企业估值中折现率的确定：基于CAPM模型(2)

　　本文以2007—2010年作为研究时间段，选取制造业、食品饮料行业83家公司为样本进行研究。研究不考虑2007年1月以后上市的公司、发行B股的公司以及连续停牌超过一个月的公司，同时剔除ST、ST公司，符合条件的公司共有38家。分别计算38家股票和指数的日收益率、周收益率和月收益率，并进行线性回归，得出表2。从表2可知，沪深300指数所对应的判决系数最高，其均值为0.436～0.461，作为代表市场波动的指数，具有较好的拟合优度，稳定性最佳。因此，在确定市场风险溢价时采用沪深300指数作为代表市场风险的指数。

　　本文通过Wind数据库系统收集沪深300指数的各成分股2001年至2010年间年末后复权的交易收盘价。采用几何平均值法计算其收益率，无风险报酬率采用5年以上国债年平均到期收益率，计算得到10年来沪深300指数的平均超额风险收益率（MRP）为6.8%，见表3。

　　四、企业风险系数的确定

　　企业风险系数即Beta（用？茁表示），是衡量上市公司相对于充分风险分散的证券市场综合指数的风险水平参数，也是用来衡量企业系统风险的指标。综合指数的？茁值为1，如果上市公司相对综合指数的风险较大，那么其？茁值就大于1，反之就小于1。在采用CAPM模型计算折现率时，非上市公司？茁值的估算需要选择可比上市公司②。以沪深300指数代表整体市场，分别将可比公司的股票收益率和指数收益率进行回归，得出每个可比公司的？茁值；为了消除单个交易日对整体的影响，提高？茁值的稳定性，选择月为收益周期单位；对两者的相关性进行T检验，选取显著性高的企业作为最终可比公司。

　　采用上述方法估算的？茁值被认为是含有可比公司自身资本结构（财务杠杆）的？茁值，由于各个公司的财务杠杆不一样，对？茁值会产生一定的影响，因此需要调整这个影响，即去杠杆化，可以采用公式？茁U=？茁L/[1+（1-T）D/E]，剔除可比公司？茁值中的财务杠杆影响，以可比公司的平均值作为被评估企业的？茁U。最后利用被评估企业的资本结构，根据公式？茁L=？茁U×[1+（1-T）D/E]确定其含自身财务杠杆的？茁值。被评估企业的资本结构可以根据可比公司资本结构、最优资本结构或者迭代方式确定。可比公司资本结构一般指可比公司资本结构的平均值或者上市公司行业平均资本结构，最优资本结构是指能使投资者获得最大回报率的资本结构。

　　下面以啤酒类制造、销售企业为例加以说明。经过对比，初步选择惠泉啤酒、青岛啤酒、燕京啤酒、重庆啤酒和兰州黄河五家上市公司作为参考公司。将每个股票月收益率作为因变量，沪深300指数月收益率作为自变量，进行时间序列回归分析，同时进行T检验（过程略）。结果表明：五家可比公司T值均大于2，P值均小于0.05，其股票收益率与市场指数的收益率相关性高度显著，可以作为可比公司。根据相关财务报表数据，各可比公司的付息债务价值、权益价值、财务杠杆比例和Beta系数计算如表4。表4中，Di/EIw为各参考公司的财务杠杆系数；BetaLi为各对比上市公司具有财务杠杆的Beta系数；BetaUi为没有财务杠杆的Beta系数。通过表4可以得到啤酒制造、销售类企业的平均无财务杠杆Beta系数为0.651，可比公司平均财务杠杆系数为6.04%，可作为被评估企业的财务杠杆。因此，得出被评估企业的Beta系数为0.680：

　　Beta=BetaU×[1+（1-t）D/E]=0.651×[1+（1-25%）×6.04%]=0.680

　　五、个别风险调整的确定

　　折现率确定过程中的个别风险调整，主要是考虑被评估企业与可比公司相比在个体风险上的差异。目前各评估机构在个别风险调整确定过程中考虑的因素主要是企业规模、企业所处经营阶段、企业的财务风险、主要产品所处的发展阶段、企业经营业务、产品和地区的分布、公司内部管理及控制机制、管理人员的经验和资历、对主要客户及供应商的依赖等。根据笔者收集的部分企业价值评估报告中披露的个别风险调整值可以看出，个别风险调整值主要分布在0%～5%这个区间，评估报告中也有评估师确定的个别风险调整为0，但是其评估说明中没有对被评估企业与可比公司风险无差异进行全面分析。总的来说，在评估实践中，个别风险的调整主要是根据评估师的经验进行确定，其值的确定缺乏定性和定量的分析，主观性较强，因此该参数的确定需要一定的数据进行支撑。

　　考虑相关因素在实践中定量分析的难易程度，本文综合提炼出企业规模风险、企业产品阶段风险、企业经营风险和企业内部治理风险四个方面的11个指标，采用因子分析法对个别风险进行评价，具体如表5所示。

　　本文以2009年底前上市的67家食品饮料行业上市公司为例，对2010年的企业个别风险进行综合评价，评估基准日为2010年12月31日，数据来自巨潮资讯和CCER数据库，采用SPSS17.0和Excel2003统计软件。

　　首先，对变量进行KMO值检验，看其是否适合采用因子分析法，若KMO值小于0.5则意味着所选变量不适合采用因子分析法，若其值介于0.5和1.0之间则表示所选变量适合采用因子分析法。表6给出的KMO检验值为0.647，介于0.5和1之间，算中上等水平，相应的显著性水平（Sig）为0.000，明显小于0.001，可以说效果非常显著，认为系数矩阵不太可能为单位矩阵，满足因子分析的前提条件，因此所选变量适合使用因子分析方法，可以进行下一步因子分析。

　　原指标的每一个变量都可以表示成公共因子的线性函数，从具有共线性的多个变量中选取的公共因子高度概括了原始变量中的大部分信息，笔者运用SPSS软件得到67家样本公司财务指标的公共因子G1，G2，G3，…，G11。在表7中可以找到对应的特征值和贡献率，原来的11个原始变量被特征值大于1的公因子所代替，符合条件的有4个公因子，而且其累计贡献率达到了72.22%，即这4个公因子包含了原来变量72.22%的信息量。因此，企业个别风险得分可以用这4个公因子来进行评价。

　　由旋转后的正交因子载荷（表8）可知，第一公共因子（第一列）高载荷的指标有资产负债率、流动比率和速动比率等，主要反映企业的经营风险，用G1表示；第二公共因子（第二列）高载荷的指标有员工数自然对数、总资产自然对数和营业收入自然对数等，主要反映企业规模风险，用G2表示；第三列高载荷的指标有年度内股东大会的会议总次数、年度内董事会的会议次数、年度内监事会的会议次数等，主要反映企业内部治理风险，用G3表示；第四列高载荷的指标是营业收入增长率和营业利润增长率，其主要反映企业产品阶段风险，用G4表示。由此可知，4个公共因子正好符合企业个别风险的4个维度，其对应的得分系数见表9。