哈 蕊

（中央民族大學(xué)管理學(xué)院，北京100081）

一、背景概述

（一）三家銀行情況概述

1.北京銀行（601169）。

北京銀行是經(jīng)中國人民銀行和北京市政府批準(zhǔn)，于1996 年1 月29 日在北京市原90 家城市信用合作社基礎(chǔ)上組建而成，是中國最早成立的城市商業(yè)銀行之一，北京銀行成立時的注冊資本為人民幣10 億元。為進(jìn)一步充實(shí)資本和完善公司治理結(jié)構(gòu)，2005 年9 月，北京銀行引進(jìn)了境外戰(zhàn)略投資者ING 銀行及境外財務(wù)投資者IFC。近年來，公司業(yè)務(wù)側(cè)重支持重點(diǎn)區(qū)域建設(shè)，推動落實(shí)供給側(cè)改革，承擔(dān)社會責(zé)任，開創(chuàng)多遠(yuǎn)業(yè)務(wù)模式，打造品牌形象，發(fā)展勢頭良好。截止2017 年公司總資產(chǎn)達(dá)2，329，805 百萬元，發(fā)行股票211.43 億股。2016 年8 月，北京銀行在“2016 中國企業(yè)500 強(qiáng)”中排名第163 位。

2.華夏銀行（600015）。

華夏銀行，于1992 年10 月在北京成立，是一家股份制銀行。1995 年3 月，實(shí)行股份制改造；2003 年9 月，首次公開發(fā)行股票并上市交易，成為全國第五家上市銀行；2005 年10 月，成功引進(jìn)德意志銀行為國際戰(zhàn)略投資者，華夏銀行在76 個中心城市設(shè)立了34 家一級分行、30 家二級分行和12家異地支行，營業(yè)網(wǎng)點(diǎn)達(dá)到520 家，形成了“立足經(jīng)濟(jì)發(fā)達(dá)城市，輻射全國”的機(jī)構(gòu)體系，2016 年8月，華夏銀行在“2016 中國企業(yè)500 強(qiáng)”中排名第134 位。

3.浦發(fā)銀行（600000）。

海浦東發(fā)展銀行是1992 年8 月28 日經(jīng)中國人民銀行批準(zhǔn)設(shè)立、1993 年1 月9 日開業(yè)、1999 年在上海證券交易所掛牌上市的全國性股份制商業(yè)銀行，總行設(shè)在上海。2017 年12 月底，公司總資產(chǎn)規(guī)模高達(dá)6.14 萬億元，總股本達(dá)2935208.04 萬股。上市以來，浦發(fā)銀行連續(xù)多年被《亞洲周刊》評為“中國上市公司100 強(qiáng)”，上海浦東發(fā)展銀行在“2016 中國企業(yè)500 強(qiáng)”中排名第49 位。

銀行業(yè)作為現(xiàn)代金融業(yè)的主體，國民經(jīng)濟(jì)運(yùn)轉(zhuǎn)的樞紐，行業(yè)發(fā)展中也存在很多獲利機(jī)會與風(fēng)險，本文選取的三家銀行均為股份上市公司，經(jīng)營范圍包括：吸收公眾存款；發(fā)放短期、中期和長期貸款；辦理國內(nèi)結(jié)算；辦理票據(jù)貼現(xiàn)；發(fā)行金融債券；代理發(fā)行、承銷政府債券；從事同業(yè)拆借；提供擔(dān)保等。而對于銀行主體來說，主要風(fēng)險包括信用風(fēng)險，管理結(jié)構(gòu)風(fēng)險，流動性風(fēng)險、房地產(chǎn)領(lǐng)域風(fēng)險、地方債務(wù)違約風(fēng)險，債券波動、交叉金融產(chǎn)品等，對于投資者來說，不僅要分析投資公司自身存在的風(fēng)險，還應(yīng)承擔(dān)投資行為本身的風(fēng)險。因此，較為準(zhǔn)確地評估所投資公司存在的風(fēng)險，規(guī)避風(fēng)險合理投資就顯得尤為重要。

上市公司的風(fēng)險很大程度上反應(yīng)在該公司的股價波動上，股票的波動受很多因素的影響，包括公司自身的經(jīng)營管理狀況，宏觀環(huán)境的市場變動，行業(yè)周期，市場預(yù)期等。這些因素均構(gòu)成一定的風(fēng)險，下文將借助統(tǒng)計數(shù)據(jù)研究，在一定程度上預(yù)測所分析銀行的投資價值。

（二）β、CAPM 模型及其變式介紹

CAPM 模型是美國經(jīng)濟(jì)學(xué)家威廉夏普、莫辛等人與1964 年在資產(chǎn)組合理論和資本市場理論的基礎(chǔ)上發(fā)展起來，用于研究證券市場中資產(chǎn)的預(yù)期收益率與風(fēng)險資產(chǎn)之間的關(guān)系，以及均衡價格的形成。國內(nèi)外很多學(xué)者應(yīng)用該模型進(jìn)行了研究檢驗(yàn)，Levy在1971 年對1960—1970 年期間在美國紐約交易所上市的500 只股票加以研究，通過采用周收益率的數(shù)據(jù)，在較短時期內(nèi)，單一股票的β 系數(shù)不具穩(wěn)定性，但組合的β 系數(shù)穩(wěn)定性有顯著的提高；洪錫熙在1999 年發(fā)表的論文《我國股票市場貝塔系數(shù)的穩(wěn)定性檢驗(yàn)》中，通過應(yīng)用Chow 檢驗(yàn)法對深圳證券交易所1996 年的所有上市公司樣本數(shù)據(jù)進(jìn)行分析研究，得出結(jié)論：無論是單個股票還是股票組合，β 系數(shù)都不具有穩(wěn)定性，說明我國的證券市場系統(tǒng)風(fēng)險是變動不定和難以預(yù)測的。Choudhry 在2001 年以歐洲金融股票市場的105 只股票作為樣本對象，選取1989 年到1995 年作為度量時限，通過使用雙變量GARCH 模型對β 系數(shù)進(jìn)行估計，其得出的結(jié)論是多數(shù)金融股票的β 系數(shù)數(shù)值及穩(wěn)定性情況較為相似，并表現(xiàn)出回歸趨勢。綜上，β 系數(shù)在一定程度上可以預(yù)估股票的風(fēng)險情況，但受較多現(xiàn)實(shí)因素影響，存在一定的缺陷。

考慮到CAPM 模型存在一定的缺陷，為了提高研究的準(zhǔn)確定，本文在依據(jù)CAPM 模型計算β 值的同時，還將基于會計信息進(jìn)行基本面分析，在定性層面驗(yàn)證測算出的β 值的合理性，做進(jìn)一步分析。

在CAPM 模型中，β 值用以度量一種證券或一個投資證券組合相對總體市場的價格波動性。

式1.1 中，Ri 表示第i 種資本資產(chǎn)或資產(chǎn)組合的收益率，Rf 為資本市場的無風(fēng)險收益率，Rm 為資本市場的市場整體收益率，β 為第i 種資本資產(chǎn)或資產(chǎn)組合的β 系數(shù)，計算公式為

因β 值表現(xiàn)了證券相對整個大盤市場的價格波動性，所以在一定程度上，我們用β 值來衡量股票的系統(tǒng)風(fēng)險大小。如下表：

證券（或證券組合）比市場組合收益率波動水平低，當(dāng)市場β＜1收益率下降時，它的下降幅度也小，風(fēng)險相對較少，傾向于證券（或 防御型的證券或策略組合證 券 組 證券（或證券組合）與市場組合）與市β=1合收益率波動水平完全同步，β＞0場 組 合 傾向于中性投資策略收 益 率 證券（或證券組合）比市場組呈關(guān)正 相1＜β＜1.5合進(jìn)收型益或率攻波擊動型水的平證高券，或偏投向激資證券（或證券組合）比市場組β＞1.5合收益率波動水平高很多，屬于高風(fēng)險的投資策略選擇β＜0 證特券征（，或即證逆券市組運(yùn)合行）與市場組合收益率呈反方向運(yùn)動

二、借助CAPM 模型求β值

（一）數(shù)據(jù)選取

本文借助國泰君安數(shù)據(jù)庫、東方財富網(wǎng)獲取相關(guān)數(shù)據(jù)，考慮到β 值存在較高的不穩(wěn)定性，按日或按月收益率計算出的β 值存在一定差異，且較長時間β 值會受大量數(shù)據(jù)影響在回歸時影響準(zhǔn)確性，不利于反映近期的風(fēng)險指數(shù)，因此本文選取北京銀行（601169）、華夏銀行（600015）、浦發(fā)銀行（600000）的股票2018 年7 月02 日—2018 年9 月28 日期內(nèi)的開盤價、收盤價等數(shù)據(jù)，為精確化估計，數(shù)據(jù)以日為單位，本文采用的數(shù)據(jù)已做了除權(quán)復(fù)權(quán)處理，因此文章中不做贅術(shù)。

對于整體市場收益率，鑒于滬深300 指數(shù)涵蓋滬深兩市，覆蓋了大部分流通市值，可以在一定程度上反應(yīng)大盤趨勢，因此本文采取了滬深300 指數(shù)2018 年7 月02 日—2018 年9 月28 日周期的相關(guān)數(shù)據(jù)，市揚(yáng)整體及三家銀行股票收益率計算如下：

Pt 表示第t 天的滬深300 指數(shù)（三家銀行股票）收盤價，Pt-1 表示第t-1 天的滬深300 指數(shù)（三家銀行股票）收盤價。

表一：三家銀行及滬深300 收盤價及收益率數(shù)據(jù)匯總表

（二）建立模型

1.相關(guān)性。

本文利用SPSS 對股票和大盤指數(shù)進(jìn)行初步的散點(diǎn)圖回歸來判斷二者的相關(guān)關(guān)系，如下圖所示，二者呈正相關(guān)，且圍繞回歸線分布較為緊密，因此可以建立回歸模型。2.建立回歸模型求β 值。

圖一：北京銀行

圖三：浦發(fā)銀行

通過將資本資產(chǎn)定價模型轉(zhuǎn)換為回歸模型，對同一周期三家銀行的資產(chǎn)收益率和市場組合收益率的供給數(shù)據(jù)進(jìn)行線性回歸的參數(shù)分析，公式為：1.4

1.4 式中Ri 為股票i 的歷史已獲得收益率；Rm為市場已獲得歷史收益率；αi 為截距項(xiàng)；βi 股票i的貝塔值；ei 為隨機(jī)誤差項(xiàng)。

（三）參數(shù)估計及檢驗(yàn)

通過最小二乘法，計算出回歸線的斜率，即為該企業(yè)的β 系數(shù)。利用SPSS.25 求得三家銀行的β系數(shù)估計結(jié)果為：

1.北京銀行的β 系數(shù)。

北京銀行β 系數(shù)的估計值為0.572，判決系數(shù)R2=0.386，模型的擬合程度較好；對回歸結(jié)果進(jìn)行t檢驗(yàn)的P 值為0.000，在5%的水平下顯著。

2.華夏銀行的β 系數(shù)。

華夏銀行β 系數(shù)的估計值為0.862，判決系數(shù)R2=0.653，模型的擬合程度較好；對回歸結(jié)果進(jìn)行t檢驗(yàn)的P 值為0.000，在5%的水平下顯著。

3.浦發(fā)銀行的β 系數(shù)。

浦發(fā)銀行β 系數(shù)的估計值為0.699，判決系數(shù)R2=0.528 模型的擬合程度較好；對回歸結(jié)果進(jìn)行t檢驗(yàn)的P 值為0.000，在5%的水平下顯著。

上述數(shù)據(jù)表明三家銀行的β 系數(shù)都小于1，表明銀行業(yè)上市公司股票收益率受影響較小，股票的系統(tǒng)性風(fēng)險相對較低。但三家銀行中，華夏銀行的β 值最高，說明華夏銀行股票收益率與市場整體收益率變動情況相對來說比較相近。

表二：β 系數(shù)回歸分析計算表

（四）誤差

考慮到個股股價的波動受到多種因素影響，CAPM 模型用于評估風(fēng)險時處在相對簡化的假設(shè)條件下，存在一定局限性；此外數(shù)據(jù)存取上，本文只截取了近一個季度的日收益率，因此利用歷史回顧法評估的β 值來衡定企業(yè)風(fēng)險可能存在一定偏離。歷史數(shù)據(jù)評估的β 值并不能絕對程度上預(yù)測未來發(fā)展趨勢，還需要進(jìn)一步精確。因此，本文將通過同期的會計信息基本面分析來進(jìn)一步明確公司風(fēng)險。

三、會計信息基本面分析

目前的金融市場還處于發(fā)展中，我國金融市場起步相對較晚，國外市場相對發(fā)展較為成熟，但也無法達(dá)到有效市場的狀態(tài)。而CAPM 模型是建立在有效市場的假設(shè)之上，在實(shí)際情況中我們應(yīng)考慮市場存在的干擾因素，Ramiah 和Davidson（2005）認(rèn)為由于噪音交易者的存在，會使得根據(jù)CAPM 算得的系統(tǒng)風(fēng)險不僅包含項(xiàng)目的基本風(fēng)險，還包含噪音交易者風(fēng)險。

很多國內(nèi)外學(xué)者都對這一問題進(jìn)行了研究，Bildersee（1975）研究了1956 年至1966 年期間紐約證券市場制造業(yè)和零售業(yè)的71 家公司的系統(tǒng)風(fēng)險與11 個會計變量之間的相互關(guān)系，最后指出了與系統(tǒng)風(fēng)險相關(guān)的6 個會計變量——負(fù)債比率、優(yōu)先股與普通股的比例、銷售與權(quán)益資本的比例、流動比率、市盈率的標(biāo)準(zhǔn)差、會計貝塔系數(shù)，并建立了多元線性回歸模型。王明濤和黎金龍（2006）應(yīng)用橫截面數(shù)據(jù)，選擇下偏矩度量股票市場風(fēng)險，發(fā)現(xiàn)上市公司經(jīng)營業(yè)績對股票市場風(fēng)險有顯著影響，其中每股收益、凈利潤增長率的增加有利于降低市場風(fēng)險；凈資產(chǎn)收益率的增加卻增大了市場風(fēng)險，主營業(yè)務(wù)收入增長率與市場風(fēng)險也呈正向關(guān)系。

為了避免CAPM 的缺陷可能對β 值的測算存在較大偏差，本文最終選定凈利潤增長率、凈資產(chǎn)收益率等同期會計財務(wù)指標(biāo)從側(cè)面驗(yàn)證β 值的計算結(jié)果，也進(jìn)一步對這三家公司的情況進(jìn)行分析。

表三：三家銀行2018 年第三季度會計財務(wù)指標(biāo)匯總表

從該表中同期財務(wù)指標(biāo)可以看出，三家銀行的凈利潤增長率華夏銀行出現(xiàn)了負(fù)數(shù)，北京銀行較高，浦發(fā)銀行出于兩者中間，該數(shù)據(jù)與三家銀行的β 值之間的相對關(guān)系是同一趨勢；就資產(chǎn)負(fù)債率而言，華夏銀行較高，另外兩家銀行比較相近，都處在銀行業(yè)的平均水平左右；而三家的營業(yè)收入中，浦發(fā)銀行是另外兩家銀行的兩到三倍，凈利潤也是如此，主要由于浦發(fā)銀行基本處在行業(yè)領(lǐng)軍地位，資產(chǎn)規(guī)模和發(fā)展情況均好于其他兩家公司，凈利潤高從而影響了凈資產(chǎn)收益率的數(shù)值，使得浦發(fā)銀行稍高于北京銀行，但華夏銀行仍處于三家之中最低。這一現(xiàn)象也反映在市盈率指標(biāo)上，數(shù)據(jù)顯示，浦發(fā)銀行的市盈率3.93，處于行業(yè)第一，一方面印證了浦發(fā)銀行的行業(yè)領(lǐng)軍地位，另一方面以說明投資者對浦發(fā)銀行的股票投資興趣較高，前景看好。綜合分析，浦發(fā)銀行的投資價值相對更高。

總體來說，從會計財務(wù)數(shù)據(jù)的基本面分析，可以較為清楚地了解銀行業(yè)的基本情況和三家銀行在行業(yè)中所處的階段，也印證了三家銀行的β 值基本準(zhǔn)確，能夠在一定程度上反應(yīng)公司的風(fēng)險水平。

四、結(jié)論

本文基于CAPM 模型在中國證券市場相對有效的前提下，通過回歸計算出了北京銀行、浦發(fā)銀行和華夏銀行三家公司的β 值，并通過會計財務(wù)數(shù)據(jù)進(jìn)行基本面的補(bǔ)償分析。通過上述分析，三家銀行中，浦發(fā)銀行的資金雄厚，風(fēng)險和收益較為匹配，投資者期望較高；北京銀行發(fā)展勢頭強(qiáng)勁，基于其發(fā)展戰(zhàn)略和業(yè)務(wù)情況，風(fēng)險相對比較穩(wěn)?。欢A夏銀行相對風(fēng)險較高，收益情況和投資展望相較于其他兩家銀行較低?？偟膩碚f，銀行業(yè)雖然在金融界屬于比較穩(wěn)健的區(qū)塊，但仍屬于有較高風(fēng)險的領(lǐng)域，受金融市場聯(lián)動作用較大。且目前適用的風(fēng)險預(yù)測方法，在中國證券市場相對不完善的前提下，還存在很多缺陷，因此，投資者在投資時應(yīng)合理評估風(fēng)險與收益，充分考慮系統(tǒng)風(fēng)險，做出相對較佳的投資決策?！?/p>