中國股市β系數(shù)時變性分析.pdf

1、金融研究的重要領(lǐng)域之一就是致力于理解為什么我們觀察到的各種金融資產(chǎn)有著不同的期望收益率。資產(chǎn)定價模型可以被視為金融資產(chǎn)的期望收益率的描述。資產(chǎn)定價問題是近幾十年來西方金融理論中發(fā)展最快的一個領(lǐng)域。在馬科維茨提出投資組合理論后，馬科維茨的學(xué)生夏普發(fā)展了老師的理論，提出了資本資產(chǎn)定價模型(CAPM)。CAPM作為現(xiàn)代金融理論的三大基石之一，有著極為廣泛的應(yīng)用范圍。CAPM認為任何風(fēng)險資產(chǎn)的風(fēng)險．收益特質(zhì)都可用3個參數(shù)表示：均值，標準差以及對

2、市場組合的敏感度，從而對馬柯維茲的證券組合理論進行了十分重要的簡化。盡管證券組合理論指出了資產(chǎn)的價格并非由其總風(fēng)險決定，但并未闡明究竟哪一部分風(fēng)險與資產(chǎn)定價相關(guān)。Sharpe積極探索這一問題并取得重大突破，他于1964年在《金融雜志》上發(fā)表的論文《資本資產(chǎn)價格：風(fēng)險狀態(tài)下的市場均衡理論》以及隨后Lintner(1965)和Mossin(1966)獨立完成但得出相同結(jié)論的相關(guān)論文構(gòu)成著名的資本資產(chǎn)定價模型(Capital Asset Pr

3、icing Model，CAPM)。CAPM的核心思想，簡而言之，是單個資產(chǎn)或證券組合的預(yù)期收益與其系統(tǒng)性風(fēng)險線性正相關(guān)。市場風(fēng)險系數(shù)是用β值來衡量。CAPM所考慮的是不可分散的風(fēng)險(市場風(fēng)險)對證券要求報酬率的影響，其已假定投資人可作完全多角化的投資來分散可分散的風(fēng)險(公司特有風(fēng)險)，故此時只有無法分散的風(fēng)險，才是投資人所關(guān)心的風(fēng)險，因此也只有這些風(fēng)險，可以獲得風(fēng)險報酬。β系數(shù)的估計是CAPM模型實際運用時組重要的環(huán)節(jié)之一，在實際運用

4、中，人們常用單因素模型來估計β。雖然嚴格來說，資產(chǎn)定價模型中的β值和單因素模型中的β值是有區(qū)別的，前者相對于整個市場組合而言，而后者相對于某個市場指數(shù)而言，但是在實際操作中，由于我們不能確切知道市場組合的構(gòu)成，所以一般用市場指數(shù)來代替，因此我們可以用單因素模型測算的β值來代替資本定價模型中的β值。自從Sharpe提出CAPM模型以來，許多的CAPM族資產(chǎn)定價模型都假定了一個約束條件，即資產(chǎn)期望收益與資產(chǎn)風(fēng)險是線性的關(guān)系。如Sharpe(

5、1964)與Lintner(1965)提出的條件CAPM模型就假定資產(chǎn)的條件期望收益與市場組合的風(fēng)險溢價(減去無風(fēng)險收益)是線性的關(guān)系，它們直接的系數(shù)就是資產(chǎn)的β，也資產(chǎn)與市場組合的條件協(xié)方差與市場組合的條件方差的比值。β系數(shù)作為輸入?yún)?shù)，理論上應(yīng)采用未來期的β系數(shù)值。但是，β系數(shù)本身也是未知參數(shù)，無法從市場中直接觀察得到，只能根據(jù)過去時期的數(shù)據(jù)進行估計，為事后計量值。這一做法實際上還隱含了一個重要假設(shè)，即β系數(shù)在一定時期內(nèi)是完全穩(wěn)定不

6、變。如果用歷史數(shù)據(jù)計算的β系數(shù)估計值不具備較好的穩(wěn)定性，就不能作為未來期β系數(shù)的有效估計，CAPM模型在實踐中的應(yīng)用將會受到極大的限制。同時，在證券分析和投資管理中，對系統(tǒng)性風(fēng)險的事前預(yù)測比事后估計更為重要，而能否準確地預(yù)測未來的β系數(shù)，關(guān)鍵也在于用歷史數(shù)據(jù)估計出來的β系數(shù)是否具有一定的穩(wěn)定性。因此，β系數(shù)的穩(wěn)定性研究具有十分突出的理論和現(xiàn)實意義，很多學(xué)者都認識到這一問題的重要性，他們先后以各種方法檢驗β系數(shù)的穩(wěn)定性，分析β系數(shù)的變化特

7、征。一些學(xué)者提出了“時變β系數(shù)”(time—varying beta)概念，他們采用一些動態(tài)的方法來估計并考察時變β系數(shù)的變動特征實證研究的結(jié)果表明，β在長期內(nèi)將不是一個常數(shù)。既然日系數(shù)并非完全穩(wěn)定的固定參數(shù)，人們更需要掌握β系數(shù)在時間序列上的變動特征，如果β系數(shù)的變動具有一定規(guī)律，那么β系數(shù)就具備一定程度的可預(yù)測性。 因此本文的目的則在于綜合之前的各個主要研究方法的思路，對中國股市的時變β系數(shù)估計進行初步性的研究。 本

8、文主要使用了4種模型來估計β系數(shù)，分別是常協(xié)方差模型，利用殘差估計的條件CAPM模型，利用標準差乘積估計的條件CAPM模型，以及基于多元GARCH模型的條件CAPM模型，在多元GARCH模型里，方差矩陣起到一種核心的作用，正是用這個矩陣的動態(tài)性來刻畫波動特征的，并且多元GARCH模型的分類一般都是基于對方差矩陣的各自不同的設(shè)定而劃分的。VEC模型將單一的GARCH模型擴展到向量形式。這是一種很直接的擴展，但是其中也存在很多的問題。Dia

9、gonal—VEC模型提出hijt僅僅依賴于它本身的一階滯后和氣εi．tεj．t的一階滯后值。就是說方差僅僅依賴于各自過去的殘差平方，協(xié)方差則僅僅和殘差交叉項的過去值相關(guān)。BEKK模型通過對交叉項和等式內(nèi)部的共同限制，大大簡化了需要估計的參數(shù)。CCC模型在相關(guān)系數(shù)固定的假定下，相關(guān)系數(shù)矩陣的極大似然估計量等于樣本相關(guān)系數(shù)矩陣。只要樣本相關(guān)系數(shù)矩陣正定，協(xié)方差矩陣便保持正定。這樣相關(guān)系數(shù)矩陣便被排除在似然函數(shù)之外，因此可以使似然函數(shù)得以容

10、易的優(yōu)化。DCC—MVGARCH模型及其估計為了更好地研究多個時間序列的波動情況，擴展了CCC模型，令相關(guān)系數(shù)矩陣時變。它比以前模型相對的節(jié)儉，具有良好的計算優(yōu)勢，可以用來估計大規(guī)模的相關(guān)系數(shù)矩陣。 對比我們本文所討論到的4種估計方法，我們可以看到，第一種種估計方法估計出來的結(jié)果是比較粗糙的。常數(shù)協(xié)方差的假定很明顯的不能給予β系數(shù)時變性的研究很好的效果，而將協(xié)方差看作是殘差項乘積的一個自回歸過程的方法效果取得了比較好的結(jié)果，但是

11、我們也注意到這一模型估計結(jié)果中，殘差項的平方存在自相關(guān)。因此我們對其進行擴展，使資產(chǎn)組合收益率也服從一個ARCH過程。本文中的后兩種作為應(yīng)該說都具備有比較好的參考意義，可以用于指導(dǎo)實際中的β分析。但是兩種方法的側(cè)重點仍舊有一定的差別，第三種方法對單個組合收益率可以很好的反映其各個時期不同的波動性，而第四種方法不僅可以反映各個不同的組合之間β系數(shù)的比較，而且在數(shù)值上，我們也可看出來相對跟接近于真實的β值。但是我們也注意到一點，在很多情況下