资本资产定价模型的检验

基于行业数据的资本资产定价模型的有效性检验基于行业数据的资本资产定价模型的有效性检验引言资本资产定价模型（Capital Asset Pricing Model, CAPM）是现代金融理论中的重要模型之一，它被广泛应用于风险投资、资产定价和组合构建等领域。

CAPM建立了资本市场均衡的关系，通过预测资产的预期回报率与市场整体风险相关性，为投资者决策提供了重要的参考依据。

然而，CAPM模型的有效性一直备受争议，许多学者认为在实际应用中存在一定的局限性。

本文旨在通过利用行业数据，对基于行业的CAPM模型的有效性进行检验。

通过分析行业特征和市场风险之间的关系，我们可以评估CAPM模型在行业层面上的适用性，并探讨可能的改进方法。

一、CAPM模型基本原理CAPM模型是由Sharpe（1964）、Lintner（1965）和Mossin（1966）等学者独立提出的。

其基本原理是通过对个体资产收益与市场整体风险的线性回归，建立资产预期收益的计算模型。

CAPM模型表达式如下：E(Ri) = Rf + βi(E(Rm) - Rf)其中，E(Ri)表示股票i的预期收益率，Rf表示无风险利率，E(Rm)表示市场整体的预期回报率，βi表示资产i的系统风险。

CAPM模型认为资产的预期收益与无风险利率、市场回报率以及资产的系统风险有着一定的关联性。

二、行业特征对CAPM模型的影响1. 行业特征差异不同的行业具有不同的特征，包括不同的市场结构、竞争程度、生命周期阶段等。

这些特征会导致不同行业中资产的预期收益率存在显著的不同。

由于CAPM模型是基于整个市场的风险与回报之间的关系进行建模的，对于行业特定的影响因素并未进行充分考虑。

因此，在不同的行业中，CAPM模型的适用性可能存在一定的差异。

2. 市场风险对行业的影响市场风险是CAPM模型中的关键概念，它代表了市场整体的风险水平。

然而，不同行业面临的市场风险程度存在差异。

一些行业可能更容易受到宏观经济政策、技术创新或竞争格局变化等因素的影响，其市场风险也可能更加波动。

CAPM在中国股市的有效性检验引言：资本资产定价模型(CAPM)是现代金融理论中的重要工具，也是股票定价理论的核心模型之一。

它通过衡量股票的系统风险与预期收益之间的干系，援助投资者预估股票的合理价格。

然而，CAPM模型的有效性在不同的市场中存在争议。

本文旨在检验CAPM模型在中国股市的有效性，并探讨可能影响其有效性的因素。

CAPM模型基本原理：CAPM模型基于一种基本假设，即投资者在做出投资决策时思量了两个因素：风险和预期收益。

依据CAPM模型，股票的预期收益与无风险利率和市场风险溢价之间存在线性干系。

风险溢价衡量了股票相对于无风险资产的附加收益，代表了投资者应对系统性风险的补偿。

CAPM模型在中国股市中的应用：CAPM模型是国际上广泛应用的股票定价模型之一，在中国股市也得到了一定程度的应用。

投资者可以通过CAPM模型预估股票的预期收益率，从而做出合理的投资决策。

然而，CAPM模型的有效性在中国股市中存在争议。

一些探究认为CAPM模型在中国股市中有效，而另一些探究则认为CAPM模型存在一定的局限性。

CAPM模型在中国股市的有效性检验：为了检验CAPM模型在中国股市的有效性，探究人员可以通过以下步骤进行实证探究：第一步：选择探究样本。

探究人员可以选择一定数量的股票作为探究样本，确保样本遮盖不同行业和市值的股票。

第二步：收集数据。

探究人员需要收集相关的股票价格、市场指数、无风险利率和其他相关数据。

这些数据可以从公开市场或相关数据提供商处得到。

第三步：计算CAPM模型的各个变量。

依据CAPM模型的公式，探究人员需要计算每个股票的系统风险、市场风险溢价和预期收益率。

系统风险可以通过计算股票与整个市场的相干系数来衡量。

第四步：检验CAPM模型的有效性。

探究人员可以使用统计方法，如线性回归模型，对CAPM模型进行检验。

他们可以比较计算得到的预期收益率与实际观察到的收益率之间的差异，评估模型的猜测能力。

可能影响CAPM模型有效性的因素：CAPM模型的有效性可能受到以下因素的影响：1. 市场条件：中国股市的特点和进步水平可能影响CAPM模型的有效性。

资本资产定价模型CAPM在中国资本市场中的实证检验摘要：资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是衡量投资组合预期回报的重要工具之一。

本文旨在探讨CAPM模型在中国资本市场的实证检验，并评估其在该市场中的有效性和适用性。

通过分析中国市场的相关数据，包括股票市场指数和个别股票的历史数据，我们对CAPM模型进行实证检验，并考察其在预测投资组合回报方面的准确性和可靠性。

研究结果显示，尽管CAPM模型在中国资本市场中的适用性存在一定局限，但仍然可以作为一种有效的工具来衡量投资组合风险和预期收益。

1. 引言随着中国资本市场的日益发展和开放，投资者对于投资组合分析和风险管理的需求不断增加。

CAPM模型作为一个经典的投资分析工具，广泛应用于衡量投资组合回报的预期收益和风险。

然而，CAPM模型在中国资本市场中的适用性一直备受争议和质疑。

本文将通过实证检验的方法来评估CAPM模型在中国资本市场中的有效性。

2. CAPM模型简述CAPM模型是由Sharpe、Lintner和Mossin等学者在20世纪60年代提出的。

该模型基于以下假设：(1) 投资者只关注风险与回报之间存在正相关的有效投资机会；(2) 投资者是追求风险最小化的理性投资者；(3) 市场是完全有效的。

CAPM模型可以用以下公式表示：E(Ri) = Rf + βi(E(Rm) - Rf)其中，E(Ri)是股票或投资组合i的预期回报，Rf是无风险利率，βi是股票或投资组合i的系统风险系数，E(Rm)是市场的预期回报。

3. 数据来源和模型检验方法本研究选取中国股票市场作为研究对象，收集了市场指数和个别股票的历史收益率数据。

利用这些数据，我们计算了每个股票的系统风险系数β，并将其与市场的预期回报进行对比。

我们采用回归分析方法来检验CAPM模型在中国资本市场中的适用性和有效性。

4. 实证检验结果我们将CAPM模型应用于中国股票市场，并通过回归分析的方法进行实证检验。

《资本资产定价模型的实证研究》篇一一、引言资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是现代金融理论中最重要的定价模型之一。

该模型通过考虑资产的预期收益率与风险之间的关系，提供了衡量投资回报率与系统风险的有效框架。

近年来，CAPM在中国及其他新兴经济体中的应用愈发受到重视，对其的实证研究对于优化资源配置、降低风险和评估投资回报等金融实践具有重要的指导意义。

二、CAPM模型理论CAPM模型基于市场均衡理论，通过衡量资产的预期收益率与市场风险溢价之间的关系，为投资者提供了评估资产组合风险的框架。

CAPM模型的核心思想是资产的预期收益率由两部分组成：无风险收益率和风险溢价。

风险溢价取决于资产的系统风险（即市场风险）和市场的风险溢价。

CAPM的公式为：E(Rj) = Rf + βj(Rm - Rf)，其中E(Rj)为资产j的预期收益率，Rf为无风险收益率，βj为资产j的系统风险系数，Rm为市场收益率。

三、实证研究方法本文以中国股票市场为例，运用CAPM模型进行实证研究。

我们选择了上海证券交易所和深圳证券交易所上市的部分公司股票作为样本。

通过收集样本公司的财务数据、市场数据等，对CAPM模型进行实证检验。

在数据收集和分析过程中，我们使用了SPSS软件进行统计分析。

四、实证研究结果（一）数据描述性统计通过对样本公司的财务数据和市场数据进行描述性统计，我们发现样本公司的系统风险系数（β值）存在较大差异，这表明不同资产的市场风险存在差异。

此外，我们还发现样本公司的预期收益率与市场收益率之间存在一定的正相关关系。

（二）CAPM模型实证结果通过运用CAPM模型对样本公司的数据进行回归分析，我们发现资产的预期收益率与系统风险系数之间存在显著的正相关关系。

此外，我们还发现市场风险溢价（Rm - Rf）对资产的预期收益率具有显著影响。

这表明CAPM模型在中国股票市场具有一定的适用性。

我国A股市场CAPM模型和Fama-French三因子模型的检验我国A股市场CAPM模型和Fama-French三因子模型的检验引言：资本资产定价模型（CAPM）和Fama-French三因子模型是金融学中两个经典的资产定价模型。

本文旨在对我国A股市场中的CAPM模型和Fama-French三因子模型进行检验和分析，以探讨这两种模型在我国A股市场的适用性和效果。

一、CAPM模型CAPM模型是由美国学者Sharp、Lintner、Mossin等人在20世纪60年代提出的，并在随后的几十年里成为基金、股票和其他金融衍生品定价的重要工具。

其基本假设是市场上的风险资产回报与其风险高低成正比。

CAPM模型的表达式为：E(Ri) = Rf + βi[E(Rm) - Rf]其中，E(Ri)为资产的预期回报；E(Rm)为市场的预期回报；Rf为无风险资产的回报率；βi为资产i的系统性风险。

对于我国A股市场，CAPM模型的检验有两个关键问题：一是如何计算无风险收益率(Rf)；二是如何估计资产的beta 值。

关于无风险收益率(Rf)的计算，有三种常用的方法：国债收益率法、货币市场基金收益率法、银行存款利率法。

由于我国国债市场的不完善，货币市场基金收益率与银行存款利率相对稳定，因此可采用货币市场基金收益率作为无风险收益率进行计算。

对于资产的beta值的估计，通常采用历史回归法。

通过回归资产收益率与市场收益率的历史数据，可以得到资产的beta值。

然而，由于我国A股市场的特殊性，投资者行为和政策因素对资产收益率的影响较大，使用历史回归法估计的beta值可能存在较大的误差。

二、Fama-French三因子模型Fama-French三因子模型是由美国学者Eugene Fama和Kenneth French在上世纪90年代提出的，其基本假设是资产的回报与市场风险、规模风险和价值风险三个因素有关。

Fama-French三因子模型的表达式为：E(Ri) = Rf + βi1(E(Rm) - Rf) + βi2(SMB) + βi3(HML)其中，E(Ri)为资产的预期回报；Rf为无风险收益率；βi1为资产与市场收益的相关系数；βi2为资产与规模因子（市值大小）的相关系数；βi3为资产与价值因子（公司估值）的相关系数；SMB为规模因子的收益率；HML为价值因子的收益率。

《资本资产定价模型的实证研究》篇一一、引言资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是现代金融理论中的基石之一，用于衡量资产预期收益率与风险之间的关系。

该模型为投资者提供了在给定风险水平下如何选择最优投资组合的理论框架。

本文旨在通过实证研究，深入探讨CAPM在中国资本市场的适用性及其实践效果。

二、文献综述前人关于CAPM的研究主要集中在其理论框架的完善和实证检验。

国内外学者通过不同国家和地区的资本市场数据，对CAPM的有效性进行了广泛探讨。

总体来看，CAPM在发达国家市场表现出了较好的解释力，但在新兴市场和转型经济体中，其适用性尚存在争议。

因此，本文选择中国资本市场作为研究对象，以期为CAPM的进一步发展提供实证支持。

三、研究方法本研究采用实证研究方法，以中国A股市场为研究对象，选取具有代表性的股票数据作为样本。

通过计算各股票的β系数、市场风险溢价等因素，对CAPM进行实证检验。

在数据处理和分析过程中，采用SPSS等统计软件进行数据处理和描述性统计分析。

四、数据来源与处理本研究数据主要来源于万得（Wind）数据库，包括各股票的历史收益率、市场收益率、β系数等数据。

在数据处理过程中，首先对数据进行清洗和整理，确保数据的准确性和完整性。

然后，根据CAPM模型的要求，计算各股票的预期收益率、β系数和市场风险溢价等指标。

五、实证结果与分析1. β系数的计算与分析通过计算样本股票的β系数，我们发现大部分股票的β系数均大于零，表明这些股票的市场风险较高。

同时，我们还发现不同股票的β系数存在较大差异，这表明各股票对市场风险的敏感度不同。

2. CAPM的实证检验根据CAPM模型，我们计算了各股票的预期收益率，并将其与实际收益率进行比较。

通过对比分析，我们发现CAPM在一定程度上能够解释股票的预期收益率与风险之间的关系。

然而，在实际应用中，CAPM的解释力受到一定限制，可能受到市场环境、政策因素、投资者心理等多种因素的影响。

资本资产定价模式(CAPM)的实证检验资本资产定价模式（Capital Asset Pricing Model，简称CAPM）是金融学中一种重要的理论模型，用于计算资产的预期收益率。

虽然CAPM的应用历史已经有几十年，但其有效性一直备受争议。

许多学者对CAPM进行了实证检验，以评估其有效性。

在实证检验CAPM的有效性时，研究人员通常采用市场模型和多变量回归分析来评估CAPM的预测能力。

市场模型基于CAPM的基本公式，即预期收益率等于无风险利率加上系统风险乘以市场风险溢价。

通过与市场指数的回归分析，可以计算出资产的beta系数，进而估计出其预期收益率。

实证研究经常使用回归模型来检验CAPM的有效性。

回归模型通常以市场收益率作为自变量，收益率差异作为因变量。

通过回归分析，可以计算出资产的beta系数和alpha系数，其中beta系数代表了资产相对于市场的风险敏感度，alpha系数则代表了超额收益。

如果资产的beta系数显著不为零，表明CAPM有效；如果alpha系数显著不为零，则表明CAPM无效。

许多实证研究已经得出了不同的结论。

一些研究发现，CAPM能够较好地解释资产的收益率差异，显示出较高的预测能力。

然而，也有研究发现，CAPM的解释能力并不显著，无法充分解释资产的预期收益率。

有几个原因可能解释这些不一致的实证结果。

首先，CAPM假设市场是完全理性的，投资者都是风险厌恶的，这种假设在现实中并不成立。

其次，CAPM假设资本市场是没有交易费用和税收的，但现实中这些成本是必不可少的。

此外，CAPM还忽略了其他影响资产收益率的因素，如流动性风险、政府干预和市场不完全。

这些限制可能导致CAPM无法有效解释资产的预期收益率。

虽然实证研究的结果并不一致，但CAPM仍然是一个重要的理论模型。

研究人员在继续实证检验CAPM的有效性时，也应考虑到CAPM的局限性，并尝试提出改进模型来更好地解释和预测资产的收益率。

资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是金融学中一种经典的理论模型，用于计算资产的预期收益率。

《资本资产定价模型的实证研究》篇一一、引言资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是现代金融理论中最重要的定价模型之一。

该模型为投资者提供了评估投资组合风险与预期收益之间关系的方法，同时为资产定价和资产配置提供了重要的理论依据。

本文旨在通过实证研究方法，对CAPM在中国市场上的应用进行深入探讨，以验证CAPM 的有效性和适用性。

二、文献综述自CAPM模型提出以来，国内外学者进行了大量的研究。

CAPM理论在发达国家得到了广泛的应用和验证，而针对发展中国家尤其是中国市场的实证研究尚属少数。

过去的研究表明，CAPM在中国市场的适用性存在争议，一部分学者认为CAPM能较好地解释中国市场的资产定价现象，而另一部分学者则认为CAPM在中国市场的适用性有待进一步提高。

因此，本文将通过实证研究方法，对CAPM在中国市场的有效性进行深入探讨。

三、研究方法与数据来源本研究采用实证研究方法，通过收集中国股市的历史数据，运用统计分析软件进行数据处理和模型检验。

数据来源为公开的金融数据库和财经网站。

四、模型构建与假设CAPM模型的基本形式为：E(Ri)=RF+βi(E(RM)-RF)，其中E(Ri)为资产i的预期收益率，RF为无风险收益率，βi为资产i的系统风险系数，E(RM)为市场收益率。

基于CAPM模型，本文提出以下假设：假设一：CAPM模型在中国市场具有一定的适用性，能较好地解释资产的预期收益率与风险之间的关系。

假设二：CAPM模型中的系统风险系数β值能够反映资产的收益率变化。

五、实证结果与分析（一）数据描述性统计本文选取了中国股市中具有代表性的股票作为研究对象，通过收集这些股票的历史数据，进行描述性统计。

结果表明，各股票的收益率、β值等指标均呈现出一定的分布特征。

（二）CAPM模型检验通过对收集到的数据进行处理和模型检验，本文发现CAPM 模型在中国市场具有一定的适用性。

资本资产定价模型CAPM在中国资本市场中的实证检验资本资产定价模型CAPM在中国资本市场中的实证检验摘要：资本资产定价模型CAPM是现代金融理论中的重要工具，被广泛应用于全球的资本市场。

本研究旨在通过实证检验CAPM模型在中国资本市场的适用性，以评估CAPM模型在中国市场中的有效性和可靠性。

首先，我们对中国A股市场的股票数据进行收集，以获取所需的资本市场信息。

然后，我们通过计算各只股票的预期收益率和风险，将其与实际观察到的市场收益率进行比较。

最后，我们运用统计分析方法，如回归分析和假设检验，来检验CAPM模型在中国资本市场的适用性。

研究结果显示，中国资本市场中的股票收益率与CAPM模型的预测有着一定的一致性，但也存在一些偏差，说明CAPM模型在中国市场中的适用性有所限制。

这一研究对于了解CAPM模型在中国资本市场中的适用性和提升中国资本市场的投资效率具有重要意义。

关键词：资本资产定价模型、中国资本市场、实证检验、可靠性、有效性一、引言资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是由标普500指数的创始人Sharpe和美国金融学家Linter以及火星技术公司创始人Mossin于1964年提出的。

CAPM模型是现代金融理论的重要组成部分，被广泛应用于全球的资本市场。

该模型通过量化风险和回报之间的关系，提供了一种方法来评价资本市场上的投资风险，并确定和预测资本资产的预期回报率。

在CAPM模型中，资本资产被分为无风险资产和有风险资产，根据有效边界的理论，投资组合的预期回报率由无风险利率和市场风险溢价共同决定。

由于中国资本市场的快速发展和经济变化，CAPM模型在中国市场中的适用性备受关注。

然而，关于CAPM模型在中国市场中的实证检验，目前尚缺乏全面而深入的研究。

本研究旨在通过实证检验CAPM模型在中国资本市场的适用性，以评估CAPM模型在中国市场中的有效性和可靠性。

capm模型设计检验思路-回复CAPM模型（Capital Asset Pricing Model，资本资产定价模型）是一种用于评估金融资产预期回报率的广泛使用的模型。

它是由William F. Sharpe、John Lintner和Jan Mossin于1960年代提出的，可以帮助投资者和资产管理者测量投资风险与回报之间的关系。

本文将介绍CAPM模型的设计和检验思路，并逐步解释其各个步骤。

第一步是设计CAPM模型的基本假设。

CAPM模型基于以下假设：市场中存在风险无差异的投资者，市场是完全有效的，投资者所持有的投资组合可以被看作是为市场组合的线性组合。

此外，CAPM还假设了资产的回报符合正态分布，且投资者可以事先观察到各个资产的预期回报率和风险。

第二步是计算资产的预期回报率。

在CAPM模型中，资产的预期回报率可以通过以下公式计算：E(Ri) = Rf + βi[E(Rm) - Rf]其中，E(Ri)是资产i的预期回报率，Rf是无风险利率，βi是资产i的beta 系数，E(Rm)是市场组合的预期回报率。

根据CAPM模型，资产的预期回报率是无风险利率加上资产的系统性风险溢价。

第三步是计算资产的beta系数。

资产的beta系数衡量了资产相对于市场组合的系统性风险。

通过回归分析，可以计算资产的beta系数。

回归模型的自变量为市场组合的收益率，因变量为资产的收益率。

通过斜率即可得到资产的beta系数。

第四步是计算资产的系统性风险溢价。

系统性风险溢价是资产的预期回报率和无风险利率之间的差额。

根据CAPM模型，资产的系统性风险溢价等于资产的beta系数乘以市场组合的预期回报率和无风险利率之间的差额，即E(Rm) - Rf。

第五步是检验CAPM模型的有效性。

一种常用的方法是通过回归分析来检验CAPM模型的因果关系。

将资产的收益率作为因变量，市场组合的收益率作为解释变量，通过检验回归系数的显著性和回归模型的拟合优度来评估CAPM模型的有效性。

资本资产定价模型的实证检验摘要：本文是一篇理论和实践相结合的文章。

文章首先对资本资产定价进行介绍，之后进行实证检验。

最后提出本文结论，并给出相关建议。

本文认为资本资产定价模型与中国深圳证券市场的现实情况并不相符，之所以得到这样的检验结果，原因有很多，其中既包括受到模型本身严格的假设条件的限制，也包括中国证券市场存在的一些不成熟的地方等。

关键词：资本资产定价模型；适用性；实证检验一、研究意义随着中国市场经济的蓬勃发展，中国的资本市场的队伍也日益壮大与完善起来。

大规模的融资需求与种类繁多的金融产品与工具，都使得合理的定价理论变得越来越重要。

投资者们迫切需要正确的投资策略与方法指引他们在中国资本市场上走得更加长远与顺利。

但是，尽管我们在上文中有分析过资本资产定价模型的一系列重要的应用价值，但是该模型也具有一些所谓的“硬伤”。

如，该模型具有严格的前提假设条件。

然而，在现实生活中，我们很难发现一个具有完全竞争条件并且投资者预期目标都一致的市场。

所以，我们可以利用实证检验的方法，对资本资产定价模型在中国股票市场上的实用性进行分析，以此来重新审视中国的证券市场的发展现状与问题。

二、理论分析1952年，美国经濟学家马科维茨（Markowitz）发表了他很著名的理论研究成果--《证券组合的选择》，并且在文章中第一次提出了“投资组合”理论这一概念，从而开创了投资组合理论的先河，对今后资产定价理论的发展奠定了基础。

该理论具体地解释了如何利用投资组合来降低甚至是消除非系统性风险的。

因为提出了“投资组合理论”，马科维茨在1990年获得了诺贝尔经济学奖。

马科维茨的投资组合理论具体来说是由以下两个模型构成的。

1.均值——方差模型。

该模型指出，投资组合的均值可以用来表示投资组合的期望收益率的大小，它是由单只证券的期望收益率的加权平均求得，权重为每个证券占投资组合的整个投资比例；投资组合中的方差是用来表示投资组合的风险。

2.投资组合的有效边界模型。

资本资产定价模型的横截面回归（两步回归）一、理论背景基于夏普的基本资本资产定价模型（CAPM ）:1.理论模型()()f M i f i R R E R R E -=-β 1其中i R 为资产i 的收益率，f R 为无风险利率，M R 为市场证券组合的收益率，i β为资产i 对市场风险的敏感度，即市场的收益每变动一个单位，资产i 的收益变动多少，也称作风险值（BETA ）。

模型表达：资产i 的期望超额收益等于市场组合期望超额收益乘以资产i 的的风险值。

理论模型无法验证，因此要依据它写出能实际验证，即能进行统计检验的模型。

2.统计模型对每个资产i 的时间序列，有()t f M i i f i R R R R εβα+-+=-我们实验采用的是0=f R 的简化式t M i i i R a R εβ++= 2对横截面（资产i 间），有i i t u R ++=λβα 3其中λ为风险溢价。

验证的内容即：如果理论模型1式成立，则统计模型3式中的0=α， 0>λ。

通过统计实证来验证，首先回归估计3式的常数α和λ，然后检验他们。

如果0=α 和0>λ是统计显著的，则实证支持理论成立；反之实证不支持理论。

二、实验步骤（一）搜集、整理数据收集并整理出30以上股票的收益率时间序列（必须包括上证综合指数，即000001.ss ），时间长度2002-7-1至2009.实验课做法总结如下：1）选股票：建议从我提供的2000年前上市公司代码表抽样选取50只股票代码，然后小组成员均分。

到中文或英文雅虎搜历史价格时间序列。

2）以000001.ss 为基准，对齐个股的历史价格，使每行数据都是同一时间的观测。

3）构成合格的价格时间序列，然后通过对数差分转化成收益率时间序列表。

（二）时间序列回归（第一步回归），即计算每个资产的BETA ，30几个股票样本，则算30几个BETA.滚动样本计算，即计算每个股票滚动样本的BETA 序列.1.时间序列回归对模型2式做t M i i i R a R εβ++=因变量数据：i R 的时间序列；自变量数据：M R 的时间序列。

资本资产定价模型CAPM在中国资本市场中的实证检验资本资产定价模型CAPM在中国资本市场中的实证检验引言：资本资产定价模型（Capital Asset Pricing Model, CAPM）是金融学中一个重要的工具，用于衡量资本资产的预期收益率。

该模型研究了投资者对风险与回报的权衡，并认为资产的预期回报与其系统风险直接相关。

本文将通过实证检验的方式，探讨CAPM在中国资本市场中的适用性及其局限性。

1. CAPM的基本原理CAPM是根据资本市场线来计算资本资产的期望收益率的数学模型。

其基本原理是假设投资者在选择投资组合时会在风险和预期回报之间寻求平衡。

该模型指出，资产的预期回报率应该等于无风险利率加上资产的β系数乘以市场风险溢价。

2. 实证检验方法本文将采用中国资本市场的数据，通过回归模型来检验CAPM的有效性。

研究对象包括不同行业的股票以及相关指数。

首先，收集过去一段时间的市场数据，并计算每个资产的超额回报。

然后，运用回归模型分析资产的超额回报与市场回报之间的关系，检验CAPM的适用性。

3. 结果分析通过实证研究，我们得出以下结论：3.1 在中国资本市场中，部分资产的实际回报并不等于CAPM所预测的回报。

一些资产的回报率高于CAPM模型所预测的值，一些资产的回报率低于预测值。

这表明CAPM并不完全准确地解释了中国资本市场中的资产回报。

3.2 在部分行业内，研究结果显示CAPM在预测资产回报方面的准确性较高。

尤其是成熟行业，如金融、能源等领域。

这些行业中的资产回报率与CAPM模型所预测的回报率较为一致。

3.3 在其他行业，特别是新兴行业和高风险行业，CAPM 模型无法准确预测资产回报率。

这可能是由于这些行业内的资产风险具有高度的不确定性，使得CAPM无法正确估计预期回报。

4. 局限性与改进CAPM模型的实证检验不仅为我们提供了对中国资本市场回报的认识，同时也揭示了该模型的局限性。

可以从以下几个方面对CAPM模型进行改进：4.1 考虑非线性关系：传统的CAPM模型假设资产间的关系是线性的，忽略了非线性关系的存在。

3、资本资产定价模型的实证检验70年代末期开始出现一些对CAPM模型有不同意见的实证结果，主要结论在于：用公司的某些特征入价格—红利比、市盈率、公司规模等来把公司进行分类，这些分类的指标对证券的期望收益有一定的解释能力，这一现象与CAPM模型在横截面上对证券的期望收益可以用贝塔系数来解释有矛盾1992年Fama和French发现不同市场价值与账面价值比（即市盈率）的公司构成的组合其收益也与用贝塔系数给出的期望收益有差异。

（1）对CAPM的一个简单检验Sharpe and Cooper (1972)针对长期风险，考察了下面不同的策略产生的收益是否与资本理论一致。

为了取得不同贝塔值的组合，他们根据每只股票的贝塔值每年一次将股票分为十等分。

某一时点的贝塔是使用之前60个月的数据计算的。

1931－1967年，每年一次，将纽约股票交易所的所有股票按照它们贝塔的排序分为十等分。

每一十分位中各股票再按等权重构成一个组合。

在全部时期持有某一十分位的组合就是一个策略。

持有的股票要发生变化，这既是因为股利的再投资，也是因为随着每年一次调整十分位的构成，构成某一十分位的股票也随之变化。

（这个策略，投资者是实际可以实行）。

每年投资者根绝前5年（60个月）的收益率计算贝塔，将股票分成十等分。

如果投资者希望实行高贝塔的策略，只要将资金均分在高贝塔的十分位即可。

他们每天进行一次，并观察结果。

下表表示如果投资者从1931－1967每年这么做，他平均获得的收益情况。

组合的平均收益与贝塔，按贝塔排序策略平均收益组合贝塔10 22.67 1.428 19.116 1.147 21.77 1.246 18.49 1.065 19.13 0.984 18.88 1.003 14.99 0.762 14.63 0.65 1 11.58 0.58虽然策略与收益之间的关系并不完美，但与完美非常接近。

总的来说，高贝塔的股票产生了较高的收益。

购买那些具有高预测贝塔值的股票，将导致持有的组合的现实贝塔值也较高。