短期贝塔系数预测及其特征分析.doc

短期贝塔系数预测及其特征分析 目 录 一、β系数及其预测方法………………………………………… 2 （一）β系数…………………………………………………… 2 （二）β系数的预测方法……………………………………… 2 1.历史β模型…………………………………………………2 2.BLUM模型……………………………………………………3 3.VASICEK模型……………………………………………… 3 （三）预测效果的评价……………………………………………3 二、短期β系数预测方法选择………………………………………4 （一）研究准备………………………………………………… 4 （二）日收益率基础上的预测………………………………… 4 （三）小结……………………………………………………… 5 三、当前A股β值及其特征…………………………………………5 （一）日收益率基础上预测的β系数特征…………………… 6 1.总体特征………………………………………………… 6 2.行业特征………………………………………………… 8 （二）总结……………………………………………………… 9 短期贝塔系数预测及其特征分析 【内容提要】贝塔系数是资产(或者资产组合)系统性风险的度量。本文利用历史β模型、BLUM模型和VASICEK模型对短期贝塔系数进行了预测，并对短期贝塔系数进行了特征分析，以此试图评价A股市场的整体风险和相关行业选择。 【关键字】β系数 预测 特征 一、β系数及其预测方法 （一）β系数 β系数又称系统性风险系数，是特定资产(或资产组合)系统性风险的度量，所谓系统性风险是指资产受宏观经济、市场情绪等整体性因素影响而发生的价格波动。证券市场上β系数反应的是特定证券（或者证券组合）价格变动与市场上证券平均价格（即市场组合收益）变动之间的相关关系。 β系数来源于资本资产定价模型（以下简称CAPM模型）。CAPM模型是由Sharpe（1964）、Linter（1965）和Mossin（1966）在Markowitz现代证券组合理论的基础上提出的，其核心思想是当证券市场处于均衡状态时，资产的预期收益率等于无风险利率加上风险溢价，即 其中表示第i种资产或者资产组合（以下统称第i种资产）的预期收益，表示市场无风险收益率，表示市场组合收益率，表示第i种资产的β系数。 （二）β系数的预测方法 β系数反映的是资产预期收益率与市场组合预期收益率的关系，而在实际的应用中，资收益率以及市场组合的预期收益率都非可观测值，因而β系数只能通过历史数据进行预测。在静态假设下（即假设β系数在一段时间内保持不变），常用的β系数预测方法有历史β预测，BLUM模型以VASICEK模型。 1.历史β模型 在预测β系数时，最常用的方法是历史β模型，该模型假设历史β是未来β的无偏估计，因而未来的β可以用历史β的估计值来代替。用公式可以表示成 其中是第t观察期第i种资产β系数的预测值，是第t-1观察期第i种资产β系数的历史估计值。 2.BLUM模型 Blume（1971）发现β系数序列存在均值回归的特性，并指出如果回归的速度不随时间改变，就可以在预测β时根据这一趋势进行调整。其调整模型为 在实际应用中，可以利用第t-1观察期和第t-2观察期β系数的历史估计值横截面数据，通过回归估计出a和b的值，从而利用a、b以及对第t观察期的β系数进行预测。 BLUM模型在实际中有着广泛的应用，华尔街著名投行美林证券在做β值预测时就采用了BLUM模型，不过美林证券用的是一种更简单的方法，其假设a,b都是固定值。美林模型如下： 3.VASICEK模型 与Blum模型不同，Vasicek提出了一种贝叶斯模型，利用历史β系数横截面分布的信息对β系数进行调整，来预测未来的β系数。模型如下： 其中表示估计的标准偏差，表示第t-1观察期β系数分布的平均值，表示第t-1观察期β系数分布的标准差。 （三）预测效果的评价 预测效果反应的是预测值与真实值的差距，理论上β系数的预测效果应该采用实际的β数来评价。但是由于实际β系数并非可观测值，在应用中都采用被预测期β系数的估计值来代替β系数的实际值。 本文中我们采用最小均方误差模型（MSE）为衡量标准，对各种预测结果的优劣进行比较。MSE模型如下： 其中为第i种资产β系数的估计值，为第i种资产β系数的预测值。 二、短期β系数预测方法选择 β系数在套期保值、资产配置以及风险管理等投资实践领域中应用广泛，由于静态假设下β系数的使用期限一般较短，因此准确的预测短期静态β系数有着重要的意义。我们以沪深300指数作为市场组合，分别以日收益率周收益率为基础进行估计，对收益率样本数量以及预测方法的选择进行比较研究，期望找到目前市场环境下合适的短期期静态β系数的预测方法。