[关键词]住房财富；股市参与；股票投资
[DOI]10.13939/ki.zgsc.2017.08.076
1引言与文献综述
近年来，我国房价飙升。面对房价的持续大幅上扬，住房投资成为城乡居民投资的重要途径。住房既为必需品又为投资品，住房拥有率及其价值的高低能否对家庭股票投资决策造成影响，日益引起学者们的关注。
从现有文献来看，关于住房价值对股票投资影响的分析集中在住房对股票参与度、股票投资额的影响。学者普遍认为住房资产在家庭总资产中的比重越高，家庭的股市参与率越高（Kullmann和Siegel，2005；吴卫星等，2010）。关于住房价值对股票投资额的影响，目前尚无统一定论。部分学者认为二者呈负向变动关系（吴卫星和齐天翔，2007）；部分学者指出二者正相关（Waggle和Johnson，2009）；也有学者认为住房价值对股票投资额没有影响（Yao和Zhang，2005）。
由于信息不对称的存在，实际的金融市场面临着较严重的不确定性和流动性约束。流动性约束会制约家庭的可支配资金水平、不确定性会使得家庭表现出较高的风险厌恶程度，进而影响家庭的股票投资决策。随着住房价格的上涨，住房财富随之增加。住房财富增加所引起的家庭财富水平提高，能够缓解家庭的流动性约束（Liao等，2012），使得家庭的风险厌恶程度下降（Peress，2004），从而提高家庭的股市参与的可能性和股票投资份额。
关于家庭住房对股票投资影响的研究文献颇丰，且成果显著，这些文献提供了一系列可能影响股票投资的控制因素，为后续研究做出了重大贡献。但这些研究多以美国家庭为研究对象且多针对家庭的首套房或房产总价值。但仅有一套房的家庭与拥有两套住房的家庭在家庭总财富、风险厌恶水平等方面均存在显著差异。鉴于此，本文以“住房财富”为切入点，以中国家庭为研究对象，并将研究对象按住房数量区分为只有一套住房的家庭和拥有两套住房的家庭，研究两类家庭的住房财富对其股票投资决策的影响。
2住房财富股票投资影响的实证分析
2.1样本及变量选择
本文采用的家庭资产、家庭成员特征等数据来源于CHFS，物价指数等来源于国泰安数据库。以住房价格指数与住房购置价格的差异来衡量住房财富；考虑到住房存量的影响，本文以住房的市值与购置价的差异来衡量住房的增值。对股票投资的衡量采用两个指标，一是是否参与股市；二是股票的投资额度。同时，引入了一系列的家庭特征变量，如家庭收入及总财富，户主的年龄、学历、风险厌恶度，家庭所处区域，是否拥有自营企业、是否按揭贷款等对家庭的个体特征进行控制。另外，实证分析中，所有以价值形式出现的变量均使用对应年份的CPI指数进行平减，消除物价变化的影响。
2.2描述性分析
从表1可以看出，无论是中位数水平还是均值水平，拥有两套住房家庭的家庭总财富、住房财富均高于只有一套住房的家庭，其风险厌恶水平则低于一套房家庭。就股票投资额、股票投资占比和股市参与率来看，一套房家庭和两套房家庭的中位数水平均为0，反映出我国“股市有限参与”的普遍性；从均值水平来看，两套房家庭明显高于一套房家庭。
2.3模型检验
按拥有一套房还是两套房对研究对象进行分组，采用回归分析法测度住房财富对两类家庭股票投资决策，一是否参与股市；二是对股票的投资额度的影响。为了分离出住房价值本身对股市参与的影响，在解释变量中引入了住房价值；由于住房财富对股票参与的影响可能是非线性的，引入了住房财富的平方项；另外引入了家庭及家庭成员的特征变量作为控制变量。据此，设定模型：
其中，stocker表示是否参与股票投资；s表示股票投资在金融资产中的占比；dh为住房财富，dh2表示住房财富的平方项，h表示住房的价值，i表示第i个家庭；x表示其他控制变量。
回归结果（见表2）显示：住房财富水平越高，家庭参与股市的可能性越大，住房财富提高会促进家庭提高金融资产中的股票投资额，并且其影响呈倒“U”形特征。其他变量对股市参与率及股票投资额的影响是相同的：家庭收入、总财富、按揭贷款、学历对家庭股市参与度、股票投资额有正向影响；年龄、家庭成员数量、风险厌恶程度与家庭股市参与度、股票投资额呈负相关性；与东部地区家庭相比，中西部地区家庭参与股市的可能性更大、股票投资份额越高。
将研究对象依拥有住房的数量进行分组回归，结果显示：住房价值提高会促进家庭提高股市参与度、增加股票投资份额，并且对一套房家庭的影响更加明显。导致这种差异的原因可能在于：一套房家庭的总财富水平低于二套房家庭，进入股市的固定成本仅对一套房家庭的股市参与度产生影响；一套房家庭的家庭财富相对较低，随着住房财富水平的提高，其流动性约束得到显著缓解，所以股票投资额明显上升，以实现优化家庭资源配置。二套房家庭的家庭财富相对较高，因此持有的股票份额目前已经达到家庭资源配置的最优化，即使住房财富提高会引起股票投资的份额提高，但是影响的程度低于一套房家庭。
3结论和政策建议
本文就我国家庭住房财富对股市参与度、股票投资额的影响展开分析。回归结果显示，住房财富增加能够提高家庭参与股市的概率，刺激家庭持有更高的股票份额，并且住房财富对一套房家庭的影响更加明显。本文的结论为宏观经济政策的制定及证券公司的营销业务的开展提供了一定的理论依据。对房地产行业的政策调整应坚持循序渐进的原则，对房价的急速调整，会影响家庭住房价值及住房财富，这不但会对房地产市场造成冲击，同时会对股票市场带来联动效应；同时，政策应当具有针对性，对仅有一套房的家庭和二套房家庭的措施应当体现一定的差异性，以期达到最好的调控效果。就证券公司的营销业务开展来说，应主要集中在一套房家庭，将这些客户中尚未拥有股票账户的家庭作为潜在客户，将已经拥有的客户作为重点关注客户，以期获得较高的营销效果。
参考文献：
[1]吴卫星，齐天翔.流动性、生命周期与投资组合相异性-中国投资者行为调查实证分析[J].经济研究，2007（2）.
[2]吴卫星，易尽然，郑建明.中国居民家庭投资结构：基于生命周期、财富和住房的实证分析[J].经济研究增刊，2010（S1）.
[3]KullmannCornelia，SiegelStephan.RealEstateanditsRoleinHouseholdPortfolioChoice[R].EFA2003AnnualConferencePaperNo.918，2005.
[4]LiaoWen-Chi，ZhaoDaxuan，SingTienFoo.RiskAttitudeandHousingWealthEffect[R].IRESWorkingPaperSeries.IRES2012-020，2012.
[关键字]：camp β估计 股票投资决策
一、引言
股票的投资决策是投资者通过投资股票获取收益非常重要的一环，而股票本身价值是决定是否购买参考依据，显然如果我们知道股票的价值，买卖决策将非常简单，股票价格低于其价值则买入，反之则卖出。然而现实是股票的价值评估是非常困难的事，研究中各种股票价值评估的模型存在各种各样的缺陷，缺乏实用性。所以在股票市场的实际投资决策时，我们往往通过研究影响股票价值的一些简单因素作为股票投资的依据，并且可获得较高的投资回报率。基于会计信息对β估计在股票投资决策有非常重要的作用。
二、capm模型简介
capm模型是对风险和收益如何定价和度量的均衡理论，根本作用在于确认期望收益和风险之间的关系，揭示市场是否存在非正常收益。一个资产的预期回报率与衡量该资产风险的一个尺度——β相联系。模型形式如：ri,t=rf,t+βi(rm,t-rf,t)
其中ri,t为t时刻股票i的必要回报率，rf,t是t时刻的无风险利率，rm,t为t时刻的市场组合收益率，β为企业风险系数。在实际运用中，β一般用市场模型估计：ri,t=?琢i+birm,i+ei,t
回归得到的bi即是β的估计值。
三、基于β估计的股票投资决策
按照市场模型得到的β代表资本市场对企业风险的度量，但这个度量并不一定准确，如果有更好的方法估计出更准确的β，成为优势β。当优势β大于市场β时，说明市场确认的折现率过小，市场按较小折现率得到股票价格理应过高，则卖出该股票；反之，则买入。我们可以利用会计数据并结合市场模型来估计β能得到更精确的β值。
由于企业财务杠杆与风险有关，我们可以用下式来估计企业的风险：
■
其中βv,i，βb,i，βs,i分别是企业风险、债务风险和股东权益风险，v，b，s表示企业市值、债务市值和股票市值。
在不考虑税收的情况下，企业的价值与企业资本结构无关，这意味着βv,i与财务杠杆■无关，所以财务杠杆指数的增大不会改变βv,i，但会增大βs,i 。
除了财务杠杆外，经营杠杠也是β估计的一个很重要的因素。经营杠杆指固定成本与变动成本的比率。从会计数据计算出的经营杠杆越大，企业风险β也越大。
ball与brown是利用以下模型估计会计β：
ai,t=gi+himt+?着i,t
其中，ai,t为i公司会计收益在t年的变化数；mt为t 年会计收益市场指数的变化数；hi为会计β的估计值。ball和brown（1968）研究结果表面无论是经营收益、净收益，还是归属普通股的收益，两个β的都具有较高的相关性。
beaver、kettler和scholes（1970）（记为bks模型）为了考察会计变量是否可以用于预测下一期的市场β，利用横截面资料对下列模型回归：■
其中，bi为当期用市场模型估计的企业i的风险β；wk,i为企业在当期的第k个会计变量，它们可以是股利分配率、财务杠杆、收益变动方差、会计β等。
运用所得到的估计系数（c）和企业的会计变量（w）数据，就可以估计出非企业的风险系数 。就可以比本期市场模型β的估计更精确地预测下期市场模型的β。国外许多研究表明建立在会计变量基础上的预测模型能比完全依赖于市场模型提供更精确的下一年市场风险的预测。
四、国外的相关研究成果
hamada（1972）以纽约证券交易所上市的304家公司为样本的实证检验表明财务风险与市场β之间存在显著的正的相关性。mandelker和rhee（1984）以1957年-1976年间的255家制造业企业为样本对这一假设重新验证，表明每个组合的市场β与财务风险存在显著的相关关系。其解释是由于回归建立在组合的基础上，使得变量的测量误差变小，相关性提高。
lev（1974）的研究也表明营业风险与市场风险之间存在相关关系。他以1949年-1968年间电力、钢铁和石油为样本回归表明，营业风险越高，市场β及股票收益率方差越大。
eskew（1970）考虑到β的非静态性，以改进的β预测模型，与以会计变量为基础的预测模型对比，发现会计变量预测模型更优越。而rosenberg和mckibben（1973）发现，将市场β与会计变量结合起来可以大大提高对未来市场β的预测能力。
rosenberg和marathe(1976)开发了barra模型，将模型预测的市场β与仅用市场资料预测的市场β对比，找出低估和高估的股票，制定投资决策。
以上这些研究结果表面基于会计信息β的估计对股票投资决策有着非常广泛的应用。
参考文献：
关键字：CAMPβ估计股票投资决策
一、引言
股票的投资决策是投资者通过投资股票获取收益非常重要的一环，而股票本身价值是决定是否购买参考依据，显然如果我们知道股票的价值，买卖决策将非常简单，股票价格低于其价值则买入，反之则卖出。然而现实是股票的价值评估是非常困难的事，研究中各种股票价值评估的模型存在各种各样的缺陷，缺乏实用性。所以在股票市场的实际投资决策时，我们往往通过研究影响股票价值的一些简单因素作为股票投资的依据，并且可获得较高的投资回报率。基于会计信息对β估计在股票投资决策有非常重要的作用。
二、CAPM模型简介
CAPM模型是对风险和收益如何定价和度量的均衡理论，根本作用在于确认期望收益和风险之间的关系，揭示市场是否存在非正常收益。一个资产的预期回报率与衡量该资产风险的一个尺度——β相联系。模型形式如：ri,t=rf,t+βi(rm,t-rf,t)其中ri,t为t时刻股票i的必要回报率，rf,t是t时刻的无风险利率，rm,t为t时刻的市场组合收益率，β为企业风险系数。在实际运用中，β一般用市场模型估计：ri,t=?琢i+birm,i+Ei,t回归得到的bi即是β的估计值。
三、基于β估计的股票投资决策
按照市场模型得到的β代表资本市场对企业风险的度量，但这个度量并不一定准确，如果有更好的方法估计出更准确的β，成为优势β。当优势β大于市场β时，说明市场确认的折现率过小，市场按较小折现率得到股票价格理应过高，则卖出该股票；反之，则买入。我们可以利用会计数据并结合市场模型来估计β能得到更精确的β值。由于企业财务杠杆与风险有关，我们可以用下式来估计企业的风险：
其中βv,i，βB,i，βs,i分别是企业风险、债务风险和股东权益风险，V，B，S表示企业市值、债务市值和股票市值。
在不考虑税收的情况下，企业的价值与企业资本结构无关，这意味着βv,i与财务杠杆无关，所以财务杠杆指数的增大不会改变βv,i，但会增大βs,i。
除了财务杠杆外，经营杠杠也是β估计的一个很重要的因素。经营杠杆指固定成本与变动成本的比率。从会计数据计算出的经营杠杆越大，企业风险β也越大。
Ball与Brown是利用以下模型估计会计β：
Ai,t=gi+hiMt+?着i,t其中，Ai,t为i公司会计收益在t年的变化数；Mt为t年会计收益市场指数的变化数；hi为会计β的估计值。Ball和Brown（1968）研究结果表面无论是经营收益、净收益，还是归属普通股的收益，两个β的都具有较高的相关性。
Beaver、Kettler和Scholes（1970）（记为BKS模型）为了考察会计变量是否可以用于预测下一期的市场β，利用横截面资料对下列模型回归：
其中，bi为当期用市场模型估计的企业i的风险β；Wk,i为企业在当期的第k个会计变量，它们可以是股利分配率、财务杠杆、收益变动方差、会计β等。
运用所得到的估计系数（C）和企业的会计变量（W）数据，就可以估计出非企业的风险系数。就可以比本期市场模型β的估计更精确地预测下期市场模型的β。国外许多研究表明建立在会计变量基础上的预测模型能比完全依赖于市场模型提供更精确的下一年市场风险的预测。
四、国外的相关研究成果
Hamada（1972）以纽约证券交易所上市的304家公司为样本的实证检验表明财务风险与市场β之间存在显著的正的相关性。Mandelker和Rhee（1984）以1957年-1976年间的255家制造业企业为样本对这一假设重新验证，表明每个组合的市场β与财务风险存在显著的相关关系。其解释是由于回归建立在组合的基础上，使得变量的测量误差变小，相关性提高。
Lev（1974）的研究也表明营业风险与市场风险之间存在相关关系。他以1949年-1968年间电力、钢铁和石油为样本回归表明，营业风险越高，市场β及股票收益率方差越大。
Eskew（1970）考虑到β的非静态性，以改进的β预测模型，与以会计变量为基础的预测模型对比，发现会计变量预测模型更优越。而Rosenberg和McKibben（1973）发现，将市场β与会计变量结合起来可以大大提高对未来市场β的预测能力。
[关键字]：camp β估计 股票投资决策
一、引言
股票的投资决策是投资者通过投资股票获取收益非常重要的一环，而股票本身价值是决定是否购买参考依据，显然如果我们知道股票的价值，买卖决策将非常简单，股票价格低于其价值则买入，反之则卖出。然而现实是股票的价值评估是非常困难的事，研究中各种股票价值评估的模型存在各种各样的缺陷，缺乏实用性。所以在股票市场的实际投资决策时，我们往往通过研究影响股票价值的一些简单因素作为股票投资的依据，并且可获得较高的投资回报率。基于会计信息对β估计在股票投资决策有非常重要的作用。
二、capm模型简介
capm模型是对风险和收益如何定价和度量的均衡理论，根本作用在于确认期望收益和风险之间的关系，揭示市场是否存在非正常收益。一个资产的预期回报率与衡量该资产风险的一个尺度——β相联系。模型形式如：ri,t=rf,t+βi(rm,t-rf,t)
其中ri,t为t时刻股票i的必要回报率，rf,t是t时刻的无风险利率，rm,t为t时刻的市场组合收益率，β为企业风险系数。在实际运用中，β一般用市场模型估计：ri,t=?琢i+birm,i+ei,t
回归得到的bi即是β的估计值。
三、基于β估计的股票投资决策
按照市场模型得到的β代表资本市场对企业风险的度量，但这个度量并不一定准确，如果有更好的方法估计出更准确的β，成为优势β。当优势β大于市场β时，说明市场确认的折现率过小，市场按较小折现率得到股票价格理应过高，则卖出该股票；反之，则买入。我们可以利用会计数据并结合市场模型来估计β能得到更精确的β值。
由于企业财务杠杆与风险有关，我们可以用下式来估计企业的风险：
■
其中βv,i，βb,i，βs,i分别是企业风险、债务风险和股东权益风险，v，b，s表示企业市值、债务市值和股票市值。
在不考虑税收的情况下，企业的价值与企业资本结构无关，这意味着βv,i与财务杠杆■无关，所以财务杠杆指数的增大不会改变βv,i，但会增大βs,i 。
除了财务杠杆外，经营杠杠也是β估计的一个很重要的因素。经营杠杆指固定成本与变动成本的比率。从会计数据计算出的经营杠杆越大，企业风险β也越大。
ball与brown是利用以下模型估计会计β：
ai,t=gi+himt+?着i,t
其中，ai,t为i公司会计收益在t年的变化数；mt为t 年会计收益市场指数的变化数；hi为会计β的估计值。ball和brown（1968）研究结果表面无论是经营收益、净收益，还是归属普通股的收益，两个β的都具有较高的相关性。
beaver、kettler和scholes（1970）（记为bks模型）为了考察会计变量是否可以用于预测下一期的市场β，利用横截面资料对下列模型回归：■
其中，bi为当期用市场模型估计的企业i的风险β；wk,i为企业在当期的第k个会计变量，它们可以是股利分配率、财务杠杆、收益变动方差、会计β等。
运用所得到的估计系数（c）和企业的会计变量（w）数据，就可以估计出非企业的风险系数 。就可以比本期市场模型β的估计更精确地预测下期市场模型的β。国外许多研究表明建立在会计变量基础上的预测模型能比完全依赖于市场模型提供更精确的下一年市场风险的预测。
四、国外的相关研究成果
hamada（1972）以纽约证券交易所上市的304家公司为样本的实证检验表明财务风险与市场β之间存在显著的正的相关性。mandelker和rhee（1984）以1957年-1976年间的255家制造业企业为样本对这一假设重新验证，表明每个组合的市场β与财务风险存在显著的相关关系。其解释是由于回归建立在组合的基础上，使得变量的测量误差变小，相关性提高。
lev（1974）的研究也表明营业风险与市场风险之间存在相关关系。他以1949年-1968年间电力、钢铁和石油为样本回归表明，营业风险越高，市场β及股票收益率方差越大。
eskew（1970）考虑到β的非静态性，以改进的β预测模型，与以会计变量为基础的预测模型对比，发现会计变量预测模型更优越。而rosenberg和mckibben（1973）发现，将市场β与会计变量结合起来可以大大提高对未来市场β的预测能力。
rosenberg和marathe(1976)开发了barra模型，将模型预测的市场β与仅用市场资料预测的市场β对比，找出低估和高估的股票，制定投资决策。
以上这些研究结果表面基于会计信息β的估计对股票投资决策有着非常广泛的应用。
参考文献：
[关键字]:CAMP β估计 股票投资决策
一、引言
股票的投资决策是投资者通过投资股票获取收益非常重要的一环,而股票本身价值是决定是否购买参考依据,显然如果我们知道股票的价值,买卖决策将非常简单,股票价格低于其价值则买入,反之则卖出。然而现实是股票的价值评估是非常困难的事,研究中各种股票价值评估的模型存在各种各样的缺陷,缺乏实用性。所以在股票市场的实际投资决策时,我们往往通过研究影响股票价值的一些简单因素作为股票投资的依据,并且可获得较高的投资回报率。基于会计信息对β估计在股票投资决策有非常重要的作用。
二、CAPM模型简介
CAPM模型是对风险和收益如何定价和度量的均衡理论,根本作用在于确认期望收益和风险之间的关系,揭示市场是否存在非正常收益。一个资产的预期回报率与衡量该资产风险的一个尺度——β相联系。模型形式如:ri,t=rf,t+βi(rm,t-rf,t)
其中ri,t为t时刻股票i的必要回报率,rf,t是t时刻的无风险利率,rm,t为t时刻的市场组合收益率,β为企业风险系数。在实际运用中,β一般用市场模型估计:ri,t=?琢i+birm,i+Ei,t
回归得到的bi即是β的估计值。
三、基于β估计的股票投资决策
按照市场模型得到的β代表资本市场对企业风险的度量,但这个度量并不一定准确,如果有更好的方法估计出更准确的β,成为优势β。当优势β大于市场β时,说明市场确认的折现率过小,市场按较小折现率得到股票价格理应过高,则卖出该股票;反之,则买入。我们可以利用会计数据并结合市场模型来估计β能得到更精确的β值。
由于企业财务杠杆与风险有关,我们可以用下式来估计企业的风险:
■
其中βv,i,βB,i,βs,i分别是企业风险、债务风险和股东权益风险,V,B,S表示企业市值、债务市值和股票市值。
在不考虑税收的情况下,企业的价值与企业资本结构无关,这意味着βv,i与财务杠杆■无关,所以财务杠杆指数的增大不会改变βv,i,但会增大βs,i 。
除了财务杠杆外,经营杠杠也是β估计的一个很重要的因素。经营杠杆指固定成本与变动成本的比率。从会计数据计算出的经营杠杆越大,企业风险β也越大。
Ball与Brown是利用以下模型估计会计β:
Ai,t=gi+hiMt+?着i,t
其中,Ai,t为i公司会计收益在t年的变化数;Mt为t 年会计收益市场指数的变化数;hi为会计β的估计值。Ball和Brown(1968)研究结果表面无论是经营收益、净收益,还是归属普通股的收益,两个β的都具有较高的相关性。
Beaver、Kettler和Scholes(1970)(记为BKS模型)为了考察会计变量是否可以用于预测下一期的市场β,利用横截面资料对下列模型回归:■
其中,bi为当期用市场模型估计的企业i的风险β;Wk,i为企业在当期的第k个会计变量,它们可以是股利分配率、财务杠杆、收益变动方差、会计β等。
运用所得到的估计系数(C)和企业的会计变量(W)数据,就可以估计出非企业的风险系数 。就可以比本期市场模型β的估计更精确地预测下期市场模型的β。国外许多研究表明建立在会计变量基础上的预测模型能比完全依赖于市场模型提供更精确的下一年市场风险的预测。
四、国外的相关研究成果
Hamada(1972)以纽约证券交易所上市的304家公司为样本的实证检验表明财务风险与市场β之间存在显着的正的相关性。Mandelker和Rhee(1984)以1957年-1976年间的255家制造业企业为样本对这一假设重新验证,表明每个组合的市场β与财务风险存在显着的相关关系。其解释是由于回归建立在组合的基础上,使得变量的测量误差变小,相关性提高。
Lev(1974)的研究也表明营业风险与市场风险之间存在相关关系。他以1949年-1968年间电力、钢铁和石油为样本回归表明,营业风险越高,市场β及股票收益率方差越大。
Eskew(1970)考虑到β的非静态性,以改进的β预测模型,与以会计变量为基础的预测模型对比,发现会计变量预测模型更优越。而Rosenberg和McKibben(1973)发现,将市场β与会计变量结合起来可以大大提高对未来市场β的预测能力。
Rosenberg和Marathe(1976)开发了BARRA模型,将模型预测的市场β与仅用市场资料预测的市场β对比,找出低估和高估的股票,制定投资决策。
以上这些研究结果表面基于会计信息β的估计对股票投资决策有着非常广泛的应用。
参考文献:
[关键字]:CAMP β估计 股票投资决策
一、引言
股票的投资决策是投资者通过投资股票获取收益非常重要的一环,而股票本身价值是决定是否购买参考依据,显然如果我们知道股票的价值,买卖决策将非常简单,股票价格低于其价值则买入,反之则卖出。然而现实是股票的价值评估是非常困难的事,研究中各种股票价值评估的模型存在各种各样的缺陷,缺乏实用性。所以在股票市场的实际投资决策时,我们往往通过研究影响股票价值的一些简单因素作为股票投资的依据,并且可获得较高的投资回报率。基于会计信息对β估计在股票投资决策有非常重要的作用。
二、CAPM模型简介
CAPM模型是对风险和收益如何定价和度量的均衡理论,根本作用在于确认期望收益和风险之间的关系,揭示市场是否存在非正常收益。一个资产的预期回报率与衡量该资产风险的一个尺度——β相联系。模型形式如:ri,t=rf,t+βi(rm,t-rf,t)
其中ri,t为t时刻股票i的必要回报率,rf,t是t时刻的无风险利率,rm,t为t时刻的市场组合收益率,β为企业风险系数。在实际运用中,β一般用市场模型估计:ri,t=?琢i+birm,i+Ei,t
回归得到的bi即是β的估计值。
三、基于β估计的股票投资决策
按照市场模型得到的β代表资本市场对企业风险的度量,但这个度量并不一定准确,如果有更好的方法估计出更准确的β,成为优势β。当优势β大于市场β时,说明市场确认的折现率过小,市场按较小折现率得到股票价格理应过高,则卖出该股票;反之,则买入。我们可以利用会计数据并结合市场模型来估计β能得到更精确的β值。
由于企业财务杠杆与风险有关,我们可以用下式来估计企业的风险:
■
其中βv,i,βB,i,βs,i分别是企业风险、债务风险和股东权益风险,V,B,S表示企业市值、债务市值和股票市值。
在不考虑税收的情况下,企业的价值与企业资本结构无关,这意味着βv,i与财务杠杆■无关,所以财务杠杆指数的增大不会改变βv,i,但会增大βs,i 。
除了财务杠杆外,经营杠杠也是β估计的一个很重要的因素。经营杠杆指固定成本与变动成本的比率。从会计数据计算出的经营杠杆越大,企业风险β也越大。
Ball与Brown是利用以下模型估计会计β:
Ai,t=gi+hiMt+?着i,t
其中,Ai,t为i公司会计收益在t年的变化数;Mt为t 年会计收益市场指数的变化数;hi为会计β的估计值。Ball和Brown(1968)研究结果表面无论是经营收益、净收益,还是归属普通股的收益,两个β的都具有较高的相关性。
Beaver、Kettler和Scholes(1970)(记为BKS模型)为了考察会计变量是否可以用于预测下一期的市场β,利用横截面资料对下列模型回归:■
其中,bi为当期用市场模型估计的企业i的风险β;Wk,i为企业在当期的第k个会计变量,它们可以是股利分配率、财务杠杆、收益变动方差、会计β等。
运用所得到的估计系数(C)和企业的会计变量(W)数据,就可以估计出非企业的风险系数 。就可以比本期市场模型β的估计更精确地预测下期市场模型的β。国外许多研究表明建立在会计变量基础上的预测模型能比完全依赖于市场模型提供更精确的下一年市场风险的预测。
四、国外的相关研究成果
Hamada(1972)以纽约证券交易所上市的304家公司为样本的实证检验表明财务风险与市场β之间存在显着的正的相关性。Mandelker和Rhee(1984)以1957年-1976年间的255家制造业企业为样本对这一假设重新验证,表明每个组合的市场β与财务风险存在显着的相关关系。其解释是由于回归建立在组合的基础上,使得变量的测量误差变小,相关性提高。
Lev(1974)的研究也表明营业风险与市场风险之间存在相关关系。他以1949年-1968年间电力、钢铁和石油为样本回归表明,营业风险越高,市场β及股票收益率方差越大。
Eskew(1970)考虑到β的非静态性,以改进的β预测模型,与以会计变量为基础的预测模型对比,发现会计变量预测模型更优越。而Rosenberg和McKibben(1973)发现,将市场β与会计变量结合起来可以大大提高对未来市场β的预测能力。
Rosenberg和Marathe(1976)开发了BARRA模型,将模型预测的市场β与仅用市场资料预测的市场β对比,找出低估和高估的股票,制定投资决策。
以上这些研究结果表面基于会计信息β的估计对股票投资决策有着非常广泛的应用。
参考文献:
【关键词】粗糙集 股票 投资决策 应用研究
前言：在粗糙集就是一种可立足于企业投资决策从而进行分析的算法。因此，对粗糙集在股票项目投资决策中的应用研究有着鲜明的现实意义。
一、 粗糙集理论的主要应用
粗糙集理论的主要应用体现在以下几个方面当中：第一、样本集的简化。数据挖掘当中的分类算法往往需对众多的数据进行处理。训练所需要的时间太过漫长。而粗糙集的出现，可以在很大程度之上进行简化数据，消除冗余数据。第二、控制规则获取。在实际的生活当中存在着很多复杂的对象难以建立完善的数学模型。而粗糙集能够把控制过程的一些有代表性的状态以及操作人员在这些状态下所采取的控制策略都记录下来，然后利用粗糙集理论处理这些数据，分析操作人员在何种条件下采取何种控制策略，总结出一系列控制规则。
二、实例分析
在实例分析的基础之下，我们将会建立一个具有较高涵盖面的股票项目投资决策问题相关评价体系，接着会利用粗糙集算法对其进行简约，并利用简约之后的相关数据与指标，计算出相关权重问题。根据权重信息最终选择出一个最优的投资决策方案。
（一） 指标赋值
抽取了2016年的四种有色金属股票类型。数据离散之后的决策表如表一所示：
（二）属性约简、赋权重
根据表二的相关数据进行计算就可以得到最终的数据熵权。通过对于权重问题进行比较么可以知道。各个股票之间的属性高低。虽然从现阶段的股票发展过程当中我们可以看到，其投资回报率十分良好。
但是也存在着很大的风险，以上的粗糙集算法在实际的应用过程当中可以帮助投资者选择一个良好的投资方案，所以该方法的应用应该得到进一步的重视。
结束语：
综上所述，粗糙集是一种具有很高应用价值的算法，就股票项目投资决策来说，其内部所具有的投资决策具有很大的风险，而这些风险将会直接决定股票事业的进一步发展。
参考文献：
[1]赵卫东，盛昭瀚，何建敏. 粗糙集在决策树生成中的应用
[J]. 东南大学学报（自然科学版），2000，04：132-137.
[2]史成|，程钧谟，于兰兰. 粗糙集在物流联盟稳定性决策
中的应用研究[J]. 计算机工程与应用，2008，18：
197-199+229.
[3]邓松，王映龙，何火娇，罗东平，袁威.粗糙集在销售决策系
统中的应用[J].计算机技术与发展，2011，09：
160-162+166.
[4]魏贵莹.基于决策粗糙集的代价敏感多类分类模型与多目
