Factores que influyen en el coeficiente β
Involucrando el coeficiente β
Hay dos modelos para determinar el coeficiente β. Uno es el modelo CAPM (modelo de fijación de precios de activos de capital, también llamado modelo de línea del mercado de valores): E(Ri)= RF+βI (RM-RF), donde E(Ri)=la tasa de rendimiento esperada del activo I.
Rf = Tasa de rendimiento libre de riesgo
Rm = Tasa de rendimiento promedio del mercado
El otro es el modelo de mercado: E(Ri)=αi+ βiRm.
Ambos modelos son modelos lineales de una variable y los parámetros de los modelos se pueden determinar utilizando el método de mínimos cuadrados. En ambos modelos, el coeficiente beta es la pendiente del modelo. Cuando αi = Rf(1-βi), estos dos modelos se pueden convertir entre sí.
Pero los supuestos, datos y condiciones de aplicación de los dos modelos son diferentes. Teóricamente, el modelo CAPM es un modelo de equilibrio basado en una serie de supuestos estrictos. Sus supuestos son: el mercado es completo, la información no tiene costo, los activos son divisibles, los inversionistas son reacios al riesgo, los inversionistas tienen las mismas expectativas de rendimiento y los inversionistas pueden pedir prestado y pedir prestado libremente de acuerdo con la tasa de rendimiento de los activos libres de riesgo. En otras palabras, el modelo CAPM describe la relación entre el rendimiento esperado de los activos E (Ri) y la compensación del riesgo de los activos (Rm-Rf) en condiciones de equilibrio de mercado. Un modelo de mercado describe la relación entre el rendimiento esperado de un activo y el rendimiento promedio del mercado. Los modelos de mercado reflejan la relación entre el rendimiento esperado de un activo y el rendimiento esperado del mercado, independientemente de si el mercado está en equilibrio. Entre ellos, el coeficiente β refleja el grado de impacto de los cambios en los rendimientos esperados del mercado sobre los cambios en los rendimientos esperados de los activos.
El uso del modelo CAPM para determinar el coeficiente β implica inevitablemente la tasa de rendimiento libre de riesgo, lo que ha causado controversia sobre el modelo. Black (1972) señaló en el artículo "Equilibrio del mercado de capitales bajo condiciones de préstamo restringidas": Debido a la existencia de inflación, la tasa de interés real libre de riesgo no existe. Por tanto, Blake cree que la base del modelo CAPM en sí es problemática. Pero el modelo CAPM ha sido ampliamente utilizado. En Estados Unidos, la tasa de rendimiento libre de riesgo en el modelo CAPM utiliza la tasa de interés de los bonos del Tesoro a largo plazo.
El impacto de los valores en el coeficiente β
La tasa de rendimiento promedio del mercado Rm generalmente adopta la tasa de rendimiento de un determinado índice en el mercado de valores. Actualmente, existen muchos índices en el mercado de valores chino, incluido el índice compuesto de Shanghai, el índice compuesto de Shenzhen, el índice CSI 300, el índice de componentes de Shenzhen, el índice de acciones A y B de Shanghai, el índice 180 de Shanghai y el índice de acciones A de Shenzhen. y el índice B-Share Index, nuevo índice compuesto de Shanghai. Los valores representados y la metodología utilizada para elaborar cada índice son diferentes. Los evaluadores deben dominar la información básica y los métodos de compilación de diversos índices y analizar si los métodos de compilación de los índices de valores tienen un impacto en la tasa de rendimiento de la empresa que se evalúa.
A continuación se utilizan dos acciones: Baosteel Co., Ltd. (600019) y Guilin Tourism (000978) para ilustrar el impacto de diferentes condiciones del índice de mercado en la determinación del coeficiente β. Primero, con base en los cambios de precios de cierre de Baosteel Co., Ltd. del 29 de abril de 2005 al 30 de junio de 2007, regresamos a los cambios de precios de cierre de fin de mes correspondientes al Índice Compuesto de Shanghai y al Índice CSI 300 respectivamente, y obtuvo dos coeficientes β de Baosteel Co., Ltd. durante este período:
Los coeficientes β obtenidos por las dos regresiones exponenciales son 0,9789 y 0,9439 respectivamente, que están relativamente cerca.
El siguiente es el rendimiento de las acciones de Turismo de Guilin desde el 29 de abril de 2005 al 28 de febrero de 2007, correspondiente a los precios de cierre de fin de mes del índice compuesto de Shanghai, el CSI 300, el índice de componentes compuestos de Shenzhen y el índice de componentes compuestos de Shenzhen. Análisis del índice de componentes compuestos de Shenzhen.
De acuerdo con la ecuación de regresión obtenida (gráfico de análisis de regresión y ecuación de regresión basada en la tasa de cambio del índice componente de la Bolsa de Valores de Shenzhen y el índice compuesto de la Bolsa de Valores de Shenzhen como tasa de retorno del mercado), cuando la Bolsa de Valores de Shanghai Índice compuesto de bolsa, índice 300 de Shanghai y Shenzhen, Bolsa de Valores de Shenzhen Cuando las tasas de cambio del índice de componentes y del índice compuesto de Shenzhen son los rendimientos del mercado, los coeficientes β de Turismo de Guilin son 0,7466, 0,7511, 0,6259 y 0,7988 respectivamente.
Guilin Tourism es una acción que cotiza en la Bolsa de Valores de Shenzhen. No está incluida en las muestras del Índice de la Bolsa de Valores de Shanghai, el Índice CSI 300 y el Índice de Componentes de la Bolsa de Valores de Shenzhen. en el índice componente de la Bolsa de Valores de Shenzhen. Cuando se utiliza la tasa de cambio del índice compuesto de la Bolsa de Valores de Shenzhen como tasa de rendimiento del mercado y el coeficiente β del índice componente de la Bolsa de Valores de Shenzhen como tasa de rendimiento del mercado, la diferencia es de 17,29 puntos porcentuales. Por lo tanto, la elección de los rendimientos de diferentes índices de valores para representar los rendimientos del mercado tendrá un gran impacto en el coeficiente beta calculado.
Impacto en el cálculo
El coeficiente beta en el método de ingresos debe ser un coeficiente beta que pueda representar el futuro. Pero solo podemos usar datos históricos para calcular el coeficiente β, pero ¿es mejor usar datos históricos para un período más largo o más corto? Cuanto más se utilicen los datos, mejor podrá mejorar la varianza del coeficiente beta y su estabilidad. Sin embargo, si el tiempo es demasiado largo, los resultados del cálculo del coeficiente β pueden verse afectados por cambios en la gestión corporativa, los mercados, las actualizaciones tecnológicas, la competitividad, las fusiones y adquisiciones entre empresas y los cambios en las características del mercado de valores. En términos generales, el mejor periodo de cálculo es de 4 a 6 años.
La tasa de retorno del índice de la Bolsa de Valores de Shanghai es la tasa de retorno promedio del mercado. El coeficiente beta de Turismo de Guilin en diferentes períodos es el siguiente:
Se puede ver que el coeficiente beta de Turismo de Guilin se calcula en. diferentes periodos y la diferencia es muy grande.
El impacto del período de tiempo de cálculo
El período de tiempo unitario de la tasa de retorno del valor se puede calcular de forma diaria, semanal o mensual. La duración del período de la unidad de cálculo es diferente, lo que puede tener un impacto en el coeficiente β. De 2002 a 2007, se calcularon respectivamente la tasa de rendimiento semanal y la tasa de rendimiento mensual del Turismo de Guilin y el Índice Compuesto de Shanghai, y se obtuvieron diferentes coeficientes β del Turismo de Guilin en diferentes períodos unitarios de tiempo.
El coeficiente beta de la rentabilidad semanal es menor que el coeficiente beta de la rentabilidad mensual. La mayoría de los investigadores extranjeros creen que se debe utilizar la tasa de rendimiento mensual al calcular el coeficiente β. Si se utiliza la tasa de rendimiento diaria, aunque se agregarán muchas observaciones, causará problemas como transacciones asincrónicas. La investigación realizada por Hawawini, Corrado y Schatz Berg (1991) señaló que si se utilizan datos de rendimiento diario para calcular β, dado que la distribución de rendimiento es de cola ancha en relación con la distribución normal, el método de estimación de mínimos cuadrados puede no ser válido. El académico chino Wu Shinong examinó la distribución estadística de los rendimientos de los días de negociación de 20 acciones en Shanghai y Shenzhen desde junio de 1992 hasta febrero de 1994. Los resultados muestran que la distribución de frecuencia de los rendimientos diarios de 12 acciones en el mercado de valores de Shanghai obviamente no es normal, mientras que la distribución de frecuencia de los rendimientos diarios de 6 acciones en el mercado de valores de Shenzhen es cercana a la normal. Xu Di y Wu Shinong (2001) aplicaron la prueba del índice Hurst y los resultados mostraron que los rendimientos diarios del mercado de valores chino tienden a ser anormales. Por lo tanto, diferentes períodos de cálculo unitario de los rendimientos pueden dar lugar a diferentes distribuciones de frecuencia de los rendimientos, provocando así diferentes resultados de cálculo de los coeficientes del factor β.
El impacto de los pagos de dividendos en el coeficiente beta
Dado que el coeficiente beta se determina en función de la relación entre el cambio en el rendimiento promedio del mercado y el cambio en el rendimiento de un activo , al calcular beta Durante el período del coeficiente, cuando la proporción de valores que pagan dividendos en la muestra del índice de valores como rendimiento promedio del mercado es grande, el coeficiente beta calculado de los activos que pagan dividendos se verá menos afectado por los pagos de dividendos; , los títulos de activos a largo plazo que no pagan dividendos se verán muy afectados.
Otros factores que pueden afectar al coeficiente beta.
El académico chino Wu Shinong estudió el tamaño de la empresa, el apalancamiento financiero, el apalancamiento operativo, la tasa de pago de dividendos, la variabilidad de la rentabilidad, la tasa de liquidez, la tasa de crecimiento de los activos totales y la tasa de crecimiento de los ingresos del negocio principal de 11 empresas que cotizan en bolsa en mi país. , la correlación entre variables contables como la tasa de beneficio de la empresa principal, la tasa de retorno del capital, la tasa de crecimiento del retorno del capital y el coeficiente β. La conclusión es que la correlación entre el coeficiente β y estas variables contables no es alta y la significancia de la prueba de correlación no es fuerte.
Además, es necesario estudiar más a fondo el impacto de factores macroeconómicos como los ciclos económicos, las tasas de interés y las tasas de inflación en el coeficiente β.