上市公司β系数的研究---以我国互联网公司为例

《上市公司β系数的研究---以我国互联网公司为例》由会员分享，可在线阅读，更多相关《上市公司β系数的研究---以我国互联网公司为例（23页珍藏版）》请在装配图网上搜索。

1、目 录摘 要Abstract一、 绪论1（一） 研究背景1（二） 研究目的与意义1（三） 研究现状2（四） 本文研究方法3二、研究理论基础4（一）投资组合理论4（二）CAPM理论4三、我国互联网上市公司系数稳定性分析5（一）系数稳定性分析基础51.样本分析52.数据分析6（二）系数在不同数值水平下的稳定性分析7（三）系数在不同时段内的稳定性分析8（四）系数在不同收益率度量时限下的稳定性分析9（五）系数在不同市场态势下的稳定性分析9四、我国互联网上市公司系数影响因素分析10（一）研究变量与研究假设10（二）多元线性回归分析111.多元线性回归分析定义112.多元线性回归分析运用123.多元线性回

2、归模型及矩阵表示12（三） 研究结果分析13五、研究结论与对策建议14（一）研究结论15（二）对策建议15文献参考16致 谢17、摘 要我国自从股票市场开放以来，就在股票市场发展规模与发展速度上获得了相对大的成就，但随之而增的就是我国股票投资的风险性，这就使得我国股票市场的投资风险管理变得具有研究价值，对于如何规避掉股票市场存在问题，提升股票市场价值稳定性研究变得更为重要。随着我国经济的发展和社会的进步，我国互联网企业上市已经成为了一场新浪潮，形成了可持续发展的经济新体系，但对于新型企业而言观察其系统性风险相对不容易，需要将系数融入资本资产定价模型中，以上市公司在整体证券市场中产生价格变动的资

3、产数值与影响数量所评判，并将系数作为研究上市公司风险性的相对重要的指标，与此同时，也将系数作为上市公司筹资管理，投资管理以及风险管理的主要依照工具。本文结合了CAPM理论与投资组合理论进行对于我国互联网上市公司系数的研究，综合系数的影响因素进行稳定系数方法的分析，并提出对策建议。关键词：互联网公司；系数；筹资管理IVAbstract Since the opening of the stock market, China has made relatively great achievements in the scale and speed of the development of the

4、 stock market, but the risk of the stock investment in China has increased, which makes the investment risk management of the stock market of China have research value. The research on how to avoid the problems in the stock market and how to improve the stability of the value of the stock market has

5、 become more and more important. It is important. With the development of Chinas economy and social progress, the listing of Internet enterprises has become a new wave and a new economic system of sustainable development. However, it is relatively difficult for new enterprises to observe their syste

6、mic risks. It is necessary to incorporate the beta coefficient into the capital asset pricing model, and to produce the asset value of price changes in the overall securities market for listed companies. It is judged by the number of impacts and takes the beta coefficient as a relatively important i

7、ndex to study the risk of listed companies. At the same time, the beta coefficient is also used as the main tool for financing management, investment management and risk management of listed companies.This paper combines CAPM theory and portfolio theory to study the beta coefficient of Internet list

8、ed companies in China. It synthesizes the influencing factors of beta coefficient to analyze the method of stable beta coefficient, and puts forward some countermeasures and suggestions.Key words: Internet companies; Beta coefficient; Financing management 1、 绪论（1） 研究背景 在我国股票市场的持续增长下，资金投入的风险也随之增长，为了减

9、少这方面带来的股票投资者的利益损失，我国证监会进行多次要求上市公司提升风险防范意识，降低系统性风险的发生。但需要注意的是我国的股票市场仍然属于新兴市场，存在历史仅仅30年，相对而言制度不够健全，政策也不好完全落实，所以对于我国资本市场中的风险性投资的研究显得极为重要。 而在我国上市公司中，互联网上市公司也处于相对重要的地位，国家复返重申我国互联网发展的必要性，再加上我国开放的发展环境与较好的经济发展态势，使得需要互联网公司上市。但这些互联网公司发展阶段较快，发展规模较大，发展时间较短，在一定程度上无法抵御系统性风险，所以急需对于互联网上市公司的风险研究，本文植根于此，通过对于系数影响因素的研究

10、分析我国互联网上市公司的风险概述。（2） 研究目的与意义 作为风险投资收益与系统风险资产关系关系模型，资产资本定价模型一直具有较高的适用范围与实用性，这种应用范围涉及了金融股票市场的每个方面：例如投资价值对比环节，风险成本估算环节，组合资产管理环节与金融市场管理环节等等，本文研究目的在于架构出较为完整的CAPM模型，从而找出互联网上市公司的具体风险资产模型中系数影响因素分析，描述出系数的稳定性，进而降低互联网上市公司投资风险。 本文的研究意义分为两部分，首先是对于系数研究的理论意义，这其中包括三点，分别是：对于互联网上市公司系数的具体样本提供，进行了对于系数影响因素的归纳与进行对于系数研究与细

11、分。通过对于互联网公司的系数研究将互联网公司的风险系统与影响因素剖析与展示。其次就是对于系数研究的现实意义，其中也包括三点：第一就是能够对于我国互联网公司的风险管理提供数据支持，第二是使得我国互联网上市公司的投资计划可以变得更加明确便于管理，第三就是使得我国互联网公司上市变得不再盲目，筹资有所目的性。（3） 研究现状我国的互联网公司销售竞争较为激烈，国外也是如此，一次互联网上市公司市场的竞争都会影响到公司未来的发展计划甚至是公司存亡，所以公司系数影响因素的分析一致被学者所研究。在国外研究中，学者主要是依据人工智能方式进行对于上市公司系数影响因素的预测，首先建立公司系数预测模型，再将人工智能数据

12、带入到预测模型中，进行对于公司系数影响因素的研究。国外对于系数研究相对较早，研究面相对较广，主要分为三个阶段。首先第一阶段Brooks，Faff与Ariff（1998）最先提出系数是持续稳定的这一点，这三位学者将新加坡与吉隆坡在一定时间内的市场进行等距划分发现，系数并没有根据市场有所变化，而是保持不变的稳定性。在之后Prochniak与Witkowski(2013)提出在经济增长态势下，系数的稳定性也很高，会有变化但不会产生较大差异。Ur Rahman，Ejaz与Akbar（2013）在进行不同股票市场的研究中发现，持续增长的股票市场中系数基本没有变化，在持续跌停的股票市场中系数仍旧维持稳定，

13、从而得出系数是一个稳定常数的结论。在第二阶段中，学者发现系数存在变化且具有较大变化，在进行不同行业系数分析发现，之前研究中并没有计算虚拟变量，使得系数看似是常数，其实是一个不稳定的数值。后来进行了对于不同区间与时间段内的系数稳定性分析，发现时间跨度越长，系数越稳定，但在短时间内系数还是一个波动数值，随后改进了CAPM理论，采用了普尔标准500指数数据，并且进行了对于系数的综合测试发现，系数并不稳定。第三阶段就是分析哪些因素会导致系数的变化，对于不同形态的股票市场研究发现，不同的市场发展状态会对于系数产生波动影响。首先进行了对于上市公司系数模型的建设与系统化分类。将SPSS方法运用到了上市公司系

14、数模型建设中，先对于苹果上市公司系数进行影响因素分析，再进行模型预测设置，经过实证检验发现此类模型效果优于回归模型。在此基础上Yuan和Lee进行了对于遗传算法的使用，将遗传算法应用到了向量机中，从而进行了互联网公司此类消费者的消费人群分析，分析类别较多，主要是性别因素，气质因素，实用性因素，身份因素等，利用这些因素模型建设多元回归分析，从而建设起了上市公司系数预测模型。在国内，学者对于上市公司系数影响因素分析相对研究较晚，但也取得了较多的成果。杨莉经过对于市场中上市公司系数现状进行影响因素排查，以华为企业上市公司系数作为初始模型，进行系统化上市公司系数预测分析，从而进行了影响因素预测与适当化

15、公司发展建议列举，存在一定科学性同时具备着实际效益；郑思平与肖人岳在对于上市公司系数分析中首次提出使用灰色预测（1,1）模型，预测出了较为准确的上市公司系数影响因素数据。魏雪在对于我国上市公司系数影响因素分析中，使用了SPSS模型，以消费者的喜好作为分析主要参考因素，进行了对于此前改进与优化。华晶晶使用统计学系统的方式，对于上市公司系数影响因素进行定性分析，从而使用预测方法预测上市公司系数。 对于上市公司系数影响因素本身的预测而言，国内外学者使用多种模型方式进行分析研究，包括了多元线性回归法，主成分分析法与人工智能数据列举等方式，使得本文在研究时可以站在前人的肩膀上进行因素影响分析，本文在之前

16、数据总结统计后，使用统计学方式进行理论模型建设，通过spss平台软件处理数据方式进行模型实际意义分析，希望可以对于上市公司系数优化提供一定的理论支持。（4） 本文研究方法本文采取多元线性回归分析法，因子分析法等。二、研究理论基础（一）投资组合理论 投资组合理论最早在1952年被经济学家马科维茨刊登在金融杂志的证券组合选择中首次提出，这其中包含了两方面的内容，分别是投资组合有效边界模型与均值-方差分析方法。在投资组合模型中，适用方差模型来进行对于投资组合风险的计算与衡量，从而达到风险管理的目的，当最终数值的方差较大时说明此次研究的风险较大，反之则说明此次研究风险较小。所以对于企业而言，为了降低公

17、司风险与成本，力求找到最佳投资组合，投资组合能够降低投资风险主要是由于避开了非系统性风险，使得偶然风险因素降低。有效的使用投资组合会让公司决策与投资风险降低，不会发生较大的产业证券波动。（2） CAPM理论 CAPM指的是Capital Asset Pricing Model，最早是在1964年被Sharpe与Lintner所提出的资产资本定价模型，这个模式属于现代金融极为重要的基石，在证券市场与投资市场中，收益风险关系大多使用这一模型进行研究，收益风险关系也被公式所定义：。，其中E(ri) 是资产i 的预期回报率，rf 是无风险利率，im 是Beta系数，即资产i 的系统性风险，E(rm)

18、是市场m的预期市场回报率，E(rm)-rf 是市场风险溢价。 CAPM理论使用方向较广，首先可以用于投资的风险决策分析，投资者对于投资项目的回报计算并不是当时的，而是对于未来的预期，这就需要面对即将到来的风险。在CAPM中可以使用系数的稳定性分析，来规避或是计算系统性风险的计量，计算方式主要是计算贴现率，然后根据贴现率与系统风险正比关系引导出系统风险的计量。其次CAPM可以用于普通股资的决策筹资计算，根据李夏（2015）年研究发现：资本普通股成本率=报酬无风险率-（在证券市场平均报酬概率-报酬无风险概率）*系数。 根据公式可以分析出证券收益与风险系统性的关系，这种关系曲线称作证券市场线：图一：

19、证券市场线 在证券市场线中可以看出，证券的收益是一条正相关系数的曲线，所以作为系统性风险的衡量标准，系数的研究较为重要，需要注意的是，系统性风险无法分散，所以计量处系统性风险后只能对于风险值进行资金补偿，无法对于不可预测非系统性风险进行补偿。证券市场线里面系数表达了单一证券与整个证券市场波动性之间的关系，如果假设整体证券市场的是1，那么如果研究证券的数值比1大，就说明该证券存在较大的波动性，拥有较高的系统性风险，如果研究证券的数值比1小，那么久说明该证券存在较高的稳定性。由此可以，系数可以极其敏感的展示出研究证券的风险程度。三、我国互联网上市公司系数稳定性分析（一）系数稳定性分析基础1.样本分

20、析 首先进行样本的采取，此次研究在于我国互联网上市公司的数值研究，所以为了研究数值的科学性和真实性，采取了46家我国上市互联网公司，所以此次研究中系数稳定性存在的影响因素都来自于这46家公司，按照上市时间分为以下样本量：表一：选取46家互联网上市公司样本2. 数据分析 图二：标准回归法中对于数值的估计（二）系数在不同数值水平下的稳定性分析 在不同数值水平下，系数的稳定性有所不同，如下图：图三：不同数值下系数的均值图四：不同数值下系数的方差 根据图四不同数值下我国互联网上市公司系数均值可以看出，我国互联网上市公司系数均值在数值1左右，说明系统性风险相对较低，但有一部分公司系数较高，例如迅游科技，

21、长城动漫与东方财富等均值在1.5左右，具有较高的系统性风险。通过图五可以看出我国互联网上市公司的系数方差比较稳定，全部都在0.8以下。（3） 系数在不同时段内的稳定性分析 通过对于SPSS软件使用，进行对于系数不同时段内稳定性的系统研究，取得系数在不同时段下的稳定性分析：表二：在不同时段我国互联网上市公司的系数稳定性统计经过上图可以发现，我国互联网上市公司的均值在数值1附近徘徊，在2007年-2012年六年间数值较为稳定，而在2013年-2014年两年数值出现了下降，在2015年均值上升回到了数值1附近，但在2016年系数均值突然增大到了近些年来的最大均值，这说明在2016年因为种种原因我国互

22、联网上市公司的系统性风险激增，不适合进行投资。其次，在表中可以看出，近些年来的互联网上市公司系数方差较为稳定，都在0.2以下，这从一定程度上体现了我国互联网上市公司的风险稳定态势。（4） 系数在不同收益率度量时限下的稳定性分析 由于此次研究对于系数的研究使用的是单因素对照分析，所以可以得出相对准确性高的统计数据与方差数值：表三：在不同收益率度量时限下的系数稳定性分析表四：在不同收益率度量时限下下的系数稳定性分析ANOVA在表三中可以清楚看出，当月收益率时限下均值是0.87时系数明显小于日收益率度量出现的均值1.03，同样也小于周收益率度量时限出现的均值1.03，所以可以根据此分析出，时间越久，

23、数值相对越稳定，所以长期投资互联网上市公司比短期投资更容易取得回报，也更容易降低风险性。而从表四中可以发现，监测的显著性较低，只有0.00数值，很明显少于正常的0.05，说明不同收益率度量对于我国互联网上市公司系数具有较为巨大的影响。（5） 系数在不同市场态势下的稳定性分析 此次研究放在证券市场沪深300指数的发展趋势研究中，进行对于系数不同市场态势下的稳定性研究，而沪深300指数趋势发展如下： 图五：市场态势图从图五中可以看出，整体证券市场的发展态势分为三种，分别是横盘态势，下跌态势与上涨态势，在上涨态势下的数值均值达到了0.75，而在横盘态势下的数值均值达到了1，在下跌态势下的数值均值达到

24、了1.34，这就说明了在我国互联网上市公司中，当股票证券上涨时风险系统性较低，当股票证券稳定时风险系统性与整体证券市场相同，而在股票证券下跌时存在较大的风险系统性。四、我国互联网上市公司系数影响因素分析（一）研究变量与研究假设此次将44家互联网上市公司作为研究样本，笔者进行对于44个上市公司进行了网上数据分析结合列举，相对而言数据量较为丰富，数据涵盖面广。本文进行对于我国经济形势的结合，去除掉对于互联网上市公司系数影响非重要因素，最后保留了六个自变量：国内生产总值指数x1，第三产业增加值指数x2，固定资产投资价格指数x3，贷款基准利率x4，银行家信心指数x5，企业景气指数GDPx6。具体的指标

25、如下表：我国互联网上市公司系数影响因素指标国内生产总值指数X1第三产业增加值指数X2固定资产投资价格指数X3贷款基准利率X4银行家信心指数X5企业景气指数GDPX6表五：我国互联网上市公司系数影响因素指标选取（二）多元线性回归分析 在遇到具体数量问题分析过程中，变量与变量间会存在一定量的联系，所以为了分析出各个变量之间的影响机理，经常会使用回归分析来探究变量间的相互影响关系。回归分析主要分为：一元线性回归分析，非线性回归分析；逻辑回归分析以及多元线性回归分析几类。根据本文选取的四个影响因子，采取SPSS的多元线性回归理论分析。 1.多元线性回归分析定义 本文对于多元回归线性分析的研究先从一元线

26、性回归分析开始构建，之后进行多元线性回归分析的拓展。首先一元线性回归分析属于对于某一单一自变量对于另一单一自变量的直接影响分析。此类研究方法进行了对于其他外界影响，属于实验室中的理想化情况。但由于现实中影响因子较多，所以纯粹的一元线性回归分析基本不会使用也不存在使用价值，多使用多元线性回归分析。 所以在前提性线性关系条件不变的情况下，进行多个自变量的影响分析，即多个自变量对于某一单一变量的影响分析，也称作多元线性回归分析，使用数量关系式来进行多元线性回归分析模型建设。本文进行对于SPSS软件的分析案例使用。2. 多元线性回归分析运用 对于多元线性回归分析的能够运用解决的问题分析： 首先是能够对

27、于给定变量与自变量的影响关系对照，从而找出自变量与给定变量的数学表达式；其次在进行了多元线性回归模型确定之后，进行对于具体数值的采集，根据采集到的具体数值，进行后置位其他数字的预估，经过对于模型的预测进行预测数据，模型越科学标准化，相对而言预测数据越准确；最后可以进行因素分析，对于同一因变量其他自变量对于此数值的变化程度，从而分析出自变量的影响起主导地位的有哪些，起到次要地位的有哪些，进而找到自变量因素存在的线性关系。3. 多元线性回归模型及矩阵表示 首先设定y属于随机变量，该取值可以根据外界数据所观测出，这个数值可能会被给定因素x1，x2，x3，x4.xp以及随后随机因素所进行影响，先设y与

28、x1，x2，x3.xp具有线性关系： 在线性关系式中，1，2.n都独立并且都属于（0，2）。 将上式列为矩阵： 在这其中Y=（y1,y2,.yn），+（0，1，2，.p），=（1，2，.n），-Nn（0，2In），In是n阶单位矩阵， 在矩阵中X属于资料矩阵，也就是设计矩阵，他的阶是n*(p+1)，也就是说。表六：x1-x6相关关系SPSS软件分析（3） 研究结果分析X1X2X3X4X5X6X11.000.689.886.878.377.217X2.6891.000.389.378.266.114X3.886.8781.000.923.375.215X4.878.378.9231.000.43

29、6.277X5.377.266.375.4361.000.887X6.217.114.215.277.8871.000表七：变数相关系数矩阵由上表可以发现，组合指标大于0.5的组合有以下几种：指标名称指标名称相关系数国内生产总值第三产业增长值指数.689国内生产总值固定资产投资价格指数.886国内生产总值贷款基准利率.878固定资产投资价格指数贷款基准利率.923银行家信心指数企业景气指数.887表八：指标间相关系数大于0.5组合图六：matlab多元线性回归结果因为自变量即影响因素的类型不同，此次研究结果分析分为两部分，分别是外部宏观因素与公司内部因素。从上表可知，对于相关系数大于0.5的组

30、合而言，X1即国内生产总值与公司系数相对关系最为密切，其次就是贷款基准利润。 首先对于外部宏观因素而言，国内生产总值指数x1，第三产业增加值指数x2，固定资产投资价格指数x3，贷款基准利率x4属于宏观因素，通过对于系数系统建模发现，外部宏观环境并不会对于我国互联网上市公司系数具有较大的影响。反观银行家信心指数x5，企业景气指数GDPx6两个因素中，发现影响因子对于公司系数拥有较为明显的影响。五、研究结论与对策建议（一）研究结论 本文对于我国互联网上市公司系数研究结论主要有以下两点： 首先市场态势，收益率度量区间选取，收益率度量时限并会对于风险系统性由较大的影响，即会对于系数有较大的影响，尤其是

31、对于收益率度量区间而言，长久投资的系统性风险远远低于短期投资，对于市场态势而言，当互联网上市公司股票证券上涨时系统性风险较低，下跌时会出现更多的系统性风险。 其次就是宏观经济影响并不会对于互联网上市公司系数具有较大影响，反而企业内部因素会导致系数发生较大变化，但需要注意的是，外部宏观环境因素会影响到企业内部因素，例如公司发展前景，银行家投资意愿等。（二）对策建议 本文对于互联网上市公司系数研究中发现系统性风险是可以进行提前预测补偿的，所以对于互联网上市公司降低风险带来伤害具有一定的对策建议。 首先要进行对于系统性风险的及时预测和准确反馈，不同影响因子都会造成对于系数即系统性风险的影响，或是正相

32、关，或是负相关，公司内部风险管理人员应该对于这些因素进行集中管制与变化应急，降低公司因为系统性风险带来的经济损失。 其次宏观因素不可调节但是企业内部因素才是对于互联网上市公司系统性风险影响最大的，所以需要对于企业内部进行治理与加强管理，增加企业内部工作积极性，提升投资者的投资信心，及时准确真实做出系统性的财报分析，调节公司内部存在的问题与矛盾，加大对于内部的管理力度。19文献参考1 杨晓杰, 冉叶虹. 轻资产企业系数的影响因素实证分析基于互联网和文化传媒上市公司的数据J. 商业会计, 2018, No.637(13):64-66.2 王旭栋. 基于时变系数的金融行业上市公司价值投资研究D.3

33、张毓轩, 王建忠. 基于CAPM农业上市公司市场风险分析J. 时代金融, 2018, No.696(14):156+159.4 倪洪燕, 王勇. 股票投资中的系统性风险系数研究基于中美两国股票市场价格数据J. 财务与金融, 2018, 175(05):21-25.5 吉洁. 熔断机制对我国股票市场系统性风险的影响基于系数的测算J. 特区经济, 2018.6 李经路, 郭静. 智力资本对贝塔系数影响路径的数理分析与数据检验上市公司数据的例证J. 软科学, 2017(7).7 郭范勇, 潘和平. 财务因素、市场因素与股票系数J. 财会通讯, 2017(12):127-130.8 伏威威. 房地产上

34、市公司股票系数测算研究报告J. 财讯, 2017.9 曹俊帮. A公司特有风险收益率的研究D.10 韩行行. 上市公司基本特征对股票Beta系数影响程度的量化研究D. 2016.11 杨莉. 上市公司会计报表附注披露存在问题探析J. 中国电子商务, 2010(9):131-131.12郑思平, 肖人岳. 基于灰色模型与灰色关联度对品牌手机未来销量预测J. 科学技术与工程, 2009, 9(20):6197-6199.13 魏雪, 钱燕云. 供应链合作关系对企业绩效影响的实证研究J. 物流科技, 2015, 38(7):116-119.14华晶晶. 论人力资源管理激励机制的构建J. 江苏商论,

35、2008(18):138-138.15Preeti P , Vijay V , Suman D , et al. Screening of E. coli -clamp Inhibitors Revealed that Few Inhibit Helicobacter pylori More Effectively: Structural and Functional CharacterizationJ. Antibiotics, 2018, 7(1):5-.16Catechol estrogens stimulate insulin secretion in pancreatic -cell

36、s via activation of the transient receptor potential A1 (TRPA1) channelJ. Journal of Biological Chemistry, 2019, 294.17 Brooks R D , Faff R W , Ariff M . An investigation into the extent of beta instability in the Singapore stock marketJ. Pacific-Basin Finance Journal, 1998, 6(12):87-101.18 Mariusz

37、Prchniak, Witkowski B . On the Stability of the Catching-Up Process Among Old and New EU Member StatesJ. Eastern European Economics, 2013, 52(2):5-27.19 Shaheen F , Ahmad M , Khan M T H , et al. Alkaloids of Aconitum laeve and their anti-inflammatory, antioxidant and tyrosinase inhibition activities

38、J. Phytochemistry (Amsterdam), 2013, 66(8):935-940.20 Lee Y , Kim I . Change and stability in shopping tourist destination networks: The case of Seoul in KoreaJ. Journal of Destination Marketing & Management, 2018:S2212571X17302172.致 谢 首先我要感谢我的老师与同学们，在我大学四年的时光里让我感受到了家的温暖，让我学习到了知识，也让我提升了在社会上进步步伐，其次我要感谢我的母校，在这所学校里面我在大学里面努力汲取养分，我将要离去，我的母校承载了我的青春与我的成长，感谢母校教师对我错误的原谅对于问题的悉心指导。其次我要感谢我的父母，我的父母不辞辛苦让我来这里学习，我每时每刻都能感受到父母望子成龙的心情，但我这些年也产生过不少麻烦，是父母的原谅与鼓励才让我能够走到今天。 是你们对我的悉心教导与孜孜不倦的鼓励让我能够完成我的大学学业，我以后一定会做一个有能力又抱负的有为人才，为我的同学教师，我的父亲母亲，为我的母校争光。最后，对所有帮助过我得人报以最诚挚的谢意。