
动关系受共同因素的影响，而市场收益率是这一共同因素的最佳替代量；
(2)市场中的证券或证券组合的收益率与市场收益率呈线性关系。虽然这
两个假设没有严格的理论证明，但是大量研究表明，市场模型比较符合现实情况，
在证券投资分析和收益率预测中具有很高的价值，其预测证券的准确度高达90％
十一{一【41】￡亡佃。
此外，这一模型至少解决了以下几个问题：(1)简化了马柯维茨投资组合在
计算上的工作量；(2)描述了单个证券或证券组合的收益率与市场收益率之间的
简单线性关系；(3)这一思想为以后的研究开创了思路，特别是为CAPM模型
的提出做好了前期工作；(4)该模型根据证券实际收益和市场实际收益这两个变
量的数据就可以估计B，无需无风险利率，在我国目前的实证研究中得到广泛的
应用。
1．3．4 B系数的主要影响因素
Farren和Rellll抓(1997)曾指出，B系数的不稳定性并不令人意外，公司
的基本特征因素随时间的变化必然会导致股价的变动，从而使得股票的B系数也
随之改变。
27
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
理论界目前的相关研究普遍认为影响B系数的因素主要有以下四大类：
1、宏观经济因素
宏观层面上，如利率、通货膨胀率、经济周期、利率、GNP的增长波动、
GDP增长波动等宏观经济变量的变化会对资本市场的运行和公司的经营产生影
响，从而使得证券的系统性风险出现变动。罗比切克和科恩(1974)和卡尔·申
(1982)的研究分别发现通货膨胀和收入增长实际GNP增长对p系数有较大的
影响。
2、公司的行业类别或所归属的经济部门
国外研究发现不同行业股票的B系数之间存在持续的差异。罗森博格和麦吉
本(1973)和法雷尔(1974)的实证研究均发现不同经济部门的B系数具有显著
差异，其中增长型和周期型部门的B系数高于平均水平，而稳定型和能源型部门
的B系数分别为低于平均水平m1。
3、公司自身的基本特征
公司自身基本特征的变化如资产负债水平的调整、公司规模的大小、资本结
构、经营收入的周期性及公司的负债比例等都将影响公司资产包括权益性资产的
风险特性，从而影响公司所发行股票的风险，鉴于公司的会计资料能传递与公司
基本特征有关的风险信息，用会计变量作为反映公司基本特征的量化指标的实证
研究比较多。
对于公司基本特征对B系数的影响的研究，早在1970年，Beaver、Kettler
和Scholes的研究就已发现在B系数和传统的会计、财务风险度量指标之间存在
一定的关联性。此后，许多西方学者从理论和实证的角度对财务指标与旦系数的
关系都作了深入的探讨，他们发现B系数确实和一些反映公司风险状况的财务指
标有非常密切的联系，但是不同学者的研究结果并不完全一致。
目前，学术界通常使用公司的会计资料作为公司基本特征的量化指标，这些
会计指标包括：总资产增长率、财务杠杆、资产规模、流动比率、股利支付率、
盈利变化性、流通规模等。研究发现，股利支付率、盈利变化性、财务杠杆、总
资产增长率、流通规模等因素对B系数的影响较大，而其他因素与B系数的相关
性不显著。
4、市场态势(熊市和牛市)
一些实证研究也表明市场态势对B系数产生较大影响，有许多股票在市场指
数上升阶段相对于指数的上涨幅度与在市场指数下挫阶段相对于指数的下跌幅
度是不一致的。
靳云汇和李学(2000)以1992年6月至1999年8月间深沪两市842只A
股为样本，实证研究在牛、熊市转换中的B系数表现，结果发现只有330只股票
的B系数在两种市场态势中的表现一致，约占总数的39％。欧阳永卫(2000)考
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
察深沪股市1996年1月至1998年12月的市场走势对B系数稳定性的影响，结
论是大盘走势对B系数估计的稳定性影响较为明显。同年陈浪南、屈文州利用上
海股市的100家样本股在1994年1月至1998年12月的数据，研究发现市场上
升时期B系数的均值最大，在市场盘整时期B系数的均值最小。
胡勤勤(2003)用虚拟变量模型考察市场态势对B系数的影响，结果表明沪
深两市中都有相当比例的个股和股票组合的B系数受市场态势的显著影响。张宗
新，朱伟骅(2005)的实证研究表明牛市期间系统性风险显著降低，熊市期间系
统性风险持续走高。
根据已有的研究结果，B系数的不稳定性有诸多方面的原因，除了度量方法
和数据的影响之外，一些基本因素的变化也导致了B系数的不稳定性：对于究竟
哪些因素对B系数有影响作用，学术界仍存在一些争议。比如BowmaIl(1979、
1981)就不认同B系数与盈利变动性、规模和股利支付率之间会存在理论上的相
关性，他提出公司税率是B系数的一个影响因素。因此，对于这一方面的进～步
研究仍是有必要的。
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
2银行类上市公司的B系数时限效应和稳定性研究
B系数是被理论界所公认的科学的检验股票系统性风险的方法，所以本文选
择了该方法来研究我国上市银行的系统性风险。
考虑到我国商业银行上市时间比较短，本章选取了四家上市时间较长的商业
银行作为分析对象，计算其9系数并验证它们的稳定性。另外，考虑到时限效应
因素，本章还进一步对所取得的结果进行了不同时限的分析，以验证不同分析时
限是否对B系数的结果产生重要的影响。以期通过这些分析，对我国上市银行的
系统l生风险有一定的认识。
2．1研究对象及样本选取
2．1．1研究对象及样本选取
上市银行股票及银行股票等权重组合的B系数稳定性是本章研究的重点。理
论上，由于投资组合具有较强的分散化效应，如果单个股票不稳定是由于微观因
素引起的，那么股票组合的稳定性相对来说会更好一些。本文所采用的上市银行
股票组合为于上海证券交易所上市的四家商业银行股票的等权重组合。
1、上市银行样本股的选取
前面提到，由于我国商业银行上市时间比较短，为了得到充足的样本数据，
根据本文研究的重点，本章选取了在2002年12月份之前上市的4家商业银行(详
见表2一1)作为样本，本文选取了这4家银行6年的数据(即：2003年1月1日
至2008年12月31日)。
表2—1：样本银行基本情况
上市银行股票代码上市时间
深发展A O00001 1991年1月2日
浦发银行600000 1999年11月12日
民生银行600016 2000年12月22日
招商银行600036 2002年4月12日
2、市场组合的替代物的选取
根据B系数估计模型的假设，市场组合的替代物是研究者首先需要确定的。
根据资产定价模型(CAPM)的假设，为了保证结论的准确度，在理论上市场组
合应包括所有的资产(除了上市公司之外，还应包括某些不上市交易的金融资产
和不动产等)。但是，很多资产尤其是非上市资产的收益数据是难以搜集的，因
此完全理论意义上的的市场组合收益是无法直接度量的。因此，在B系数实际估
30
我国上市银行系统性风险预测研究——崔于B系数稳定性及影响因素的视角
计的相关研究中，基本上都是采用市场指数(比如上证综合指数、深证成份指数
等)的收益率作为市场组合收益率的替代。
从理论角度来分析，市场指数收益率作为市场组合收益率的替代时，其从两
个方面影响B系数的估计值：一是指数的编制方法；二是市场指数中所包含证券
的种数和代表性。一般来说，在假定市场指数的编制方法既定的前提下，第二个
因素就会起着较大作用，即：作为市场组合替代物的指数所包含的证券种数越多，
B系数估计的偏误程度越小。因此，本文分别选取了上证综合指数和深圳成份指
数作为计算分别在上海和深圳两市上市股票B系数时的市场组合替代物。
2．1．2数据采集及处理
本章研究过程中所用到的数据——个股和指数的每日收盘价数据，来源于大
智慧行情分析软件，并且都经过了复权处理。
个股日收益率计算公式为：
足J：盟!纽式(2．1)
pij^
其中：足J为第i只股票在t日的收益率；
p“为第i只股票在t日的收盘价；
AJ-l为第i只股票在t·1日的收盘价。．
计算股票复牌的第一天的收益率R，，时，该公式中的n“为其停牌前一日的
收盘价； 一
指数收益率的计算公式为：
其中，如』为指数在t日的收益率；
‰．，为指数在t日的收盘价；
‰卜l为指数在t-1日的收盘价。
2．2样本股票B系数的计算
式(2．2)
前面提到，由于不同模型所设定的假设条件要求不同，基于我国的实际情况，
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
本文采用第三种方法，即单指数模型来计算上市银行和股票组合B系数。
在建立回归方程模型时，假定了自变量和因变量的样本序列是平稳的，否则
就会出现共线性、自回归等伪回归的情况。经典的资本市场理论的一个核心假设
也是收益率时间序列的波动应该平稳，否则的话就会使分析结果出现较大的误
差。因此，本文在对市场模型进行正常最小二乘估计(OLS)前，还对所选取的
样本银行及指数的日收益率及周收益率的数据进行了检验，采用的是单位根检验
方法。ADF检验的结果显示样本股票和指数的日收益率和周收益率数据不存在
单位根，即它们均是平稳的(限于篇幅，详细的检验过程及结果略去)。
表2_2是采用市场模型用OLS估计法对所搜集的样本股票及市场指数的日
收益率数据分析得出的结果，结果是以季为单位来划分时间段的。
表2—2：样本银行股票和股票组合的B系数季度值
年份季度民生银行招商银行浦发银行深发展股票组合
l 1．263691 1．296473 1．380467 1．508378 1．31872
2 O．836962 1．483977 1．56938 1．164478 1．326792
2003
3 1．61387l 1．395845 1．63680l 1．302877 1．563077
4 1．143846 1．140574 1．319598 1．170857 1．197485
1 1．516563 1．220598 1．270989 1．124917 1．337224
2 1．273743 0．720484 0．881693 O．847714 O．97432 1
2004
3 1．068469 0．917834 O．906778 O．748515 O．964222
4 0．957722 0．609524 0．757198 0．649685 0．775427
1 1．351421 O．76761 3 1．267811 1．051438 1．072871
2 1．056538 O．75953 l O．80255 1．147671 O．741729
2005
3 1．141734 O。93632l O。943627 1．144214 O．996927
4 1．186895 0．870615 0．982564 1．233593 1．281706
l 1．295964 1．377749 1．435056 0．85 1337 1．36926
2 O．68282 0．907789 O．706457 0．862962． O．650503
2006
3 0．90l 816 O．742219 O．783496 1．186675 O．797377
4 1．375708 1．228455 1．546237 0．894143 1．386073
l 1．304067 1．14283 1．274681 0．79201 9 1．253703
2 O．88873 l 0．81265 0．704814 O．71369。0．83545 1
2007
3 1．083025 l。032917 1．051806 1．094983 1．052229
4 0．84459 1．O10773 0．823537 1．263115 O．917498
2008 l 1．08136 1．0294l 1．098975 1．062834 1．068145
32
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
2 1．112859 0．974388 1．146047 1．015729 1．062256
3 1．16969l 1．22846 1．258724 1．121154 1．194507
4 0．983084 1．465911 0．994565 1．358587 1．200537
平均1．130632 1．044706 1．105994 1．054649 1．083995
2．3 B系数的时限效应检验
在估计B系数时，可以用日、周、月、季、半年或年收益率，理论界的一些
研究发现当采用不同时限的收益率数据时，所得到的B系数估计值有所差异，并
将这一现象称为“时限效应”。但“时限效应"是否真的存在，理论界还没有达
成统一的认识。
早期Jellsen(1969)在其“风险、资本资产的定价和投资组合的评价”一文
中曾证明S系数的估计值独立于证券收益率的度量时限，但后来的许多实证研
究，如Levhavi和LeVy(1977)、Sehwartz和WKteomb(1977)、SIIlitll(1978)、
Salliga、Melnish和Gouldey(1981)、Hallda等(1989)以及LeVy等(1994)都
发现证券收益率的度量时限确实影响到B系数的估计值。接下来本节将对我国银
行类上市公司的0系数的时限效应进行验证。
2．3．1检验B系数材时限效应’’的主要方法
检验收益率度量时限的检验方法主要有两种：两配对样本的符号检验和两配
对样本Wilcoxon符号秩检验。
1、两配对样本的符号检验的基本思想
两配对样本的符号检验是用来检验两配对样本所来自的总体的分布是否存
在显著差异的非参数方法。其零假设是：两配对样本来自的两总体的分布无显著
差异。
首先，分别用第二组样本的各个观察值减去第一组对应样本的观察值。差值
为正记为正号，差值为负记为负号；然后，将正号的个数与负号的个数进行比较。
显而易见，如果正号个数和负号个数大致相当，则可以认为第二组样本大于第一
组样本变量值的个数，与第二组样本小于第一组样本变量值的个数是大致相当
的，从总体上讲，这两组配对样本的数据分布差距较小；相反，如果正号个数和
负号个数相差较多，则可以认为两个配对样本的数据分布差距较大。
两配对样本的符号检验采用二项分布检验的方法，检验正负号个数的分布是
否服从p为O．5的二项分布，即对正负号变量进行单样本二项分布检验。在小样
本下计算二项分布的精准概率，大样本下采用修正的Z统计量和概率p值，它
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
近似服从正态分布。SPSS将自动计算Z统计量和概率p值。如果概率p值小于
给定的显著性水平Q，则应拒绝零假设，认为两配对样本所来自的总体的分布存
在显著差异；如果概率p值大于给定的显著性水平Q，则不能拒绝零假设，认为
两配对样本所来自的两总体的分布没有显著差异。
2、Wilcoxon符号秩检验的基本思想
两配对样本的Wilcoxon符号秩检验也是通过分析两配对样本，对样本来自
的两总体的分布是否差异进行推断。其零假设风是：两配对样本来自的两总体
的分布无显著差异。
两配对样本的Wilcoxon符号秩检验的基本思想是，首先，按照符号检验的
方法，分别用第二组样本的各个观察值减去第一组对应样本的观察值。差值为正
记为正号，为负记为负号，并同时保存差值数据；然后，将差值变量按升序排列，
并求出差值变量的秩；最后，分别计算正号秩总和形+和负号秩总和形一。如果
总样本数为N，则矽++形一的最小可能值为O，最大可能值为N(N+1)／2。显
而易见，如果正号秩总和与负号秩总和大体相当，则说明一组样本值大于另一组
样本值和该组样本值小于另一组样本值的幅度大致相当，两样本数据差的正负变
化程度基本相当，两配对总体的分布无显著差异。
在零假设成立的前提下，小样本下的检验统计量W=min(形+，形一)，服从
wilcoxon符号秩分布。在大样本下利用W可构造Z统计量，它近似服从正态分
布：
形一船(刀+1杉
乃丽蓊蓊篙裔式(2-3)
√豫(雅+1)(2n+1)／24
’”。。
SPSS自动计算Z统计量和对应的概率P值。如果概率P值小于给定的显著
性水平Q，则应拒绝零假设，认为两配对样本来自的两总体的分布有显著差异；
反之，如果概率P值大于给定的显著性水平Q，则不能拒绝零假设，可以认为两
配对样本来自的两总体的分布无显著差异。
由于两配对样本的符号检验注重对变化方向的分析，只考虑数据变化的性质，
是变大了还是变小了，但没有考虑变化幅度，即大了多少，小了多少，因而对数
据的利用是不充分的。鉴于此，本文采用Wilcoxon符号秩检验B系数的时限效
I立。
34
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
2．3．2时限效应的实证分析
利用1．3中的相关计算B系数的公式，以2008年的周收益率和日收益率计
算的B系淤数如表所示： 周收益率B 日收益率B
银行名称＼
中信银行0．911476 O．979914
工商银行0．784962 O．920595
中国银行O．785294 O．876088
招商银行1．186885 1．169883
交通银行O．99018 1．023377
华夏银行1．161691 1．204972
深发展1．212168 1．189646
南京银行0．933792 O．981 126
民生银行1．150179 1．027556
宁波银行0．893083 O．966773
兴业银行1．242864 1．19416
浦发银行1．349244 1．055718
北京银行0．999728 1．00662
建设银行0．90 1069 O．896546
运用SPSS v16．O进行Wilcoxon符号秩检验的输出结果如下：
Test Statisticsb
日收益率．周收益率
Z ．．659a
Asymp．Sig．(2一tailed) ．510
a．Based on negatiVe rarllcs．
b．Wilcoxon Si髓ed RanlcS TeSt
35
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
由于SPSS计算得到的p值为O．5 10，大于显著水平为O．05水平下临界值，
故不能拒绝零假设，我们从而认为：以周收益率数据计算出来的上市银行B系数
与用日收益率数据计算出来的B系数无显著差别，即：收益率度量时限对于计算
上市银行的B系数在统计意义上没有显著影响。
出现这一结论应该与我国股市的独特性有关，因为中国股市是一个新兴的且
正在转型的市场，它与发达国家的成熟市场还是存在着较大的差别，因此，基于
国外成熟市场的理论应用于中国这个新兴市场上可能会有所偏差。
根据本节的实证结论，既然周收益率与日收益率的0系数没有显著性差异，
我们将在下文的B系数稳定性检验中继续使用日收益率数据计算的0系数进行
研究。
2．4 B系数的稳定性检验
B系数作为CAPM模型中的关键参数，理论上讲只有未来期的B系数才具
有实际价值。但是，在实际应用中，只能用历史的B系数值来估计未来期的0系
数，那么这一方法就隐含了一个假设：0系数在一定时期内是稳定不变或按一定
趋势变化的。要判断这一假设的正确性，就需要对B系数的稳定性做出研究。
2．4．1检验B系数稳定性的主要方法
目前，对于B系数稳定性检验主要分为0系数同一时段内的稳定性检验和B
系数在不同时段之间的稳定性检验两种情况。
． 1、检验在同一时间段内B系数稳定性的方法主要为White异方差检验法，
具体如下：
在分析B系数在不同估计时间段之间的稳定性之前，有必要首先考察B系数
在估计时段内是否可以作为一个固定不变的参数来估计，因为当我们采用最小二
乘法(简称OLS法)来估计CAPM模型或市场模型时，就潜在地假设了B系数
在所估计的时段内是一个常数，所得到的B系数是一个点估计值。而国外的一些
研究如Fabozzi和Frallcis(1978)，AleXander和Benson(1982)发现B系数实际
上是一个随机系数，即B系数是由一个常数项和随机扰动项组成，用公式表示为：
fj f，f=|j i+口f，， 式(2—4)
则市场模型可改写为：
36
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
R。=oc i+p◇Rm．t七sIl
=口f+(屈+口f，f)尺所，，+gf，‘ 式(2．5)
=亿f+∥f尺小，f+(口f’f尺埘，f+占f，f)
从上式可以看出，假如B系数在所估计的时段内不是固定不变的，采用OLS
法所估计出来的市场模型的残差项会出现异方差特征。也就是说，若B系数为变
动参数，却被作为固定参数来估计时，那么市场模型的残差项中实际上包含了B
系数的变动部分。英国著名的经济学家米尔斯教授在其《金融时间序列的经济计
量学模型》(第二版)一书就指出，假如回归模型中的参数是随时间变化的，却
被当作常数来估计(就像OLS所隐含的那样)，那么模型的残差项将存在异方差
现象。此外，chen(1981)也提出：如果B系数会随时间变化，那么在OLS估
计方法下固定参数模型中的残差项会受到影响而表现出异方差性。因此，我们可
以将异方差检验方法用于检验回归模型中参数的稳定性，即在假定估计模型的设
定形式为正确的前提下，考察B系数在估计时间段内的稳定性。
White异方差检验是将随机项的估计值e的平方(e2)作为因变量，原先
的自变量和自变量的平方项作为新自变量建立线性回归模型(还可以加上任意两
个自变量的交叉项co±f／(r一2)薯x，)，通过这个模型的拟合情况来检验是否存在
异方差性。检验的零假设是残差不存在异方差性。如采用两个自变量建立如下的
检验回归模型：
g‘=％+％而+％而+％矸+％《+％而恐式(2—6)
WKte检验的统计量是：
聊=刀×火‘ 式(2．7)
其中n是样本观测量，尺2是检验回归方程的拟合优度。m近似服从自由度为
k(除常数项以外回归系数的个数)的Z2分布，于是可由相伴概率作出是否拒绝
原假设的结论。Eviews可直接进行White检验，检验后得到两个统计量：
Obs币R-squared统计量和F统计量。
Obs母R．squared统计量是White检验的检验统计量，通过相伴概率判别是否
拒绝无异方差的零假设。F统计量其精确分布不能得到，列在表中只是为了比较，
实际检验中我们通常只看0bs木R．squared统计量。
2、检验B系数在不同时段之间稳定性的方法比较多，常见的方法主要有以
下几种：
(1)CHOW检验方法m1
37
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
CHOW断点检验的思想是对每个子样本单独拟合方程来观察估计方程是否
有显著差异。零假设是两个子样本拟合的方程无显著差异。有显著差异意味着关
系中的结构改变。检验之前，需要把数据分成两个或更多的子样本，每个子样本
的观察数必须多于方程系数个数，这样才能对每个子样本分别拟合方程。对总体
样本可单独拟合一个方程，对子样本可分别拟合方程，CHOW断点检验基于这
两组方程的残差平方和的比较。检验的统计量为F统计量：
[Σ考一(ΣP：+Σ乞)]／ 乃丽一式(2．8)
其中： Σg?是受限制的残差平方和；
Σ《、Σ《，分别是两个子样本的残差平方和；
k是方程中的解释变量个数；
如果残差是独立同分布的正态随机变量，F统计量服从于自由度为
(确一尼一1，，z2一尼一1)的F分布。
(2)虚拟变量法【47】
虚拟变量法的检验原理为：将两个时间段的样本观察值合并，用OLS法估
计如下模型(市场模型的变式)：
Rjf=口1f+口2fD，+屈fR脚f+∥2fR。rD，+s打式(2—9)
其中：D，为虚拟变量，若观察值属于某一时间段，D，=1；若观察值属于另
一时间段，D，=0。根据模型中系数履i估计值在统计上的显著性结果(是否显著
不为0)就可以判断D系数在两个时间段间是否发生了变化，即是否稳定。
虚拟变量法是一种与CHOW检验法相类似的参数检验方法。这两种方法都
可以用于检验回归模型的结构稳定性，虽然在实际应用中从CHOW检验法和从
虚拟变量法所得到的一般结论基本一致，但虚拟变量法具有某些优越性。古扎拉
蒂【481在其《计量经济学》(第三版)一书中就指出，虚拟变量法只需做单一(总
的)回归，从而增加了自由度，参数估计的相对精度也会有所改进，同时虚拟变
量法不仅可以检验出两个时段的样本是否发生了结构性变化，而且还能明确变化
的起因——由于截距差异或斜率差异亦或两者都有。
38
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
(3)CUSL丌ⅥSQ统计量检验
^ ^
对于模型屹=口r+∥，R+毛，根据递归的最小二乘估计，并且利用cuSuMsQ
统计量检验系数B的稳定性。
递归最小二乘法的基本原理是，方程使用样本数据大子区间进行重复估计。
如果在向量b中有k个系数要估计，那么前k个观测值就被用于形成对b的第一次估
计。这一估计重复进行，直到T个样本点都被使用，产生对b向量的T—k+1个
估计值。在每一步中，b的最后一个估计值可以用来预测因变量的下一个值。这
一预测过程的一步超前预测误差，被定义为递归误差。如果模型有效，递归残差
将独立且服从零均值和常数方差的正态分布。其具体做法是在一个递增的样本序
列m+1，⋯，t，T+In+k+1<t≤T上估计参数，并产生产T+m+k+1，⋯，T的递
归估计量∥。。其中T提供了递归计算的恰当的自由度，定义CUSUMSQ统计量
为：
f
y
J，一
S
f
= 卜
2 式(2—10)
递归残差为：形=甜山一。／Z，这里蚱。“=，；一R一，∥“定义为预测误差：
Z2=l+名(《一。墨)
足=(如小⋯，B)
『l=f+聊+1+2
如果S值位于两条置信带龟±∥(丁一2)之外，则参数是非稳定的，其中％依
赖于选择的显著性水平。再根据CUSUMSQ统计量的这种性质，检验B的稳定
性。
(4)ADF检验法【46】
该方法主要用来对某一时间序列进行平稳性检验。ADF检验(Augmented
Dickey—Fuller Test)是通过下面三个模型来完成(拭为序列王的一阶差分)：
模型1：蝇=万置一。+Σ孱蝇一，+乞
i=l
39
式(2．11)
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
模型2：蝇=口+万五一l+Σ屈馘一，+岛
l=l
模型3：A．E=口+∥f+万工_l+Σ屈△墨一，+q
f=1
式(2．12)
上述三个模型中m通常为1、2、3或由试验者来确定。
模型3中的f是时间变量，代表了时间序列随时间变化的某种趋势(如果有
的话)。零假设均为存在一单位根。
实际检验从模型3开始，然后模型2，模型l，其检验步骤如下：
第一步：估计模型3。在给定ADF临界值的显著水平下，如果参数万显著
地不为零，则序列Z不存在单位根，说明是平稳的，结束检验，否则，继续第
二步。
第二步：给定万=O，在给定ADF临界值的显著水平下，如果参数∥显著地
不为零，则进入第三步，否则表明模型不含时间趋势，进入第四步。
第三步：用一般的t分布检验万=0。如果参数万显著地不为零，则序列Z不
存在单位根，是平稳的，结束检验，否则，序列Z存在单位根，是非平稳序列，
结束检验。
第四步：估计模型2。在给定ADF临界值的显著水平下，如果参数万显著
地不为零，则序列Z不存在单位根，是平稳的，结束检验，否则，继续下一步。
第五步：给定万=O，在给定ADF临界值的显著水平下，如果参数口显著地
不为零，表明含有常数项，进入第三步，否则进入下一步。
第六步：估计模型1。在给定ADF临界值的显著水平下，如果参数艿显著
地不为零，则序列五不存在单位根，是平稳的，结束检验，否则，序列五存在
单位根，是非平稳序列。
该方法的优点是能够通过B值的时间序列检验其稳定性。
2．4．2银行B系数的稳定性检验
本文检验p系数的稳定性属于第二种情况，并且在上一节中我们通过计算得
到了上市银行和银行股票组合B系数的时间序列，因此，本文运用Eviews6．O软
件采用ADF检验对选取的样本银行的季度B系数值进行稳定性检验；
下面是招商银行季度B系数稳定性的检验过程：
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
首先，估计模型3，在滞后阶数选取时，将最大滞后阶数定位4，利用SchwarZ
Info criterion信息来自动获得最优滞后阶数。结果如表2．3：
表2．3：模型三对应的Eviews6．O输出结果
Nu¨HypOthesis：ZS has a unIt几)ot
(原假设：招商银行B系数有一个单位根)
Lag Length：O(Automatic based on SlC，MAXLAG=珥)
(滞后阶数：O(以施瓦茨信息标准自动调整最优滞后阶数，最大滞后阶数为4))
t．Stat；stic Prob．。
盯检验统计量) (P值’
Augmented Dickey·Fu¨er test statistic
一3．069663 0．1385
(扩展的迪克·富勒检验相应统计结果)
Test CriticaI vaIueS： 1％IeveI
-4．41 6345
(检验临界值：) (1％显著水平)
5％IeveI
．3．622033
(5％显著水平)
10％IeveI
．3．248592
(1 0％显著水平)
‘MacKjnnon(1 996)one—sided p—vaIues．
(‘麦金农单边检验的P值)
Augmented Dickey—Fu儿er Test EquatiOn
(扩展的迪克·富勒检验方程)
Dependent Varjable：D(ZS)
(被解释变量：招商银行B系数的一阶差分)
Sample(adjusled)：2忽003．-4挖008
(样本(调整后)：2003年第2季度·2008年第4季度)
IncIuded observatjons：23 after adjuslmentS
(包括的样本观察值：调整后为23个)
Vanable CDeffjcienl Std．Em” t．Statistic Prob．
(变量) (系数估计值) (标准差估计值) fr检验统计量： (P值)
ZS(一1) ．O．6841 92 0．222888 —3．069663 0．0066
C 0．782653 0．275135 2．84461 9 O．0108
@TREND(2002Q4) -0．007689 0．008937 ．0．860286 0．4009
4l
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
R-saua陀d Mean deDendent Var
O．643651 0．002270
可决系数被解释变量样本平均值
Adjusted R—squafed SD．dependent Var
O．5901 98 0．279802
调整可决系数被解释变量样本标准差
S．E．of regressiOn Akaike jnfo cnterjOn
O．238945 0．106394
残差的方差估计值赤池信息标准
Sum sauared resid Schwarz cr．teriOn
0。1 20702 0．2556’2
残差平方和施瓦茨信息标准
LOg likelihOOd Durbin．WatsOn stat
1．882862 1．935035
似然函数对数值D-W统计量
F-statistic Prob(F—statjsl．c)
4与70768 0．042606
F统计量F统计量对应的P值
由表2．3可得：
A
△ZS，=O．782653—0．007689T一0．6841 92 Z只一1
仁(2．84461 9)(-0．860286)(_3．069663)
R2=0．643650 DW=1．935035 F=4．71 2205
其中，m=O，n=23，单位根的如统计值(万=0)为
以：：Q：型!!三：-3．069663 。
O．222888
其如值大于l％一10％各种显著水平下的-c值。因此，在5％的置信水平下
不能拒绝原假设，从而认为6显著为零。
由于在给定ADF临界值的显著水平下(Q=5％)，参数B的t统计值的绝对
值为：1t卢l=l-o．860286|_o．860286<t竺=t0025(23)=2．069，故不能作出拒绝原假设
2
的判断，认为参数B显著地为零。
估计模型2，在滞后阶数选取时，将最大滞后阶数定位4，利用施瓦茨信息
标准来自动获得最优滞后阶数。结果如表2-4：
表2—4：模型二对应的Eviews6．0输出结果
Nu¨HypOthesjs：ZS has a unIt rOOt
原假设：招商银行昼系数有一个单位根
Lag L．ength：O(Automatic based on SIC．MAXLAG=4)
42
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
滞后阶数：0(以施瓦茨信息标准自动调整最优滞后阶数，最大滞后阶数为4)
t．Statistic Prob．+
盯检验统计量) (P值★)
Augmented Dickey．FuIler test statiStic
．2．967282 0．0546
扩展的迪克一富勒检验相应统计结果
‘est criticaI vaIues： 1％IeveI
．3．752946
检验临界值：) (1％显著水平)
5％leveI
一2．998064
(5％显著水平)
10％IeveI
-2．638752
(1 0％显著水平)
‘MacKjnnon(1 996)one·sided p-VaIues．
。麦金农单边检验的P值．
Augmented Dickey-Fu¨er Test EquatiOn
(扩展的迪克-富勒检验方程)
Dependent Va riabIe：D(ZS)
(被解释变量：招商银行B系数的一阶差分)
Sample(adjusted)：2／200¨，2008
(样本(调整后)：2003年第2季度一2008年第4季度)
IncIuded obsen，ations：23 after adjustments
(包括的样本观察值：调整后为23个)
VariabIe COe仟icjent Std．Errol t-Statistic PrOb．
(变量) (系数估计值) (标准差估计值： (T检验统计量) (P值)
ZS(．1) ．O．632844 O．21 3274 —2．967282 0．0079
C O．545858 0．264991 2．05991 1 0．0593
R—squa丌ed Mean deDendent var
O．616664 0．002270
可决系数被解释变量样本平均值
AcUusted R—squared S．D．dependent var
0．5801 55 0．279802
调整可决系数被解释变量样本标准差
S-E．Of他gressiOn Akaike inf0 crite rion
0．137305 0．051 449
残差的方差估计值赤池信息标准
Sum squared resid Schwarz cntenon
0．069957 0．150928
残差平方和施瓦茨信息标准
43
我国上市银行系统性风险预测研究——基于口系数稳定性及影响因素的视角
LOg IikelihOOd Durbin．WatSOn stat
1．459781 1．968825
似然函数对数值D．W统计量
F．statistiC Prob(F—statjsljc)
7．555629 0．012914
F统计量F统计量对应的P值
由表2．4得：
△Z Sr=0．545858—0．632844 ZS一1
t=(2．05991) (．2．96728)
R2=0．61 6664 DW=1．968825 F=8．804761
其中，m_0，n_23，单位根的以统计值(艿=O)为
么：：Q：鱼三垄丝：．2．967282 。
O．213274
其略值大于1％一5％各种显著水平下的T值。因此，在5％置信水平下不能
拒绝原假设，从而认为6显著为零。
由于在给定ADF临界值的显著水平下(5％)，参数Q的t统计值的绝对值为：
hl=12．0599111．2．05991l<t查=tD02，(23)=2．069，故在5％的置信水平下不能拒绝
2
原假设(Q=O)，认为参数Q显著为零。
从而接着估计模型1，在滞后阶数选取时，将最大滞后阶数定位4，利用施
瓦茨信息标准来自动获得最优滞后阶数，输出结果如表2．5：
表2．5：模型一对应的Eviews6．O输出结果
NulI Hypothesis：ZS has a u九it root
(原假设：招商银行B系数有一个单位根)
Lag Length：1(Automatjc based on SIC，MAXLAG=4)
滞后阶数：1(以施瓦茨信息标准自动调整最优滞后阶数，最大滞后阶数为4)
t．Stal．stic Prob．。
丌检验统计量) (P值+)
Augmented Dickey—Fu¨er test slatistic
．O．612145 0。4394
(扩展的迪克-富勒检验相应统计结果)
Test cr-ticaI vaIues： 1％IeveI
．2．669359
(检验临界值：) (1％显著水平)
5％IeveI
．1．956406
(5％显著水平)
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
其中，m=l，n=22，单位根的名统计值(万=O)为
岛：：Q：9塑丝：．o．612145 。
O．056136
其珞值大于1％一5％各种显著水平下的．c值。因此，在5％置信水平下不能
拒绝原假设，从而认为6显著为零。即：序列Z￡存在单位根，从而招商银行的
季度B系数是不稳定的。
利用同样的操作，我们得到所有样本银行和股票组合季度B系数稳定性检验
的结果如表2．6：
表2．6：样本银行季度8系数稳定性检验结果(扩展的迪克一富勒检验)
临界值稳性性
ADF
银行变量类型P值1％显5％显
统计量1％ 5％
著水平著水平
招商pzS (N．1) ．0．61215 ．2．66936 ．1．95641 O．4394 不稳定不稳定
银行
民生pMs (N．O) 国．68319 ．2．67476 ．1．96382 0．4068 不稳定不稳定
银行
浦发pPF
(N．O) ．1．30786 ．2．67476 一1．96382 0．1693 不稳定不稳定
银行
深发pSF
(C．1) -3．1788 ．3．75295 -2．99806 O．0367 不稳定稳定
展
股票p乙}I (C．O) -3．58283 ．3．78803 ．3．01 236 O．0155 不稳定稳定
组合
注： (C，N，K)，C表示含常数项，N表示不含趋势项和常数项，K为滞后阶数。
2．5小结
以上研究结论表明，样本银行股票的B系数并不稳定，但是由四只股票组成
的组合却具有相对稳定性；另外，结果还表明样本银行的季度B系数大于1的超
过60％，这与现有一些学者的研究结论并不一致，限于篇幅，具体原因在此不再
45
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
论证。
这一结果对于个人投资者来说，其意义在于并不能简单地利用银行股过去时
期的数据测算的B系数作为当前和末来时期的预测值，但是可以通过小范围地构
造银行股的组合来增强组合昼系数的稳定性，从而增加预测的准确度。
另外，影响B系数大小的有两类基本因素：一类是与市场相关联的各类经济
变量的不确定性因素及其程度，另一类是各类股票收益对经济变量的反应程度。
对于后者，我们可以这样理解：当银行通过一定的途径增大了资本充足率，那么
该银行抵抗风险的能力就会得到增强，对各类经济变量的反应程度就将降低，其
B系数值也将相应地减小。
因此，接下来本文将会通过实证的方法，分析宏观经济因素及反应银行基本
特征的会计变量指标，来探讨导致同一证券的B系数在不同时期出现变动以及不
同证券的B系数在同一时期存在差异性的影响因素。
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
3银行类上市公司B系数的影响因素研究
在上一章中检验了上市银行股票B系数的时限效应和稳定性，实证结果表明
我国上市银行B系数不具有稳定性，在此研究结论的基础上，本章将着手分析什
么因素影响0系数，以探讨不同银行B系数在同一时期存在差异的影响因素。
从以往的研究成果来看，研究B系数的影响因素具有以下三个方面的意义：
一是通过分析不同证券在同一时期的B系数以及同一证券在不同时期的B系数
之间出现差异的根源，不仅可以深入了解哪些因素会影响证券市场对系统性风险
的评价以及B系数之所以具有不稳定性的根源，而且更为重要的是可以帮助投资
者更为准确地估计和预测B系数值，从而提高投资决策的效率和效益；二是通过
影响因素研究，可以了解分析在样本公司的基本特征中，哪些因素包含了对投资
者决策有用的信息及其重要程度；三是如果没有相关的历史市场数据可直接用于
估计或预测公司的系统性风险，也可以借助于公司会计指标所反映的信息以及同
行业中其他公司股票的市场B系数来进行合理的评估。
从已有的研究来看，一般认为影响B系数的因素主要有宏观经济、行业类别、
公司基本特征和市场态势四个方面，本章主要选取两个方面入手：
(1)宏观经济因素：本文采用时间序列数据对宏观经济波动对银行B系数
的影响进行实证研究。样本银行股票及时间区间与上一章中选取的样本一致。
(2)银行业基本特征因素：本文在研究银行基本特征对B系数的影响时，‘
采用横截面数据，运用逐步回归的方法进行实证研究。
3．1宏观经济对银行B系数影响的实证研究
3．1．1宏观经济指标的选取及波动指标界定
在研究我国股票市场与经济增长关系的诸多文献中，不同学者往往采用不同
的指标来代表经济的增长，如GDP、工业增加值以及学者所设计的综合指标。
在本文中，我们采用以往研究者通常采用的做法，以国内生产总值来代表经济。
具体而言，我们以2003年第一季度至2008年第四季度国内生产总值季度增长率
来计算我国经济波动幅度。季度GDP增长率数据来源于国家统计局网站。
本文以B系数值或GDP季度增长率相邻两季度变动率作为衡量B系数与宏
观经济波动幅度的指标。
3．1．2银行业B系数及宏观经济波动指标的计算
根据上面波动指标的界定，利用式(3．1)和(3．2)分别得到各样本银行及
47
我国上市银行系统性风险预测研究——甚于昼系数稳定性及影响因素的视角
组合B值的波动指标(△氏、△尾、△易、△乃、哦)和宏观经济的波动
指标(△砌)(限于篇幅，计算结果略)：
蝇2警加小
△鲫：掣二丝刍式(3．2)
G阳一l
3．1．3宏观经济波动对银行业B系数影响的实证检验
由于在进行格兰杰因果关系检验时需要考虑经济变量的平稳性问题，只有在
变量具有平稳性的前提下，格兰杰因果关系检验的结果才具有更高的可信度。本
文首先利用ADF方法对银行B系数和宏观经济波动指标进行平稳性检验。
1、银行B系数波动和宏观经济波动指标的单位根检验
运用Eviews6．0进行单位根检验操作，对样本银行及组合p系数波动和GDP
波动指标的单位根检验结果如表3．2：
表3．2：单位根检验结果
扩展的迪克．富勒检验统计结果
变量类型ADF统计量5％临界值P值平稳性
招商银行＆8zs (C，T，1) 一5．121343 ．3．652763 O．0032 平稳
民生银行△p粥(C，T，4) ．4．171304 ．3．703215 O．0237 平稳
浦发银行＆0西(C，T，1) ．5．121738 ．3．673616 O．0032 平稳
深发展厶舀哼(C，T，0) -4．862056 ．3．632896 O．0049 平稳
股票组合鄯zb (C，T，1) 一4．49973 ．3．652763 0。0107 平稳
GDP △gdp (C，T，3) -4．29881 5 ．3．6704882 0．0177 平稳
注： (C，T，K)，C表示含常数项，T表示含趋势项，K为滞后阶数。
从上面的结果中可以看出，所有指标序列在5％的显著水平下不存在单位根，
即在5％的显著水平下，所有序列都是平稳的。
2、银行业B系数与经济波动的格兰杰因果关系检验
所谓因果关系是指变量之间的依赖性，作为结果的变量是由作为原因的变量
所决定的，原因变量的变化引起结果变量的变化。而在许多情况下，变量之间的
因果关系并不像农作物产量和降雨量之间那么一目了然，或没有充分的知识使我
我国上市银行系统性风险预测研究——基于§系数稳定性及影响因素的视角
们认清变量之间的因果关系，但是有时弄清变量之间的因果关系往往是我们所关
心的。即使某一经济理论宣称了一种因果关系，也需要给以经验上的支持。格兰
杰从预测的角度给出了因果关系的一种定义，并将这种定义下的因果关系称为格
兰杰因果关系。
格兰杰因果性检验假定了有关y和x每一变量的预测的信息全部包含在这些
变量的时间序列之中。检验要求估计一下回归：
只=Σ％誓一，+Σ辟只√+％， 式(3．3)
j=1 _，=l
而=Σ五‘一，+Σ巧只√+地， 式(3．4)
f-l _，=l
式中白噪音‰、甜：，假定为不相关的。
式3-3假定当前y与y自身以及x的过去值有关，而式3．4对x也假定了类
似的行为。
对式3—3言，其零假设％：％=呸=⋯=％=0。
对式3—4言，其零假设凰：最=岛=⋯=瓯=0。
值得注意的是，格兰杰因果关系检验中滞后长度q或s的选取是任意的，并
且因果检验的结果对滞后长度q或s的选择有时候是很敏感的，即不同的滞后期，
有时可能会对因果性的判断造成影响。因此一般而言，在进行格兰杰因果检验时，
通常对不同的滞后长度分别进行试验，以提高因果检验的可信度。
一般的，如果变量x是变量y的(格兰杰)原因，则x的变化先于y的变化。
因此，在做y对其他变量(包括自身的过去值)的回归时，如果把x的过去或滞
后值包括进来能显著地改进对y的预测，我们可以说x是y的(格兰杰)原因。
类似的定义y是x的(格兰杰)原因。
下面以检验x是引起y的原因为例，说明格兰杰因果关系检验的步骤：
(1)将当前的y对所有的滞后项y以及别的什么变量(如果有的话)做回归，
即y对y的滞后项只一。、只一：⋯⋯以一。及其他变量的回归，但在这一回归中没有把
滞后项x包括进来，这是一个受约束的回归。然后从此回归中得到受约束的残差
平方和R鼹。。
(2)做含有滞后项x的回归，即在此前的回归式中加进滞后项x，这是一个
无约束的回归，由此得到无约束的残差平方和兄鼹：碾。
49
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
(3)零假设是凰：口．=％=⋯=口。=0。，即滞后项x不属于此回归。
(4)为了检验此假设，’我们用F检验，即：
LRssR一飚SURl／
1F=—1鬲矿—厂上生式(3．5) Rss嚏／
“。。’
／n—k
它服从自由度为q和n—k的F分布。其中n是样本容量，q等于滞后项x的
个数，即有约束回归方程中待估参数的个数，k是无约束回归中待估参数的个数。
(5)如果在选定的显著水平口上计算的F值超过临界值E，则拒绝零假设，
表明x是y的原因。
利用相似的操作可以检验y是否为x的原因。
根据上面的步骤，分别将滞后期设定为1、2、3、4，进行每个样本银行昼
值波动率与GDP波动率格兰杰因果关系检验。结果如表3．3：
表3．3：格兰杰因果关系检验
变量原假设滞后阶数F统计量P值
1 0．01469 O．905
GDP增长
GDP增长率的变动不是招商银2 1．07909 O．3666
率变动行B系数变动的格兰杰原因3 1．99849 0．1727
4 0．81999 0．5473
招商银行1 0．26723 O．6119
B系数变招商银行B系数的变动不是2 O．07945 0．924
动率GDP增长率变动的格兰杰原因3 O．21704 0．8825
4 O．2397 0．9081
1 4．42322 O．0507
GDP增长
GDP增长率的变动不是民生银2 2．7611 0．0975
率变动行B系数变动的格兰杰原因3 O．35515 O．7865
4 0．50213 O．7359
民生银行l O．27042 0．6098
B系数变民生银行B系数的变动不是2 1．27142 0．3109
动率
GDP增长率变动的格兰杰原因3 O．86365 0．4887
4 0．61415 0。6646
GDP增长1 O．28788 O．5985
率变动GDP增长率的变动不是浦发银2 1．33062 0．2958
行B系数变动的格兰杰原因3 1．56119 0．2543
浦发银行
4 1．2403 0．3674
浦发银行B系数的变动不是1 0．00498 0．9446
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
2 0．1833l 0．8345
3 O．10289 0．9567
4 0．18608 0．9391
1 O．18653 O．6712
GDP增长
GDP增长率的变动不是深发2 0．17193 0．8438
率变动展B系数变动的格兰杰原因3 0．05547 0．9819
4 0．12269 0．9703
深发展B l 1．28578 O．2726
系数变动深发展B系数的变动不是GDP 2 1．56358 0．2438
蛊增长率变动的格兰杰原因3 O．98082 0．4369
4 1．31914 0-3414
GDP增长GDP增长率的变动不是银行类1 O．82379 0．3768
2 1．83847 0．1955
率变动股票组合B系数变动的格兰杰
3 1．0147 O．4231
原因
4 O．6538 0．6405
银行股票银行类股票组合B系数的变动1 O．1212l 0．732
组合B系2 O．4455 O．6493 不是GDP增长率变动的格兰杰
3 0．01431 0．9975 数变动率原因
4 O．10487 O．9776
从上面的检验结果可以看出，只有在10％的显著水平下，能够拒绝滞后阶数
分别为1和2的“宏观经济波动不是民生银行B系数波动的格兰杰原因”的假设；
在其余情况下，当滞后阶数定为l一之间的某一个时，在1％一10％之间的任意
显著性水平都不能拒绝“宏观经济波动不是各银行B系数波动格兰杰原因”和“银
行B系数波动不是宏观经济波动各格兰杰原因"的假设，即在1％一10％的任一
显著水平下，可以认为：宏观经济波动不是银行§系数波动的格兰杰原因，同时
银行B系数波动也不是宏观经济波动的格兰杰原因。宏观经济波动对银行或组合
的B系数影响并不显著，这与理论分析相悖。
出现这种结果的原因可能是以下几方面的原因：
(1)由于多种经济因素对银行B系数的影响，或宏观经济对银行业B系数
多方面的影响作用相互抵消，导致我国银行业B系数受宏观经济的影响比较弱；
(2)选取的宏观经济指标——季度GDP增长率或者样本银行股代表性相对
较差；
(3)由于宏观经济对银行的影响时滞较长，而本文由于受到样本数量的限
制，本文将最大滞后阶数定为4，结论的出现可能与选取的最大滞后阶数比较小
有关。
(4)其他一些随机影响因素或误差导致结果不准确。
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
3．2银行基本特征对B系数影响的实证研究
3．2．1会计变量选取
本节以前，本文采用时间序列数据研究了银行0系数的时限效应、稳定性和
宏观经济波动对于B系数的影响，本节利用十四家银行在2008年第一季度至
2008年第四季度的横截面数据运用逐步回归方法实证研究能够反映银行基本特
征的会计指标对同一时期不同银行B系数的影响。
1、样本银行选取
考虑到我国的实际情况，本节以在沪、深两市2007年12月以前上市的14
家银行在2008年1月一2008年12月之间的日收益率数据为样本，从数量分析
的角度进行实证研究。
表3-4：样本银行基本情况
交易代码银行名称上市时间交易代码银行名称上市时间
601998 中信银行2007年4月27日601009 南京银行2007年7月19日
601398 工商银行2006年10月27日600016 民生银行2000年12月22日
601988 中国银行2006年7月5日002142 宁波银行2007年7月19日
600036 招商银行1999年11月12日601166 兴业银行2007年2月5日
601328 交通银行2007年5月15日600000 浦发银行1999年11月10日
600015 华夏银行2003年9月12日601169 北京银行2007年9月19日
00000l 深发展1991年1月2日601939 建设银行2007年9月25日
2、会计指标设定
根据国内外风险影响因素的研究结果及相关财务理论，结合我国证券市场和
上市公司的实际情况，考虑到数据的可获得性，假设表3．5中的指标是影响系统
风险的重要因素且与B系数存在线性相关性。
表3—5：会计指标设定
影响因素指标设定标
符
指标名称指标公式
预期
号影响
X1 资本充足率资本总额／力口权风险资产总额
X2 核心资本充足率核心资本总额／力口权风险资产总额
X3 不良贷款率不良贷款／各项贷款+
X4 拨备覆盖率提取的不良资产准备／资产可能发生的损失
X5 基本每股收益报告期利润／期末总资产
52
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
X6 每股未分配利润期末未分配的总利润／总股本+
X7 主营业务利润率主营业务利润／主营业务收入净额
X8 资产负债率总负债／总资产+
X9 主营业务收入增长率(本季主营收入．上季主营收入)／上年主营收入+
X10 总资产增长率(年末总资产．年初总资产)／年初总资产+
X11 净资产增长率(年末净资产．年初净资产)，年初净资产+
X12 净利润增长率本年净利润增长额／上年净利润
注：本表中的预期影响是指会计指标变化与B系数变化的方向相同(+)或相反(一)．
3．2．2数据采集及处理
1、本节所用到的14家上市银行及指数的日收益率来源于大智慧行情分析软
件，并对于原始数据的处理进行与2．1相同的处理。
我们利用前面所讲的OLS方法以14家银行的日收益率数据分别计算各银行
在四个季度的B系数。(在进行回归之前运用ADF方法检验各银行收益率序列在
5％的显著水平下为平稳的)结果如表3．6：
表3_6；B系数计算结果
银行名称第一季度第二季度第三季度第四季度平均B
中信银行O．88433 1 1．019718 1．096867 0．918741 O．979914
工商银行1．159361 O．78326 O．946308 O．79345 1 O．920595
中国银行O．95 8644 0．786175 O．96374 O．795792 O．876088
招商银行1．010773 O．974388 1．22846 1．465911 1．169883
交通银行O．943 103 0．883971 1．050146 1．216288 1．023377
华夏银行O．83025 1．337278 1．292308 1．360051 1．204972
深发展1．263115 1．015729 1．121154 1．358587 1．189646
南京银行0．66008 1 O．954645 1．062585 1．247191 O．981126
民生银行0．84459 1．112859 1．169691 O．983084 1．027556
宁波银行O．704326 O．928802 1．080109 1．153855 0．966773
兴业银行0．971 105 1．094266 1．176465 1．534803 1．19416
浦发银行0．823537 1．146047 1．258724 O．994565 1．055718
北京银行O．679584 1．030615 1．199631 1．116649 1．00662
建设银行O．764756 0．841295 O．996608 O．983526 O．896546
考虑到一些随机因素的影响，本节对于B值四个季度的数值进行算术平均。
运用所得的平均值进行实证分析。
2、各家银行的所设定的12个会计指标数据来源于各银行的季度财务报告。
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
3．2．3银行基本特征对B系数影响的实证研究
(一)相关系数分析：
通过对会计指标与B系数进行简单的相关分析，考察B系数与其影响因素之
间的相关关系在时间上的变化。
。
表3．7列示了单个股票B系数估计值与各指标变量之间的相关系数。
表3—7：9系数估计值与各指标变量之间的相关系数
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12
Y 1．OO
X1 ．0．53 1．00
慰-0．36 0．89 1．OO
Ⅺ ．0．44 —0．23 ．0．2 1 1．00
X4 O．37 O．18 O．23 ．O．55 1．OO
X5 O．87 —0t34 一O．25 ．0．03 0．50 1．00
X6 0，78 -o．67 一O．57 -O．05 0．42 O．75 1．OO
X7 O．74 —0．22 ·0．13 —0．07 0．44 0．95 O．58 1．00
X8 —O．26 0．73 0．50 —O．3 6 0．3 5 ．O．02 ．0．22 O．05 1．00
X9 O．67 —0．90 -0．72 0．26 ．O．07 O．49 O．78 0．33 ．O．70 1．OO
X10 0．37 0．24 O．33 一O．12 0．62 O．18 ．0．04 0．09 0．10 ．O．19 1．00
X1l O．60 一0．5l -0．55 0．14 ．0．33 ．O．16 0．30 一O。23 ．0．19 0．49 ．0．52 1．OO
X12 0．73 —0．1 8 ．O．06 —0．25 O．53 0．55 0．57 O．34 ．0．08 0．37 O．49 ．0．08 1．00
注：Y为各银行在四个季度§系数的平均值。
就单只股票的B系数来看：
l、资本充足率(X1)、核心资本充足率(x2)、每股未分配利润(X6)、
主营业务收入增长率(X9)、总资产增长率(X10)、净资产增长率(X11)与
§系数的相关方向与预期的一致。即：资本充足率(X1)、核心资本充足率(X2)、
与B系数负相关；每股未分配利润(X6)、主营业务收入增长率(X9)、总资
产增长率(XlO)、净资产增长率(X11)与旦系数正相关。
2、拨备覆盖率(X4)、基本每股收益(X5)、主营业务利润率(X7)、
净利润增长率(X12)与B系数正相关，不良贷款率(X3)、资产负债率(X8)
与B系数负相关，这与经验研究正好相反，其中的原因有待进一步分析。
3、从总体上直观来看，各会计指标与B的相关性还是比较显著的。相关系
数绝对值最小的资产负债率也有．0．26；最大的达到O．87，为基本每股收益。
54
我国上市银行系统性风险预测研究——基于8系数稳定性及影响因素的视角
(二)多元线性回归分析
在实证研究中，通常可采用多元线性回归分析法来考察因变量与自变量之间
的定量关系，模型的一般表达式为：
y=a+屈xl+厦x2+⋯⋯+尾k 式(3．3)
就本文的研究问题而言，在上述多元回归方程中，从表中自变量之间的相关
系数可以看出自变量之间存在多重共线性问题，而且各变量对B系数的影响程度
存在差异，所有指标变量不可能同时进入回归方程。因此，本文采用逐步回归方
法选取变量来构建回归方程式，逐步回归方法是将自变量逐一引入多元回归方
程，引入的条件是该自变量的偏回归平方和在所有未入选的自变量中是最大的，
并经过F检验具有显著意义。
在每引入一个新自变量时，还应对先前进入回归方程的自变量作如下检验：
1、对先前己进入回归方程的自变量逐一进行t检验；
2、对引入新变量的方程总体进行F检验；
3、利用可决系数以及赤池、施瓦茨信息来判断引入新变量后，对被解释变
量的解释能力的变化；
4、将回归平方和最小且不具显著性的自变量从回归方程中剔除；
反复进行这样的筛选过程，直至没有新的自变量可以再引入，回归方程中的
自变量也不能再剔除为止。这样，在多元回归方程中将只留有对因变量有显著影
响的自变量。回归结果如表3．8：
表3—8：EvieWs6：O输出的回归结果
DeDendent VariabIe：Y
被解释变量：B值
SampIe：1 14
样本区间：1．14
lnduded Obsen，atlOns：14
包括的样本数：14
Vafiable COefficient Std．Errof t-Statistic Prob．
变量系数估计值标准差估计值T检验统计量P值
X5 0．184414 0．039477 4．6714“ 0．O009
X12 0．002026 O．o00658 3．080803 0．0116
X1 —0．009676 0．003906 ．2．476831 0．0327
C 0．873496 0．075200 11．61564 0．0000
R—saua怆d 0．902369 Mean deDendent var 1．035901
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
可决系数被解释变量样本平均值
Adjusted R-squared S．D．dependent Var
0．873080 0．179191
调整可决系数被解释变量样本标准差
S．E．Of regressiOn Akaike lnfb cr{terjOn
0．063838 ．2．429970
残差的方差估计值赤池信息标准
Sum sauared resid Schwarz crjteriOn
0．040753 ．2．247382
残差平方和施瓦茨信息标准
LOg IikeIihOOd Durbin．WatsOn stat
21．00979 2．188862
似然函数对数值D-W统计量
F．stal．sIlc Prob(F-statistjc)
30．80900 0．000023
F统计量F统计量对应的P值
从表3．8中，我们得到回归方程如下：
Y=0．184413740063木X5+0．00202570963501球X12．0．00967566854839枣X1+
0．873496091231
其中：R2：o．902369，廖：o。873080，F：30．80900，Dw：2。188862
从多元回归过程和结果可以得到如下结论：
1、从回归模型总体预测能力看，方程的F统计量为30．80900，均大于临界
值磊．05(5，8)=3．69，说明从总体上来看，B与进入模型的会计变量显著相关。
2、模型的可决系数尺。和调整可决系数R2分别为0．902369和O．873080，都
是非常高的，可见分别进入模型的会计变量对于银行0系数的解释能力和准确度
还是比较高的。这对于预测银行业未来B还是有一定参考作用的。
3、从B与进入模型的三个会计变量之间的各自相关关系的假设来看， x5
(基本每股收益)、X12(净利润增长率)、X1(资本充足率)对B系数的变动的
影响方向与预期一致；并且x5(基本每股收益)、X12(净利润增长率)每一单位
的变动将分别引起B系数0．184413740063、0．00202570963501单位的正向变动；
X1(资本充足率)每一单位的变动将引起B系数．O．00967566854839的反方向变
动。
4、从回归方程本身来看，虽然只有三个变量进入了方程，看似这三个会计
变量对B系数具有显著的影响作用，而其余的九个变量没有影响作用，但考虑到
个变量之间的有较高的相关性，其余九个变量对于银行B系数也具有一定的影响
作用，只不过显著性不如进入方程的三个指标。
56
我国上市银行系统性风险预测研究——基于B系数稳定性及影响冈素的视角
3．3小结
本章通过对银行B系数影响因素的实证研究，得到以下结论：
1、宏观经济方面：GDP增长率的变动对银行业B系数的影响不显著，与理
论分析结果不符。这可能是有多种原因造成的，本文上面分析了几方面的原因。
2、银行基本特征方面：主要采用相关系数分析法和多元回归分析法考察了
反映银行基本特征的会计指标对8系数的影响，根据实证分析的结果，我们认为：
(1)总体上来看，会计变量与银行B系数之间的统计关系是比较显著的，
但是个别会计变量与银行B系数之间的统计关系不符合经验预期和财务理论所
揭示的关系，也与西方成熟股市的实证发现不相一致，这也在一定程度上反映了
当前我国上市公司的系统性风险在一定程度上与会计信息相互脱节的现状。
(2)多元回归结果发现进入模型的指标变量对银行B系数的解释能力总体
上比较显著，并且作用方向也与预期的相一致。说明这些指标变量在一定程度上
包含了有关市场风险的信息。从总体来看，各变量对B系数的解释能力虽然比较
强，但是还不够十分精确，这可能与本文对影响因素变量的选取以及设定有关，
也表明可能存在着其他因素对银行B系数产生影响，这仍有待于进一步的研究。
(3)本节通过实证分析得到的关于会计变量对银行B系数解释能力的结论
与目前我国一些学者得出的结论不一致咖3。这可能是由于选取的样本所致，也可
能是由于其他一些原因，这仍待于作进一步的研究。
57
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
4本文研究结论与启示
4．1结论
本文以四家上市银行股票在2003年1月至2008年12月之间的时间序列数
据为样本，研究了我国银行业股票的系统性风险，通过分析五年时间内静态估计
模型下B系数的稳定性及宏观经济波动对银行p系数的影响以及利用十四家上市
银行在2008年第一季度至2008年第四季度的横截面数据，研究了会计变量对p
系数的影响，对我国上市银行的系统性风险有了一个初步的认识，在本文的研究
过程中得到如下结论：
第一，从本文的研究来看，银行类股票的系统性风险相对较高。多数情况下，
银行类股票或银行业股票组合的p系数具有不稳定性的特点，并且银行类股票的
平均p系数是大于1的，这一比例近60％，说明银行类股票的系统性风险高于市
场组合的风险。
第二，银行类股票的系统性风险与国民经济发展关系不大。从文中的研究来
看，较具代表性的宏观经济指标——GDP增长率的波动不是银行业D系数波动
的格兰杰原因，也就是说GDP增长率的波动对于银行类上市公司的系统性风险
(以p系数来表示衡量)不具有显著性的影响。这可能与本文对宏观经济因素指
标变量的选取以及滞后项的设定有关，也表明可能还存在着其他因素对6系数产
生影响，这仍有待于日后作进一步的研究。
第三，总体上来看，会计变量与银行口系数之间的统计关系是比较显著的。
银行p系数与资本充足率、基本每股收益、净利润增长率等会计指标呈现比较显
著的相关关系，这几个指标对于p系数也有比较强的解释能力，同时p系数与其
他会计指标呈现不显著的相关关系，这说明会计变量中一部分指标对上市银行的
系统性风险有较强的影响，从而可以多关注这几类变量以更好的衡量并控制系统
性风险。
第四，本文通过实证分析得到的关于会计变量对银行B系数解释能力的结论
与目前我国一些学者得出的结论不一致。这可能是由于选取的样本所致，也可能
是由于其他一些原因，这仍待于作进一步的研究，因此有关上市银行系统性风险
的研究还有待于更深入的研究。
4．2启示
从以上的研究结论中，我们可以得到以下启示：
58
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
第一，从理论方面来看：在现代资本市场理论中，资产的定价是一个核心问
题，经典的资本资产定价模型(CAPM模型)则提供了从系统性风险的角度来定
量观察资产定价这样一个简捷直观的途径，CAPM模型因而成为资产定价研究中
最为重要的理论基石，但CAPM模型是一个静态意义上的单期均衡模型，没有
考虑到时间依存性，其所描述的系统性风险也是静态风险，因而无法体现资本市
场中风险与收益间的动态均衡关系，就这一点而言，它在资产定价方面存在着一
定的局限性，而p系数作为CAPM模型的关键参数，其在风险度量上的理论意
义也受到限制。因此，通过研究D系数的稳定性，将动态因素纳入CAPM模型
中，从而变静态模型为动态模型，这不仅可以增强CAPM模型对资产的价格决
定及其变动的解释能力，有利于CAPM模型在动态资产定价方面的进一步扩展，
而且也有助于拓展p系数的理论价值，更好地满足风险管理的需要。
第二，从中国股票市场的实际情况来看：就本文的研究结果而言，静态模型
估计的p系数，显示中国上市银行股票的平均系统性风险水平大多偏高，60％的
情况下分布在1．0以上。在其他一些学者的研究中，他们还发现股票的系统性风
险在其总风险中所占的比例较大，田素华和吴士君(2003)【51】所做的研究表明中
国证券市场的系统性风险占总风险的平均比例仍在50％左右，这一比例远高于
国外股市，股票价格的变动表现出较强的同向关联性。这些特征表明我国股票市
场的风险配置功能存在较大不足，由于股票的系统性风险在其总风险中所占的比
重较大，这限制了投资组合的避险作用，即使投资者通过多样化的投资组合将非
系统性风险完全分散，仍然要承担相当高的系统性风险，证券投资基金等机构投
资者也无法充分发挥其通过分散化投资来降低风险的优势，特别是在目前市场尚
未有可规避系统性风险的衍生金融工具(如股票指数期货)的情况下。
第三，就D系数在衡量系统性风险的实践意义和政策方面的启示来看，我们
认为：p系数是投资决策和风险提示的重要信息，更是资产定价、业绩评价以及
投资组合管理的重要参考信息，对于衡量投资标的的系统性风险具有较为明显的
意义，因此，对p系数的研究与应用应该多加关注。就本文的研究来看，虽然B
系数存在不稳定性，其估计和预测方法有待于改进，但出于风险控制的目的，管
理层必须重视股票系统性风险的研究，鼓励或要求投资服务机构定期公布上市公
司的6系数值，引导和教育投资者树立正确的投资理念。
第四，从本文的分析结论来看：要想降低我国上市公司的系统性风险，提高
上市公司的质量是重要举措。本文研究发现，银行B系数与资本充足率、基本每
股收益、净利润增长率呈现比较显著的相关关系，这几个指标对于D系数也有比
较强的解释能力，而这些指标都是衡量上市公司质量最重要的指标之一。因此，
从整个证券市场的角度来说，要想办法来提高上市公司的质量，需要注意以下几
点：一是完全取消上市公司股权的人为分割，我国的股改已经基本完成，原有的
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
流通股和非流通股的制度划分已经消失，但是新股发行机制的改革不彻底使得市
场又在不停的制造新的股权分割，只要这种股权分割没有完全解决，那么上市公
司的质量就难以得到根本性的提高，因此，通过实现上市公司股权的完全流通是
保证上市公司质量提高的重要制度性举措；二是建立有效的上市公司退出机制，
证券市场效率的重要运行机理之一，在于通过市场信号实现资源在上市公司之间
的动态调整，我国以前由于上市公司的壳资源稀缺，没有建立有效的退出机制，
一个上市公司业绩很差还可以通过借壳来实现重组，从而使得上市公司没有退市
的业绩压力，从而也就很难真正提升上市公司的质量。因此，提升上市公司的质
量需要从上述两个方面逐步展开。
第五，从政府的角度出发，要想降低我国证券市场的系统性风险，需要在以
下几个方面着手改进：一是继续大力发展机构投资者，充分发挥投资组合的风险
分散和降低作用，使基金管理公司和保险公司等机构投资者成为资本市场的主导
力量，改善投资者结构，通过投资者结构的改善来形成一种促使上市公司提升质
量的动力机制，以便有效的降低系统性风险；二是进一步丰富证券投资品种，推
出风险对冲机制，适度地发展创新性的投资品种如期权、期货等衍生金融工具，
这可以扩大投融资渠道，分散市场风险，从而扩大投资者的投资范围，缓解投资
工具缺少导致的系统性风险问题；三是建立一套严格而又可行性强的证券市场法
律体系，通过严格执法来消除市场中的违规违法现象，创造公正、公平的交易环
境，包括广大投资者的利益，这样也可以降低系统性风险。
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
【Ol】
【02】
【03】
[04】
【05】
[06】
【07】
【08】
【09】
参考文献
关静，李雪艳．中国沪深股市中羊群行为检验．中国民航大学学报，2006，(2)
夏松．如何使用B系数投资．经济论坛，2007，(14)：129．130
Marshall E．Blume．on me Assessment ofRjsk．Joumal ofFinaIlce，1971，(M札)： l一10
Robert A．LeVy．oIl tlle Shon．Te肌Stationari够of B Coe仿cie幽．Financial Analysts
Joulmal，197l，(Nov．．Dec．)： 55．62
钟朝辉．上海股市B系数研究： 【硕士学位论文】．成都：西南财经大学，2006
沈艺峰，洪锡熙．我国股票市场贝塔系数的稳定性检验．厦门大学学报(哲社版)，
1999，(4)：第68页
靳云汇，李学．中国股市B系数的实证研究．数量经济技术经济研究，2000，(1)：18．20
苏卫东，张世英．上海股市B系数的稳定性检验．预测，2002(2)：44．62
胡勤勤．中国股市B系数稳定性时变性和影响因素的实证研究：【博士学位论文】．厦
门：厦门大学，2003
【10】Mehmed Kantardzie．Data Mining：Concepts，Models，Methods，and AlgorithIns Second
Edition口咽．US：Mo玛an Kau缸锄，2006
[11】
【12】
【13】
【14】
【15】
[16】
【17]
【18】
【19】
PhlliP Brovm，JaLSon Mitchell．Cuhure and Stoek Price CluStering：EVidences仔om The
Peoples’Republie ofChiIla【J]．Pacifie—B鹊ill Finance Jo啪al，2008，16：95一120
DongsOng zhaJlg，Lina Zhou．Disc0Ve血g G01den NuggetS：Data MiIling i11 Financial
Application【A】．I芏l： mEE Transactions 0n SyStems．Man a11d cybemeties—part C：
Application and ReView【C】．2004，34(4)：513—522
徐占东，郭多柞．中国股票市场B稳定性分析．统计与信息论坛，2004，(11)：39-49
赵景文．用ADF方法检验中国A股B系数的平稳性．中央财经大学学报，2005，(8)：
72．75
赵景文．中国A股股票相邻两期B系数稳定性的Chow检验．数理统计与管理，2005，
(11)：107．112
Adedeji，A．FactS a11d f．allacies abomthe deterIIlinants ofthe beta．Issues mAccounting and
丘nallce，Ashgate Publishing C0m】?any，1997：217—240
Frey，Bnmo S，Jegen，Reto．MotiVation Crowding Theory【J]．Joumal of Economics Survey，
2001，15(5)：589—6ll
E锄oIlll Keo曲and Shmti k蹈e够On me need for Time series Data Mining Benchmarl【s：
A survey and Empirical Demonstration【R】．Wbrking Paper of Umvers时of CalifIonlia，
IUverSide
John Y， C锄pbell Andrew W．LOA．Craig MacⅪnlay．The Econom砸cs of Fin觚cial
Markets．P血ceton Univers对Press，1 997
61
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
[20】
【21】
吴世农，冉孟顺，肖氓，李雅莉．我国上市公司系统风险与会计变量之间关系的实证
研究．会计研究，1999，(12)：21．29
詹姆斯L，法雷尔，沃尔特J．雷哈特著，齐寅峰等译．投资组合管理理论及应用．机
械工业出版社，2001，第65页
Bha】．dw萄，RaVillder K．，and BrookS，LeRoy D．Dual betas丘om buU and Bear markets：
reversal ofthe size e{诧ct．J0啪al ofFinallcial Research，1993，XVI：269—-283
欧阳永卫．中国股票市场系统性风险的稳定性与预测性问题研究． 『ⅧA学位论
文】．厦门：厦门大学，2000年
陈浪南，屈文洲．资本资产定价模型的实证研究．经济研究，2000，(4)：26．34
张宗新，朱伟骅．中国证券市场系统性风险结构的实证分析【J】．经济理论与经济管理，
2005，(12)
Tk cen订aJ bank ofⅡle Russian federation．Banl(ing Supervision Report，2003
SiaS R．Institutional Herding[J】．The R-eview of Financial Studies，2004， 1 7： 1 65—206
campbell，JotlllY．et a1．HaVe IndiVidual Stock Become More V01atile?An Empirical
EXploration ofIdiosyncratic msk们．Joumal ofFinallce，2001，56：1—44。
邓君．对我国金融系统性风险的分析与思考．市场与发展，2002，(2)
陈华发。西方国家银行脆弱性预警系统的经验做法及其在中国的应用。国际金融研究，
2004， (8)
胡勤勤，吴世农．证券市场系统性风险系数估计中应注意的几个问题．证券市场导报，
2001，(11) ’
[美】威廉·F·夏普，戈登·J·亚历山大，杰弗里·V·贝利．投资学(第五版)【M】．赵
锡军等译．中国人民大学出版社，1998
霍远，王惠．关于上市公司财务状况的聚类分析【J]．统计与决策，2007，(9)
孙培源，施东晖．基于CAPM的中国股市羊群行为研究一兼与宋军、吴冲锋先生商榷
【J】．经济研究，2002，(2)：64—70
王明涛等．证券市场风险测度一管理模型研究【M】．上海：上海财经大出版社，2006
田素华，吴士君冲国证券市场风险特征的实证研究．经济科学，2003(1)：20一30
胡勤勤，吴世农．证券系统性风险系数估计中应注意的问题阴．证券市场导报，2001，
(11)：59．63
斯蒂芬·A·罗斯等著．公司理财(原书第六版)．吴世农、沈艺峰、王志强等译．机
械工业出版社
李旭升．中国股票系统性风险的预测： 【硕士学位论文】．厦门：厦门大学，2001年
吴世农．现代财务理论与方法[M】．中国经济出版社，1997，第177页
汤羡祥，许耀钧．现代证券理论．中国纺织大学出版社，1996，第167页
吴世农等．中国股票市场风险研究．中国人民大学出版社，2003，第17页
62
蚴
嘲
刚幽
陶阳凶
例刚
刚
嗍
嘲阳
跚阳舰
网
㈣M⋯蚴
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
张吉刚．基于SoM网络的上市公司聚类分析【J】．咸宁学院学报，2007，27(6)
杨朝军，蔡明超，徐慧泉．中国证券投资基金风格分类研究【J】．上海交通大学学报，2004，
38(3)
劳兰增，邵玉敏．中国股票市场行业收益率序列动态聚类分析【J】．财经研究，2004，30
(11)
孙敬水．计量经济学教程(第一版)．北京：清华大学出版社，2004年9月
皮埃特罗·潘泽，K班塞尔．用vaR度量市场风险．北京：机械工业出版社，2001．93
—115，153一179，387—411
【美】古扎拉蒂．计量经济学(第三版)【M】．林少宫译，中国人民大学出版社，2000
刘桂荣，卢添翼．上市银行系统性风险的实证研究．财经视线(原名《商业经济研
究》)，2007， (10)：59．97
钟琳琳，刘艳萍．我国股票B系数与会计信息关系的实证研究．黑龙江对外经贸，2006，
(4)：84．85
田素华，吴士君．．中国证券市场风险特征的实证研究【J】．经济科学，2003，(1)：20．30
孔们
习
q刀
踟明
叫
U
∽降
H
H
H
H
H
陋
瞪
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
致谢
在本文定稿之际，我要向我的导师孙健教授表示衷心的感谢。回首这三年的
学习和生活，无时不受到导师的指导和帮助，导师广博的学养、严谨的治学态度
将使我敬佩不已，并将终身受益。
感谢经济学院的诸位领导和老师，你们的教导我将终身铭记。
我还要感谢我的各位同门师兄弟、师姐妹和我的同窗好友，你们在三年的学
习生活中给予了我极大的帮助并对本文的撰写提出了很好的建议，你们的情谊给
了我无限的温暖。
另外我尤其要感谢我的父母和丈夫，多年来你们对我的关心、照顾以及无条
件的支持永远是我学习和生活的坚实后盾。还有我的女儿，愿她健康快乐的成长。
最后，非常感谢各位专家、教授在百忙之中对本文的审阅和指正。
我国上市银行系统性风险预测研究——基于B系数稳定性及影响因素的视角
个人简历
1978年1 1月7日出生于黑龙江省通河县。
1997年9月考入华东师范大学化学与生命科学学院化学专业，2001
年7月本科毕业并获得理学学士学位。
2006年9月考入中国海洋大学经济学院金融学专业攻读硕士学位至
今。
发表的学术论文
宋薇．我国商业银行的执行力分析．农村金融研究， 2007(12)：6—9．