贝塔系数的测算与调整
按照单一指数模型,任一证券应有与其本身特性相关的β值,即每个证券的β值应该是稳定的。但实际中,β值会由于计算期的不同而具有不同的数值,计算方法不同,β值的结果也不一样。股票贝塔系数存在不稳定,说明我们有必要对其差异进行分析,以图找出一种比较接近客观真实贝塔的估计方法。所以有必要对各种结算结果的波动性进行比较,以选取相对稳定的方法测算贝塔系数。
贝塔系数的预测以及评估
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,资产的预期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),比较直观简单的β系数预测方法有历史β预测,均值回归模型等。
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:
βi,t=βi,t 1
其中i,t是第t 观察期第i 种资产β系数的预测值, i 种资产β系数的历史估计值。
2)均值回归模型
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:
β
βi,t 1
是第t 1观察期第
βi,t=a+bβi,t 1
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
β
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i,t 1对第t 观察期的β系数进行预测。
均值回归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值预测时就采用了这种办法,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:
βi,t=0.35+0.65βi,t 1
β系数预测效果的评价
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系数来评价。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。
本文中我们采用均值绝对偏差(Mean Absolute Deviation, MAD)以便对预测效果进行检验,对各种预测结果的优劣进行比较。
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说教育文库贝塔系数的测算与调整(5)在线全文阅读。
相关推荐: