证券市场的定价和估值,一直是研究者和投资者关注的重点内容,研究者从收益率与系统风险的关系出发,逐步构建了 CAPM模型的理论框架。CAPM提出之初,收益率与系统风险的关系符合模型预期,然而随后的研究—直无法验证模型的正确性。系统风险对收益率的预测差强人意,迫使研究者开始寻找新的出路。研究者们大致从两个方向出发,寻求解决方案,一者继续深入研究系统风险,挖掘还未曾显露的信息;余下的选择寻找新的解释变量或者解释变量的组合,构建新的理论体系。国内外学者在研究收益率与系统风险的关系中,或使用高频数据处理,或构建新的估计方法,或寻找新的解释变量,但少有将其结合起来的研究。本文参考Bollerslev et.a1(2016)的研究,构建了刻画个股当日连续价格波动的βc、当日跳跃波动的βd以及隔夜价格跳跃的βn,借鉴CAPM模型的估计量βs,利用60分钟高频数据,测算了 1999年7月至2017年12月全部上市公司的四个β,按照其分组得到组合收益率差距,考量系统风险对收益率的预测能力。考虑到在研究系统风险与收益率关系的另一分支,文章参考国内外文献的研究,选择了流通市值、当月收益率、波动率、每股收益、一致性偏度峰度以及个股偏度峰度8个解释变量,比较其与β在收益率上的解释能力与预测能力。在剔除了 ST、新股、长期停牌等与整体股市存在差异走势的股票后,计算全部A股的βs、βc、βd与βn。为了比较四个β之间的预测能力差异,文章使用单变量分组方法,将全部A股分别按照四个估计值的大小,各分成5个投资组合。实证结果显示,无论是牛市还是熊市,各投资组合随着β的增加,其组合收益率不断增加;一般的,由于第五组为本月中β值最大的投资组合,在下个月会出现一定的回调,使得收益率不足第四组组合;在牛市时期组合收益率随着β”的增加不断减小,隔夜信息对股价的冲击更容易作用于βn小的企业。考虑到投资组合的固有收益率,将全部的组合收益都归结β是不准确的,文章使用法玛五因子模型,计算每一投资组合的α值,扣除α之后,所得到的结果与之前的结论基本保持一致,随着β的增加,组合收益率不断增加,牛市时期β”的效应相反。为了检验β的稳定性以及其余解释变量与β解释能力的优劣性,文章采用双变量分组方法,以基本面指标为第一次分组依据、β为第二次分组依据检验β的解释能力是否受到公司基本面指标的影响,以β为第一次分组依据、基本面指标为第二次分组依据检验β与其余解释变量的优劣性质。双变量分组的结果显示,β的预测能力是稳定的,与单变量的情形一致,组合收益率随着β的增加而增加。βs的预测能力及其稳定性不及文章构建的βc和βd,其结果与单变量情形下有一定的区别。此外,以四个β作为第一次分组依据的结果显示,β的预测能力和稳定性要优于文章选择的其余解释变量。为了充分比较β与其余解释变量解释能力的差异,文章使用简单回归和多变量回归的方法,构建15个截面回归模型,比较其显著性与系数。简单回归结果显示,标准的βs、βc以及βd的系数为正,βn的系数估计为负值,每股收益、一致性偏度以及个股峰度的显著性较高,而其他的5个解释变量的显著性水平较低,无法拒绝0假设。多变量回归表明,βs的显著性水平出现了下降,其预测能力有一部分稀释到了其余的解释变量中,文章构建的三个月在预测股票收益率上更为准确,受其他解释变量干扰较小,除了一致性偏度以外,其余解释变量的显著性与简单回归相比均出现了下降。文章按照是否在两个市场上市、是否为国有企业、机构持股比例将上市公司先分类,然后分开考察β的预测能力变化。结果显示,双板上市公司由于其股价在两个市场之间相互借鉴影响,使得价格的跳跃点较难出现;非国有企业的超额收益要明显高于国有企业,非国有企业超额收益最高的投资组合一般为第三、四组,而国有企业则为第五组;机构投资者不同的持股比例会对A股市场带来不一样影响,当机构持股比例小于30%时,组合超额收益率随着β的增加而增加;当机构持股比例超过30%时,超额收益率与β之间的正向关系开始减弱;当机构持股比例超过50%时,将不再获得正的超额收益。最后,考虑到文章在估计四个不同系统风险时忽略了日内取样步频率的影响,将日内取样频率修改为5分钟、30分钟、80分钟以及120分钟,观察β的日内取样频率敏感性;同时文章也强制假设了 在1个月内保持不变并将全部股票持有期限定为1个月,为了消除这一影响,将持有期修改为2个月、3个月以及6个月,籍此构建稳定性检验。实证结果显示,β对取样的日内频率并不敏感,依然维持其原有的特征,但是β会随着持有期的变化而改变,持有期的变化并不会改变高β高收益的特征,但是随着持有期的增加,β的整体收益率会下降,组合之间的超额差额收益也会不断减小。