资本资产定价模型范文第1篇

关键词：资本资产定价模型 ；核心思想；应用

一、资本资产定价模型的理论介绍

（一）资本资产定价模型的历史由来

早在Crammer(1728)和Bemouli(1738)，那时就有对在不确定环境下如何进行投资决策的最初思考，已经提出投资者在最大化财富的同时，也要求最小化风险。20世纪早期，Fisher(1906),Hicks(1934),Kenyes(1936)等开始审视不确定环境下的投资决策问题。1952年，马柯维茨(Markowitz)在《金融杂志》(Journalof Finance)上发表题为《投资组合的选择》，该文中确定了最小方差资产组合集合的思想和方法，开创了对投资组合管理的先河，奠定了投资理论发展的基石。

（二）资本资产定价模型的意义

1.资本资产定价模型是现代金融理论的一块重要的基石，在证券投资、房地产投资与金融投资中都有重要的应用价值。

2.现代资本资产定价模型(CAPM)是第一个关于金融资产定价的均衡模型，也是第一个可以进行计量检验的金融资产定价模型；同时，资本资产定价模型还是第一个在不确定条件下，使投资者实现效用最大化的资产定价模型。

3.资本资产定价模型可以将风险区分为系统风险和非系统风险，提出非系统风险可以通过投资组合来消除，并且给予?系数来表示系统风险。

（三）资本资产定价模型的核心思想

CAPM的核心思想是在一个竞争均衡的资本市场中，非系统风险可以通过多元化加以消除，对期望收益产生影响的只能是无法分散的系统风险，期望收益与?系数线性相关。在金融投资决策中，风险的度量和管理一直是理论界和实证界所关注的核心问题．

1964年，美国著名投资理论家夏普，提出了著名的资本资产定价公式：Ri=Rf+βi(Rm-Rf)

Ri:第i种证券的预期收益率；

Rf：无风险收益率，一般是一年期的国债利率；

Rm：市场证券组合的预期收益率；

：第i种证券的 系数。

根据这一定义，我们可以得到关于资本资产定价模型的一些结论：

(一)风险资产的收益组成有两种，一部分是无风险资产的收益由Rf表示，另一部分是市场风险补偿，由βi(Rm-Rf)表示。其中β系数表示系统风险的大小，这就意味着高风险资产必然伴随着高收益。这样种将风险分为两类的方法简单化了研究，提高了公式的可用度。

(二)区分系统风险与非系统风险可以有的放矢得降低风险。并非风险资产承担的风险都需要补偿，需要补偿的只是系统风险。由于系统风险不能由分散化而消除，必须伴随有相应的收益来吸引投资者投资，相反，非系统性风险由于可以分散掉，则无需补偿。

(三)市场组合是按照市场份额来安排投资者的市场组合。资本资产定价模型指出最佳的组合就是市场组合，市场组合的非系统风险最小，所有的风险投资者都会持有市场组合。

二、套利定价理论

（一）套利定价理论是对资本资产定价模型的发展

套利定价理论(Arbitrage Pricing Theory，简称APT)是在1976年由罗斯(Steve Ross)提出的。套利定价模型是用套利概念定义均衡，不需要市场组合的存在性，而且所需要的假设前提比资本资产定价模型更少更合理，从而大大提高了可应用性。

（二）套利定价模型的假设条件和内容

1.所有的证券都具有有限的期望收益和方差。

2．可以构造出风险充分分散的资产组合

3．没有税收和交易成本。

根据上面的假设，资产的收益率可以用k个因素模型方程式来表示:

Ri=e(Ri)+bikFk+……+bikFk+?着i

其中：

是任一资产i的收益;

F是i资产的预期收益;

是相对于第k个因素的敏感度;

是误差项，也可以认为是只对个别资产收益起作用的非系统因素;

对所有资产都起作用的共同因素，也是系统因素，比如通货膨胀、GDP增长率等。由于已知的因素都已经包含在E(R;)中，所以F因素是不可测的，其发生纯属意外。

（三）套利定价理论与资本资产定价理论的比较

套利定价理论和资本资产定价理论两者的区别主要表现在：

1.模型的假设条件不同

2.建立模型的出发点不同

3.描述形成均衡状态的机理不同

4.定价范围和精度不同

5.适用范围不同

三、资本资产定价模型在我国股票市场的实际应用

（一）资本资产定价模型在我国证券市场的功能：

1.计算资产的预期收益率。

2.有助于资产分类，优化资源配置。

3.为资产定价，指导投资者的投资行为。

4.有助于资产组合管理的业绩评估。

（二）资本资产定价模型在我国证券行业应用的限制因素：

1.资本资产定价模型前提假设的限制性因素

2.我国证券市场的自身缺陷限制资本资产定价模型的应用。

我国证券市场恢复时间尚短，面临着信息公开化程度太低、信息披露不完善，甚至出现财务报表弄虚作假；投资者结构不合理，投资观念不成熟；缺乏机构投资者；有关部门对证券市场的宏观调控随意性较大；政策法规尚不健全，已经颁布的法规也未能完全履行等问题，

（三）怎么让资本资产定价模型适应我国现在的股票市场

针对我国的实际情况，放松CAPM的一些假设，这样可以提高这一模型的应用范围；考虑证券投资者面临的除不确定收益以外的其他风险，这可以更多的从中国国情出发谈考虑投资者的资产组合问题。

参考文献：

［1］丁耀．组合投资与资本资产定价模型［J］．数学的实践与认识，2002,(02)．

［2］曹培慎．金融资产定价理论的历史演变［J］．生产力研究，2007，(06)．

资本资产定价模型范文第2篇

【关键词】静态CAPM模型 Fama-Macbeth估计方法

引言

现代金融理论的发展是围绕着金融资产定价的核心问题展开的，CAPM模型作为最基础的定价模型，其构筑的收益与风险简单却非常优美的关系，在金融学理论中堪称典范。CAPM模型有很强的假设条件，实证检验的不同结论刺激着相关理论的发展和完善，本文试图利用Fama-Macbeth估计方法来检验静态CAPM模型的有效性。

一、文献综述

国内外有大量的实证研究对CAPM模型的有效性进行检验。在国内，陈浪南、屈文洲（2000）对股市的三种市场格局（上升、下跌和横盘）划分了若干时间段进行分析，发现β值对市场风险的度量有显著作用，但与股票收益率的相关性较不稳定。为负值的无风险收益率表明CAPM的零贝塔模型比标准CAPM能更好地描述资产收益。阮涛、林少宫（2000）利用40只股票从1996年至1998年三年的数据，就CAPM模型对上海股票市场的有效性进行了检验，得出上海股票市场并不符合CAPM模型的结论。靳云汇、刘霖（2001）关于中国股票市场CAPM模型的实证研究发现，无论是否存在无风险资产，都不能否定用以代表市场组合的市场综合指数的有效性。但是，股票的收益率不仅与贝塔之外的因子有关，而且与贝塔之间的关系也不是线性的。王杨、张玉（2013）采用多元GARCH模型估计上证A股的时变β值，并用截面回归模型检验β对超额收益率的解释能力，通过月度时间窗口移动来观察CAPM有效性的演进过程。研究发现1997年后截面检验方程的常数项、β系数、和β2系数都由原来的剧烈波动变为平稳，标志着CAPM有效性的增强，但是β值的解释能力并不如CAPM模型预言的那样完美，仍存在其他因素影响股票的超额收益率。

在国外，Black、Jensen、Scholes（1972）对纽约证券交易所1926年至1965年期间的所有股票数据进行实证检验，计算的结果和零贝塔资本资产定价模型一致，估计的证券市场线没有非线性的依据，斜率为正且不为零，低β股票收益率高于CAPM预测值，而高β股票收益率低于CAPM的预测值。Fama、Macbeth（1973）研究表明收益率与风险存在整的相关关系。然而，Fama、French（1992）对美国股票市场的研究发现，股票的市场β值不能解释不同股票回报率的差异，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama和French把不同的结果归因于不同的样本周期。

二、理论基础

对CAPM模型有效性的检验，实际上是检验β是否能对超额收益率提供完全的解释能力。本文利用标准Fama-Macbeth估计方法，以Excel为统计分析软件来估计静态CAPM模型，由估计的静态CAPM模型来分别预测各项资产的未来收益率，最后，确定多少个股、投资组合的波动中，有多少能用静态CAPM模型来解释。标准Fama-Macbeth估计方法，第一步采用时间序列数据估计股票的β系数，第二步采用面板数据检验β系数的解释能力。

三、数据选取

本文采用的数据来自深圳国泰安信息技术分析公司（CSMAR）。

（一）股票的选取

本文随机选取在1996年7月以前上市的36只深圳A股作为研究对象，采用考虑现金红利再投资的月个股回报率作为股票的月收益率数据，选取的时间范围是从1997年1月至2006年12月。

（二）市场指数的选取

市场指数选取深圳综合股票指数，采用1997年1月至2006年12月的月指数回报率作为市场组合的月收益率的替代。

（三）无风险利率的选取

无风险利率选取一年期定期存款利率，根据复利法进行月度化处理得到月利率，计算公式为r月=（1+r年）1/12-1。

四、实证检验

（一）单只股票β值的估算

1.时间序列回归。对于单只股票，利用1997年1月到2006年12月共120个月个股收益率数据计算股票的β值。首先分别计算个只股票和市场组合的月超额收益率（个股或组合的月收益率减去无风险利率），之后，以超额收益率为因变量，以市场组合的超额收益率为自变量，做一个5年期的时间序列回归，来估计CAPM模型β值。在EXCEL软件中使用函数INDEX（LINEST（个股5年时间窗口的月超额收益率序列，市场组合5年月超额收益率序列），1，1）即可得到贝塔值。使用时间长度为5年的移动时间窗口，重复上述的时间序列回归。例如，利用2006年11月至2001年12月的数据回归得到β值，将其作为2006年12月值近似β值。最后，利用得到的160个β值，用AVERAGE函数计算CAPM模型β值的平均数。

2.截面回归。以不同股票的超额收益率为因变量，以从最近5年的数据中估计出来的值做自变量，进行截面回归，使用函数LINEST（个股在第t月份的超额收益率，个股在第t-1个月份贝塔值），来估计CAPM模型的风险溢价和截距的经验平均值。同时，使用市场组合的超额收益率计算得到CAPM模型风险溢价和截距的理论值。

3.R2值。在EXCEL软件中，利用函数INDEX（LINEST（个股5年时间窗口内的月超额收益率序列，市场组合5年时间窗口内的月超额收益率序列），3，1），分别计算上述两个回归的R2值。

（二）股票组合β值的估算

2.时间序列回归。使用LINEST函数，对股票组合和市场组合的超额收益率做5年期的时间序列回归，并以5年为移动时间窗口，重复上述回归，得到股票组合的β值，之后，求解各个组合的β值的平均数。

3.截面回归。以不同股票组合的超额收益率为因变量，以从最近5年的数据中估计出来的β值做自变量，进行截面回归，来估计CAPM模型的风险溢价和截距的经验平均值。并由市场组合的超额收益率计算得到CAPM模型风险溢价和截距的理论值。

4.R2值。分别计算上述两个回归的R2值。

五、结论

（一）对单只股票的检验结果

1.数据分析得到的个股CAPM模型风险溢价、截距的经验平均值与理论值并不吻合，与经济理论向左。

2.由时间序列回归得到的R2表示单只股票的超额收益率的变化中有多少可以用市场组合的超额收益率来解释。为0则说明两个变量不相关，而等于100%表示两个变量的移动完全一致。本文得到的R2平均值高达59%，表明市场组合的超额收益率对个股的超额收益率的解释效果不错。

3.截面回归中得到的R2表示单只股票的超额收益率的波动中有多少可以由CAPM模型的β值来解释。R2计算所得的平均值小于20%，故CAPM模型的β值对个股的收益率波动的解释力不足。

（二）对股票组合的检验结果

1.数据分析得到的股票组合的CAPM模型风险溢价、截距的经验平均值与理论值并不吻合，与经济理论向左。

2.由时间序列回归得到的R2表示股票组合的超额收益率的变化中有多少可以用市场组合的超额收益率来解释。本文得到的平均R2值高达60%，表明市场组合对股票组合的解释效果与个股的解释效果一致较好。

3.截面回归中得到的R2表示股票组合的超额收益率的波动中有多少可以由CAPM模型的β值来解释。R2的平均值接近30%，虽然CAPM模型的β值对股票组合的收益率变化的解释力有限，但是要好于对个股的解释力。

参考文献

[1]Holden C W.Excel Modeling and Estimation in Investments[M].Pearson/Prentice Hall，2009.

[2]Fama E F，MacBeth J D.Risk，return，and equilibrium：Empirical tests[J].The Journal of Political Economy，1973：607-636.

[3]Fama E F，French K R.The crosssection of expected stock returns[J].the Journal of Finance，1992， 47（2）：427-465.

[4]Pasquariello P.The Fama-MacBeth Approach Revisited[J].New York UniversityStern School of Business Working Paper，1999.

[5]Fama E F，French K R.The capital asset pricing model：theory and evidence[J].The Journal of Economic Perspectives，2004，18（3）：25-46.

[6]陈浪南，屈文洲.资本资产定价模型的实证研究[J].经济研究，2000，4（61）：444-55.

[7]阮涛，林少宫.CAPM模型对上海股票市场的检验[J].数理统计与管理，2000，19（2）：12-17.

[8]靳云汇，刘霖.中国股票市场CAPM的实证研究[J].金融研究，2001（7）：106-115.

[9]王杨，张玉.CAPM是否渐进有效？――基于上证A股的实证研究[J].中国证券期货，2013（2）.

资本资产定价模型范文第3篇

虽然资本资产定价模型是证券市场中的一种有效评估证券收益和风险的预测模型，且其结果具有直观简洁的特点，可以帮助证券投资者有效分析证券市场的变化，从而获得更大的收益，但由于我国的证券产业起步较晚，且仍处在不断发展和完善的过程之中，因此，在将资本资产定价模型应用于我国证券市场后经常会出现相关问题。其中，信息披露不完善则是诸多代表性问题之一。具有完善体系的证券市场中一个最重要的特点就是信息完全公开化，投资者通对具有较高利用价值的证券信息进行免费获取，可以对其自身的投资方式和投资方向具有较深的了解。而信息完全公开化的另一特征则表现为：证券市场信息一旦公开，则可以马上对证券的实际价格产生影响。但就现阶段我国证券市场而言，信息披露过程中存在的问题仍然较为突出，具体表现在：信息披露的内容、时间和技术等方面存在较大的缺陷，使得相关市场信息难以通过正常的渠道进行公开。另外，部分上市企业为了使本公司股票迅速升值，经常串通中介机构对其外部形象进行包装，严重误导了投资者的投资方向，使得资本资产模型的存在变得毫无意义。

三、资本资产定价模型在我国证券市场中的应用措施

为了保证证券市场信息的公开性和公平性，从而使资本资产定价模型得以发挥其自身最大的作用，相关部门应该对当前证券市场的运行规律进行全面分析，在全面了解市场运行规律的基础上建立健全的信息披露制度，并通过规范相关上市公司的经营行为，从而为投资者创造良好而稳定的内部投资环境。另外，国家有关部门也需要对投资者的主体结构进行分析并加以改善和优化，使证券投资的主体逐步由个人转变为具有一定规模或组织的机构，从而加强不同投资个体之间的经验交流，从整体上提高资本资产定价模型的利用效率，使其更好地服务于投资者对证券市场的分析工作。

资本资产定价模型范文第4篇

【关键词】资本资产定价模型；回归分析；系统风险；市场组合风险

1.引言

Sharpe（1964），Lintner（1965）和Black（1972）相继在马克威茨的资产组合理论的基础上提出了著名的资本资产定价模型（CAPM），用资产的预期收益率和β系数描述资本资产预期收益和风险的关系，在现实中具有较强应用性，如可以估计潜在投资项目的收益率，合理估计不在市场交易的资产价值等。

目前，国内研究主要集中于CAPM模型在我国的适用性上，而对个股实证研究的文献较少。本文将通过选取单个股票青岛啤酒A股（600600）的时间序列数据分时段进行回归分析，验证资本资产定价模型在不同时段的有效性，通过对不同阶段收益率的分析，研究对股票投资的指导作用。

2.模型

资本资产定价模型说明了风险与预期报酬间的关系。

E（Ri）=Rf+βi（E（Rm）-Rf）

其中Rf是无风险资产的报酬；Rm是市场组合的报酬。由于CAPM是对股票收益率的事前预测，因此，需将事前形式转换成可以用观测数据检验的形式，通过回归分析验证CAPM模型在此股票上是否有效。假定任何资产的收益率都是公平博弈，即平均来看，资产实现的收益率等于预期收益率，按照收益正态分布可以计算出CAPM的事后形式：Ri-Rf=(Rm-Rf)βi+εi[1]。其中Ri为个股回报率，即Ri=（Pit-Pit–1）/Pit-1，Pit表示个股i第t日的收盘价；Rf为无风险收益率，本文选取当时的居民三个月定期存款利率作为无风险收益率；Rm为第t日市场组合回报率，采用上证综指的日回报表示，即Rm=（Pit/Pit-1-1）*100。

当公司股票发生除权除息时，需要对原数据进行复权复息处理。假定某年某日某公司股票发生除权除息：每10股派现p1元，送转n1股，配n2股，配股价p2元，该日收盘价为p3元，以该年第一个交易日作为基准日，则该日收盘价P3调整后价格P为：p=p3×（1+n1/10+n2/10）+p1/10-p2×n2/10[2]。

3.回归分析

本文选用上海证券交易所A股中的青岛啤酒（600600）进行研究，对2002年1月4日到2009年12月31日期间的数据进行回归分析，把原始数据通过以上公式运算，青岛啤酒股票日收盘价数据来源于凤凰财经、新浪数据；居民三个月定期存款利率历史数据来源于中国人民银行、中国银行官方网站；上证综指日收盘数据来源于中国证券期货统计年鉴。

使用Eviews 6.0软件进行回归，结果如下：

所以，Ri-Rf=-1.808463+0.087587（Rm-Rf）+µ

由Eviews 6.0结果显示，截距项和βj均通过显著性检验而成立。因为βi是股票收益率对市场组合收益率的回归方程的斜率，所以说明青岛啤酒股票的平均收益率与系统风险之间是正相关的线性关系。本模型中，可决系数R2即代表了系统风险在股票定价中的贡献，即总风险中系统风险的比例。R2=0.120176，表明青岛啤酒股票报酬率变动中有0.120176（约12%）是市场均衡组合报酬率引起的，其余的0.879824（约88%）是青岛啤酒的特有风险，这说明还有其他因素对青岛啤酒股票定价起主要作用，系统风险只是次要因素。

然后对短期数据进行分析，用2009年每月的数据进行回归分析，得出结果如表1。

从表1可以看出，十二个月的截距项全部通过显著性检验，有十个月的βi通过了检验，这说明青岛啤酒股票平均收益率与市场组合收益率存在正相关线性关系且随时间波动。从拟合优度上看，1-4月和7-8月均大于0.5，表明这期间股票没有异常波动，尤其是3月，基本上随上证指数的变化而变化。而10-12月R2偏低，说明青岛啤酒股票的收益率受到了公司特有风险的影响。这期间，快速消费品行业恶性竞争依然激烈，由于原材料价格持续上涨及全球经济不景气等因素影响，净利润同比下降，公司及其附属公司2009年10月1日至2009年12月31日期间，第四季度的归属于母公司股东的净利润环比减少约30%。此外，各月份可决系数普遍不高，说明股票的系统风险在青岛啤酒股票定价中起到的作用有限，即不足以用市场均衡组合报酬率来解释，而青岛啤酒股份有限公司特有的风险应为主要原因。从青岛啤酒2009年上半年的年报来看，其产量、营收、净利增速都高于行业平均速度。随着公司结构调整，其高端啤酒的销量持续提高，青岛啤酒净利润有望继续领跑国内啤酒行业。 转贴于

上面的实证分析表明，青岛啤酒股票的平均收益率与系统风险存在正相关线形关系，系统风险在定价中只起到次要作用，赢利状况等公司特有风险起主要作用。青岛啤酒品牌结构升级是未来业绩长期增长的主要驱动力，市场占有率上升促成行业垄断格局下的营业费用率下降则是更长期核心驱动力。随着战略实施，品牌和产品结构调整，以及管理能力的跃升，品牌建设投入将进入收获期，分地区分拆主营业务后，预计主营业务收入、EBIT和净利润均会大幅提高[3]。

品牌战略、发展战略、组织结构、经营管理等中长期影响因素是影响青岛啤酒公司长期投资价值的基础，同时，青岛啤酒长期价值低估，公司六大区域稳健发展等，青岛啤酒在这些方面具备的优势，使其未来有希望成为快速消费品行业中最具长期投资价值A股上市公司。

参考文献

[1]向方霓.对资本资产定价模型(CAPM)的检验[J].数理统计与管理，2001，20(3):32-33.

资本资产定价模型范文第5篇

[关键词] 消费 投资 消费资本资产定价模型 风险规避系数

一、引言

中国拥有一个巨大且潜力无限的消费和投资需求市场，如何把握本国消费者的需求特征，分析我国居民消费与投资的行为特点是进一步推进我国经济又好又快发展，提升我国经济实力的重要切入点。本文以消费资本资产定价模型为纽带，联系起消费领域和投资领域的研究，把握居民消费与投资行为的特征关系并通过实证检验研究其变化，找寻其原因，以期为促进我国资本市场发展和扩大内需提供一个新的讨论条件和视角。

二、国内学者研究回顾

消费资本资产定价模型(CCAPM)由Rubinstein(1976)，Lucas(1978)和Breeden (1979)推导出。国内关于CCAPM的实证研究的文献主要也是集中于对“股票溢价之谜”和“无风险利率之谜”的检验和解释。肖俊喜、王庆石(2004)认为我国股票市场并不存在股权溢价之谜，资产期望收益不仅决定于风险还与换手率和交易成本有关，中国股市经验上支持理性预期假说，并存在习惯性消费刚性和局部持久性。王立平(2007)将收入约束纳入到CCAPM的研究中仍未能解开股票溢价之谜。国内学者对于CCAPM的研究，以理论居少，实证居多，都属于资本定价研究的范畴，很少有人是从研究消费和投资的行为特征着手。

三、CCAPM模型及推演

CCAPM模型的基本思想逻辑是:一个代表性的理性居民对其一生中各期的消费与证券投资比例进行规划以实现终生效用的最大化。如果采用某种状态变量(如真实消费水平)进行理论分析，个人的最优消费应该是他的财富、状态变量和时间的函数，通过把个人最优消费与资产收益联系在一起，最终推导出任意两种资产(或资产组合)的超额收益与其收益率与消费增长的协方差呈线性相关关系，该协方差称为消费beta。用公式表示为：

（1）

对于CCAPM本身的推导本文就不再赘述，本文想从消费资本资产定价模型再往下继续讨论消费、风险收益率以及无风险收益率之间的关系。

首先，根据（1）式求出固定风险规避系数（2）

其次，从CCAPM的推导过程中我们可以得到对数无风险收益率、对数风险收益率以及对数消费增长之间存在着一定的线性关系。

在下文的实证检验中，我们就采用中国的数据对由CCAPM推导出来的消费增长、风险收益率以及无风险收益率变量之间的特征关系进行检验和分析 。

四、中国居民消费与投资行为实证

1.样本及数据说明

肖俊喜、王庆石（2004、2005）对于1991年至2003年的数据做了详实的实证分析，并支持2001.6为转折点的论断，本文不再多做重复的工作。因此选择2001年6月至2008年5月作为检验的样本区间。由每月最后一个交易日的经过除权的收盘指数数据计算出上证综指月收益率Rss，t+1和深圳成指月收益率Rsz，t+1。将三个月定期存款利率数据按照几何平均数方法折算月复利利率作为实际相对无风险利率Rf，t+1。因中国股市主要的投资者集中在城镇，故选取城镇月零售总额作为总消费水平的描述而得到居民消费增长率。以上数据系列均经过以2001年6月为基月的标准化的CPI数据的调整。

2.实证检验及结果分析

研究的三个资产或组合分别是：上证综指、深圳成指和相对无风险收益率。ADF检验结果显示在样本期间内各时间序列数据都是平稳的。

(1)居民风险回避系数

根据（2）式我们计算出各年的居民风险规避系数，RdC为股市收益率和消费增长率的相关系数。如下表：

数据显示股市收益率和消费增长率负相关的年份，居民的风险规避系数也为负。游家兴(2005)认为由于中国股市收益率与消费增长率的负相关，所以风险规避系数为负没有实际意义。但笔者认为，股市收益率上升人们会转而投资而减少消费增长，从而表现出二者负相关。在2002年到2005年我国处于熊市阶段，理性的投资者应该采取规避风险的态度，然而数据恰恰显示这几年投资者整体偏向风险，热情在2004年达到最高。而2006年之后投资者逐步回归理性。其实该种现象也不难理解，在熊市中大部分散户投资者都被深深地套牢同时又抱有厌恶损失实现的心理，固执地持仓，表现为对风险的无奈追逐。2006年迎来的牛市行情让大多数人能够获利出场，同时大家对于后市行情持观望态度，表现出对风险的谨慎处理。

(2)风险收益率与消费增长率

根据由CCAPM推导出来的结果显示，消费增长与风险收益率存在（3）式的线性关系，我们得到：

模型1：

为了避免随机解释变量问题而出现虚假回归，我们将采用工具变量法（IV）进行检验。本文所选取的工具变量分别为滞后一期的无风险收益率和消费增长率。下表是采用OLS法和工具变量（IV）法对模型1的检验结果。

总体来说，采用工具变量法进行回归的结果并不好于直接用OLS回归的结果。从回归结果看，消费跨期替代弹性 并不显著异于零，也就是说在本文的样本空间和检验条件下并不支持CCAPM关于消费增长率与风险收益率之间的关系。这从一定程度上说明，我国投资者在进行跨期消费和投资的行动时是非理性的。在采用滞后一期的消费增长率作为工具变量时对于跨期消费替代弹性的估计值是值得关注的。 为-0.2492，也就是说居民风险规避系数为-4.013，投资者表现为一个合理范围的风险偏好，但这种风险偏好可能包括主动也包括被动的。

(3)无风险收益率与消费增长率

根据(4)式的结果，建立模型2：

模型2:

下表是采用OLS法和工具变量（IV）法对模型2的检验结果。

这里跨期消费替代弹性明显地不异于零，但其经济意义不明显。以无风险收益率作为工具变量时方程显著性最好。此时跨期消费替代弹性的估计值为-15.95，也就是说在该模型的检验条件下，居民风险规避系数为0.063，居民对于风险的偏好是中性的。这个结果跟上文模型1采用滞后一期的消费增长率作为工具变量所得出的结果是不一致的。

笔者认为在承认我国居民投资行为非理性的前提下，寻找模型1和模型2不一致的原因有一定的实际意义。当考察风险收益率对消费增长率的影响的时候，模型估计结果显示跨期消费替代率为-0.2492，即居民风险规避系数为-4.013，表现为对风险的偏好性，这也是非理性中的合理性。由于“被动风险偏好”，熊市中投资者厌恶损失实现而不能及时止损，就变成了表面对风险的追逐。当考察无风险收益率与消费增长率的关系的时候，居民风险规避系数为0.063，表现为风险偏好中性，这也是可以理解的。因为就我国目前利率尚未市场化的情况下，利率基本长期保持不变，而且在样本考察期间内我国一直处于加息通道，因此该数据中包含的居民投资行为的风险信息是偏中性的。

五、结语

总体来说，我国2001年6月至2008年5月期间的数据不能支持CCAPM。我国不成熟的股票市场和尚未市场化的利率是主要的客观原因。我国居民投资者具有典型的“厌恶损失实现”和“落袋为安”的心理。在熊市行情下，虽然已经亏损却不愿意及时止损，导致深深套牢，属于“被动风险偏好”。在牛市行情下却显得比较保守，盈利“落袋为安”。 居民投资者在进行股票投资之前应该理性思考，制定投资原则并严格执行，尤其要能够及时止损。规范市场秩序，引导股市健康发展则是监管者不变的目标。

参考文献

[1]肖俊喜王庆石:交易成本、基于消费的资产定价与股权溢价之谜：来自中国股市的经验分析[J].管理世界，2004(12)

[2]王庆石肖俊喜:习惯形成、局部持久性和基于消费的资本资产定价——来自中国股市的经验分析[J].统计研究，2005(5)

[3]王立平:消费、收人约束与股票溢价[J].经济研究导刊，2007(5)