一、资本资产定价模型及其逻辑悖论
资本资产定价模型（CAPM）是从现代资产组合理论中直接推导出来的模型，一般表示为：
其中，是给定资产或资产组合的收益率；为无风险收益；是市场组合的收益率；为给定资产或资产组合的系统风险。
㈠模型含义
现代资产组合理论认为，资产组合面临的风险可分为系统性风险和非系统性风险。系统性风险是与整体经济运行（如通货膨胀、经济危机等）相关的风险，非系统性风险是与资产自身特性相关的风险。多样化的投资可以降低直至消除资产组合的非系统风险，而系统风险因与整体经济运行有关，是不能通过多样化的投资消除的。理论上说，一个由足够多的资产构成的资产组合只有系统性风险，市场组合就可以认为是这样的一个组合。CAPM模型对资产的定价是对该资产的系统风险的定价（非系统风险是得不到市场回报的）。
在一个所有投资者都遵循资产组合理论并达到均衡的市场上，给定资产或资产组合的收益由无风险收益和风险补偿共同组成。 是资产组合P与市场组合M的协方差，是市场组合的风险（也就是系统风险）， 可以衡量资产组合的系统风险。是资产组合P因承担系统风险所得到的回报（也就是风险补偿）。
㈡模型的逻辑悖论
CAPM模型描述了市场达到均衡状态时资产定价，我们关注的是市场是如何达到这个均衡状态的。CAPM模型对均衡过程的分析是较为粗糙的，首先，模型设定了如下假设：
1、投资者都是风险规避者。
2、投资者遵循均值—方差原则。
3、投资者仅进行单期决策。
4、投资者可以按无风险利率借贷。
5、所有的投资者有相同的预期。
6、买卖资产时不存在税收或交易成本。
按上述假设，我们可以判定市场投资者选择的最优风险资产组合必然是相同的，当然这个最优风险资产组合也就是市场组合。其次，这个市场的均衡是投资者根据不同资产风险收益对比而将资金在无风险资产和市场组合间进行动态调节而达到的。
这个分析的缺陷在于忽略了投资者的最优风险资产组合是怎么得到的。在形成这个最优风险资产组合时，投资者要买入一些资产，并卖出另外一些资产。但根据上述的假设,由于投资者决策目标一致，持有的资产结构完全一致，而市场中交易双方都是这些投资者，这意味着交易双方都想同时买入或同时卖出某项资产，这样的交易显然不可能发生。对于另一种可能性，即集中需求或集中供给会导致资本资产价格调整，由此形成新的均衡，这也不可能。因为信息完全透明，投资者人人皆知，而且对资产价值的判断完全一致，因此也不会有实质性的资产交易活动发生。同时，我们还要考虑这样一个问题，受中央银行货币政策影响，在投资组合持有期间内,无风险利率是不断变化的，这意味着最优投资组合的内部资产价值构成比例发生调整，而这种调整又会遇到前面提到的无法交易这个问题。或者说，在无风险利率发生调整时，原有均衡仍将得以维持，投资者之间不会发生实质性的资产交易活动，均衡点仍然在原处，但该点已经不是最优点。
造成上述悖论的关键原因是模型假设中认为投资者对资产特性的完全一致认同，加上模型认为投资者会追求任何最优组合，而这一最优组合又是所有投资者一致认同的，因此，所有投资者都会选择同一最优组合，即一致决策，一致做出买入某项资产或卖出某项资产的决定，由此无法满足资产交易所需的条件。而且,我们也可以从博迪、莫顿的《金融学》一书中看出CAPM模型悖论造成的理论分析后果,即使投资者陷入了是否该相信自己能战胜市场的两难境地。⒋因此，我们有理由认为原有的达到均衡市场的分析存在问题，其后果是我们会质疑模型是否成立。
二、资本资产定价的纳什议价模型
学术届很早就注意到资本资产定价模型的不足之处，但主流方向集中在对该模型的修补。虽然APT理论从另一个角度探讨资本资产的定价问题，但该理论也存在着重大的缺陷。⒌
正是由于上述的原因，我们力图换过一种思维去克服CAPM及APT的缺陷。考虑到资本资产定价模型的逻辑悖论及市场是否能达到均衡，我们尝试用非合作博弈理论来探讨资本资产的定价问题。一个基本看法是：资产的价格在交易时才能真正体现出来，而交易则可以看做是一个纳什议价过程。⒍
1．Nash(1950,1953)谈判模型
Nash认为谈判的特征由两点决定：
第一、谈判结果所产生的收益分配情况;
第二、如果谈判破裂会产生什么结果。
Nash指出，谈判解(纳什解)应该满足以下公理：
公理1 个体理性。，即优超，为现状点。
公理2 联合理性。P中不存在优超的效用值,即满足pareto最优。
公理3 对称性公理。在两个谈判者涉及的所有方面均相同的对称谈判中,谈判解也是对称的。在对称谈判中，谈判双方的地位一模一样，如果互换地位仍是相同的谈判局势。
公理4 线性不变性公理。如果对谈判的效用模型中任何一方的效用函数作保序线性变换，则谈判的实物解不变，效用解由原谈判的效用解经相同保序线性变换而得。保序线性变换则是对效用函数U进行如下线性变换：au+b,a>0,在保序线性变换下，偏好的结构不变，变动的仅是效用的数值(效用的相对度量)。
公理5 无关选择公理。记G为一种谈判局势，其现状点 ，可行集为P，解为。设G′为一新谈判局势，可行集P′是P的一个子集，现状点，在P′内，则仍为G′的解。
2．Nash谈判模型的推广
Nash谈判模型建立在过于抽象的公理基础上，这就使模型缺乏对现实的解释力。Jansvejnar(1982,1986)对该模型进行了改进，该模型中谈判解由各方的威胁点、谈判力(bargaining power)以及对谈判破裂担心程度(fear of disagreement)决定。下面给出这两个概念的严格定义，并且给出简单的解释。
谈判力的定义：
并且，
i方的谈判力 受制度、经济以及其它变量(用向量Z表示)的影响，这些变量对于Nash谈判模型来说是外生的，因为它们不能作为谈判的目标而直接进入各方的效用函数。每一方的净收益都随着他的谈判力增加而增加；零收益对应于完全没有谈判力的情形，而最大收益则对应于谈判方具有完全谈判力的情形。⒎
谈判破裂担心程度(f)的定义:
。
在谈判的每一个阶段,i方都在考虑一个，即用目前得到的净收益来赌的小增量收益(例如管理层考虑是否接受工会增加工资的要求)，那么是谈判方i对破裂结果的局部规避(local aversion)。⒏所以i方接受这个的最大概率就从反向上衡量了i方对于损失 的规避。由于当很小时接近于零，Aumann和Kurz(1977)就把作为i方担心谈判破裂程度的反向量度，而且指出。
资产的定价受到威胁点、谈判力、及谈判破裂担心程度的影响，这是显而易见的，而且这一观点也比资本资产定价模型更富有人格化的意义。从某种意义上说，资本资产定价的纳什议价模型是资本资产定价模型的更为微观的基础，或者更进一步说说，资本资产定价的纳什议价模型描述了资本资产定价模型中市场是如何达到均衡的过程。
事实上，上述模型及其推广从不同的思路出发，在探讨资本资产定价时，得出了与CAPM类似但更直观、更易理解的结论。⒐但CAPM的分析在此就停滞不前，而我们的分析则可以再进一步，下面就举一个模型为例。
3．一个模型的举例
为了很好地解释资产的定价是个不完全信息下的动态有限次博弈过程，本文引入一个不完全信息下的动态博弈模型。在此模型中，假设:
①若买卖双方的报价和回价过程是在某一天的早晨和黄昏之间进行，就不存在综合折现因子δ。
②若报价或回价过程耗时一周或更多，那么就不得不考虑综合折现因子δ。
③对转让方和受让方来说，如接受和拒绝一个报价，其支付函数等值，则选择接受。
④转让方具有不完全信息，即他不能肯定受让方愿出哪种价格；受让方具有完全信息，即他知道自己愿出多少价(顶价)，受让方的类型由其愿出的价格而定。
⑤转让方估计受让方的价格是的概率是q，是的概率是1-q。
假设资产的交易双方甲、乙只进行两次谈判，出场次序如下：①甲报价；②乙接受或拒绝(接受就结束博弈)；③甲报价；④乙接受或拒绝。
支付函数为: 如被接受
＝δ 如被接受
＝0 如、都未被接受
如被接受
= 如p2被接受
＝0 如,都未被接受其中,
假设综合折现因子δ=0.9
在不完全信息情况下,受让方是还是的概率将决定均衡是混同均衡还是分离均衡。由于这个博弈持续两个阶段，所以具有不完全信息的转让方有机会在具有完全信息的受让方拒绝从而披露出一些信息之后,作第二次报价。
这个模型的重要结论是:
①谈判中的博弈能导致非效率。在分离均衡中，拖延他们的交易直至第二个阶段，这是非效率行为，因为支付会被折现。此外，始终不购买，从而丧失了可能从资产交易中获得的潜在收益。
②受让方支付的价格在很大程度上依赖于转让方的均衡信念(概率)。例如，转让方认为受让方顶价低的概率是0.05，那么定价将偏低，但如果他认为这个概率是0.5，价格就将升高。⒑
正是从这些结论出发，我们对中国不规范、不完善的资本市场上存在的问题可以提出理论上的探讨。比如，在国外股票倾向折价发行，而国内则是溢价发行。对此，我们提出的假说可以给出一个解释，那就是：国外折价发行是市场的必然选择，而国内的溢价发行则是采取了机会主义的行为。
我们可以这样来加以具体的描述。在国外相对较为发达的资本市场上，股票发行商考虑到风险的控制及信用等，采取了折价发行的措施⒒，这本是市场选择的必然结果（最优选择）。⒓而在国内则不是这样。国内是借鉴国外的经验，看到的是国外的股票上市后都会上涨这一现象，就以为股票上市是必然会上涨的，当然也就会采取机会主义行为让股票溢价发行。⒔
4、探讨博弈过程定价与资本资产定价的逻辑起点：
资本资产定价模型是一种市场均衡状态的定价模型，但正如第一部分我们分析的那样，我们会问，是否真的存在这样的均衡状态呢？如何投资者对每种资产的评价一样，那么这些资产卖给谁呢（或者说谁来买呢）？博弈论的定价方式或许能给我们一些启发。
既然资产价格是一个博弈的过程，其价格可以视为一个随机过程（如GARCH模型等），那么类似资本资产定价模型的市场均衡定价模型的意义从哪里可以体现呢？
我们可以用这样的一个故事来描述博弈论定价与资本资产定价的逻辑起点：
比如有两家投资者就一种资产交易谈判（假设甲卖给乙），甲利用某资产定价模型把该资产定价为a, 乙利用某资产定价模型把该资产定价为b，资本资产定价模型的逻辑是：如果a≠b,则存在投机套利机制，使其自动趋于相等，因此达到市场均衡。但事实并没有 那么简单。
假设利用资本资产定价模型来定价一项资产的目的在于评估或卖给他人时谈判的参考价格（财务上的观点，超边际分析？），那么这个参考价格到底能起多大的作用呢？事实上，谈判时自己的评估是不重要的，对方对该资产的评估起决定性的作用。应该指出，对方对该资产的评估也是利用某种资本资产定价模型来定价的。那么谈判的实质在于双方试探对方的参考价格（这就是所谓的互探底牌），这也是我们在前文所述的纳什议价模型的主要内容。
在这里必须指出，纳什议价模型是一个静态的、信息完全且对称的博弈模型，但在现实经济中，更多的是信息不完全、且不对称，而且还有时间因素。比如，如果考虑时间因素，意味着谈判的某方在这次谈判后，马上吸取经验和教训，以防在下次谈判再次犯错误（贝叶斯学习过程），这样可能达到一个市场均衡。
我们的结论是，两种定价方式对信息的依赖程度很高，即信息披露很重要。
三、关于讨论后思考的思考
在上文我们也谈到，资本资产定价模型假定投资者对证券收益率的概率分布有着完全相同的预期，那么交易如何发生，是否可以说交易量为0时的交易价格就是模型中决定的价格呢？但交易量为0又何来的价格，或许这里就是资本资产定价模型难以检验的最重要的原因。⒕
或许可以这样说，资本资产定价模型是否成立的核心问题就是均衡价格的存在与否。⒖对该模型的修正及APT理论都回避了这一问题（特别地APT理论带来新的问题即因素的含义不能确定等）。当然，对该问题回避的一个理由可以是，均衡价格并不一定是一个点，可以是一个区间，这样就可以存在成交量，或者说模型允许投资者对证券的收益率估计有误差，但显然这种解释力很微弱。
我们再来看资产理论的现状（90年代中期）。非常不幸，整个状况很混乱。单因素的CAPM显然难有作为、也很难有哪个模型的扩展形式成为标准，而且如果我们要提出一个所有研究人员都一致支持的可行资产定价模型，第一个迫切需要解决的问题是决定有多少个因素需系统定价，以及这些因素具体是哪些。Chen,Roll and Ross(1986)所进行的工作向这个方向跨出了重要的第一步，然而令人奇怪的是，在Chen ,Roll,Ross之后就没有作者试图解决这个问题。我们不禁问：沿着这种思路探讨资产定价是否有必要？我们可不可以沿着非合作博弈定价理论的思路呢？
首先必须澄清一个对博弈论的误解。其实博弈论对不确定性也有很深的刻画。比如诺奖得主泽尔腾（1975）提出的颤抖手均衡的概念，其基本思想就是，在任何一个博弈中，每个参与人都有一定的可能性犯错误，类似一个人用手抓东西，手一颤抖，他就抓不住想抓的东西，即博弈偏离均衡路径。博弈论用此概念来预测均衡结果（原博弈均衡的极限）的思想，与计量经济学里用随机游走的概念来描述股票价格波动有些类似。而且重复、多人的博弈模型的解释力也不一定是一般意义理解的那么弱。
至少我们可以先这样描述博弈论的定价理论：一个交易的价格如何成为市场上的均衡价格，而且这个价格被投资者接受（即CAPM假设中认为投资者只是价格的接受者而不是价格的制订者，或者说他们缺乏以交易影响价格的市场能力）。博弈论分析的结果告诉我们，他们不是缺乏影响价格的能力，也不是不想去影响价格，因为谁都梦想自己能影响价格。但通过与市场的博弈发现，试图以交易去影响价格是不明智的选择！这与莫顿（p334）对CAPM的分析思路惊人地一致！！
为了更好地理解一个交易的价格如何成为市场上的均衡价格，我们可以进行一个模型分析：
我们假定议价不是双边的，而是多边的，即大家都集中到市场，不但两辆之间议价，而且有机会转向市场上的其他人议价。⒗我们先假设每个人从正在议价的对手转向他人所需时间很短，每人议价时以概率q选择软策略，而以概率1-q选择硬策略。但是由于有很多潜在的合作伙伴，所以当双方都很硬时，每个人会在下一段转向别人。由于这种机会的存在，每个人在自己软、对方硬时，由于认为自己吃了亏，也不会接受其结果,而会转向别人。只有当他得到(双方都软)或（对方软，己方硬）时，他才会心满意足离开市场。但由于每人都会这样考虑，因此无人得到,这样每人在时段t的预期效用是:
其中为局中人s在时段t选择软策略的概率，其中s=i,j,i≠j。而 为局中人i在时段t未做成生意，转向他人预期于时段t+1能得到的效用。而P是其他人在时段t做成生意的概率，而1-P为其他人中至少有1人在时段t没做成生意的概率，1-P当然又与每人选择的q值有关，也与市场上的人数有关。
利用对称性，q对所有人会相等，所以，其中N是除了一对局中人之外，所有其他人两两议价的对数。如总人数为M，则N=(M-2)/2。如果q在0与1之间，则当N足够大时，p趋于0，而1-p趋于1。
将(1.1)中的对求偏导数，并设1－P＝1，可得：
假设（t+1）是最终时段，则：
其中q由给出，由给出。不难验证。这意味着(1.2)永为正，即最优q为其最大值1。
这里有一个微妙的矛盾。当q=1时，则P=(1-q)N=0,因此，所有人都采取合作策略，所以在时段t，所有人都会做成生意，因此没有人可以在转向他人时找得到合作伙伴。下一时段没有合作伙伴，则每人的决策又变成表3中的一时段决策，其最优q又不会为1。这一矛盾意味着，虽然在一个市场中人很多时，最优q可以非常接近1，但决不会完全等于1，这种微小的选择非合作策略的概率正是市场上有可能找得到下一个合作伙伴的条件，因而是市场能用潜在合作机会使人们选择合作策略的概率趋于1的条件。
分析到这里，我们就会发现这与博迪、莫顿在他们的《金融学》一书中的一段话的思想惊人的相似（p334）。他们在书中写到：CAPM意味着，大多数投资者采取的消极投资法，是将无风险与某一指数基金组合，该指数基金中风险资产的比例与市场投资组合相同，其效果等同于积极地研究证券并试图“战胜”市场。那些特别睿智而能干的投资者确实能通过努力获取收益，但是从一段时期看，他们之间的竞争减少了收益，甚至会低于诱导他们从事工作的最低必要水平。其余的人仅仅通过消极的投资就可以从他们的工作中获益。
我们可以这样理解这段话：投资者试图去“战胜”市场是徒劳的，但如果大家都不去试图“战胜”市场，那么市场就是可以“战胜”的。那么，对一个具体的投资者而言，接受CAPM，投资者的理念是认为市场是可以“战胜”的，还是不可以“战胜”呢？投资者陷入了两难，而这个两难境地正是前文分析的逻辑悖论造成的结果。
联系我们刚刚提出的软硬策略模型。在该模型中事实上也提出了这个问题，所不同的是，CAPM陷入了两难，而软硬策略模型把它内生化，正试图解决这个问题。这也从另一个侧面说明了我们用非合作对策定价的分析框架取代CAPM及APT的合理性。
注释：
⒈在分析思维上更接近行为金融学，我们先提出这个假说，下个步骤必须进行计量分析为该假说提供证据。
⒉这与直观的一般理解非常一致，而且这一观点也比资本资产定价模型更富有人格化的意义。
⒊从某种意义上说，资本资产定价的纳什议价模型刻画了资本资产定价模型更微观的经济现象。
⒋详细内容可参见本文第三部分。
⒌APT最重大的缺陷是该模型并不能明确系统风险因素具体代表些什么
⒍我们的一个感觉是，资本资产定价模型和非合作博弈定价理论两者的终极目的是一致的，只是在分析思路上走了不同的路。我们希望能找出两者之间的相通之处及根本的分歧在哪里。
⒎如果有经验的谈判者彼此很了解,他们偶尔会对各方现有谈判力的价值不能达成一致。这种冲突的发生可能是由于经济和制度条件经常发生变动,这些变动至少在短期会不同程度地影响各方对于各自谈判力的认识。
⒏如果hi相对于Xi很小,那么i方被迫接受破裂结果而损失Xi的概率qi就必然很小,否则i方不会进行这个。而且,i方越不愿意损失Xi,qi就必须越小。
⒐当然模型的结论是不一样的，CAPM推导出一个β系数，而我们的模型则推导出更直观、更易理解的因素如威胁点、谈判力的大小、及谈判破裂担心程度等。
⒑这意味着尽管受让方是低价购买者,但如果处在被认为是会出高价的一组成员中,他将是不幸的，因为他的付价还价能力将很弱。
⒒形象地说，就是为了把股票全部卖出去或为了以后还有股票可卖，发行商宁愿便宜出售股票。
⒓这也体现出CAPM的悖论：CAPM定出的是市场的均衡价格，那为什么必然地发行价是比均衡价格要低的价格，而不是均衡价格本身呢？难怪有人说，股票的定价不能靠模型，而更多地是一种艺术。如果我们同意这种说法，那么艺术就艺术在到底要比模型定价低多少这一点上。
⒔因为“不抬价白不抬价”。
⒕Roll,1977甚至认为该模型是同意重复，且他证实了在夏普等三人提出的模型和Black的β系数为0。
⒖顺便提一下，我们这里的质疑同样可以针对商品市场，因为在经济学里分析商品市场价格的决定也用了均衡价格的概念。但在商品市场的分析中用均衡价格的概念行得通，因为在商品市场均衡时消费者和生产者对商品的评价可以不一样。而这种分析运用在资本市场上却存在问题，这是因为资本市场与一般商品市场的特征存在着太多的不同。我认为，最大的不同就是资本市场中的“商品”（资本、资产）的效用是不确定的。
⒗这个问题看起来很复杂，但我们可以巧妙地通过构造一个并不是很复杂的博弈模型来解决。
参考文献：
1、Investments、WillianF.Sharpe、GordenJ.Alex ander、JeffreyU.Bailey、FifthEdition 清华大学出版社 Prentice-HallInternationalInc., 1998,p262.
2、宋逢明 《金融工程原理》〔M〕 清华大学出版社2000P42。
3、张维迎2001《博弈论与信息经济学》上海人民出版社。
4、杨小凯 ?有光 1999：《专业化与经济组织——一种新兴古典微观经济学框架》，经济科学出版社。
5、John D.Hey Bruce Lyons Yanis Varoufakis 2000《微观经济学前沿问题》，中国税务出版社。
6、姜彦福等：国际技术转让的博弈论议价模型分析，《技术经济》2001.10
7、詹姆斯.托宾、斯蒂芬.S.戈卢布，2000：《货币、信贷与资本》，东北财经大学出版社。
8、保罗.A.萨缪尔森、威廉.诺德豪斯，1999：《经济学》，华夏出版社。
9、魏权龄等1998：《数量经济学》中国人民大学出版社。
10、杨小凯、张永生,2000：《新兴古典经济学和超边际分析》，中国人民大学出版社。
11、William L.Megginson,2002：《公司财务理论》，东北财经大学出版社。
12、沃伦，1966：《现金的谨慎需求的合理性》（A Rationalization of the Precautionary Demand for Cash）,载《经济学季刊》
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)．
关键词 资本资产定价模型 多要素CAPM 行为金融学
资产定价理论是金融理论的一个核心内容，是20世纪金融领域最受瞩目的前沿课题。著名的资产定价模型CAPM、APT和期权定价模型，它们为确立资产定价理论在金融理论的显赫地位奠定了坚实的基础。但是，在资产定价理论近半个世纪的发展历程中，还有很多重要的模型例如零贝塔CAPM、Merton（1973）的多要素资本资产定价模型等目前虽然在实际中还没有得到广为运用，但其理论价值却非常重大。同时各种资产定价异象的发现也同时促进了结合心理学、社会学等研究的行为金融的兴起。行为金融对建立在理假设基础上的传统资产定价理论的研究范式提出了严峻挑战。行为金融认为投资者并不完全是理性的，非理性投资可以影响资产价格。运用过度反应或反应不足等基本工具，行为金融从另一个视角对各种异象进行了全新阐释。进入90年代以来，传统资产定价理论的支持者和行为金融学家围绕资产定价异象的解释更是展开了激烈的论战。其他基于理性基础的资产定价模型或者行为模型可以取代CAPM在金融学中的地位吗？这些问题似乎不能简单地回答。基于这一点，本文尝试从资产定价理论演进发展的角度来探讨这些问题。因为只有比较全面地了解资产定价理论是如何产生和发展的，了解这些理论存在的缺陷及其实证检验上的限制，才可能中肯地得出一些结论。
一、 Sharpe（1964）、Lintner（1965）和 Mossin（1966）的资本资产定价模型（CAPM）
在 Markowitz 的资产组合理论基础上，Sharpe（1964）、Lintner（1965）和 Mossin（1966）分别独立地提出了著名的资本资产定价模型，即CAPM。CAPM的本质是存在无风险资产和无限卖空的资产组合理论。它不仅仅考虑了单个投资者的决策，还考虑了加总他们确定市场均衡。在资产组合理论中，资产的价格外生地给定，且不受任何投资者的影响。给定这一价格，投资者形成他的概率分布，并且允许投资者的预期不相同，但是CAPM也有很多缺陷，概括起来主要有以下几点：一是CAPM是一个静态的单期模型，在现实情况中，投资者往往面临的是动态的多期的情况，假设与现实严重不符。二是资产收益率必须是线性相关的是CAPM 的一个隐含假设，排除了一种日益重要的金融工具－衍生证券的定价。因为衍生证券的收益率往往表现出很强的非线性关系。三是CAPM 中还有一个假设仍然受到批评：即假设所有资产是可市场化的。虽然由外国法规问题导致的某些投资限制在国际CAPM中得到了考虑，但是，诸如人力资本是不可市场化的。因此，市场组合不能准确的确定。
二、Black（1972）零贝塔 CAPM
Black考察了最初的CAPM，他发现，无论是无风险资产的存在还是投资者以无风险利率借款和贷款的要求都不是该理论成立的必要条件。然而，当不存在无风险资产时，就会产生CAPM的另外一种不同的形式。他的观点如下：无风险资产的贝塔为0。由于无风险资产的收益不存在波动性，因此它不会随市场一起变化。假设能创造一个与市场无关的投资组合，那么它的贝塔就是0。可以说零贝塔CAPM比CAPM前进了一步，但是0贝塔组合必须依靠卖空才能实现，在现实中，并非所有的投资者都可以进行卖空的操作。许多机构投资者是被禁止卖空或者在卖空方面受到限制。
三、Fama 和 French 的三因子模型
CAPM 在实证检验上的连续受挫使得很多人对传统单贝塔CAPM理论的正确性产生了怀疑。尤其是70年代末以来，盈余报酬率效应、规模效应、账面市值比效应等大量异象的发现更是对这一理论造成了严重的冲击。这些研究发现很多贝塔之外的变量尤其是公司特征的变量可以更好地预期收益率。相关研究还表明，股票收益率在特定时间段显示出某种变化规律。如“长期收益率反转效应”和“短期惯性效应”。由于传统的CAPM明显不能通过贝塔差异解释上述现象，因此它们被称为“异象”。Fama和French 以1963－1990为样本期运用横截面回归法研究贝塔与收益率的关系，结果发现两者之间并不相关，甚至在控制了规模变量后，贝塔与收益率的关系仍然不显著。而股本市值和账面市值比两个变量联合起来可以更好地解释股票平均收益率的横截面差异。CAPM异象的一个重要的解释是CAPM 错误设定了。Fama和French首先研究了这一问题。他们认为，CAPM异象之所以存在，是因为CAPM中缺乏考虑其他必要的风险因子。基于FF（1992）得出的股本市值（ME）和帐面市值比（BE/ME）变量可以更好地解释股票平均收益率横截面差异的结论，他们在随后1993年的论文中进一步证实了CAPM 异象可以用一个三因子模型来解释。这三个因子分别是（1）市场超额收益率（Rm-Rf）；（2）股本规模因子（SMB）；（3）帐面市值比因子（HML）。
四、行为金融学对CAPM异象的解释
（一）“规模效应”和“价值效应（或帐面市值比效应）”的行为解释
Barberis和Huang（2001）以“损失厌恶”和“心理帐户”的概念来解释个股收益率行为。他们考虑了两种情况：第一种情况是投资者关心个别股票，对于个别股票价格的波动有损失厌恶的倾向，而且决策会受到前一次的投资绩效所影响。他们将这种情况称为个别股票的心理帐户。第二种情况是投资者关心整个投资组合，对于整个投资组合价格的波动会损失厌恶，决策会受到前一次的投资绩效所影响，他们将这种情况称为投资组合的心理帐户。他们认为个别股票的折现率是股票过去的绩效的函数，假如股票过去的绩效很好，因为私房钱效应，投资者会认为这个股票风险较低，而用较低的折现率折现未来的现金流量。在这种情况下，因为较低的折现率会推升价格股利比，所以导致下一期的报酬较低，这也使得股票收益率波动变大。
（二）“短期惯性效应”和“长期收益率反转效应”的行为解释
行为金融学家通常运用过度反应或反应不足理论对“收益率反转效应”和“惯性效应”作出解释。最早提出市场长期过度反应概念的是De Bond和Thaler（1985，1987）。他们认为新信息出现时，投资者并没有依照贝叶斯所提出的客观方法调整他们的预期，而是高估新信息的重要性，低估旧有的与较长时期的信息，换言之，他们对结果的概率评估，是根据所谓的“代表性原则”，而不是根据历史概率所作的客观计算。结果股价不是涨过头就是跌过头，不论收益、股利或其他客观因素发生什么变化，反弹都必然可期。Shiller也认为资产价格所具有的过度波动，其实就是市场过度反应的现象。
主流金融学对于资产定价理论的检验以及资产定价异象的解释陷入困境时，行为金融学的出现及发展无疑为新的金融研究提供了思考方向。利用展望理论，行为金融能比较好地解释传统预期效用理论与实证结果的分歧。另一方面，行为金融认为投资者的非理并非是随机发生的，市场发挥套利机制的作用相当有限，因此，传统金融理论赖以生存的基础――有效市场假说并不成立。无疑，自展望理论和有限套利理论提出之后，行为金融的影响力及地位日益提高。利用这两个工具，考虑到非理决策的影响，行为金融为解释资产定价异象也提出了很多新的资产定价模型。应该注意的是，行为金融不应该与传统金融相排斥和对立。行为金融理论过于专注个体行为而忽略了市场的客观条件，而传统金融理论则着眼于客观的市场状况，忽略了“人性”。因此，适当与平衡地结合二者是未来金融研究的一个可行且合理的发展方向。在资产定价研究方面，金融学家Shefrin和Statman提出的BAPM已经朝这一方向迈开了第一步。相信未来会有更多这样的研究出现。
参考文献：
［中图分类号］F832 ［文献标识码］A ［文章编号］1005-6432（2012）31-0065-02
1 模型的建立与求解
首先运用马克维茨投资组合理论均值方差模型以及资本资产定价的经典模型CAPM对浦发银行的股价进行预测。数学模型如下：
在证券市场中,各种证券的收益及其相互关系由于受到各种因素的影响,所以时刻处于变动之中,因而没有理由认为证券或证券组合的β系数恒定不变。而证券收益和定价是不断变化的,从而整个证券市场是一个面向未来的市场。本文基于这点以浦发银行股票为例,选取回归分析的样本。
根据所考虑的收益率的时间记录单位不同,可将估计的β系数分为：日β系数、周β系数、月β系数。但本质上三种β系数的计算方法一样,只是选取收益率的日期发生改变、而且对于同一只股票的三种β系数并没有太大的差别,所以本文只以浦发银行近三个月以来的日β系数为例进行模型的研究。
预测2011年11月28日该股票的收益率：
通过CAPM事后公式：
而实际11月28日的股价为8.6元,误差为0.016865185元,误差达0.195723%。
2 模型的改进
2.1 布鲁姆修正
3 模型检验与预测
3.1 模型检验
对模型残差平方序列进行白噪声检验,所得自相关函数及偏自相关函数均为正弦波衰减。基本满足时间序列平稳性,且大体上服从正态分布。
残差波动均在小范围之内,样本数据中不存在异常值,模型拟合度较好。
3.2 模型预测
(1)动态预测。动态预测的结果为几乎为0的一条直线,预测效果很差。
(2)静态预测。静态预测的效果图可以看出该预测显然优于动态预测,由静态预测所得 2011
从预测汇总表中可以看到浦发银行的风险波动一般情况下都是小于整个市场风险的。而其预测的股价总是要高于实际收盘价,从经济层面来看,说明民众对浦发银行的未来走势普遍看好,认为其优于一般水平的上市股,所以预测浮动程度会变大,也会略微高估其市值。而我们看到预测与实际之间的误差值非常小,那是因为我们选择的大盘指数是上证指数,它是上海证券交易所编制的,以上海证券交易所挂牌上市的全部股票为计算范围,以发行量为权数综合,可以说上证综指反映了上海证券交易市场的总体走势,而浦发银行股票作为其中代表,以此预测是再适合不过的。
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.
中图分类号：F840 文献标识码：A 文章编号：1001-828X（2015）004-000-01
随着我国金融市场的持续完善和保险产品在人们日常生活中应用范围的不断增加，资本资产定价模型等重要的经济学理论在保险行业中的应用也变得较为普及。在这种前提下对资本资产定价模型在保险产品定价中的应用进行探究和分析也就具有极为重要的经济意义和现实意义。
一、保险产品定价概述
保险产品定价是一项系统性的工作，这一工作的有效开展能够促进保险行业整体水平的有效提升。以下从完善保险产品、保险行业有效转型等方面出发，对保险产品定价进行了分析。
1.完善保险产品
完善保险产品是保险产品定价的重要内容，通常来说在当代保险经济与金融经济快速融合的大环境下，通过将金融理论运用于相应的保险产品定价可以更好地弥补传统保险行业中存在的缺陷和漏洞。另外，由于传统的保险产品的定价方法已经较为明显地暴露出其自身的缺陷。因此在经济迅速发展和变化的今天，保险产品的定价模型的收益率必须随着投资收入的预测和目标总收益率的改变而不断地进行调整。除此之外，保险产品定价的有效进行可以使得保险产品从原本存在的各种限制和约束中获得较好的发展与较大的进步，从而能够在此基础上促进保险企业和保险行业整体水平的持续提升。
2.保险行业有效转型
保险产品定价的合理进行对于保险行业有效转型有着极为重要的影响。一般而言，对于我国的传统型保险行业而言，随着其金融化水平的不断提升，行业自身也面临着转型的机遇和挑战。这首先体现在以下几个方面，例如随着我国金融服务一体化水平的持续提升和金融混业经营水平的不断发展，保险业与商业银行的合作也变得日益密切。除此之外，随着我国保险市场监管制度的持续完善，也需要更加合理的保险产品定价来制度监管制度的完善。另外，随着许多与金融行业相关的保险产品的出现，如巨灾债券、巨灾期货、巨灾期权等保险产品的出现，这些产品由于其自身存在一定的特性因此需要相应的定价方法来为其进行有效的定价，因此在这一过程中保险产品定价的有效进行就具有较为重要的意义。
二、资本资产定价模型在保险产品定价中的应用
资本资产定价模型在保险产品中的应用能够促进保险产品定价水平的有效提升，这主要体现在系统性风险的有效规避、收益预测精确性提升、单个业务定价水平提升等环节。以下从几个方面出发，对资本资产定价模型在保险产品定价中的应用进行了分析。
1.系统性风险的有效规避
系统性风险的有效规避是资本资产定价模型在保险产品定价中应用的基础与前提。通常来说自从上世纪60年代以来，在金融界和保险界资本资产定价模型一直都是其研究和实践的重要领域。一般而言资本资产定价模型主要是通过假设市场上的系统风险影响投资的预期收益而可分散风险或非系统风险不会影响预期收益率来对相应的保险产品进行合理的定价。因此当这一模型应用于单个保险或者相应的保险组合时可以非常有效的检验产品自身的定价是否合理，并且能够在此基础上更好地为之前的保险理论不能解决的定价问题进行有效的解决，从而促进了保险产品定价效率的有效提高。
2.收益预测精确性提升
收益预测精确性提升对于资本资产定价模型在保险产品定价中应用的重要性是不言而喻的。通常来虽然资本定价模型自身存在着一定的问题，但是相比其他保险定价理论或者模型能够更好地解释保险收益以及保险产品的定价是否合理。除此之外，由于当资本资产定价模型运用于保险定价时，这一模型中往往会包括众多的变量，因此保险业研究者在不考虑投资限制和税收预期边际的情况下承保利润率时，应当注重应用E（γu）=-k（1-x）γf+βu[E（γm）-γf]这一收益预测公式。在这一公式中，变量k是基金生成系数，用来表示净保费，即保费减去费用的净额，这一变量可以用于投资期限的计算。而变量x则是用来表示相应的业务费用而不是相应的投资费用与保费的比率，而内生变量γf表示在某一时期中的无风险收益率，同时变量βu表示这一时期内系统性的承保风险，并且γm表示这一时期的市场平均收益率。通过这一公式的有效应用保险业研究者可以更好地促进保险产品收益预测精确性的有效提升。
3.单个业务定价水平提升
单个业务定价水平提升是资本资产定价模型在保险产品定价中应用的重中之重。通常来说，保险企业在进行单个保险产品或者保险业务的精算定价时，往往会通过使用资本资产定价模型来对市场风险进行更加有效的度量和评定，这也就意味着该保险产品或者保险业务定价水平得到了有效提升。除此之外，由于在保险业市场中不同的保险企业往往存在着不同的经营目标和各种的最大收益水平，因此在这种竞争性的环境下资本资产定价模型在保险产品定价中的应用可以使得保险产品的竞争性损失得到减少，从而在减少不必要的竞争风险的同时促进单个保险业务定价水平的持续提升。
三、结束语
随着我国国民经济整体水平的持续进步和保险行业发展速度的不断加快，资本资产定价模型在保险产品定价中的应用取得了良好的实践效果，因此保险业工作人员在工作中应当对资本资产定价模型有着清晰的了解，并且在此基础上通过实践的有效进行促进我国保险产品定价水平的持续提升。
参考文献：
三、资本资产定价模型在我国证券市场中的应用措施
三、资本资产定价模型在我国证券市场中的应用措施
一、引言
（一）资产定价理论背景
（二）资产定价模型的假设条件
资产定价模型是建立在严格的假设条件基础之上的。
假设1：所有资产价值均不小于零。
假设2：市场是完备的，换句话说没有交易费用和相关的税，并且所有资产均为无限可分的。
假设3：市场有足够的投资者，而且他们想要的东西可以按照市场价格购买和出售任何数量的任何资产。
假设4：市场只有一个无风险借贷利率。
假设5：信息在市场中是公开的、完整的。
假设6：所有投资者都是风险厌恶者，并且都具有不满足性。
假设7：所有投资者都追求期末财富最大化。
假设8：投资者对证券的风险、收益、证券间的关联性预期完全相同。
假设9：投资者都依赖期望收益率评价资产组合的收益率，依赖方差或标准差评价资产组合的风险水平。
假设10：一个理想化的市场实质是认为一个理想的市场应该是完整的，无摩擦，资源配置是有效的。当然，理想的市场在现实中并不存在，但我们可以放松这些假设，并发现松弛后的假设不会影原始的基本结果。同时，随着科学技术的发展，特别是信息技术的发展，真正的市场正在逐步接近这一理想的市场。
假设6～9 是关于投资者的假设，其中风险厌恶是最具代表性的，我们并不否认市场中存在风险偏好的投资者，这些假设条件赋予了我们选择投资者的一个标准。
（三）资产定价模型
基于以上假设，CAPM 模型可以表达为以下的形式，即
E（Ri）=Rf+βi×[E（Rm）-Rf]
βi=
其中E（Ri）表示资产i的期望收益;Rf表示无风险借贷利率;E（Rm）表示市场组合期望收益率。
CAPM模型主要描述单个股票或投资组合收益之间关系的系统风险率，也是无风险收益率和风险溢价的和。
如果将CAPM应用在中国的话，可以使用此简化模型来解决投资组合理论应用于大规模计算所面临的困难。证券投资CAPM理论基础，几十年来被经验众多专家、学者进行实证测试，不同的学者对其有效性的争论大有不同，这是因为CAPM建立了一套严格的假设，并且在不同的国家和地区，不同时期的资本市场，可用性可能有很大的差异。本文旨在中国股市数据测试CAPM在中国证券市场的适用性。
二、国内外学者关于模型有效性的探讨
中国证券市场起步较晚、CAPM在我国只是介绍了近十年，用于各种投资决策和理论研究。施正荣全亮（1996）以1993年4月至1996年5月上海50支股票为样本分析，发现上海股市的总投资风险中系统性风险占很大比例，并且股票价格行为也表现出强烈的波动，这两个特性使通过投资组合来减少投资风险多样化的影响有限。大多数关于CAPM模型的研究表明，在我们的实证研究中，当前的CAPM模型不是很适合中国证券市场。
三、模型的检验
（一）导出数据
（二）计数收益率
将每支股票的日期及相应的收盘价与沪深 300 指数的日期匹配好，在 EXCEL中分别计算出它们每天的收益率，并求出相应的的平均收益率。
（三）制作散点图
以沪深300每天的收益率作为X，股票每天的收益率作为Y，做出散点图。然后在散点图上点击右键，添加趋势线，X前的系数即β值。
（四）整理好各股的β值及各股、沪深300在检验区间的平均收益率
将上面计算好的50支股票的β值、平均收益率及沪深300在检验区间的平均收益率整理好，放在一个表格内。
（五）设置检验模型 由于检验的模型为
E（Ri）=Rf+βi×[E（Rm）-Rf]
可依据下列模型做回归，即
其中 Ri 表示第 i 只个股在t时期的平均收益率，Bi是估计出的β值。
（六）运用Eviews进行回归
表2是Eviews的估计结果。
（七）回顾检验结果
由上面回归的估值结果得到回归方程，即
Ri=0.000707+0.000463×Bi
t=（0，789001） （0.533371）
R2=0.005892
四、结论
测试CAPM模型，该模型不适合市场，但我们不能得出结论：中国股市不符合CAPM模型，即CAPM模型不适合在中国使用。
肇启伟（1973―），男，四川大学科技产业集团（成都，610064）。研究方 向：企业管理。
［关键词］控制权收益；市场组合收益；资本资产定价模型
一、引 言
控制权收益度量是近年来公司金融领域公司治理研究的焦点问题之一。控制权收益，进一步 分解为控制权公共收益(public benefits)和控制权私有收益(private benefits)。当前， 绝大多数研究认为，分别度量了控制权的公共收益和私有收益以后，就可以计算出控制权总 收益，继而为控制权定价。针对控制权收益的度量方法，由于控制权的公共收益较难度量， 所以国内外学者对控制权私 有收益的研究较多。关于控制权私有收益， Dyck and Zingales(2001)[1]指出, 控制性股 东一般在获取公司资源为自己的利益服务这一行为不易被证实时才这么做，如果这些收益很 容易被量化,那么这些收益就不是控制权私有收益,因为外部股东会在法庭上对这些收益提出 “要求权”，从而使得这部分收益不再是私有收益。BaiLiu and Song(2002)[2] 指出,大股 东从中小股东那里获取财富的一系列活动都是通过隧道效应(Tunneling)进行的,即在私下进 行的企图不为人所知的行为,其数量和程度都无文字记载,更难以量化。因此，国内外大部分 学者都利用控制性股权的溢价来间接估计控制权私有收益的大小。
国外学者对于控制权私有收益的估计方法基本有三种：第一种是Barclay and Holderness(1 989)[3］(371-395)提出的，当控制权发生转移时,受让方为控制权
基金项目：教育部博士点基金项目（20060610048）。支 付的每股价格 与宣布控 制权转移后的第一个交易日的收盘价之差(控制权溢价)；第二种是Nenova(2000)[4]提出的 估计方法，针对那些存在两种不同类型股票的公司,这两种股票现金流要求权相同但投票权 不同；第三种方法是香港学者BaiLiu and Song(2002)[2]提出的，他们发现,在中 国股票市场上,某个公司被宣布ST前后的累积超常收益率就是控制权收益的良好估计值。
国内学者大都使用股权协议转让溢价法来度量控制权的私有收益。例如，唐宗明和蒋位(200 2)[5］(44-50)认为，大宗股权协议转让往往涉及控制权的转移，其转让价格可以 用来代表 控制权转让价格。而公司净资产是国际通用的资产定价基准，可以用来代表公司股票价值。 在此假设基础上，控制权私有收益就表现为大宗股权转让价格与公司净资产之差，计算结果 为30％左右。齐伟山和欧阳令南(2004)[6］(41-43)认为，并非所有的大宗股权转 让都会发 生控制权转移，他们将发生控制权转移的股权比例限制在20％以上，以此计算出的控制权私 有收益为17．42％。韩德宗、叶春华(2004)[7］(42-46)用同样的观点计算出控制 权私有收 益为14．10％。叶康涛(2003)[8］(61-69)认为，对控制权私有收益的度量应涉及 到公司控 制权的变更，他根据原股权转让方是否为上市公司第一大股东为原则，将大宗股权转让划分 为控股股份转让和非控股股份转让两类，两类股份转让价格之间的差即为控制权私有收益， 计算结果为28．30％。施东晖(2003)[9］(83-89)认为，不相关的大额股权交易和 小额股权 交易之差不能准确度量控制权私有收益。他采用所属行业、盈利能力等要求对两者进行配对 ，构造两个研究样本集，筛选出在一年内同时发生控制权交易和小额股权交易的35家上市公 司，进而得出中国上市公司控制权私有收益为24％左右。赵昌文、蒲自立和杨安华(2004) [10］(100-106)认为，对每个公司实现有效控制的股权比例并不相同，他们通过概 率投票模 型 计算了每个公司在股权转让当年的控制权持股比例(阈值)，在重新定义控制权转移的基础上 ，得出控制权收益为15．83％的结论。邓建平和曾勇(2004)[11］(50-58)认为，公 司净资产 反映了公司股票的目前价值，但并未考虑公司未来发展的预期，因此，他们以公司净资产作 为股票价值的基础，然后用公司前三年净资产收益率进行调整，测得控制权收益为17％。
与上述国内外研究角度不同，本文基于资本资产定价模型，强调了控制权的投资特性，将控 制权收益定义为投资市场组合收益与控制权风险溢价之和，然后利用中国沪市A股上市公司 为数据样本，度量了上市公司控制权收益以及检验了控制权收益的微观影响因素。
二、基于资本资产定价模型的控制权收益度量模型
（一）控制权收益：一个新的界定
本文定义控制权收益为投资控制权的收益，即对于打算绝对控制或者相对控制一家公司的投 资者，把自己的资金购买目标投资公司的股票，在取得绝对控制权或者相对控制权后，购买 的股票所带来的现金流权收益。而对于国内外学者研究的控制权私 有收益，我们认为其是一种控制性股东对中小股东的侵害，是不受法律保护的，因此不应该 看作是控制权的收益。 既然控制权收益是投资上市公司股票而来，那么测算控制权收益应该从上市公司的股票 收益入手。资本资产定价测算股票收益的原理为，投资股票的收益率等于无风险收益率与该 股票的风险溢价之和。个股股票的收益率以无风险收益率为基础，至少可以获得无风险收益 率，因为如果有风险的收益率低于无风险收益率，将没有人购买这只股票。根据资本资产定 价模型，投资者可以投资两种资产：一种是无风险资产；第二种是股票或者股票组合。投资 者投资的股票收益因此为无风险收益率与风险溢价之和。
与一般投资者不同，想投资控制权的投资者将有两种资产可以投资：一种是把 所有的资金投资到一个公司，成为控制性股东；另一种是把资产按照一定比例投资市场组合 ， 当投资一个公司成为控制性股东时，将不能投资市场组合而享有分散化投资的好处――规避 非 系统风险。因此借用资本资产定价模型测算股票收益的原理，本文可以测算控制权收益为被 投资控制权的上市公司的市场组合收益与相应的风险溢价之和。
（二）基于CAPM的控制权收益度量模型
本文定义控制权收益等于控制性股东为控制一家上市公司所在的股票市场的市场组合收益与 放弃分散化投资所享有的风险溢价。被控制公司的风险相对于市场风险越大，其对应收益就 应该越高。为了测算控制权收益的大小，我们在满足资本 资产定价模型假定的基础上，还做了以下假定：
假设1：投资控制权的股东资本有限，只能有两种选择：一是投资一家企业做控股股东；二 是采用分散化投资策略，投资市场组合。
假设2：投资控制权的股东是风险厌恶型：在相同风险上，选择高收益，在相等的收益下， 选择低风险，即有经济人理性假设的风险收益偏好。
基于以上假设，控制权的收益应该与两个因素有关：一是与投资的企业的风险和收益有关； 二是与整个市场组合的收益有关。当企业的风险大于市场组合的风险时，控制权的收益应该 大于市场组合的收益，反之也成立。投资控制权的收益根据以上的分析，本文得出控制权收 益可以分为两部分：一是市场组合收益，二是被投资控制权公司的风险溢价。因此，本文基 于资本资产定价模型的角度，得出控制权价值的定价模型：
其中r为证券i的控制权的收益；rm为投资市场组合的收益；ri为证券i以前的收益；σ i；σm是用证券i和市场组合的方差来表示的风险。当σm=σi时，控制权的收益为 市场投资组合的收益，r=rm；当σm＜σi时，控制权的风险应该得到补偿，r＞rm ；当σm＞σi时，由于个股的风险小于市场组合的风险，投资该证券i的控制股东的收 益应该小于市场组合的收益，r＜rm，这与资本资产定价模型和均值方差模型的结论 是一致的。而对于风险溢价，基于投资上市公司控制权是个股与整个市场组合之间的权衡， 因此，整个 均衡风险补偿总额应该为(ri-rm)，(ri-rm)/σm，因此表示单位均衡风险补偿收 益 率，σi*(r-rm)/σm就根据其个股票具体情况来表示股票的均衡风险补偿收益 率，即个股的风险溢价。
三、实证结果
（一）控制权收益的度量结果
利用月收盘价来确定其月收益率，收益率的波动风险用收益率的方差表示，市场组合的收益 率和波动风险用上证指数来求出。
从表1和表2中我们发现一个有意思的现象：除2004年控制权平均收益高于市场组合的收益 外，其余2005年、2006年和2004―2006年平均控制权收益都比同期的市场组合收益要低。从 模型出发，我们可以这样解释，中国大部分上市公司的风险要低于市场风险，而这又能从比 市场组合收益率低的企业在样本中所占比例得到支持，2004年占50．8021%，2005年 占 60．1604%，2006年占65．9091%，2004―2006年占68．984%。同时，控制权收益从2004年的 -0．01176到2006年的0．07377，3年平均控制权收益为0．01420，其部分原因可能是伴随 着 中国经济发展进程证券市场的不断规范。
（二）控制权收益的微观影响因素检验
目前，大部分文献对于控制权收益影响因素的研究集中在控制权私有收益方面，例如：赵昌 文、蒲自立和杨安华(2004)[1］（100-106)的研究认为，影响控制权私有收益大 小的因素 有很多，除国家法律体系、产品市场的竞争程度、公众意见的压力、新闻媒体以及征税的水 平等都会对控制权的私有收益有影响外，而公司规模、交易价格、公司资产负债率、净资产 收益率和每股净资产都会影响控制权的私有收益。本文认为影响控制权收益的因素为公司本 身的风险，收益大小与公司本身 的风险大小成正比。本文 试图通过对影响控制权收益的微观因素――流通股所占比例、前10大股东持股比例、第一大 股 东持股比例、资产利润率、资产报酬率、每股净资产、资产总额、净资产收益率和资产负债 率的分析，研究中国上证A股上市公司的控制权转移现象，并提出能增加控制权收益的建议 。
根据中国资本市场的实际情况和对控制权收益的计算，本文通过回归方程对影响控制权收益 的因素进行分析。为了研究上述微观因素与控制权收益的关系，本文把以上的控制权收益的 计算结果看作被解释变量Y，把上述微观影响因素分别看作解释变量：流通股所占比例X1 、前10大股东持股比例X2、第一大股东持股比例X3、资产利润率X4、资产报酬率X5 、每股净资产X6、资产总额X7、净资产收益率X8和资产负债率X9。由于上述微观因 素之间可能存在多重 共线性，因此，我们采用因子分析方法来研究其对控制权收益的解释程度。利用2004年到20 06年每年的数据进行KMO和Bartlett's检验，结果如表3。
根据表3，上述因子具有很强的相关性，适合做因子分析，而经过我们多次的尝试，发现选 择6个因子最为适合。从旋转后的因子负 载表中我们可以看出：2004年因子1对资产利润率X4、资产报酬率X5和资产负债率X9 有较大影响，反映的是资产效率和资产负债率，可以命名为资产效率和资产负债率F1，因 子2对流通 股 所占比例，前十大股东持股比例有较大影响，反映的是股权因素，可以命名为股权因素F2 ， 因子3对净资产收益有较大影响，可以命名为净资产收益F3，因子4对第一大股东持有股份 比 例有较大影响，可以命名为第一大股东持有股份比例因素F4，因子5对资产总额有较大影 响 ，命名为企业规模F5，因子6对每股净资产有较大影响，命名为每股净资产。2005年和200 6数据中，因子1对流通股所占比例，前十大股东持股比例，第一大股东股份比例有较大影响 ，反映的是股权结构的影响因素，可以命名为“股权因素”F1，因子2对资产利润率，资 产 报酬率有较大的影响，可以命名为“资产效率因素”F2，2005年因子3对每股净资产有较 大 的影响，可以命名为每股净资产F3，2006年因子3反映资产负债率，可以命名为资产负债 率F 3，2005年因子4反映企业资产总额，可以命名为企业规模F4，2006年因子4对每股净资产 有 较大的影响，可以命名为每股净资产F4，2005年因子5反映净资产收益率，可以命名为净 资 产收益率F5，2006年因子5反映企业资产总额，可以命名为企业规模F5，2005因子6对资 产负 债率有较大的影响，可以命名为资本负债率F6，2006年因子6反映净资产收益率，可以命 名为净资产收益率F6。
根据计算因子值的系数矩阵计算后，生成了新的6个因子变量和因子变量值。我们运用这6个 因子变量代表原来的变量做回归分析。模型如下：
其中，Y为控制权的收益；Fi为因子i（i=1,2,3,4,5,6）；e为随机误差项。利用新的因子 变量值进行回归，回归结果如表4。
从表4中，可以发现在10%的显著性水平下，2004年只有因子1、因子3、因子4和因子6是显著 的，2005年因子3和因子5都是不显著的，2006年只有因子4和因子5是显著的。不显著的因子 不能进入方程，剔除不显著的因子之后，我们修改模型如下：
利用修改后的模型，再次利用数据进行回归，回归结果如表5。
根据表5，2004年在10%的显著性水平下，因子1、因子3、因子4和因子6都是显著的，2005年 在10%的显著性水平下，因子1、因子2、因子4和因子6都是显著的，2006年在10%的显著性水 平下，因子4和因子5都是显著的，即影响控制权收益的因子不是固定的，具有很强的时间差 异。拟和优度从2004年到2006年呈现出下降的趋势，分别为0．095，0．060，0．012，对控 制权收益的解释程度越来越低。部分原因可能是相应的微观因素对控制权收益的影响越来越 小，而对起较大影响的因素没有进入方程。随后我们检查是否存在异方差问题，利用未标准 化的残差与响应的因子做相关分析，发现不存在显著的相关性，因而我们认 为不存在异方差问题。
基于以上的检验，我们认为:（1）一些微观因素对控制权收益有显著影响。（2）影响控制 权收益的因素具有很强的年度特征。2004年，影响控制权收益的因子为因子1、因子3、因子 4、因子6；2005年，对控制权收益有影响的因子却为因子1、因子2、因子4和因子6；2006年 ，影响控制权收益的因子只有两个，分别是因子4和因子5。（3）进入模型的因子对控制权 收益的解释程度较低，其部分原因为还有对控制权收益有很大影响的因素没有进入方程。其 中包括没有量化的中国的法律体系、产品市场的竞争程度、公众意见的压力、新闻媒体以及 征税的水平等。
四、结论与政策含义
公司所有权和控制权的分离使得有效控制成为可能，控制权的收益是投资控制权的基本动机 。本文基于资本资产定价模型，从投资控制权出发，提出了一种新的度量控制权收益的方法 ，对中国2004―2006年期间沪市A股上市公司的控制权收益进行了度量，检验了影响控制权 收益的因素，研究的主要结论如下：
1．2004年到2006年，控制权月收益分别为-0．01176，-0．00783634，0．073766815，控 制 权收益大小呈现逐步递增的趋势。其部分原因是从2004年开始，中国经济的持续发展和证券 市场规范，股市呈现出稳步上升的趋势。
2．除2004年控制权平均收益高于市场组合的收益外，其余2005年、2006年和2004-2006年 平均控制权收益都比同期的市场组合收益要低。公司控制权收益比市场组合收益低的企业在 样本中占的比例分别为50．8021%、60．1604%、65．9091%，也呈现出逐步递增的趋势。控 制权收益比同期市场组合的收益低，这与大量的控制权争夺现象相悖。
3．影响控制权收益的微观影响因素呈现出较强的年度特征，不同年度的主要影响因 素不同。2004年，影响控制权收益的因子分别为资产效率和资产负债率因子1，净资产收益 率因子3，第一大股东持有股份比例因素因子4，每股净资产因子6；2005年，对控制权收益 有影响的因子却为股权因素因子1，资产效率因素因子2，企业规模因子4和资产负债率因子6 ；2006年，影响控制权收益的因子只有两个，分别是每股净资产因子4和企业规模因子5。
4．影响控制权收益的微观影响因素影响较小并且呈现出递减的趋势，本文认为是因为没 有考虑对控制权收益有很大影响的较难以量化因素。其中包括没有量化的中国的法律体系、 产品市场的竞争程度、公众意见的压力、新闻媒体以及征税的水平等。
控制权收益是投资控制权的投资者投资的动机，本文提出的新的计算控制权收益模型为投资 者提供了预测投资控制权收益大小的有效方法，使得控制权投资者能够自己判断投资控制权 的行为是否理性。进一步，为了提高控制权收益大小，投资者侧重关注那些显著影响控制权 收益的微观因素，优化投资决策。此外，政府也能参考相应的影响因素，制定相应的政策， 完善公司控制权市场制度设计与建设。
主要参考文献：
［1］Dyck ,A．, andZingales． “Private Benefits of Control: An Interna tional Comparison" ,NBER Working Paper series ,2001.
［2］Bai,Liu and Song,Value of corporate control:Evidence from China's di stressed firms,University of Hong Kong,Working Paper,2002.
［3］Barclay，J.,and Clifford G.Holderness,“Private Benefits From Contro l of Public Corporations," Journal of Financial Economics,1989,25.
［4］Nenova T. The Value of Corporate Votes and Control Benefits: A Cross- Country Analysis. 2000.
［5］唐宗明，蒋 位．我国上市公司大股东侵害度实证分析［J］．经济研究，20 02（4）．
［6］齐伟山，欧阳令南．我国上市公司控制权收益的实证研究［J］金融教学与研究，200 4（6）．
［7］韩德宗，叶春华．控制权收益的理论与实证研究［J］．统计研究，2004（2）．
［8］叶康涛．公司控制权的隐性收益――来自中国非流通股转让市场的研究 ［J］．经济科学，2003（5）．
［9］施东晖．上市公司控制权价值的实证研究［J］．经济科学，2003（6）．
［10］赵昌文，蒲自立，杨安华．中国上市公司控制权私有收益的度量及影响因素 ［J］．中国工业经济，2004（6）．
［11］邓建平，曾 勇．大股东和控制权私人利益研究［J］．中国软科学，2004（10）．
The Measure of Benefits of Control Right Basedon CAPM
Yang Song1 Wang Ping2 Zhao Qiwei3 Abstract: Based on CAPM, thi s paper argues that the benefit of control right equals the sum of market portfo lio income and control investing risk premium. Further, the paper numerically me asures the benefits of control right of listed companies in China Shanghai A sto ck market. The researches find out that the influencing factors show distinct ye arly variation and that they have diminishing tendency in influencing the benefi t of control right.
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
