BV202收益法录音整理资料昨天我们做了一道练习大家都有.docx
《BV202收益法录音整理资料昨天我们做了一道练习大家都有.docx》由会员分享，可在线阅读，更多相关《BV202收益法录音整理资料昨天我们做了一道练习大家都有.docx（27页珍藏版）》请在冰豆网上搜索。
BV202收益法录音整理资料昨天我们做了一道练习大家都有
BV202收益法（12月9日录音整理资料）
昨天我们做了一道练习，大家都有很多的疑问。
可能因为提供的材料后面的答案有些不太准确的地方。
我们今天再做一个类似的练习可以使大家理解得更清楚一点。
在做练习之前，我们把昨天学习的内容再回顾一下，就是具体的两种计算股权收益率的方法。
我们先讲的是累加法。
要了解清楚首先有两种不同的算法：
一个是累加法，一个是用CAPM的方法。
两种不同的方法采用的数据、计算过程都是不一样的。
累加法采用两种不同的数据，一个从Ibbotson出来的数据，还有一个是从Grabowski-King研究出来的数据，当然还有采用其他的数据。
我们课堂里基本上采用了这两种数据。
我们现在讲的是第一种方法，累加法采用Ibbotson数据的做法。
累加法用Ibbotson数据，首先用无风险收益率。
然后用权益风险溢价，我们用Ibbotson计算的数字，比政府债券的收益率要高的收益率，再加规模风险，然后再加上公司特有风险。
同样是累加法，如果不用Ibbotson的数字，而是用Grabowski-King的数字，公式就是下面的一种公式。
同样是用无风险利率。
然后加上一个溢价，包括两个东西，一个是权益风险溢价，另外一个是规模溢价。
这三个数字中，那个溢价中间已经包括了风险溢价了，所以我们在后面就不用再加上风险溢价，只要再加上一个公司特有风险就可以了。
然后，再看另外一种方法，就是CAPM的方法。
CAPM模型也是先考虑Ibbotson的方法是怎样计算的，也是从无风险利率开始。
然后加上一个ERP，就是权益风险的溢价，这是从Ibbotson数字统计得出来的，乘以β（也是通过一个计算获得出来的），这两个数字的乘积得到的是权益风险的溢价。
需要注意，在这个公式里，β已经考虑了行业因素，所以ERP乘以β已经包括了行业风险，后面的公司特有风险里就不再另外考虑行业风险因素。
因为我们前面讨论的都没有规模风险，所以还要加上一个规模风险。
然后再看，CAPM模型用Grabowski-King的数据该怎么计算。
也是从无风险利率开始，这个公式里面的第二项也是权益风险溢价乘上β。
然后再加上规模风险，是Grabowski-King研究得到的一个数据。
然后再加上一个公司特有的风险。
这里的ERP大家注意一下，和上面公式的ERP是不一样的，上面是从Ibbotson来的，下面是从Grabowski-King研究得到的ERP。
为什么我们要用Grabowski-King的ERP？
主要是因为Grabowski-King在计算后面第三项规模风险溢价时是基于自己的研究得出来的ERP，为了要配套使用，既然后面用的是他的数据，那前面的规模风险也要用Grabowski-King的研究数据。
整个这一套公式的数据都要用Grabowski-King的数据，ERP和规模风险都要用。
如果我们把这些数据混乱地使用，比如ERP用了Ibbotson的数据，规模风险用了Grabowski-King的数据，那这个数据就不配套了，就会产生矛盾了。
再做一个练习可能大家就理解得更加清楚了。
这是Grabowski-King研究的一个案例。
最后一行，就是第25项分类，这个9.88，如果规模是在25大类接近的地方的公司，他的规模风险溢价就是9.88。
在这个图上怎么得到9.88这个数字呢？
就是基于权益风险溢价，是在4.9这个基础上得到的这个数字。
这个4.9数字，如果你用CAPM采用Grabowski-King的数据，你要用的ERP数据就是4.9，这是互相配套的。
这个练习和昨天做的练习比较类似，不同的地方是我们把行业风险和公司特有风险分别清楚地单列出来。
昨天，我们也在运用Grabowski-King这一套数据时，分别用累加法和CAPM的方法，分别计算折现率。
所指的这两个竖行的数据，就是累加法和CAPM，Grabowski-King对于两种不同指标分别的规模风险溢价。
无风险利率是5%，β是1.4，行业特有风险是0.75%，公司特有风险是2%。
大家计算一下，用两种不同的方法的股权成本是多少？
这是权益的规模，累加法这个数字是13.79%，CAPM是7.19%，这是帐面规模的大小；累加法是12.56%，CAPM是5.86%。
权益风险的ERP的数字就是4.9。
再加上一个风险溢价，就是累加法下面风险溢价的一个平均数。
这个溢价里面已经包括了规模溢价了。
再加上行业风险溢价和公司特有风险。
通常后面两项0.75%和2%，可能在实践中会加在一起考虑，因为这两个在这种做法里面都是比较主观的数据，可能通常就加在一起考虑了。
我们得到最后的结果就是20.93%。
在CAPM下面我们也用无风险利率5%，再加上β乘上一个ERP，β是1.4，ERP就是Grabowski-King用过的4.9。
然后再加上在CAPM模型下面Grabowski-King用的那个数据，就是两个数据的平均数6.53，再加上公司特有风险2%。
需要注意的是，在这个公式里面，不再另外加行业特有风险了，因为行业特有风险已经被β风险系数所包含进去了。
我们得到最后的结果是20.38%。
一般来说，这两个方法计算出来的结果应该是差不多。
主要的差异就是行业特有风险的处理方法不是完全一样。
在CAPM模型下面，行业特有风险是通过上市公司的β数字来反映出来的。
在累加法下面这个行业风险就是比较主观的一个判断了。
关于修正后的CAPM模型，我们会再做一个课堂练习。
我们会应用Ibbotson的数据来计算CAPM的一个公式。
这个公式里面的第一项是无风险利率，但是这个无风险利率是定义成为RF1，下面是一个当期的国债期望的回报率。
第二项中跟β相关的，还有一个无风险利率。
我们跟β相乘这后面的一项其实就是ERP，就是从历史的市场回报率减掉历史平均的长期国债的利率所得的。
所以在第二项里面，这个无风险利率是历史的平均的长期的国债利率。
第一项的无风险利率是当期的，长期的国债利率，第二项里面是历史的平均的国债利率。
所以第一项无风险利率应采用有效的当期的国债要求回报率。
第二项当中的无风险利率，是一个历史平均的国债利率。
这主要是因为要跟我们去计算市场回报的，也是从1926年—2003年，或者2007年这样一个长期的市场的回报，要匹配的这么一个算法。
那个平均的算法是按算术平均还是用几何平均？
我们下面讲，β如何影响CAPM计算。
图上显现的当期的无风险利率，RF1是5%。
前一风险报酬率ERP在这个图显示出来就是6%，就是1—5。
如果我们β值是1的话，当股票的β值是1，权益资本成本报酬率在没考虑其他调整之前应该是11%。
再强调一点，就是权益风险报酬率是6%。
如果β是2，就是5+2×6，6%变成17%。
显现出来的就是从0—1之间的这个β，这样得出来的权益报酬率，或者是1—2之间的这么一个报酬率大概的图象反映。
这是一个现实的例子，就是怎么去求取β值。
其实，很多这些财经信息的服务商提供这方面的一些数据，这个演示的例子是从Bloomberg拿出来的界面。
Bloomberg提供的β数字实际上你要去先做一些简单的定义。
首先要定义数据的历史区间，到底取哪一个股票市场的指数作为市场回报的参考点。
另外，到底取的是每天、每周、还是每年的数据点，这个影响统计数据的统计性能。
通常，评估师要做一个主观的判断，就是这个历史区间到底5年，20年，还是100年，你怎么看回去这个股票跟大势的过去的历史的情况。
还有一个，你到底选哪一个股票指数作为一个参考点。
在β里面实际上蕴含了一个典型的资本结构，从这里计算实际的β时，实际上是用了那一支股票本身的财务结构。
我们可能会拿到很多很多的β值，这些如果在同一行业里，就有了一定的代表性，在这个行业里这些β应该有好多的点，我们可以看到好多的数据。
如果我们采用行业一个数据的时候，如果对这个行业的财务结构，取一个大家比较统一的标准，实际上你可能拿到的β系数代表了行业里面一个比较优化的财务结构。
如果我们被评估企业的财务结构跟行业的财务结构有很大的差别，那我们就必须要去调整这个β去反映这样一个现实。
我们用Hamada公式去转换。
一般是有财务杠杆的β值，通常应该转换成一个无财务杠杆的β值，这是假设它完全没有负债情况下的一个β值。
然后再利用我们这个目标公司的，或者我们被评估企业的财务结构（财务杠杆），再去把它重新调整成为它应该对应的本身有财务杠杆的β值。
在重新把它进行有财务杠杆调整时用第二个公式。
如果是在评估一个没有控股权的权益时，这一调整显得更加重要。
因为必须采用的是这个企业本身的一个财务杠杆。
但是，如果在评估一个具有控股权的股东权益时，或者评估目的是以收购为目的，在这种情况下，我们一般会假定这个大股东（或者具有控股权的股东，或者这个买家），会通过一系列的运作去把目前没达到优化的状态的一个财务结构调整到一个优化结构上面去。
如果从直接数据所观察到的β系数已经是代表了优化的财务结构，则不需要再作出调整，但是如果不是，就必须作出一个调整。
现在回头再看看关于资本资产定价模型的一些前提假设条件。
第一个假设：
这个投资者是理性的，是趋于避免太多风险的，合理的风险的一个。
同时也假设了这个投资者本身也是持有一个已经分散的投资组合。
这个假设条件对于我们在应用到这个模型，应用到个股的时候是不适用的。
所以我们再把它用来计算个别股票的时候，或者个别公司的时候，我们采用了修正后的CAPM公式，就引入了α系数，就是公司特有风险也考虑了进来。
另外，假设投资具有相同的投资前瞻期限。
这些投资者具有相同的管理这个市场，或者投资被投资品的一个共同的知识和期望。
由于这个模型是一个经济学者所写的，假定了在无税的环境下，也没有交易成本的比较理想的情况下所推导出来的一个公式。
这也是现实中比较难碰到的，就是这个公式理论跟现实当中一个比较麻烦的地方。
同时，假定了相对的价格波动性是一个风险的最好的衡量尺度。
当然，相对的β系数是不是唯一能够最好反映出风险的指标，这个当然还是有人提出其他的质询的。
另外，这里假设了一个借贷成本也是相等的。
另外，本身的资产是可以分割的，而且还具有流通性。
这里的假设前提，肯定在现实当中有一些出入，或者有些不一致的地方，我们在过去的一段时间已经对部分存在的问题或者缺陷进行了讨论。
首先，关于投资者本身信息不对称的问题。
有很多投资者，或者一些公司，实际上他们可能并不拥有一个比较分散的投资组合，可能他们更简单地持有单一的一些投资项目，或者被投资的企业。
同样地，在现实生活中是有政府要收税的。
借贷的成本可能也不一定相等。
正如先前所提到的，其实一些研究显示，就是相对波动性β系数并不一定是一个最好的指标，就是衡量风险的指标。
当你持有一些非上市公司的期间，一般都比你买股票的期间可能还长。
本身这个CAPM理论跟这个模型，其实并不是为单一股权或者单一股票建立的模式。
所以在运用到单一股票的时候，肯定会还有一些缺陷的。
所以总的来说，我们还是重申了一点，就是我们在利用CAPM的时候，我们采用了修正公式来分析个股的β值，跟它相对应的权益风险。
我们再来做一个课堂练习，是课堂练习2。
利用5—10分钟去重新进行计算那个要重新进行财务杠杆调整的β值。
计算这个调整的β，第一个我们需要了解的就是我们所选的参考公司，权益跟负债是50%对50%。
这和我们被评估企业的资本结构是有很大差异的，我们被评估企业资本结构是10%的债，90%的权益。
在我们做这个调整之前，我们先自己想想，被评估企业债务比率是比较低的，通常情况下他所面临的风险就相对来说低一点，我们再调整，就是把它变成没有杠杆的β，然后再变成重新有杠杆的β最后的结果，可能应该比我们参考公司的β数字要低，我们先要自己做一个这样的估计。
我们参考公司和目标公司的税率也不一样，参考公司的税率是40%，目标公司的税率是30%。
所以第一件事情我们要把β系数先变成没有杠杆因素的β。
我们用的就是这个公式，1.1就是参考公司的β，0.4是税率，50%÷50%就是债务跟股权的比率，得到的结果是0.69，没有债务情况下面的一个β。
我们用被评估公司的一系列指标，把这个没有债务的β变成一个重新计算的调整的根据被评估的企业的一个β。
我们就用这个公式，0.69是刚刚计算出来的，0.3是税率，10和90%是资本结构，得到的结果就是0.74。
这个0.74的结果，就是我们要用在CAPM里面的一个β的数字。
然后把这个计算出来的被评估企业的β的数字带入到这个CAPM的模型当中。
RF1就是当前的无风险利率5%，加上β0.74乘上后面括号，就是计算的权益风险溢价。
这个权益风险溢价里面的数值就是从Ibbotson年鉴上面得到的数字，11%是历史的权益回报，5.3%是一个历史的无风险利率，两个减一减，就是一个历史的权益风险溢价。
把被评估企业的β数值乘上统计出来的这个权益风险溢价的数字，得到的是调整后的被评估企业的权益风险溢价。
用了这个β，也考虑了这个行业的风险因素在里面。
因为这个β里面既有行业的因素在里面，又有被评估企业的资本结构的情况在里面。
我们还有一部分没有考虑在内的，是公司的一些其他的特有风险，就是这个2%，主要是被评估企业和参考公司在其他各个因素方面的一些差异的一些风险。
如果这个β已经是被评估企业的β，如果被评估企业就是一个上市公司，或者是和这个被评估企业非常类似的一个公司的β系数的话，这个β系数所包括的风险，就可能已经包括这个公司本身的一些风险了。
但是如果β是从一个市场的大众化的情况得到的，如果β是很大规模的公司，比被评估企业的规模要大很多的话，还要加上因为规模或者其他的公司特有风险的差异。
提问：
在美国的实务中，用基本公式多一些，还是用修正的公式，也就是说带不带α，这两种情况哪一种用得比较普遍？
回答：
如果您的被评估企业是一个非上市公司的话，就是这一家单独的公司的话，那我们通常是会用经过调整后的CAPM的公式，通常会加上α的因素，因为它要反映公司特有的风险在里面。
因为，原始的CAPM公式是算投资组合的一个风险。
所以，它假设，就是上面蓝线那个非系统风险是可以通过不同的组合，就是你放很多很多证券在里面，把那个蓝线的系统风险可以消除掉。
在你的证券组合里面，股票的数量越来越多的话，那你整个组合的风险，就会下降了，主要是非系统风险这一块就会下降了。
如果我们只是评估的公司是一个单一的公司，就没办法消除这个非系统风险了。
这个α表示的就是我们这个单一公司所特有的风险，就是加上去的那一块。
提问：
在调整公式里有一个期望的回报率是什么？
刚才也讲到，特别讲到是用历史数据来算出平均。
这两个都是历史数据的平均，前面有一个片子里面讲到，历史不会重演，从数学预测的角度来讲，你用历史数据这么简单的角度应该说误差是很大的，至少应该用移动平均，或者分段的说法，为什么他强调一个历史的平均？
回答：
理论上来说你是对的。
理论上来说，我们在用CAPM公式里面的时候，那个ERP是要用前瞻性的往前看的数据的。
在美国，我们之所以看历史数据，是因为我们觉得历史数据在一定程度上也能反映未来的一个情况。
我们就是看最近的一段时间ERP的数字，可能我们觉得它是更代表未来的一个情况。
它有很多种方法，有一种方法可能就是您说的那种方法。
另外一种方法就是，就是供应方的一个模式来做预测将来的ERP。
当然还有其他各种的方法来估算我们将来与其的收益率，还有各式各样的理论的方法，但是这些方法也是比较新的，所以我们暂时现在也没有具体讨论到这种方法。
我们刚才这个算的是很传统的，一直以来美国都用的方式，大家都按照在做。
昨天讲到的，刚才提到的这些问题，理论上应该是前瞻性的数据来看更好。
但是从现实的角度来看，还有很多大家的争议，可能还没达到一定象这样一个公式的共识给所有的评估界能接受。
但是昨天提到，根据某些研究显示，如果利用一些更好的显示，或者基于现在大家对市场前瞻性发展的判断，用1926年—2003年，或者到05年、06年的数据来算，可能要差100个基点，到200个基点。
实际上，在实际判断，昨天讲到了其实会做出一些调整。
提问：
这个做法是什么时候开始的，现在美国惯例是怎么考虑的？
回答：
正式地来说，这个变化可能是三年之前，或者三年左右的时间，就是被美国评估协会认可的在三年前。
关于和历史上那个数据相比，可能低100个基准点，或者200个基准点，就是1%和2%的差距，现在美国评估师协会可能还在做一些具体的研究工作，到底有什么更好的方法来估算这个中间的差距。
他们发现，和历史的数据相比，如果低1%—2%的结果，可能和现在新采用的新方法相比结果是比较接近的。
估计可能还要花三年左右的时间，可以正式地在这些新方法中采用一到两种新方法，来正式地计算这种更能代表前瞻性的ERP的计算方法。
提问：
关于计算β值里面的资本结构，如果评估一个控制权的股权价值，按照刚才的讲课可以采用一个优化的目标的资本结构来计算这个β值。
但是往往我预测现金流时，是按照这个企业的实际资本结构，这样造成两个口径，就是现金流和折现率两个口径的资本结构是不一样的。
这样做会不会有什么问题？
回答：
如果你是评估控股股权的话，可能在现金流上面和计算β的时候都要做相应的调整，调整成为一种比较优化的资本结构的状况，以保持一致。
实际上你真正地做预测的时候，你要考虑财务结构的变化，就是现在可能不是优化的，但是你最终把它做成优化。
为什么？
首先你这个目标的财务结构，因为大家都是要看长期的，你要优化它，然后这个优化同时为了解决这个β的问题，同时也为了解决终值的问题。
可能也有人在问终值的时候的财务结构，现在的财务结构跟你最后的不一样的话，其实这个要进行调整。
所以我们现实当中，其实做预测资产负债表是很重要的，每一年其实要把它做出来的。
因为你最后要到一个稳定期，包括这个财务结构也要到一个优化的稳定，所以在这个期间你就要通过一个优化的作用达到。
比如说，包括你要还债，或者借债等等去达到这样一个最优的状态。
如果真的一个被评估企业的资本结构每年确实变动很大，理论上来说，就是很复杂了。
你的现金流每年都要根据这个不同的资本结构做调整，你的折现率，每年都要根据这个不同的资本结构算出来一个不同的折现率，理论上来说。
为什么要做得这么复杂？
举一个例子，如果我们这个被评估企业目前是没有债的，但是最优化的结构可能是要有一定的债的，他是一年一年过渡到最优化的结构，实际在这个变化过程当中，随着你的债务增加其实你公司所面临的风险是不一样的。
你债务增加了，你借了新债，你的现金流就增加进来了，你分子上面的现金流是增加了，为了配比这个现金流你也要根据当时时候的一个债务增加到的程度来调整那个β，有杠杆系数的β，以使得他当年的折现率能够和当年现金流所面临的，因为有借债所多产生的现金流所面临的风险相匹配，每一年的情况都是这样。
反过来的情况，现在如果有很多很多的债，但是最优化的结构可能是比较低的债，你也要反映不同的现金流和折现率的差异。
提问：
β值是有区间的，而我们现在评估都有基准日，或者基准的时点，我看到书里写的，比如说β值的取值的区间，有的要求必须取值到和基准日完全一样。
但是有的书里的提法就不太一样，说可以有一些差距。
我想问一下这个β值取的区间、时段一定要和基准日完全一致吗？
取值的最后一个点。
回答：
对你取值得的区间的最后一个点来说，理论上来说最好就是你的评估基准日。
但是，那个评估基准日可能是没有交易的，那你就取最接近的时点就可以了。
举一个比较极端的例子，比如一段时间里面，整个的行业发生了很大的变化，你β的取值，在那个变化之前和在那个变化之后可能行业的β值就会有很大的差异，这时候你就要注意一点这个取值的范围了。
如果我们有一个基准日的话，我们最好还是选用在基准日时候的β，因为这个是我们在基准日所能观察到的一个最好的市场信息了。
从道理上应该哪一天，就你应该算到哪一天，如果有一些象我们的Bloomberg，或者中国的Wind等等，类似的这样东西的话，你应该去算，就不会产生你那个问题。
提问：
还有一个问题。
计算β的时候，刚开始按照调整成无杠杆的β，再转成有杠杆的时候，是根据企业实际的债务结构来转，还是根据他的目标的，就是未来合理的结构来转？
如果按照企业的实际资本结构来转的话，这个β我们有的时候算出来它的变化幅度很大，那么这个β是不是有一个区间范围，比如说我们有的是仅仅用公式来算的话，这个β值有可能算到5点几，或者6点几。
一般的情况下，是不是这个β也有一个合理的范围？
回答：
我们如果是没有能力去改革那个被评估公司的资本结构的时候，我们就用被评估公司自己本身的资本结构来重新估算β。
但是如果是有控股权，或者在一些收购的情况下面，是有这个能力来改变，或者权力来改变这个被评估公司的资本结构，那么我们就用一个最优化的资本结构重新估算那个β。
这是第一部分。
根据我的经验，如果一个重新调整后的β数字达到5点几，或者6几点那么高，这个好象不是很常见的情况。
如果这个被评估企业的β值已经达到了5几点、6几点的话，那这个整个行业市场波动已经大得难以想象了。
在这个情况下面，这个本身的数字已经不是很有用了，在我们估算这个里面。
在我们评估当中采用一些数据或者信息时要考虑一个相关性，就是任何数据在一段范围当中可能是有相关的性的话，就是在一个合理的区间内还是有相关性的话，但是如果差得很远的话可能就失去了这个相关性了。
这里我要说的，就是不单单要讨论这个β的问题，就是我们在评估当中运用的其他任何的信息资料可能都存在这个问题，就是在一段范围当中，这个信息还是比较有用的，靠得住的，但是如果差得太远的话，可能就有一点问题了。
提问：
这个资本资产定价模型，看起来是一个非常理想的模型，我原来在实际评估的时候曾经用过一次，用完了以后得出的结论非常地奇怪。
也就是跟理论背离的，后来我仔细研究这个模型我在什么地方用错了。
后来发现，这个模型在咱们实际使用的时候，有一个非常严重的问题就是，这个无风险报酬率你的取值是怎么确定的。
因为在资本资产定价无风险报酬率是作为国债利率，或者是类似的，或者是无风险的存款利率来确定。
可是在实际运用的过程中，一个资本市场的企业组合，他的经营才是最客观也是最实际的，而国债利率或者是存款利率是国家用来调整经济的一个手段，所以增加了更多的主观随意性和灵活性。
也就是说当经济过热的时候，国家就提高存款准备金率，国债利率还有存款利率也就相应地提高，其他的情况下也会反着进行调节，这样调节的话，就变成比企业上市公司，或者是企业组合的投资收益率，实际收益率更灵活的一个东西。
所以在用它作为无风险报酬率的时候，在企业的实际层面来看，有的时候更不合理。
我想是不是有一个更合理的方法，可以使用的无风险报酬率。
因为在咱们国内的资本市场时间不是太长，十来年。
我原来在算β的时候，也是选用了就是资本市场出现以后的十多年的历史数据来算，可是中国的资本市场的收益率，特别是国债利率变化是很大的，这些历史上的数据对现在已经没有任何指导意义了。
而且，关键问题是无风险报酬率的获得是依据国债利率来确定的，而国债利率是国家可以控制的利率，有的时候并不能反映真正一个企业的无风险收益应该确定的一个基准。
对应的时点，比如说1998年的国债利率，和1998年的资本市场平均利率，这样来确定，对应来计算，时点是匹配的，没问题。
我用了大概有10年，算到2006年。
我想，这样的，这个企业的收益率是一个正态分布的，在资本市场上，这么多的上市公司，它的收益率是一个正态分布的，对于一个实际企业来说，哪怕是1%的实际收益率也是有风险的，这是企业的真实情况。
回答：
那个无风险利率关键并不是看它利率本身是真正的有风险，还是说一点也没有风险。
关键是看它和我们被评估企业相比，是不是一个最低的风险利率了。
如果我们在一个市场上面，看各式各样的投资，不单单包括证券，还包括国库券、国债、银行存款，就是各式各样的投资，我们看到的哪一种投资是最安全的？
自然大家都会想到，比如说政府债券的投资，因为它有政府担保做抵押，
升级会员 