第八章

資產定價模型與估計本章內容概要CAPM理論回顧CAPM實證檢驗方法多因素資產定價模型資產定價模型的檢驗與Eviews一、CAPM理論回顧CAPM模型的理論基礎資產組合理論20世紀五十年代，馬柯維茨提出了資產組合理論。該理論以收益率的期望均值和方差來描述資產的收益和風險，認為投資者在做出資產選擇決策時會在資產的收益和風險之間加以權衡：同等風險情況下會選擇有最高預期收益的資產，同等預期收益下會選擇有最低風險的資產。在此基礎上，馬科維茨利用嚴格的數學工具獲得投資者對于資產組合的最優選擇集，稱其為“有效前沿”。馬柯維茨的理論改變了此前金融學理論僅僅使用描述性語言進行研究的局面，但是，在該理論的實際應用中，需要計算資產兩兩之間的協方差，計算量隨著資產數目的增加成幾何級數增長，這無疑限制了該理論的實際應用。一、CAPM理論回顧資本資產定價模型1964年，夏普（Sharp）將市場組合引入均值-方差模型，極大地簡化了計算。同期，林特納（Lintner）和莫辛（Mossin）也獨立研究得到了相似的結果，獲得了市場上任意資產組合的收益與某個共同的因素之間的線性關系，這就是著名的資本資產定價模型（CapitalAssetPricingModel,CAPM）。一、CAPM理論回顧CAPM模型假設

1）資產可以無限分割。2）不存在交易成本和個人所得稅。3）可以無限賣空。4）存在一種無風險利率，投資者在此利率水平下可以無限制地貸出和借入任意數量的資金。5）投資者是價格接受者，這意味著市場是完全競爭的。一、CAPM理論回顧6）投資者通過比較資產的期望收益和方差來做出投資決定，即他們都遵循馬柯維茨的資產組合模型來行事，在相同預期收益下會選擇方差最小的資產。7）投資者在相同的投資期限內做出決策，而且市場信息是免費且立即可以獲得的。8）投資者對市場中的經濟變量有相同的預期，所以他們對任意資產的預期收益率、方差和資產之間的協方差等都有一致的看法。一、CAPM理論回顧CAPM的核心假設市場滿足完全、無摩擦和信息完全對稱的條件市場中的投資者為具有馬柯維茨理論中所描述特征的理性經濟人一、CAPM理論回顧證券市場線在一般均衡框架下獲得的證券市場線（SecurityMarketLine,SML）是CAPM理論的核心結論，其形式如下：

其中,、

分別是某資產

和市場組合的預期收益率，

是無風險收益率。上式說明，在市場均衡狀態下，任意資產的預期收益率是由無風險利率與合理的系統風險溢價共同構成。這里無風險利率代表了投資者放棄當前消費而獲得的必要補償，風險溢價代表投資者承擔系統風險而應該獲得的補償。風險溢價

取決于

和

兩部分。其中，

是市場組合的風險溢價，

為資產

的風險補償系數，代表了資產

對于市場組合的風險貢獻度。考慮到對于任意資產而言，

和

都是相同的，所以決定資產

預期收益率的只有

系數。一、CAPM理論回顧在貝塔系數-預期收益率坐標系中，證券市場線可以表示為一、CAPM理論回顧證券市場線描述了預期收益率與系統風險系數β之間的線性關系，其中縱截距為無風險收益率

，說明放棄當期消費的機會成本為無風險收益，證券市場線的斜率為正說明投資者因為承擔更多的系統風險而獲得更大的平均收益。CAPM與均值-方差模型的重要區別在于將風險區分為系統風險和非系統風險，并且證明的非系統風險的可分散性，進而說明資產收益率取決于系統風險。一、CAPM理論回顧由于CAPM關于完美市場的假設過于苛刻，所以此后的研究中不斷放寬其假設條件以求更貼近市場實際，在同一框架內獲得一系列CAPM修正模型。布倫南研究發現引入稅收因素并沒有改變CAPM的基本結構。布萊克證明，在不存在無風險資產的前提下，CAPM仍然成立，但是需要用零β組合的預期收益率代替無風險利率。Mayers研究表明，即使存在不可交易的資產，CAPM的基本形式也不會有根本性的改變。二、CAPM實證檢驗方法CAPM之所以被稱為資產定價模型發展過程的中一塊里程碑，是因為它既是一個完整的理論模型，同時也是一個可以用于檢驗的實證模型。研究者在不斷修正模型的同時，也嘗試了不同的方法與數據檢驗其對實際數據的擬合效果。正如經濟學家弗里德曼所言，經濟學的理論是否有效，取決于它能否根據現在的信息正確地預測經濟行為，而不取決于它的假設是否嚴格合乎現實。所以，經濟學家對CAPM的檢驗也并不是從檢驗它的假設是否合乎實際入手，而是關注于檢驗CAPM所揭示的預期收益與風險的線性關系是否成立。二、CAPM實證檢驗方法CAPM檢驗相關研究的演進過程經典的實證研究是布萊克、詹森和斯科爾斯所做的時間序列回歸檢驗以及法瑪和麥克白所做的橫截面回歸檢驗。布萊克等以1926－1965年在紐約證券交易所（NYSE）上交易的所有股票為研究對象，估計出的證券市場線幾乎不存在非線性，斜率顯著為正，強有力的支持了CAPM的結論。法瑪和麥克白研究了相同的數據，與布萊克等研究的不同之處在于，他們試圖根據前期估計的貝塔系數來預測組合的未來收益率，最后得到的結論也支持CAPM。二、CAPM實證檢驗方法CAPM的實證形式首先，對于某種資產

，證券市場線模型可以寫為引入實際數值代替上式中的期望值并增加誤差項

有為了檢驗傳統形式的可靠性，在上式中再加入一個截距項

從而得到如果CAPM成立，則

應為零且

顯著不為零，所以實證結果的關鍵是

和

顯著性檢驗。二、CAPM實證檢驗方法布萊克-詹森-斯克爾森方法該方法是布萊克等在1972年對CAPM模型進行實證檢驗所采用的方法。它以

式CAPM的檢驗形式為基礎。二、CAPM實證檢驗方法1）時間序列檢驗實證步驟在檢驗中，為了獲得更有效的檢驗結果，需要按照一定的標準對多種資產進行分組形成資產組合后再分析。雖然資產的貝塔值的大小是個很好的選擇標準，但如果用相同的數據同時進行分組和回歸分析，這會在回歸估計中造成所謂的測量誤差問題，所以采用在回歸分析時間區間之前的數據來估計出貝塔值作為分組的依據。該檢驗選用的是1926年到1965年間在紐約證券交易所（NYSE）上交易的所有股票的月度數據，市場收益率定義為所有股票收益率的算術平均值。二、CAPM實證檢驗方法第一步，使用1926到1930年前五年的數據估計每支股票貝塔系數值，然后所有股票按貝塔值的大小分組，貝塔值最高的10%股票歸為第1組，依次類推，共構成10個組合。第二步，計算出1931年這10個組合的平均月度收益率。第三步，保持數據窗口長度，推后一年，對1927到1931年五年的數據進行相同的處理得到10個組合，并計算出1932年這10個組合的平均月度收益率。重復前三步的過程，直至得到1965年10個組合的平均月度收益率為止。由于實際市場上的股票數量總在不斷變化，每次分組得到的10個組合的組成并不完全相同。二、CAPM實證檢驗方法第四步，利用1931到1965這35年的組合平均月度收益率數據計算各組合的貝塔系數。估計單支股票的貝塔系數的回歸方程如下：

其中，

是第

支股票在

時刻的收益率，

、

分別是

時刻的市場收益率和無風險利率，、

為待估計系數，

是殘差項。估計股票組合的貝塔系數用到以下回歸方程：

其中，

是各股票組合在

時刻的收益率，

、

為待估計系數，

是殘差項。這里主要需要檢驗

的顯著性。

二CAPM實證檢驗方法結論10個組合中僅有三組的

值的

統計量的絕對值超過1.85，其它都比較小，從而不能拒絕

為零的原假設二、CAPM實證檢驗方法2）橫截面檢驗實證步驟利用在時間序列分析中得到的數據計算出每個組合在1931到1965年的平均月收益率

，然后和組合的貝塔系數進行以下橫截面回歸，檢驗收益與風險的關系：

其中，

為1931到1965年的月度平均無風險收益率，

、

為待估計參數，

是組合的貝塔系數，

為殘差項。

根據CAPM，這里

應該為零且

等于市場組合的月平均超額收益。布萊爾等回歸得到的是一條斜率明顯為正的直線，回歸的擬合效果也比較好，但

、

的系數的t值比較高，都與理論值不符。

二、CAPM實證檢驗方法法瑪-麥克白方法法瑪和麥克白同樣采用了分組研究的方法研究了證券市場線的性質，與布萊克等不同的是他們對1935年1月-1968年6月每個月都進行了橫截面回歸分析。法瑪和麥克白同樣使用紐約證券交易所上所有普通股的月度收益數據，時間區間是1926-1968年。二、CAPM實證檢驗方法實證檢驗步驟第一步，用1926-1929年四年的數據估計所有單支股票的貝塔系數值，并根據貝塔系數的大小把所有股票分為20個組合，每個組合中所有股票的投資比例相同。第二步，用1930-1934年五年間各組合的個股的月收益率數據直接對市場組合月收益率回歸來分別估計個股的貝塔系數，所用的回歸方程如下:CAPM實證檢驗方法第三步，將回歸得到的個股貝塔系數估計值，貝塔系數的平方和殘差的標準差進行簡單平均，得到各組合的貝塔系數

，貝塔系數平方

和標準差

。在1935年到1937年，每年重新計算個股貝塔值，計算區間分別是1930-1935，1930-1936，1930-1937，同時更新組合的

、

和

。

二、CAPM實證檢驗方法第四步對1935-1938年每一個月的數據進行如下橫截面回歸;

其中，

、

分別是前一年的時間序列分析中所得到的個股貝塔系數的估計值的平均值和貝塔系數平方的平均值，從

的取值可以判斷市場組合的收益率對貝塔系數是否是線性的。

則是在估計個股貝塔系數過程中得到的殘差標準差的平均值，代表股票組合

的非貝塔系數風險，即貝塔系數不能衡量的其它的一切風險，如果貝塔系數已經代表了股票組合所面臨的全部風險，那么

的均值應為零。、

二、CAPM實證檢驗方法第五步，把組合確定區間向后推一年，用1927-1933年的數據估計個股的貝塔系數值，再用1934-1938年數據估計組合的貝塔系數值并按年更新，然后用1939-1942年的月度數據作橫截面檢驗。相同的過程一共進行了九次，保證所有檢驗區間的連續性，最后得到1935年1月到1968年6月共392個月的橫截面回歸估計值，然后求出相應的系數

、

、

和

的平均值看它們是否顯著的異于零

二、CAPM實證檢驗方法橫截面回歸的各系數應滿足的假設1）Sharpe-Lintner（S-L）假說，即

的均值等于無風險利率；2）承受風險應有相應的回報，即

的均值應顯著大于零；3）證券市場線的線性性，即

的均值應不顯著異于零；4）非貝塔系數風險不存在系統性影響，即殘差標準差不影響股票的預期收益率，故

的均值應不顯著異于零。二、CAPM實證檢驗方法實證的結果高度支持CAPM的理論形式，在市場組合是有效的前提下，平均來說，風險會帶來正的回報，收益率和貝塔系數之間幾乎沒有非線性，而且殘差的標準差不會系統性地影響平均收益率，但S-L假說的檢驗結果是矛盾的，總體上它并不為數據所支持。二、CAPM實證檢驗方法法瑪-麥克白方法vs布萊克-詹森-斯克爾森方法法瑪-麥克白方法與布萊克-詹森-斯克爾森方法的一個重要區別在于在橫截面檢驗中，后者回歸所用的貝塔系數和股票收益率來自同一期數據，而前者回歸所用的貝塔系數來自前一期數據。三、多因素資產定價模型CAPM在一般均衡框架內嚴格推導了收益率與系統風險溢價之間的線性關系。盡管在早期的實證檢驗結果支持了CAPM的結論，但是羅爾在七十年代對CAPM的檢驗提出了著名的“羅爾批評”。“羅爾批評”——按照CAPM理論，市場組合應該包括所有資產，如房地產，債券和人力資本等，而不僅限于股票。由于非證券資產量化的難度，這使得CAPM檢驗幾乎無法準確進行。如果實際證據不支持CAPM，這有可能是有效組合的選擇不夠準確，或是CAPM本身不成立。三、多因素資產定價模型在羅爾質疑CAPM的同時，斯蒂芬.羅斯提出了套利定價理論（ArbitragePricingTheory,APT）。該理論認為資產的收益受到多種因素的影響，而不只是CAPM所認為的單因素，所以又稱為多因素定價模型。與市場均衡分析方法不同，該理論采用的是無套利定價，或稱為相對定價法，不涉及市場組合，所需的假設也更少。三、多因素資產定價模型因素模型因素模型認為證券的收益率受某些共同因素的影響，各種證券正是因為受到相同因素的影響而彼此相關。如單因素模型就認為證券收益率僅受一種因素的影響，任意證券

在

時刻的收益率可表示為：其中，

是證券

在

時刻的收益率，

是影響所有證券收益率的一個共同因素，

是證券

對該因素的敏感度，

是影響因素為零時的證券收益率，

為殘差值，均值為零，方差僅與

有關。同樣的，當有

種因素影響證券收益率時，

因素模型應表示如下:

三、多因素資產定價模型套利組合根據套利定價模型，投資者會充分利用任何一個不帶來額外風險而能增加收益率的機會，這是通過構造套利組合實現的。三、多因素資產定價模型套利組合需要滿足的條件1）套利組合的構造不需要額外的資金投入假定投資者在第i種證券上的投資變動額為

，這個條件可表示為所有n種資產的變動額應滿足以下等式：2）套利組合的預期收益率大于零三、多因素資產定價模型3)套利組合對任何因素的敏感度為零這意味著套利組合沒有因素風險，因為組合對某一因素的敏感度是組合中所有證券對這一因素敏感度的加權平均，所以這個條件可以表示為：嚴格來說，即使在套利組合不存在因素風險的情況下仍可能存在非因素風險，但是，在組合中的證券數量足夠多的情況下非因素風險足夠小，基本可以忽略不計。三、多因素資產定價模型無套利定價模型無套利定價模型（APT）的優勢在于其假設比較寬松，而且不需要像CAPM那樣依賴市場組合。APT的成立應包括以下假定條件：投資者有相同的預期；投資者規避風險并追求效用最大化；完美市場。它沒有CAPM成立所需要的無稅收和無風險利率借貸等假設。APT還認為證券的收益率受

個共同的風險因素的影響，這可以用上文提到的

因素模型來表示。三、多因素資產定價模型于是，在不存在套利組合的前提下可以證明得到證券

的預期收益率應滿足一下條件：這就是APT的資產定價公式，

表示為使投資者承受一單位的

因素風險而必須給予投資者的補償。三、多因素資產定價模型

三、多因素資產定價模型APTC和APMAPT和CAPM都是建立在完備市場假設基礎上，但二者又存在本質的區別。從理論基礎來看，APT在無套利理論框架內利用更寬松的假設得到資產定價模型。從結論的形式上看，APT是多因素定價模型而CAPM是單因素定價模型，APT似乎可以被認為是CAPM的一種推廣。當然，在特定條件下，CAPM是APT的一種特例。而在一般情況下，因為APT考慮了更多的影響因素，能對某些CAPM不能解釋的現象做出解釋，并且不需考慮市場組合，便于檢驗，所以其結論更具普遍性。三、多因素資產定價模型APT的模型構造的缺陷首先，APT始終未能說明究竟是哪些因素影響了資產的收益；其次，相對CAPM而言，ATP較少的假設中也有一些難以進行科學的實證檢驗。為解決第一個問題，在實證研究中，學者們一般通過運用經濟學直覺和實證分析相結合的方式來尋找那些對資產收益率有顯著影響的因素，其中最有影響的當屬Fama和French建立的三因素模型。它用市場風險溢價，規模因素和賬面市值比因素來解釋股票收益率的變化得到很有說服力的結果。四、資產資本定價模型檢驗與EviewsCAPM模型的運用準備數據為保證收益率數據的完整和準確，本案例以1998年已經上市的上證A股為初始樣本，依次剔除1999-2003年間發生ST、暫停上市和退市三種特殊情況的股票，最終得到343只股票的數據。四、資產資本定價模型檢驗與Eviews數據來源與描述為便于計算貝塔系數，即使收益率數據缺失，仍需在EXCEL中將股票代碼和月份數據補齊，缺失的收益率設為空格。數據來源數據描述個股月收益率（Ri）CSMAR數據庫考慮現金紅利再投資的月收益率市場月收益率（Rm）CSMAR數據庫上證綜合指數月收益率無風險利率（Rf）Wind數據庫三個月定期儲蓄利率折算的月利率將三個月定期儲蓄利率折算成月利率的計算公式如下，在Excel中用POWER函數可以實現這一計算。

其中，

是無風險利率，R是三個月定期存款的年利率。四、資產資本定價模型檢驗與Eviews布萊克-詹森-斯科爾斯方法第一步：計算單只股票的貝塔系數并分組首先以1999-2003年60個月的數據計算單只股票的貝塔系數，步驟如下：1）在Excel中篩選出1999-2003年股票的月度收益率數據。2）計算Ri-Rf和Rm-Rf。由于股票數量較多，計算個股的超額收益率需要通過VBA編程循環調用實現四、資產資本定價模型檢驗與Eviews調用程序PublicSubnew99to03Exre()'求各股票超額收益率程序DimiAsIntegerDimjAsInteger'定義變量Forj=0To342Fori=0To59IfCells(2+i+60*j,7).Value=""ThenCells(2+i+60*j,16).Value=""'把月收益率不存在的股票的超額收益率定為空值ElseCells(2+i+60*j,16)=Cells(2+i+60*j,6)-Cells(2+i,11)'個股收益率減去無風險收益率EndIfNextiNextjEndSub四、資產資本定價模型檢驗與Eviews3）按以下方程進行時間序列回歸，計算個股的貝塔系數。以上計算也需要在Excel中通過循環調用SLOPE函數實現PublicSubnew99to03Reg()'斜率回歸求貝塔系數程序DimjAsIntegerForj=0To342Cells(2+60*j,18)=Application.Slope(Range(Cells(2+60*j,16),Cells(61+60*j,16)),Range(Cells(2,17),Cells(61,17)))'調用SLOPE函數求斜率NextjEndSub四、資產資本定價模型檢驗與Eviews4）按以下步驟進行分組（a）將計算出的343只股票的貝塔系數按升序排列，按從小到大的順序平均分為十個組合并賦予相應的組號1-10。（b）篩選出這些股票2004年的月收益率，與（a）中的數據放在同一張表中，可使用INDEX函數和MATCH函數將兩份數據對應起來，并標記出月收益率數據中所有股票代碼的組號。（c）按主要關鍵字“交易月份”，次要關鍵字“組合號碼”升序排列。（d）以“組合號碼”為分類字段進行分類匯總求平均值，求得各組合2004年每個月的平均收益率。（e）在2000-2004，2001-2005，2002-2006，2003-2007，2004-2008五個區間上重復以上過程，最后得到這十個組合2004-2009年72個月的月平均收益率。四、資產資本定價模型檢驗與Eviews計算單只股票β的時間區間及其對應的計算組合收益率的時間區間。計算單只股票β的區間計算組合收益率的區間1999-200320042000-200420052001-200520062002-200620072003-200720082004-20082009四、資產資本定價模型檢驗與Eviews第二步：計算股票組合的貝塔系數1）在EViews中新建一個時間跨度為2004年1月到2009年12月的時間序列工作文件，命名為“bjstest”。2）將2004-2009年的無風險利率和市場收益率通過復制粘貼輸入Eviews，依次命名為“riskfree”，“market”。四、資產資本定價模型檢驗與Eviews3）將第一步計算得到的十個組合的月平均收益率

通過命令導輸入EViews，依次命名為“no1”…“no10”。在導入分組的收益率數據時，可以先把各組的數據依次排成十列，然后調用以下命令輸入到EViews中：‘讀取數據read(t=xls,s=sheet1,I1)平均收益率匯總.xlsno1no2no3no4no5no6no7no8_no9no10‘四、資產資本定價模型檢驗與Eviews4）計算市場超額收益率seriesexremar=market-riskfree。5）計算組合超額收益率。為了簡便起見，可以在EViews中編程循環計算。先通過命令“programbjs”建立一個程序文件，然后在打開的程序窗口輸入以下程序并單擊“Run\OK”運行：'生成超額收益率序列for!k=1to10seriesexre{!k}=no{!k}-riskfreenext四、資產資本定價模型檢驗與Eviews6）按以下方程進行時間序列回歸計算出這十個組合在2004-2009年間的貝塔系數。這十個時間序列回歸通過循環回歸實現，在程序窗口運行以下程序：'最小二乘回歸for!k=1to1equationeq{!k}.lsexre{!k}cexremarnext四、資產資本定價模型檢驗與Eviews回歸結果顯示：各組合回歸得到的貝塔系數在1%的顯著性水平下顯著；截距項基本不顯著（只有第3組和第6組在10%的顯著性水平下顯著）。回歸的擬合系數均高于0.6，說明模型的擬合效果較好注：“***”“*”分別表示在1%和10%的水平上顯著分組調整

第1組0.872710.5428***0.96141.15100.6081第2組0.952910.8373***1.45731.64250.6212第3組0.919810.5164***1.67871.9019*0.6069第4組1.023011.3963***1.24131.37030.6448第5組1.003611.2493***1.22031.35550.6388第6組1.042011.2952***1.55451.6698*0.6407第7組1.026010.9509***1.1151.17940.6262第8組1.054711.3315***1.16141.23660.6421第9組1.079212.3472***1.11561.26490.6808第10組1.058812.4367***1.17681.36990.6840四、資產資本定價模型檢驗與Eviews第三步：橫截面回歸1）在EViews中新建一個橫截面回歸的工作文件，在命令窗口中用“series”命令建立橫截面序列。2）計算這十個組合在2004-2009年期間的平均月收益率Rp，并和各組合貝塔系數βp一起輸入EViews，分別命名為“return”，“beta”。3）按以下方程進行橫截面回歸，估計參數

和

：根據CAPM理論，這里的

應該為無風險收益率，

應該為正數且等于市場組合的月平均超額收益。

四、資產資本定價模型檢驗與Eviews回歸結果見下表變量系數標準誤差t統計量P值理論值0.01900.01171.62200.14350.00170.00970.01170.83170.42970.01440.0796調整

-0.0355四、資產資本定價模型檢驗與Eviews十個股票組合擬合出的證券市場線四、資產資本定價模型檢驗與Eviews從圖表可看出：（1）

，即無風險收益率大于零。從絕對數值上看，

遠遠高于2004到2009年的平均月度無風險收益率0.0017，與理論預期值有較大的出入。（2）

，圖形擬合結果是一條向右上方傾斜的直線，表明組合收益率與貝塔系數正相關，高風險對應高回報，這和CAPM的結論一致。（3）雖然兩個系數都如理論所預期的那樣是正數，但都不顯著，而且回歸的擬合系數很低（不到0.1），調整的擬合系數甚至為負值。這說明僅憑貝塔系數不能充分解釋股票收益率的變化，可能存在其它明顯影響股票收益率的因素。以上結果可能表明CAPM在上證A股市場上并不適用。四、資產資本定價模型檢驗與Eviews法瑪-麥克白(Fama-MacBeth)方法與布萊克-詹森-斯科爾斯（Black-Jenson-Scholes）方法不同，法瑪-麥克白（Fama–MacBeth）方法的股票組合在較長的時間區間內是不變的。為保證這一點，首先要在1998年已經上市的股票中去掉1999-2009年出現過ST等特殊情況的股票，這樣篩選出273只股票。從上一個檢驗中篩選出這273只股票的月度收益率數據。四、資產資本定價模型檢驗與Eviews第一步：個股貝塔系數的計算與分組1）估計所有個股的貝塔系數。用1999-2002年的月度數據進行估計。但這里所采用的估計模型與布萊克-詹森-斯科爾（Black-Jenson-Scholes）方法不同。后者是用股票超額收益率對市場超額收益率進行回歸，而這里是直接用個股月度收益率對市場收益率回歸，即所謂“市場模型”：其中，

是第

支股票在

時刻的收益率，

是

時刻的市場收益率，

、

為待估計系數，

是殘差項。

四、資產資本定價模型檢驗與Eviews2）分組。用Excel中的SLOPE函數循環調用估計出的個股貝塔系數，根據貝塔系數的值按從小到大的順序把所有股票平均分為20個組合，并依次賦予相應的分組號碼1-20。3）用市場模型以2003-2007年的月度數據為基礎估計各組合中單個股票的貝塔系數，并用POWER函數求貝塔系數的平方。4）對用STEYX函數得到的回歸標準誤差進行調整，得到個股回歸的殘差標準差。5）計算各組合的貝塔系數

，組合的貝塔系數平方

，組合的殘差標準差

。先按照“分組號碼”進行排序，然后以“分組號碼”為分類字段進行分類匯總得到平均值。

四、資產資本定價模型檢驗與Eviews2003-2007年組合β估計結果組合組合10.89110.87190.1162組合20.92250.89450.1082組合31.06251.22850.1213組合40.94800.94680.1302組合50.97320.97570.1189組合60.99931.09020.1256組合71.07381.28770.1239組合81.01291.10330.1081組合91.06951.18150.1358組合101.00931.05230.1213組合111.04261.13280.1099組合121.00421.05420.1243組合131.08511.28810.1216組合140.94550.97510.1248組合150.93550.92030.1277組合160.85890.82310.1338組合170.97141.01550.1257組合180.95010.93330.1321組合190.99431.01300.1191組合200.93740.91530.1209四、資產資本定價模型檢驗與Eviews6）把以上數據區間延長一年，即用2003-2008年六年的月度數據估計各組合的

，

和

。結果如下表所示：組合組合10.95550.95150.1141組合20.94690.93220.1128組合31.07861.21260.1217組合40.96620.98470.1372組合50.97940.97840.1201組合61.00421.05300.1285組合71.08171.24520.1279組合81.00941.08080.1105組合91.06941.17290.1331組合101.04821.12260.1240組合111.04781.12670.1120組合121.03741.10830.1236組合131.09741.28890.1217組合141.02221.08400.1274組合150.94910.93070.1292組合160.94050.92780.1335組合170.98991.02430.1254組合181.00021.04120.1359組合191.02241.06250.1176