关于股票收益与BM的分析(数据可改)
BM效应
BM效应(重定向自BM Effect)BM效应（BM Effect）或称B/M效应、账面市值比效应(book—to—market efect)[编辑]什么是BM效应所谓BM效应，指账面市值比效应，指BM值较高的公司平均月收益率高于BM值较低的公司。
关于BM效应，国内外学者已做了许多研究。
Fama和French（1992）研究了1963到1990年所有在NYSE、AMEX、NASDAQ上市的股票，发现BM值最高的组合（价值组合）月均收益率超过BM值最低的组合（魅力组合）达1.53%。
肖军，徐信忠（2004）以1993年6月至2001年6月沪深股市A股股票为样本，计算持有一年、两年、三年的收益率数据，认为BM效应存在。
[编辑]BM效应产生的原因近年来大量实证研究表明,股票横截面收益与上市公司的相关特征有关,如规模(SIZE) 、权益账面市值比(BM) 、杠杆比例、股利收益率、盈余价格比和过去收益惯性。
由于CAPM难以解释这类关系,因此称之“异象”。
学术界对于各种异象的研究主要集中于“BM 效应”产生的原因,即为什么高BM 的股票比低BM 的股票具有更高的收益。
目前,主要有如下四种观点 :1.Black(1993) ,Mackinlay(1995) 认为,BM 效应只是特定样本在特定检验期内才存在,是数据挖掘的结果。
Kothari 等(1995) 也认为,是构造BM 组合过程中出现的选择性偏差(selection bias) 造成BM 效应的存在。
但Chan 等(1991) ,Davis(1994) ,Fama 和French(1998) 等人通过检验美国之外的股市或拉长检验期后,仍发现BM 效应显著存在,从而否定了Black 等人的解释。
2. 第二种观点(Fama 和French ,1992 ,1993 ,1996) 认为,BM 代表的是一种风险因素———财务困境风险。
具有困境的公司对商业周期因素如信贷条件的改变更加敏感,而高BM 公司通常是盈利和销售等基本面表现不佳的公司,财务状况较脆弱,因此比低BM 公司具有更高风险。
股票投资的基本分析指标
股票投资的基本分析指标股票投资是一种常见的投资方式，通过购买和持有股票来获取资本增长和股息收入。
然而，对于初学者来说，股票市场似乎复杂而难以理解。
了解一些基本的股票分析指标可以帮助投资者做出更明智的投资决策。
本文将介绍股票投资的基本分析指标。
1. 市盈率（PE Ratio）市盈率是股票市场中最常用的衡量股票估值的指标之一。
它通过将公司的市值除以其净利润得出。
市盈率越高，表示股票被高估，越低则表示股票被低估。
了解股票市盈率可以帮助投资者评估其投资回报率和风险。
2. 盈利报酬率（Earnings per Share，EPS）盈利报酬率是每股盈利额的衡量指标，即公司的净利润除以发行的普通股股本。
高盈利报酬率意味着每股股息收入更高，是投资者倾向于选择的指标之一。
3. 股息收益率（Dividend Yield）股息收益率是一个指标，用来衡量股息收入占投资的百分比。
它通过将每股股息除以股票价格来计算。
较高的股息收益率通常意味着较高的投资回报。
4. 相对强弱指标（Relative Strength Index，RSI）相对强弱指标是一个衡量股票价格变动情况的指标，它由股票的平均涨幅和平均跌幅来计算。
RSI的取值范围在0到100之间，通常认为超过70的RSI值表示超买，低于30的RSI值表示超卖。
5. 均线（Moving Average）均线是通过计算一段时间内股票价格的平均值来进行分析的指标。
常用的均线包括简单移动平均线（Simple Moving Average，SMA）和指数移动平均线（Exponential Moving Average，EMA）。
均线可以帮助投资者判断股票价格的趋势，即市场是处于上升还是下降趋势。
6. 成交量（Volume）成交量指标是用来衡量股票交易活跃程度的指标。
高成交量通常意味着市场情绪活跃，股票价格的变动更具有参考意义。
7. Beta系数Beta系数是用来衡量股票价格波动性相对于整个市场的指标。
上海股市BM效应与投资策略实证分析
下， 组合Ｚ ３的风险效益值显著高于其他组
合 ，然后 以Ｚ ３组合为中心 。随着 Ｂ Ｍ的上
合 Ｚ 渐 进发展。组 合采用随机 简单等权 ５） 的方法进行构建 ，组 合内 ５只股 票按 照各
占２ ％ 的比重进 行组 合投 资。 ０ 分 别采用两种持有期 间策略 ：季 度持
与 资 略 证 析 投 策 实 分
■ 任俊琛 吴 舂梅 教授 陈振 东 ３（ 、华 中农 业大 学经济管理 学院 １
只是在一定范 围内显现 。
半年持有策略。从表 ２ 可以看 出， 随着
Ｂ Ｍ值 的上升 ， 收益率基本呈现上升的趋势 ，
说 明在季度持有策略下 ，Ｂ Ｍ效应还是存在
仪征化纤 、 中国嘉 陵、 利股份 、 伊 新疆众和 、
在季度 、 半年持有策略 中都有不错 的表现 ， 似乎表示 Ｂ 值居 中偏大 的组 合往 往是中 Ｍ
短期投资 中最受市场欢迎 的组合。
（ ）深 入 研 究 结 果 二
内窖摘 要 ：本 文 选取 上 海股 票 市 场 １９ ９７
原水股份 、 爱建股份 、 东方集 团、 梅雁股份。
（ ） 究 方 法 和 数 据 采 集 二 研
１风险量值 的引入。本文 引入风 险指 ． 标 ，以每个组合在持有期 间的各 收益率 的 均方差作为衡量风险 的数量指标。 在表 ３中，收益 ／ 风险是收益率除以均 方 差所得值 ，这里将 “ 收益 ／ 风险”命名为 风险效益 ， 表示在风 险一定的情况 下， 资 投 组合所能取得 的收益率。 该指标越高 ， 效益 越高 ， 以之来判断Ｚ 至Ｚ 组合的投资效率。 １ ５
投资方法是 ：在每个样本股票进行升序排 ５
股票市场风险、收益与市场效率_——ARMA-ARCH-M模型
股票市场风险、收益与市场效率:——ARMA-ARCH-M模型股票市场风险、收益与市场效率:——ARMA-ARCH-M模型股票市场是金融市场的重要组成部分，也是投资者获取利润的主要途径之一。
然而，股票市场的风险与收益之间存在着密切的关系，而这种关系又被市场效率所影响。
为了更好地理解股票市场的运行机制，投资者需要掌握相关的理论和方法。
本文将介绍一个常用的股票市场风险、收益与市场效率模型——ARMA-ARCH-M模型。
这个模型结合了自回归移动平均模型（ARMA）、自回归条件异方差模型（ARCH）和广义自回归条件异方差模型（GARCH），能够更准确地描述股票市场的风险与收益之间的关系，并判断市场是否具有有效性。
首先，我们来介绍一下ARMA模型。
ARMA模型是一种时间序列模型，用于描述随机过程的动态性质。
在股票市场中，ARMA模型可以用来预测未来的收益率，帮助投资者制定合理的投资策略。
ARMA模型的核心思想是利用历史数据来预测未来的收益率，通过分析时间序列的自相关性和滞后性来建立模型。
接下来，我们介绍ARCH模型。
ARCH模型是一种经济学中常用的条件异方差模型，用来描述随机变量的方差与其条件均值之间的关系。
在股票市场中，ARCH模型可以用来衡量股票收益率的波动性，并对投资者提供风险评估。
ARCH模型的核心思想是假设波动性存在自回归结构，当前时刻的波动性与过去一段时间的波动性相关。
最后，我们介绍GARCH模型。
GARCH模型是ARCH模型的扩展，结合了自回归和滞后的条件异方差。
GARCH模型能够更准确地描述股票收益率的波动性，并对市场的有效性进行判断。
GARCH模型的核心思想是将ARCH模型引入到ARMA模型中，通过引入自回归项和滞后项来更好地捕捉市场的波动性。
综上所述，ARMA-ARCH-M模型是一种有效的工具，能够更准确地描述股票市场的风险与收益之间的关系，并判断市场是否具有有效性。
在实际操作中，投资者可以根据ARMA-ARCH-M模型的预测结果，进行风险评估并制定合理的投资策略。
关于股票收益与BM的分析(数据可改)
关于账面市值比的实证分析举例研究样本和变量计算 研究样本本文的数据样本的时间区间是2003年7月-2011年6月，样本包括了我国A 股市场钢铁的45支股票，剔除了一些由于特殊性不能采纳的股票：ST 股票；年报中净资产（股东权益）为负的股票；数据缺失的股票。
变量计算2. 收益率计算（1）个股收益率的计算股票i 在t 月的收益率计算公式为： 11()/it it it it R P P P --=- （1） 其中it P 和1it P -分别为股票i 在t 月和t-1月的股权收盘价格。
（2）投资组合收益率的计算投资组合P 在t 月的收益率pt R 为投资组合中所含股票的个股月收益率it R 的等权重平均值，也便是其算数平均值。
()p f R R -是投资组合的超额收益率，其中，f R 代表的是我国三个月期的定期存款年利率折算出来的月无风险利率。
市场投资组合收益率M R 代表的是所选择样本区间内我国钢铁全部股票（包括被删除的股票）月收益率的等权重平均值。
3. 账面市值比（BE/ME ）的计算本文在每年的6月末对所选的样本数据进行分组，用t-1年末的个股权益值和t-1年末的股价之比BE/ME 来衡量股票从t 年7月到t+1年6月的账面市值比的大小。
比如，用2003年末的BE/ME 来衡量股票从2006年7月到2007年6月的账面市值比大小，以后的隔年也按照这个规律类推。
用ln(/)BE ME来表示BE/ME的自然对数值。
描述性统计投资组合分组投资组合分组的方法是指投资组合以特定的指标或变量进行分组的前提下，通过考察各组合的平均收益，利用所选特征值的最大值和最小值的组合平均收益的差值，并用差值的显著性来判断横截面收益现象存在与否。
经过上文的解释分析，我们认为账面市值比对股票收益的影响作用是非常大的，可以看作是影响股票收益的最重要的原因之一。
所以在考虑不同市场情况下，特征变量对股票收益的影响时，可以只考虑账面市值比因子对股票收益率的影响。
贵州茅台600519股票季度收益率和公司财务数据相关性分析(大牛股价值投资案例数理分析)
贵州茅台600519股票季度收益率和公司财务数据相关性分析（大牛股价值投资案例数理分析）贵州茅台是二级市场最牛的大牛股，所以贵州茅台也成为了价值投资的范例。
那么对于贵州茅台而言，他的二级市场走势到底和那些财务指标相关，和那些财务指标反相关，和那些财务指标不相关呢。
这个问题我也很想研究一直没有机会。
前段时间去某国企应聘金融iT岗，主管在应聘流程最后给我出了这个题目......。
本人花了2天天时间，从收集数据，用c++编程处理数据，最后成文，花了我三天时间，把这个骨头坑下来。
里面有几个坑，简单一提，同行可以参考一下：（1）坑1，财务数据数据源，从wind下载数据，下载数据格式为csv，可以用c++处理成matlab能加载的格式，然后用matlab进行处理。
也可以用python进行处理。
里面的坑是下载数据是字符串格式，在表示大数据时用带“E”的格式表示。
例如 1.03乘10的8次方，可简写为“1.03E+08”的形式。
加载之前要先对这些进行处理。
（2）坑2，wind下载数据无法把k线数据和财务数据对应起来下载，也就是时间轴无法对应，需要自己编程来处理。
（3）坑3，wind数据中，市盈率数据格式和其他财务数据不一致，需要换算成统一的格式。
（4）坑4，当然是未来函数。
下面介绍分析结果。
这里分析贵州茅台二级市场股票季度收益率和财务数据的相关性、股票累计收益率和财务数据的相关性分析。
分析报告内容分两个部分：第一部分采用wind原始的财务数据进行分析。
第二部分则对wind财务数据处理后的数据进行相关性分析，旨在找到二级市场投资的合理建议。
(实际上，从分析的情况看，结果是和一般人想象的不一样。
按照常人的思考，投资往往会失败啊~~~~) 第一部分原始Wind财务数据处理结果用于相关性分析的财务数据列表如表1所示。
财务数据时间跨度为2015年1季度到2020年中报。
K线数据来源为掘金量化终端，复权类型为前复权，财务数据来源为Wind 数据终端。
《沪深A股主板市场Fama-French五因子模型实证研究》范文
《沪深A股主板市场Fama-French五因子模型实证研究》篇一一、引言随着金融市场的快速发展和理论研究的深入，投资者对于投资回报和风险的认识越来越细致。
在众多投资理论中，Fama-French五因子模型被广泛接受，并在全球金融市场得到了广泛的应用。
本文以沪深A股主板市场为研究对象，对该模型进行实证研究，旨在分析五因子模型在中国的适用性及其实际效果。
二、文献综述Fama-French五因子模型是在Fama-French三因子模型的基础上，进一步扩展的模型。
该模型在股票回报的评估中考虑了五种主要因素：BM（账面市值比）、SMB（规模因子）、HML（账面市值比上年度消费情况因子）、RMW（市场激励收益）、CMA（盈利能力的差异）。
这一模型在国内外众多研究中均得到了验证，并在不同市场环境下表现出良好的解释力。
三、研究方法本文采用实证研究方法，以沪深A股主板市场的上市公司为研究对象，使用Fama-French五因子模型进行分析。
在数据处理上，采用描述性统计和多元回归分析等手段，通过STATA软件进行数据清洗、计算和处理。
四、数据描述与分析首先，我们详细描述了所使用的数据来源和数据处理方法。
接着，我们对沪深A股主板市场的五因子进行描述性统计分析，包括BM、SMB、HML、RMW和CMA等因子的分布情况、变化趋势等。
然后，我们使用多元回归分析方法，对五因子与股票回报之间的关系进行实证研究。
五、实证结果与讨论根据我们的实证研究结果，Fama-French五因子模型在沪深A 股主板市场表现出较好的解释力。
具体来说，BM（账面市值比）和SMB（规模因子）对股票回报具有显著影响。
此外，HML （账面市值比上年度消费情况因子）和RMW（市场激励收益）也对股票回报具有一定影响。
然而，CMA（盈利能力的差异）因子的影响在A股市场表现并不显著。
这一结果可能反映了中国市场独特的经济环境和投资者行为特征。
从市场角度看，尽管中国市场的监管政策和制度环境与西方成熟市场有所不同，但Fama-French五因子模型在沪深A股主板市场的适用性仍显示出其重要价值。
股市收益率影响因素分析
股市收益率影响因素分析股市收益率是指一定期间内股票价格的变动所带来的收益，是衡量股票投资效益的重要指标。
股市收益率受多种因素的影响，包括宏观经济因素、公司基本面因素、市场情绪因素等。
本文将分析这些因素对股市收益率的影响，并探讨如何利用这些因素来指导投资决策。
一、宏观经济因素对股市收益率的影响宏观经济因素是影响股市收益率的重要因素之一。
宏观经济因素包括国家经济增长速度、货币政策、通货膨胀率、利率水平等。
这些因素对股市收益率的影响主要表现在以下几个方面。
国家经济增长速度对股市收益率有显著影响。
当国家经济增长速度加快时，企业盈利水平提高，投资者对股票的预期收益增加，股市收益率也会相应上升。
反之，当国家经济增长速度放缓时，企业盈利水平下降，投资者对股票的预期收益减少，股市收益率也会相应下降。
货币政策和通货膨胀率对股市收益率也有重要影响。
货币政策的宽松会刺激企业投资和消费，有利于提升企业盈利水平，从而推动股市收益率上升；而货币政策的紧缩则会抑制企业投资和消费，对股市收益率产生负面影响。
通货膨胀率的上升会导致资产贬值，进而影响股市收益率；而通货紧缩则会提高实际利率水平，对股市收益率产生积极影响。
利率水平对股市收益率的影响也十分显著。
一般情况下，利率水平上升会使债券市场收益率上升，从而提高债券投资的吸引力，降低对股票的需求，导致股市收益率下降；而利率水平下降则会提高股市收益率。
公司基本面因素是指公司盈利能力、成长性、财务状况等因素。
这些因素对股市收益率的影响主要体现在以下几个方面。
公司盈利能力对股市收益率有决定性影响。
一般情况下，盈利能力强、稳定的公司股票收益率较高，盈利能力弱、不稳定的公司股票收益率较低。
投资者需要重点关注公司的盈利能力，以指导投资决策。
公司成长性对股市收益率也有影响。
成长性好的公司通常能够获得更高的股票收益率，因为投资者对其未来盈利能力抱有高度预期。
反之，成长性差的公司股票收益率较低。
投资者情绪对股市收益率有重要影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1关于账面市值比的实证分析举例研究样本和变量计算 研究样本本文的数据样本的时间区间是2003年7月-2011年6月，样本包括了我国A 股市场钢铁的45支股票，剔除了一些由于特殊性不能采纳的股票：ST 股票；年报中净资产（股东权益）为负的股票；数据缺失的股票。
变量计算2. 收益率计算（1）个股收益率的计算股票i 在t 月的收益率计算公式为：11()/it it it it R P P P --=-（1） 其中it P 和1it P -分别为股票i 在t 月和t-1月的股权收盘价格。
（2）投资组合收益率的计算投资组合P 在t 月的收益率pt R 为投资组合中所含股票的个股月收益率it R 的等权重平均值，也便是其算数平均值。
()p f R R -是投资组合的超额收益率，其中，f R 代表的是我国三个月期的定期存款年利率折算出来的月无风险利率。
市场投资组合收益率M R 代表的是所选择样本区间内我国钢铁全部股票（包括被删除的股票）月收益率的等权重平均值。
3. 账面市值比（BE/ME ）的计算本文在每年的6月末对所选的样本数据进行分组，用t-1年末的个股权益值和t-1年末的股价之比BE/ME 来衡量股票从t 年7月到t+1年6月的账面市值比的大小。
比如，用2003年末的BE/ME 来衡量股票从2006年7月到2007年6月的账面市值比大小，以后的隔年也按照这个规律类推。
用ln(/)BE ME来表示BE/ME的自然对数值。
描述性统计投资组合分组投资组合分组的方法是指投资组合以特定的指标或变量进行分组的前提下，通过考察各组合的平均收益，利用所选特征值的最大值和最小值的组合平均收益的差值，并用差值的显著性来判断横截面收益现象存在与否。
经过上文的解释分析，我们认为账面市值比对股票收益的影响作用是非常大的，可以看作是影响股票收益的最重要的原因之一。
所以在考虑不同市场情况下，特征变量对股票收益的影响时，可以只考虑账面市值比因子对股票收益率的影响。
股票自身的影响因素β值代表的股票的系统风险，虽然剔除之后可以更好的考察账面市值比本身对股票收益的影响，但是在本文中为了全面性的考察相关因素对股票收益的影响，还是选择不剔除β值进行研究。
1.市场阶段划分本文选定的时间范围为2003年7月-2011年6月钢铁股票的收益情况，在这期间，中国股市也存在上涨与下跌的阶段划分。
其中，上涨阶段包括2003年10月—2007年10月；2008年11月—2009年7月；下跌的阶段包括2007年11月-2008年10月，2009年8月至今；在本文的研究中，我们把股票指数上涨的期间称为牛市，把股票指数下跌的期间称为熊市，并根据此时间段的划分分别对钢铁股票进行研究分析。
2. 投资组合划分我们先把选定的样本区间内的钢铁股票按照β排序后分为5组，然后再根据其账面市值比把钢铁股票分为5组，这样就考虑在剔除股票的系统风险对其收益的影响之后，钢铁股票收益与账面市值比之间的影响关系。
统计性描述分析1. 2003年7月—2011年6月账面市值比效应1 2003年7月—2011年6月账面市值比效应月平均收益率（%）t统计量从表1中可以看出，本文研究所选定的这一时间段内，钢铁股票的平均收益都是正的，账面市值比都是存在并且显著的。
在每一个Beta分组内，随着账面市值比的增加，股票收益在随之增加，二者呈现出正比例的关系。
比如，对Beta1分组来说，从B/M1到B/M5，钢铁股票的平均收益率分别为 1.71，2.46，2.63,2.78,3.24，t值分别为2.12，2.49,2.62,2.9,3.34，B/M5-B/M1（即买入账面市值比高的股票，卖出账面市值比低的股票）的股票回报为1.53，t值为1.21，是显著的。
这也就是说，在本文所选定的时间区间内，钢铁股票存在明显的账面市值比效应，股票收益与账面市值比之间的关系是，股票的收益越高，账面市值比3就越大。
2. 牛市情况下的账面市值比效应在选定的时间区间内，我们考察牛市情况下（2003年10月—2007年10月；2008年11月—2009年7月）股票的账面市值比效应来验证钢铁股票收益与账面市值比之间的关系。
2 牛市情况下的账面市值比效应月平均收益率（%）T统计量从表2中可以看出，在牛市的情况下，钢铁股票的平均收益都是正的，账面市值比都是存在并且显著的。
在每一个Beta分组内，随着账面市值比的增长，收益率在随之增加，二者呈现出正比例的关系。
比如，对Beta1分组来说，从B/M1到B/M5，钢铁股票的平均收益率分别为5.80,5.88,6.89,7.14,8.35，t值分别为 6.33,,7.63,8.18，B/M5-B/M1（即买入账面市值比高的股票，卖出账面市值比低的股票）的股票回报为2.55，t值为1.85，是显著的。
这说明，在牛市的情况下，钢铁股票也存在着明显的账面市值比效应，股票收益与账面市值比之间的关系是，股票的收益越高，账面市值比就越大。
3. 熊市情况下的账面市值比效应我们还可以考察熊市情况下（2007年11月—2008年11月）股票的账面市值比效应来验证钢铁股票收益与账面市值比之间的关系。
3 熊市情况下的账面市值比效应月平均收益率（%）T统计量从表3中可以看出，在熊市的情况下，钢铁股票的平均收益都是负的，但是账面市值比还是显著存在的。
同样的，账面市值比效应并没有随着Beta的变化5呈现出有规律的变化，但是在每一个Beta 分组内，随着账面市值比的增长，股票收益呈现出增加的状态，两者表现为正比例的关系。
比如，对Beta1分组来说，从B/M1到B/M5，钢铁股票的平均收益率分别为-7.91,-7.85，-7.29，-6.73，-6.29，t 值分别为-7.91,-7.76,-7.52,-7.62,-7.49,B/M5-B/M1（即买入账面市值比高的股票，卖出账面市值比低的股票）的股票回报为1.63，t 值为0.42，是显著的。
这说明，在牛市的情况下，钢铁股票也存在着明显的账面市值比效应，股票收益与账面市值比之间的关系是，股票的收益越高，账面市值比就越大。
此外，从上表中还可以看出，在每一个账面市值比分组内，股票收益并没有随着β值的变化呈现出有规律的变化，也就是说，钢铁股票的；β值对股票的收益没有显著的影响。
综合上面几个检验结果，我们可以看出，无论是在哪个时间，牛市还是熊市时期，钢铁股票的账面市值比效应都是显著的，也就是说股票收益与账面市值比存在明显的正向关系。
横截面回归 方法介绍截面回归方法是Fama 和 MacBeth 于1973年在检验资本资产定价模型时开创的，回归的主要步骤为：第一步，每个时间点的截面数据回归，给定T 个时间段的横截面数据，对每个t(t=1，2，...T)的截面数据用OLS 方法估计，其回归模型为:2it 0t 123=t it t it t it it R s γγβγβγη++++（2）其中，it R 为第i 只股票在第t 期的收益率；it β为第i 只股票在t 时期的β值；it s 表示回顾的残值，不能有β值解释的部分，0t γ，1t γ，2t γ，3t γ为待估系数。
通过T 次截面回归得到回归系数的一个时间序列。
第二步，计算回归系数时间序列的均值和方差，进而计算t 统计量。
通过T7次横截面的回归，得到回归系数的一个时间序列，时间长度为T 期，分别计算其均值，标准差和t 统计量。
当股票收益服从正态分布的假设时，回归系数也服从正态分布，就用t 统计量检验回归系数的显著性。
回归检验及分析上文用描述性统计的方法考察了钢铁股票的股票收益与账面市值比之间的关系，下面我们就用横截面回归方法来进行验证并进行检验，同时也可以验证系统风险对股票收益的影响。
检验的回归方程如下：012**/it i it it R B M ααβαε=+++（3）其中，it R 代表股票i 在t 月的月度收益率；i β代表股票的排序后β；/itB M 代表股票i 在t 月的账面市值比。
1. 2003年7月到2011年6月横截面回归结果4 2003年7月到2011年6月横截面回归结果从表4的回归结果中我们可以看出，本文所选定的时间区间内，钢铁股票的账面市值比效应都很显著。
B/M 的回归系数为0.94，t 统计量为3.35，无论是回归系数还是t 统计量，都比较大而且显著，这也就证明了，钢铁股票收益与账面市值比的确是呈现出显著的正比例关系.牛市和熊市的横截面回归结果5 牛市和熊市的横截面回归结果从表5的回归结果中我们可以看出，在牛市和熊市时期，股票的账面市值比效应都比较显著。
比如在牛市时期，B/M 的回归系数为0.72，t 统计量为8.63，无论是回归系数还是t 统计量，都比较大而且显著；在熊市时期，B/M 的回归系数为0.84，t 统计量为12.19，无论是回归系数还是t 统计量，也都是比较大而且显著的。
另外，从回归结果中我们也可以看出，在不同的时期，钢铁股票的Beta 值发生了很大的变化，牛市时期股票的Beta 是正的，而熊市时期其值是负值。
这可以说明，因为Beta 代表的是股票的系统风险，在牛市的时候，投资者们倾向于重视股票收益而选择暂时性的忽略股票的系统风险，因此股票的风险越大，投资者们越愿意购买。
但是在熊市的时候，投资者们更加看重的是股票的风险，所以会更加偏向于购买那些风险比较小的股票而去规避那些风险比较大的股票。
平稳性检验在对钢铁股票分时期进行横截面回归检验之后，我们分别进行以下的回归来进行稳定性检验：模型1：012**(*)it i i it R D ααβαβε=+++（4） 模型2：012*/*(*/)it it it it R B M D B M αααε=+++（5） 回归结果如下：6 综合回归结果从表6中模型1的回归结果可以看出，如果只考虑Beta因素的话，Beta的D Beta的回归系数为0.71，t 回归系数是-0.26，t统计量为-3.05，是显著的；*统计量为5.44，是显著的。
这说明，在熊市的时候，Beta对股票收益的影响是负面的，这也就是说，系统风险越大的股票，在熊市的时候收益就会越小，说明了投资者在熊市时期是规避风险的。
在牛市时期，Beta越大，也就是说系统风险越大的股票的收益是越大的，说明在牛市时期乐观情绪的鼓舞下，投资者更加愿意承受风险去购买风险大的股票。
B M的回归系数为0.91，t统计量为从表6模型2的回归结果可以看出，/D B M的回归系数是-0.36，t统计量为-2.36，是不显著的。
12.52，是显著的；*/这也就这一次说明，无论是在牛市还是熊市的情况下，账面市值比对钢铁股票收益的影响都是正的且显著的，在不同的市场情况下得出的结果没有明显的差别，和前面横截面回归得出的结果是一致的。