中国科技论文在线 增长期权与系统风险：来自中国A股市场的#证据 **刘浩，曾勇，李强5 （电子科技大学经济与管理学院，成都 610054） 摘要：企业总资产的系统风险可以分解为在用资产系统风险和增长期权系统风险。借鉴Bernardo et al.（2007）的方法，利用中国A股市场1991年至2011年的数据实证研究发现：中国市场上大多数行业存在增长期权贝塔显著大于在用资产的贝塔值的现象。进一步做稳健性分析，我们发现，在资产的市值账面比较低的行业，总资产贝塔值较高的行业，以及经营10 杠杆较低的行业内，这种现象更明显。研究结果可用于合理估计投资项目资本成本和项目价值评估。 关键词：增长期权；系统风险；在用资产；贝塔值 中图分类号： 15 Growth Options and Systematic Risk: Evidences from China Stock Market LIU Hao, ZENG Yong, LI Qiang (School of Management and Economics, University of Electronic Science and Technology of China, ChengDu 610054) 20 Abstract: The systematic risk of the enterprise’s total assets can be divided into two parts: the systematic risk of the assets-in-place and the systematic risk of growth option. Referring to Bernardo et al. (2007), this paper examines and decomposes empirically the components of systematic risk of firms listed on China's A-share market from 1994 to 2011. The results show that there exists the fact that the beta of enterprise’s growth option is significantly greater than the beta 25 of assets-in-place in most of the Chinese market. Robust test shows: the enterprises which have lower asset’s market-to-book ratio, or have higher total asset beta, or have lower operating leverage exist this phenomenon clearly, our result is consistent and can be applied to determine the cost of capital and project valuation. Keywords: Growth Options; Systematic Risk; Asset-in-place; Beta 30 0 引言 自Sharpe、Lintner和Mossin提出资本资产定价模型（CAPM）以来，关于资本成本与[1]系统风险的话题得到了学术界的大量研究。Granham & Harvey（2001）通过对392个CFO关于企业的资本成本、资本预算和资本结构问题的调查，发现大企业依赖于现值技术和资本[2]35 资产定价模型进行企业估值；Jagannathan & Mei（2002）通过CAPM模型估计个股的风险[3]补偿，发现当前的市场风险补偿远比历史的市场风险补偿要低。Fama & French（1992）利用截面数据实证研究发现，除了市场风险，权益账面市值比和规模能更好的解释股票期望收益，由此构造了Fama-French三因素模型，并得到广泛的应用。此外，其他基于随机折现[4]因子和跨期CAPM的估计都有不可避免的问题：Breannan & Xia（2006）、Ang & Liu（2004）[5]40 建立跨期CAPM模型以及时变CAPM模型来估计动态资本成本的变化，但是他们这种方[6]法需要用到的数据在当期时间很难被观测到；Lettau & Wacher（2005）则利用随机折现因子来改进CAPM模型，发现此方法比CAPM更有解释力，但模型中的风险溢价很难被估计。 基金项目：国家自然科学基金资助（71102054）和教育部高等学校博士点基金（20090185120001） 作者简介：刘浩，（1988-），男，硕博连读研究生，主要研究方向：公司金融。 通信联系人：李强，（1980-），男，副教授，主要研究方向：公司金融与资本市场。E-mail: liq@ - 1 -
中国科技论文在线 尽管后续学者在CAPM的基础上对资本成本的估计进行了扩展和完善，但是，由于CAPM模型简单且所需数据容易观测、获取和估计，因此业界一直沿用。 45 CAPM的一个重要应用领域便是资本成本估计进而项目评估和投资决策。在估计投资项目的资本成本时，由于投资项目往往不会在市场上交易，其结果是项目资本成本的贝塔值[7]实际中很难用CAPM予以估计。事实上，自Myers（1977）首次提出，企业总资产可以分解为在用资产和成长性资产两类，并把成长性资产看成企业的实物期权进行分析后，实物期权分析方法，特别是以企业增长期权的分析为依据的实物期权的分析方法，对投资项目的资50 本成本给出了合理的估计，这种估计在实际中标准的处理方法是，利用与待评估项目的风险1近似相同的“孪生”证券的贝塔值来估计待估项目的资本成本。但这种方法的弊端是在选择“孪生”证券的贝塔值时并没有考虑企业的增长机会贝塔值与在用资产贝塔值的差异，因[8]此并不能区分决定总资产系统风险的主要因素。Bernardo et al.（2007）在Myers（1977）的分析框架下进一步将总资产的系统风险分解为在用资产的系统风险和增长期权的系统风55 险，他用资产的账面市值比作为增长期权的代理变量，并利用纳斯达克市场1977年至2004的数据，实证发现了增长期权的系统风险大于在用资产系统风险。因此，他在文章中对项目的资本成本提出了一种新的估计方法，在选择项目的资本成本时，可以选择同一行业中与该项目有相同的资产账面市值比的企业的资本成本来近似作为该项目的资本成本。但这种方法的弊端是当有些项目并不能在市场上找到与之有相同增长机会的证券时，那么对这些项目的60 资本成本的估计就无能为力。 本文参照Bernardo et al.（2007）的做法，首先将企业的总资产风险分为在用资产风险和增长期权风险，而总的系统风险为在用资产系统风险和增长期权系统风险的价值加权平2均；其次，假设同一行业所有企业的在用资产贝塔值相同、增长期权贝塔值也相同，利用样本企业资产的账面市值比（B/M）作为企业的在用资产价值与企业资产总价值比率的代理65 变量，对企业总资产贝塔进行回归估计，回归得到增长期权估计值以及增长期权贝塔值与在用资产贝塔值差异的估计值；最后，通过同一行业分别按照B/M和企业总资产贝塔值构造两个子样本，以及控制经营杠杆等方法进一步检验结论的稳健性。通过对中国A股市场1991年至2011年的实证研究，发现成长性资产带来的系统风险大于在用资产带来的系统风险，这说明中国市场也存在增长期权的系统风险高于在用资产的系统风险的情况。 70 1 文献回顾 增长机会的概念首次由Myers（1977）提出，他认为企业价值包括两部分：一部分是在用资产产生的价值；另一部分是由企业的增长机会产生的价值，这部分增长机会反映在企业未来各期的投资决策里面，因此可以看成增长期权的价值。关于增长机会的定义：Mason & [9]Merton（1985）认为增长机会不仅包括传统的投资机会（如矿藏开发权），还包括其他任[10]75 何酌情处置的支出（如企业兼并，品牌打造）。Hosono（2003）认为增长机会就是在完善的资本市场下，追加一单位投资所带来的未来收益的贴现值。国内外关于增长机会的已有研究主要集中衡量增长机会的代理变量的选取和增长机会与系统风险的关系两个方面。 1 通常要求二者具有相同权益贝塔值、相同经营周期、相同经营杠杆和所处行业相同。 2 可以认为同一行业中企业的资产相似，在用资产和成长性资产比例相差不大。因此可近似认为在用资产贝塔相同，增长期权贝塔也相同。 - 2 -
中国科技论文在线 [11]在增长机会代理变量的选取方面，Kallpur & Trombley（1999）总结了衡量增长期权的两种方式：以价格为基础的代理变量和以投资为基础的代理变量。其中以价格为基础的代[12]80 理变量包括三个：第一个是权益的账面市值比，Collins & Kothar（i1989）和Gaver & Gaver[13] [14]（1993）、Gul（1999）认为权益的账面市值比取决于现有资产和预期未来投资的报酬率超过股权所要求的报酬率的程度。超过程度越高，代表的增长机会越多、账面市值比越低。[15]第二个是资产的账面市值比，Smith & Watts（1992）认为资产的账面市值比是衡量增长机会比较好的变量，资产账面市值比越高，反映企业中现有资产的价值比例越高，因此投资[16][17]85 机会越低。第三个是托宾Q值，Lindenberg & Ross（1981）、Skinner（1993）认为企业的市场价值与重置成本的比越大，那么企业的无形资产越多，进而企业的增长机会越多。[18]Adam & Goyal（2000）运用实物期权方法评估了，1989-1996年共8年间90家采矿企业，404个采矿项目的增长机会，他们发现，只有资产的市场账面价值比与增长机会有着高度的显著关系，因此资产的账面市值比是企业增长机会较好的一个代理变量。以投资为基础的代90 理变量包括：R&D/资产，R&D/销售额，R&D/企业价值，资本支出/企业价值，其主要思想[19]是企业的投资行为与增长机会正相关（Grave & Grave, 1993; Lang, Ofek & Stulz, 1996）。 在企业增长机会与系统风险的关系方面，国外学者已经取得了一些研究成果，基本一致[20]的结论是，有较多增长机会的企业通常具有较高的贝塔值。Galai & Masulis（1976）在[21]Black-Scholes（1973）的基础上利用随机微分方法推导出企业的增长期权贝塔值与在用资95 产贝塔值的关系：β=ηβ，η为企业增长期权系统风险相对与在用资产系统风险的弹GGSG[22]性，大于1，因此企业的增长期权贝塔值大于在用资产贝塔值。Myers & Turnbull（1977）认为，企业的增长机会可以看成期权，而期权的风险往往比附有期权的标的资产的风险高。如果企业的期权价值相对于现有资产价值越大，那么企业就有较高的系统风险，因此增长机[23]会比较多的企业有较大的资产贝塔值。Campbell & Mei（1993）实证发现，贝塔值主要取100 决于未来现金流波动的大小，相比不含隐性期权的企业的现金流的久期，含有隐性期权的企业投资项目现金流的久期更大，即含有隐性期权的项目的资金回收时间较长，进而具有更大的利率敏感性，并最终使得增长机会的系统性风险要高于企业在用资产的风险。Berk, Green [24]& Naik（2004）认为，对风险投资项目的决策取决于项目自身的系统风险：一方面由于不确定性能增加期权的价值，企业倾向于选择增长机会高的作为实物期权；另一方面如果企105 业未来现金流相同，那么企业会选择系统风险小的投资机会，因此企业蕴藏增长机会的系统[25]性风险要高于企业在用资产的系统风险。Carlson, Fisher & Giammarino（2004）利用动态规划方法证明了蕴含增长机会的企业系统风险要大于在用资产的系统性风险，且增长机会较多的系统性风险要大于增长机会较少的系统性风险。Bernardo et al.（2007）将企业资产的贝塔分解为在用资产贝塔和增长机会贝塔，并利用纳斯达克市场的数据实证发现，总体来说，[26]110 增长机会的贝塔值大于在用资产的贝塔值。国内方面：朱宏泉、范露萍和舒兰（2012）3利用我国A股市场1997年1月-2008年12月的数据实证发现，我国A股市场部分行业也存在增长期权的系统风险高于在用资产的系统风险，但不同行业在用资产贝塔值与增长期权贝塔值的差异并不相同。 3 包括采掘业，石油化学、塑胶塑料行业，金属与非金属行业，机械、设备和仪表行业，医药和生物制药行业，电力、煤气及水的生产和供应行业，建筑行业，交通运输和仓储行业，房地产行业，社会服务行业，传播与文化产业。 - 3 -
中国科技论文在线 总体来看，国外学者对于增长期权与系统风险关系的研究日渐深入和完善，而我国学者115 对此方面的研究却比较少，且缺乏研究的深度和广度。鉴于此，本文借鉴Bernardo et al（.2007）的文章对中国市场进行了实证研究，一方面用来检验我国A股市场是否存在增长期权大于在用资产的关系；另一方面也可以丰富我国关于增长期权与系统风险关系的实证研究，供学术界与实务界参考。 2 实证分析及结果 120 数据来源与样本选择 4本文选取中国沪深两市A股市场1994年1月至2011年12月期间的所有非金融上市企业为研究样本，进一步，按照《上市公司分类指引》将样本企业分为12个行业，同时又将制造业细分为9个行业，由于木材与家具行业与其他制造业数据相对较少，因此将其合并为一个行业，最后得到20个行业，1459家上市企业，共15030个数据，所有数据均来自国泰125 安数据库和RESSET金融研究数据库，数据选择顺序为：国泰安数据库，RESSET数据库。 实证设计 为了区别增长期权带来的系统风险与在用资产的系统风险，按照Bernardo et al.（2007）的方法，我们将企业总资产分为在用资产和增长机会两个部分。记企业i在时刻t的价值为 V =A + G，其中：A表示企业i在t时刻的在用资产价值，G表示企业i在t时i,ti,ti,ti,ti,tG130 刻的增长机会价值。进一步，企业总资产的贝塔β可以表示为增长期权的贝塔β和在用i,ti,tA资产贝塔β的加权平均： i,tAAi,tAi,tGβ=β+(1−)β （1） i,ti,ti,tVVitit由于企业未来增长机会的价值通常很难被观测到，因此，我们用总资产价值和在用资产价值之差表示。在进行进一步分析之前，假设：其一，企业资产的账面市值比率B/M作i,ti,t135 为在用资产价值和总资产价值比率A/V的替代变量。其二，同一行业所有企业的在用资i,ti,tAAGG产贝塔相同（β=β），增长期权贝塔也相同（β=β），因此每个企业资产贝i,tj,ti,tj,t塔的不同是由于其在用资产与增长期权价值占比不同所致，进而（1）式可表示为： AGGAi,t （2） β=β−(β−β)i,ttttVi,t对于企业i在t时刻的总资产贝塔值β，我们首先用单因素模型将每个企业t-2至t年i,tE140 的月数据进行回归，作为该企业第t年的权益贝塔值β，然后通过杠杆和税收变换得到各i,t企业的总资产贝塔值，如方程（3）所示。 Eβi,t （3） β=i,t1+(1−τ)D/Ei,ti,t 4 金融类企业包括银行、证券、基金、保险、期货、信托等企业，相比于非金融类企业有很高的负债率，系统风险与一般企业相差比较大。 - 4 -
中国科技论文在线 其中τ为企业税率，假定在所有研究期间为33%；D/E为各个企业每年的长期债务i,ti,t的账面价值与权益市场价值的比值。 GAˆˆ145 在得到β后，回归方程（4）给出了估计β和β的一种方式： i,ti,ti,tAGGAi,tˆβ=β−(β−β)+ε （4） i,tttti,tVi,tε为模型估计误差，解释变量为A/V，本文用B/M（资产的账面市值比）替i,ti,ti,ti,ti,t代，从回归方程可看出，经过一元回归估计的截距项为增长期权的贝塔，斜率项为在用资产贝塔与增长期权贝塔的差异。 150 实证结果 资产贝塔和M/B的描述性统计结果 在给出实证结果之前，我们需要得到企业总资产的贝塔值，因此需要用每个企业t-2至t年的月收益率数据估计权益贝塔值作为该企业第t年的权益贝塔值。例如，为了估计1993年的贝塔值，我们可以采用1991-1993年间的月收益率数据利用单指数模型回归得到，由于155 损失掉前3年的数据，我们就只能得到1993-2011年18年间的权益贝塔值。 表1给出了行业在2002-2011年和1993-2011年两个时期的总资产贝塔的平均值。具体而言：针对每一个行业，我们首先利用每个企业前3年（t-2至t）的月收益率和同期的市场月收益率数据，利用单因素模型进行OLS回归得到企业第t年（1993年为t=0年）的权益贝塔值；其次，通过（3）式求得各企业的总资产贝塔值；最后，按照行业分类：（i）各个160 行业内按照资产的市值账面比排序，求得资产市值账面比的第一个四分位数（Q1）和第三个四分位数（Q3），（ii）求得Q1之前的平均总资产贝塔值，Q1到Q3之间的平均总资产贝塔值，Q3之后的平均总资产贝塔值。 表1 行业总资产贝塔的平均值 Tab. 1 Average Asset Beta for Each Industry 165 N为行业内样本数据。 2002-20111993-2011 行业 Q1 均值 Q3 样本数 Q1 均值 Q3 样本数 农业 260 采掘业 310 食品饮料业 649 纺织服装业 449 530 木材和家具业 108 造纸和印刷业 213 石油、化学、塑胶、塑料 1566 电子设备制造业 518 金属和非金属行业 1201 机械、设备、仪表 2242 医药和生物制药业 959 电力、煤气及水的生产和供应业 681 土木工程、建筑业 213 运输业 568 通讯与信息技术业 896 批发和零售贸易 1226 房地产业 1321 社会服务业 526 传播与文化产业 175 综合类 886 - 5 -
中国科技论文在线 Bernardo et al.（2007）通过对纳斯达克市场（1977年-2004年）的数据，实证发现：有57个行业总资产的贝塔值相比其余行业比较大，这些行业的贝塔值都超过了1。更为重要的是，对于同一行业而言，有高的市值账面比意味着高的系统风险，低的市值账面比意味着低170 的系统风险。表1为20个行业总资产贝塔的平均值，同时给出了行业资产市值账面比率的25%分位数（Q1）、75%分位数（Q3）所对应的行业总资产贝塔的平均值。由表1可以看出：整个样本期内，除了农业、食品饮料业以及文化传播行业外，剩下的17个行业呈现行业总资产的贝塔值随着资产市值账面比的增加而增加的特点。而在最近10年，除了农业、食品饮料业以及医药和生物制造业外，其他的行业也呈现了这种特点。在整个样本期内，平175 均而言，有10个行业的总资产贝塔值大于1，说明这些行业的总资产波动率大于市场总资产的波动率。其中：总资产贝塔值最大的行业为传播与文化产业，最小的行业为运输业。而最近10年有12个行业的总资产贝塔值大于1，总资产贝塔值最大的行业为采掘业，最小的行业为运输业。 增长期权贝塔估计 180 利用回归式（4），表2进一步给出了最近10年的平均值（2002-2011年）和整个样本期（1993-2011年）在用资产贝塔、增长期权贝塔，以及增长期权贝塔和在用资产贝塔差异的估计值。对于增长机会的测度，已有的文献主要利用权益的账面市值比、资产的账面市值比以及托宾Q三个指标作为替代，并因此估计出来的增长期权贝塔值可能也并不相同。Adam & Goyal（2000）发现，资产的市场账面价值比与增长机会有着高度的相关性，而权益的账面市值比185 与增长机会不相关，托宾Q中的重置成本数据则很难获得，他认为资产的账面市值比是对企业增长机会的一个比较合适的代理变量。因此，本文就是利用资产的账面市值比作为增长机会的替代变量估计出了增长期权的贝塔值。具体而言，我们首先按照（3）式我们得到总6资产的贝塔值，然后将各企业的总资产贝塔值作为因变量，资产的账面市值比作为自变量，GGA最后按照（4）式回归，估计得到常数项β和系数项β−β。 190 195 200 205 5这7个行业分别为：糖果与苏打、医药设备、药物产品、电子设备、商业服务、电脑产品以及控制设备行业。 6本文检验了残差序列与B/M序列的相关系数几乎为0，因此没有相关性，是个比较好的替代变量。 - 6 -
中国科技论文在线 210 表2 在用资产贝塔值和增长期权贝塔值 Tab. 2 Asset-in-Place Beta and Growth Option Beta 行业 2002-20111993-2011 在用资产增长期权 在用资产增长期权 7 差异 差异 贝塔 贝塔 贝塔 贝塔 *农业 *****采掘业 食品饮料业 *纺织服装业 **木材和家具业 ******造纸和印刷业 ******石油、化学、塑胶、塑料 *****电子设备制造业 ******金属和非金属行业 *****机械、设备、仪表 ******医药和生物制药业 ******电力、煤气及水的生产和供应业 ******土木工程、建筑业 ******运输业 通讯与信息技术业 批发和零售贸易 *****房地产业 ******社会服务业 ******传播与文化产业 ******综合类 ******注：在1%的水平下显著性；在5%的水平下显著性；在10%的水平下显著性。下同。 表2估计出了各行业在用资产贝塔值的平均值、增长期权贝塔值的平均值以及两者之间的差异。总体来看，在全部样本期内（1993-2011年），在20个行业中，有15个行业的增215 长期权贝塔值与在用资产贝塔值的差异都显著大于0，食品饮料业，纺织服装业，通信与信息技术业以及批发零售业这4个行业的差异不显著，而农业却表现出在用资产的贝塔值小于增长期权的贝塔值。而在最近10年（2002-2011）除了农业，食品饮料业，木材和家具业，通信与信息技术业以及批发零售业外，其他15个行业的差异也显著大于0。对于农业，食品饮料业，纺织服装业，以及批发零售业这些行业来说，由于行业内各企业的资产一样，产220 品同质程度高、技术含量低，以及市场竞争激烈，因此这些行业的增长机会相对较少，导致增长期权的贝塔值与在用资产的贝塔值差异不显著。除此之外，我们可以认为中国市场存在增长期权的系统风险大于在用资产的系统风险的情况。从表2结果的估计结果可以看出，在全部样本期内中国市场的增长期权的系统风险与在用资产的系统风险的差异最小为，出现在农业；最大的差异为，出现在传播与文化产业。如果考虑只考虑增长期权贝塔225 值显著大于在用资产贝塔值的行业，那么最小差异为，出现在机械、设备和仪表行业。从最近10年来看，增长期权的系统风险与在用资产的系统风险的差异最小为，出现在农业；最大的差异为，出现在传播与文化产业。如果考虑只考虑增长期权贝塔值显著大于在用资产贝塔值的行业，那么最小差异为，出现在机械、设备和仪表行业。相比于Bernardo et al（2007）对纳斯达克市场1977-2004年增长期权贝塔值与在用资产贝塔值8230 的差异的实证结果，中国市场的增长期权的贝塔值与在用资产贝塔值的差异相对较小，这 7GA 差异为β−β 8在他的文章中增长期权的系统风险与在用资产的系统风险的差异最小差异为，出现在食品行业；最 - 7 -
中国科技论文在线 意味着如果市场超额收益为6%，考虑到增长机会带来的价值，我国行业能带来的最大的风险溢价为%，而纳斯达克市场行业最大风险溢价能达到%。 我们进一步考虑整个市场的情况，假设整个市场上的每个行业每年的在用资产贝塔值相同，增长期权的贝塔值也相同，那么我们可认为：不同行业有不同的总资产贝塔值完全是由235 于行业在用资产的价值占所有行业总价值的比例不同而引起的。表3给出了整个市场在用资产贝塔与增长期权贝塔的差异，以及增长期权贝塔的估计值。可以看出，就整个市场而言，无论是在整个样本期间还是在最近10年，增长期权贝塔值都大于在用资产的贝塔值。 表3 市场的增长期权贝塔与在用资产贝塔的差异 240 Tab. 3 Difference in Asset-in-Place Beta and Growth Option Beta in Whole Market 1993-2011年 2002-2011年 样本期间 β−β β β−β β GAGGAG****** ****** 市场 () (243) （） （216） 3 稳健性检验 前面我们利用企业资产的账面市值比（B/M）作为企业在用资产占总资产比率（A/V）的替代变量，用于衡量企业的增长期权价值占比。除此之外，权益的账面市值比，托宾Q245 值，盈利价格比（E/P）、净资产价格比率（B/P）以及股利率（D/P）等都可以作为回归方程（4）中的增长期权的代理变量。考虑到篇幅所限，且只需改变数据，而所用到的估计方法一样，因此本文并未做代理变量变化的稳健性检验，相反本文主要考虑以下两种稳健性检验方式： 第一，基于每一个行业的子样本考虑，我们在每一个行业内构造投资组合来考察增长期250 权贝塔值与在用资产贝塔值是否存在差异。分别考虑两种投资组合：（1）每一个行业每年9按资产账面市值比（M/B）的高低顺序，平均分为两组，即高M/B和低M/B两组；（2）每一个行业每年按总资产贝塔值的高低顺序，平均分为两组，即高贝塔和低贝塔两组。我们分别对每个行业、每个组合进行回归，得到增长期权与在用资产贝塔的差异，如表4所示。从表4可以看出：若按照M/B值进行分组，在10%的显著性水平下，低M/B组中，有14个行255 业存在增长期权的贝塔值大于在用资产的贝塔值，而高M/B组中只有8个行业存在增长期权的贝塔值大于在用资产的贝塔值。因此，可以认为增长期权贝塔值大于在用资产的贝塔值的现象更多的存在于低M/B的企业。若按照总资产贝塔值进行分组，在10%的显著性水平下，低贝塔组中，有5个行业存在增长期权的贝塔值大于在用资产的贝塔值，7个行业存在增长期权的贝塔值大小在用资产的贝塔值，而高贝塔组中却有16个行业存在增长期权的贝260 塔值大于在用资产的贝塔值。因此，可以认为增长期权贝塔值大于在用资产的贝塔值的现象更多的存在于总资产贝塔较高的企业。 大差异能达到，出现在医疗保健行业。 - 8 -
中国科技论文在线 表4 子样本的在用资产贝塔值和增长期权贝塔值 Tab. 4 Asset-in-Place Beta and Growth Option Beta for Sub-samples 按M/B分 按总资产贝塔值分 高M/B 低M/B 高贝塔 低贝塔 行业 β−β β−β 农业 ****** * 采掘业 **** 食品饮料业 纺织服装业 **** 木材和家具业 **** 造纸和印刷业 ***** 石油、化学、塑胶、塑料 *** 电子设备制造业 *********** 金属和非金属行业 ****** 机械、设备、仪表 ********** 医药和生物制药业 ************ 电力、煤气及水的生产和供应业 ** ** 土木工程、建筑业 ************ 运输业 ****** 通讯与信息技术业 ********* 批发和零售贸易 ********* 房地产业 ****** 社会服务业 ***** 传播与文化产业 ****** 综合类 265 第二、通过控制经营杠杆来检验原有结论。经营杠杆是指在企业生产经营中由于存在固定成本而使利润变动率大于产销量变动率的规律。由于经营杠杆与账面市值比有很大的相关性（Carlson, Fisher & Giammarino, 2004），那么企业有较高或较低的成长性可能并不是由账面市值比引起的，而是由经营杠杆的高低导致的，因此需要通过控制经营杠杆进一步检验原10有结论的稳健性。本文采用经营杠杆系数代替经营杠杆变量，每一年将各行业内的企业按照经270 营杠杆由低到高排序，分别将同一行业内前50%和后50%的企业分为高经营杠杆和低经营杠杆两组。对这两组子样本分别进行回归发现，在10%的显著性水平下，在低经营杠杆企业组内，有13个行业的增长期权的贝塔值大于在用资产的贝塔值。而在高的经营杠杆企业组内， 10 本文直接采用国泰安数据库给出的经营杠杆系数表示。 - 9 -
中国科技论文在线 只有11个行业的增长期权的贝塔值大于在用资产的贝塔值。如表5所示，对全部样本期内（1993-2011年），由于经营杠杆的影响，有一些经营杠杆高的行业，如电子设备制造业，275 以及医药与生物行业不再有增长期权的贝塔值显著大于在用资产的贝塔这一现象。这些行业由于固定成本投入比较大，导致在用资产的风险增加，从而超过了企业增长期权的风险。但总的来说，如果企业的固定成本投入不大，即有低的经营杠杆，那么企业增长期权的贝塔大于在用资产的贝塔这一结论依然成立。 表5 控制经营杠杆后的在用资产贝塔值与增长期权贝塔值的差异 280 Tab. 5 Difference in Asset-in-Place Beta and Growth Option Beta under Classification of Operation Leverage 样本期间1993-2011 行业 经营杠杆（低） 经营杠杆（高） 增长期权贝塔 差异 N 增长期权贝塔 差异 N ***农业 127 ******采掘业 159 157 *食品饮料业 321 328 纺织服装业 木材和家具业 54 54 ***造纸和印刷业 107 106 *****石油、化学、塑胶、塑料 779 783 **电子设备制造业 258 260 ******金属和非金属行业 595 603 **机械、设备、仪表 1114 1125 ***医药和生物制药业 474 483 ******电力、煤气及水的生产和供应业 339 344 *** ***土木工程、建筑业 108 *****运输业 283 284 通讯与信息技术业 448 451 批发和零售贸易 606 625 ******房地产业 645 674 *** 社会服务业 266 ******传播与文化产业 93 78 ****综合类 441 445 4 结束语 参照Bernardo, Chowdhry & Goyal（2007），本文对中国A股市场各行业的在用资产系统风险和增长期权系统风险进行了实证研究，结果表明：增长期权的系统风险都比在用资产- 10 -
中国科技论文在线 的系统风险要大。进一步进行稳健性检验，我们发现如果企业有较高的账面市值比，或者有285 较高的总资产贝塔值，或者有较低的经营杠杆，那么增长期权的系统风险大于在用资产系统风险的结论依然成立。该结论的重要意义在于，企业在估计项目的贴现率时，可以不用去找与该项目具有相同权益贝塔值、相同经营周期、相同经营杠杆的其他企业或项目的贴现率作为该项目的贴现率，而应该更多的考虑选取与该项目有相同或者相近的增长期权的企业的贴现率进行替代。 290 [参考文献] (References) [1] Graham J R, Harvey C R. The theory and practice of corporate finance Evidence from the field[J]. Journal of financial economics, 2001, 60(2-3): 187-243. [2] Jagannathan R, Meier I. Do We Need CAPM for Capital Budgeting[J]. Financial Management, 2002, 31(4): 295 85-94. [3] Fama E F, French K R. The cross-section of expected returns[J]. Journal of Finance, 1992, 47(2): 427-465. [4] Brennan M J, Xia Y. Risk and Valuation Under an Intertemporal Capital Asset Pricing Model[J]. Journal of Business, 2003, 79: 1-35. [5] Ang A, Liu J. How to discount cash flows with time-varying expected return[J]. Journal of Finance 2004, 59(6): 300 2745-2783. [6] Lettau M, Wachter J A. Why is long-horizon equity less risky a duration‐based explanation of the value premium[J]. The Journal of Finance, 2007, 62(1): 55-92. [7] Myer S C. Determinant of corporate borrowing[J]. Journal of financial economics, 1977, 5(2): 147-175. [8] Bernardo A E, Chowdhry B, Goyal A. Growth options, beta and the cost of capital[J]. Financial Management, 305 2007, 36(2): 1-13. [9] Mason S P, Merton R C. The role of contingent claims analysis in corporate finance[J]. Recent Advances in Corporate Finance, Irwin, Homewood, 1985: 7-54. [10] Hosono K, Growth opportunities, collateral and debt structure: the case of the Japanese machine manufacturing firms[J], Japan and the World Economy, 2003, 15(3): 275-297. 310 [11] Kallupur S, Trombley M A. The association between investment opportunity set proxies and realized growth[J]. Journal of Business Finance and Accounting, 1999, 26(3-4): 505-519. [12] Kollins D M, Kothari S R. An analysis of intertemporal and cross-sectional determinants of earnings response coeffi-cients[J]. Journal of Accounting and Economics, 1989, 11(2-3): 143-181. [13] Gaver J J, Gaver K M. Additional evidence on the association between the investment set and corporate 315 financing, div-idends and compensation policies[J].Journal of Accounting and Economics, 1993, 16(1-3): 125-160. [14] Gul F A. Growth opportunities, capital structure and dividend policies in Japan[J]. Journal of Corporate Finances, 1999, 5(2): 141-168. [15] Smith C W, Watts R L. The investment opportunity set and corporate financing, dividend and compensation politicies[J]. Journal of Financial Economics, 1992, 32(3): 263-292. 320 [16] Lindenberg E B, Ross R C. Tobin's Q ratio and industrial organization[J]. Journal of Business, 1981, 54(1): 1-32. [17] Skinner D J. The investment opportunity set and accounting procedure choice: Preliminary evidence[J]. Journal of Ac-counting and Economics, 1993, 16(4): 407-445. [18] Adam T, Goyal V K. The investment opportunity set and its proxy variables[J]. Journal of Financial Research, 325 2008, 31(1); 41-63. [19] Lang L, Ofek E, Stulz R M. Leverage, investment and firm growth[J]. Journal of Financial Economics, 1996, 40(1): 3-29. [20] Galai D, Masulis R W. The option pricing model and the risk factor of stock[J]. Journal of Financial economics, 1976, 3(1-2): 53-81. 330 [21] Black F, Scholes M. The pricing of options and corporate liabilities[J]. Journal of Political Economy, 1973, 81(3); 637-654. [22] Myers S C, Turnbull S M. Capital budgeting and the capital asset pricing model Good news and bad news[J]. Journal of Finance, 1977, 32(2); 321-333. [23] Campbell J Y, Mei J. Where do betas come from Asset price dynamics and the sources of systematic risk[J]. 335 Review of Financial Studies, 1993, 6(3): 567-592. [24] Berk J B, Green R C, and Naik V. Valuation and Return Dynamics of New Ventures[J]. 2004, Review of Financal Study, 17(1): 1-35. [25] Carlson M, Fisher A, Giammarino R. Corporate investment and asset price dynamics: implications for the cross‐section of returns[J]. Journal of Finance, 2004, 59(6): 2577-2603 340 [26] 朱宏泉, 范露萍, 舒兰. 成长性, 现有资产与关系的上市公司实证研究. 管理学报, 2012, 9(2); 303-314. - 11 -
