企业价值评估中,评估人员通常根据过往案例和实践经验,主观地确定特有风险调整额。资产评估报告中,也经常会出现“据经验判断”、“经过综合分析”等类似的描述,然后直接确定特有风险收益率。一方面,资历较浅的评估人员很难确定恰当、合适的调整值。另一方面,对公司特有风险调整额的人为操控应运而生,进而影响评估的精准性。部分报告在确定特有风险收益率时,也会将相关数据代入模型中进行计算,但现有的规模与企业特有风险收益率实证模型并未细化到行业层面,仅给出了适用于全部行业的公式。因此,基于各行业特质,构建采用不同规模指标计算企业特有风险收益率的实证模型具有重要意义。首先,本文进行了文献综述、理论基础研究和概念界定。本文归纳了国内外对企业收益率、企业特有风险收益率及规模对收益率、特有风险收益率影响的研究现状,重点介绍了CAPM模型、三因子和五因子模型。接着,本文对收益率、特有风险收益率两个概念进行了界定。描述性统计结果显示,各行业中公司特有风险收益率均值差距较大。其中,食品饮料行业的公司特有风险收益率平均值最高,为18.78%,而传媒互联网行业的公司特有风险收益率平均值最低,仅为-18.74%。不同行业之间的差距较大,可证明应采用不同的实证模型计算不同行业企业的特有风险收益率。经过综合分析,确定科技、工业和消费行业为本文的研究重点。本文分别采用毛利、总市值、净利润三个指标衡量科技、工业、消费企业规模。我国科技企业通常处于成长期,该阶段企业毛利是衡量公司规模的较好指标,总市值易受较高的市盈率的影响,高估企业规模。工业企业适宜用总市值来衡量企业规模,该指标代表了企业成长性和盈利能力。在科技行业和工业行业中,选用净利润等其余指标分别替换毛利和总市值,得到的实证模型显著,但拟合程度不高。而消费企业适合用净利润来衡量,我国多数细分消费市场处于存量竞争,盈利模式和行业竞争格局已经稳定,且周期性较弱。消费行业企业各年度的净利润稳定,因此归母净利润指标这个财务指标非常适宜衡量该行业的企业规模。本文分别建立了科技、工业和消费行业企业特有风险收益率与企业规模之间的回归方程。首先采用ROA和资产负债率作为控制变量,各行业可构建出显著的线性回归模型,且实证结果均显示,企业规模越大特有风险收益率也越高。对比来看,消费行业的实证模型拟合优度最高,Adj~2为0.8109;工业行业的实证模型拟合优度最低,Adj~2为0.6734。将企业特有风险收益率的数据拉长到2016年-2020年,进行稳健性检验,上述实证模型均通过了稳健性检验。企业特有风险收益率除了受到资本结构、盈利能力因素的影响,成长性和运营能力也会影响公司特有风险收益率。针对各行业的不同特性,增加应收账款周转率、归属母公司股东的净利润的增长情况和总资产周转率等控制变量再次进行回归。在增加了新控制变量以后,模型显著且拟合优度均有所提升。最后,本文说明了宜采用不同指标衡量各行业企业规模,分析了公司规模与特有风险收益率正相关的底层逻辑。科技、工业和消费行业的集中度逐步提升,大规模企业的盈利能力增强、市场份额提高,营业收入和净利润持续增长,优秀的市场议价能力与规模经济效应给大企业带来了更高的特有风险收益率。此外,机构投资者和外资占比继续提高,也有助于大规模上市公司获取超出市场平均水平的特有风险收益率。