《深市行业贝塔系数的稳定性与时变性研究》由会员分享，可在线阅读，更多相关《深市行业贝塔系数的稳定性与时变性研究（38页珍藏版）》请在金锄头文库上搜索。
1、数量经济学专业毕业论文数量经济学专业毕业论文 精品论文精品论文 深市行业贝塔系数的稳定深市行业贝塔系数的稳定性与时变性研究性与时变性研究关键词：贝塔系数关键词：贝塔系数 稳定性稳定性 时变性时变性 股票市场股票市场 资本资产定价模型资本资产定价模型摘要：在传统资本资产定价模型(CAPM)中，系统性风险完全是通过贝塔(Beta) 系数来体现的。传统 CAPM 是单期的均衡模型，所描述的系统性风险是静态风险， 并没有考虑到实际投资者所做的投资策略是不断改变的，无法衡量资本资产市 场中的动态均衡，具有明显的局限性。 本文使用深圳股市的行业指数、综合 指数分别计算行业收益率和市场收益率，在此基础上对贝
2、塔系数的稳定性和时 变性进行研究，试图回答以下主要问题：(1)各行业的系统风险是否能用不变的 静态贝塔系数来衡量；(2)如果贝塔系数不稳定，能否将静态的 CAPM 转化为动 态的 CAPM；(3)动态的系统风险是否可以很好的被模拟和预测。其中贝塔系数 稳定性的判定使用了基于 OLS 的残差检验、基于滚动回归的贝塔系数检验和基 于递推回归的 CUSUMSQ 统计量分析；贝塔系数时变性的判定使用了基于状态空 间模型的卡尔曼滤波分析，模型的设定选用了随机游走、随机系数以及均值回 复模型。 研究结果表明：(1)深市各行业贝塔系数均具有不稳定性；(2)深市 各行业贝塔系数均具有时变性；(3)在所考察的模
3、型中，深市十三个行业中有十 个行业的贝塔系数用均值回复模型拟合效果最优，其余三个行业的贝塔系数使 用随机系数模型拟合效果最优，而随机游走模型不适合用于对行业贝塔系数进 行拟合。各个行业的贝塔系数的均值呈现出不等于 1 且不相等的结果，但是大 多数行业的系统性风险都大于市场风险；(4)与静态贝塔系数模型相比，动态贝 塔系数模型的预测误差更小。 本论文从实证的视角考察了深市各行业贝塔系 数的不稳定性和时变性，说明了传统 CAPM 的局限性，这为 CAPM 理论和应用的 进一步研究提供了有力的实证参考依据。正文内容正文内容在传统资本资产定价模型(CAPM)中，系统性风险完全是通过贝塔(Beta)系
4、数来体现的。传统 CAPM 是单期的均衡模型，所描述的系统性风险是静态风险， 并没有考虑到实际投资者所做的投资策略是不断改变的，无法衡量资本资产市 场中的动态均衡，具有明显的局限性。 本文使用深圳股市的行业指数、综合 指数分别计算行业收益率和市场收益率，在此基础上对贝塔系数的稳定性和时 变性进行研究，试图回答以下主要问题：(1)各行业的系统风险是否能用不变的 静态贝塔系数来衡量；(2)如果贝塔系数不稳定，能否将静态的 CAPM 转化为动 态的 CAPM；(3)动态的系统风险是否可以很好的被模拟和预测。其中贝塔系数 稳定性的判定使用了基于 OLS 的残差检验、基于滚动回归的贝塔系数检验和基 于递
5、推回归的 CUSUMSQ 统计量分析；贝塔系数时变性的判定使用了基于状态空 间模型的卡尔曼滤波分析，模型的设定选用了随机游走、随机系数以及均值回 复模型。 研究结果表明：(1)深市各行业贝塔系数均具有不稳定性；(2)深市 各行业贝塔系数均具有时变性；(3)在所考察的模型中，深市十三个行业中有十 个行业的贝塔系数用均值回复模型拟合效果最优，其余三个行业的贝塔系数使 用随机系数模型拟合效果最优，而随机游走模型不适合用于对行业贝塔系数进 行拟合。各个行业的贝塔系数的均值呈现出不等于 1 且不相等的结果，但是大 多数行业的系统性风险都大于市场风险；(4)与静态贝塔系数模型相比，动态贝 塔系数模型的预测
6、误差更小。 本论文从实证的视角考察了深市各行业贝塔系 数的不稳定性和时变性，说明了传统 CAPM 的局限性，这为 CAPM 理论和应用的 进一步研究提供了有力的实证参考依据。 在传统资本资产定价模型(CAPM)中，系统性风险完全是通过贝塔(Beta)系数来 体现的。传统 CAPM 是单期的均衡模型，所描述的系统性风险是静态风险，并没 有考虑到实际投资者所做的投资策略是不断改变的，无法衡量资本资产市场中 的动态均衡，具有明显的局限性。 本文使用深圳股市的行业指数、综合指数 分别计算行业收益率和市场收益率，在此基础上对贝塔系数的稳定性和时变性 进行研究，试图回答以下主要问题：(1)各行业的系统风险
7、是否能用不变的静态 贝塔系数来衡量；(2)如果贝塔系数不稳定，能否将静态的 CAPM 转化为动态的 CAPM；(3)动态的系统风险是否可以很好的被模拟和预测。其中贝塔系数稳定性 的判定使用了基于 OLS 的残差检验、基于滚动回归的贝塔系数检验和基于递推 回归的 CUSUMSQ 统计量分析；贝塔系数时变性的判定使用了基于状态空间模型 的卡尔曼滤波分析，模型的设定选用了随机游走、随机系数以及均值回复模型。研究结果表明：(1)深市各行业贝塔系数均具有不稳定性；(2)深市各行业贝 塔系数均具有时变性；(3)在所考察的模型中，深市十三个行业中有十个行业的 贝塔系数用均值回复模型拟合效果最优，其余三个行业
8、的贝塔系数使用随机系 数模型拟合效果最优，而随机游走模型不适合用于对行业贝塔系数进行拟合。 各个行业的贝塔系数的均值呈现出不等于 1 且不相等的结果，但是大多数行业 的系统性风险都大于市场风险；(4)与静态贝塔系数模型相比，动态贝塔系数模 型的预测误差更小。 本论文从实证的视角考察了深市各行业贝塔系数的不稳 定性和时变性，说明了传统 CAPM 的局限性，这为 CAPM 理论和应用的进一步研 究提供了有力的实证参考依据。 在传统资本资产定价模型(CAPM)中，系统性风险完全是通过贝塔(Beta)系数来 体现的。传统 CAPM 是单期的均衡模型，所描述的系统性风险是静态风险，并没有考虑到实际投资者
9、所做的投资策略是不断改变的，无法衡量资本资产市场中 的动态均衡，具有明显的局限性。 本文使用深圳股市的行业指数、综合指数 分别计算行业收益率和市场收益率，在此基础上对贝塔系数的稳定性和时变性 进行研究，试图回答以下主要问题：(1)各行业的系统风险是否能用不变的静态 贝塔系数来衡量；(2)如果贝塔系数不稳定，能否将静态的 CAPM 转化为动态的 CAPM；(3)动态的系统风险是否可以很好的被模拟和预测。其中贝塔系数稳定性 的判定使用了基于 OLS 的残差检验、基于滚动回归的贝塔系数检验和基于递推 回归的 CUSUMSQ 统计量分析；贝塔系数时变性的判定使用了基于状态空间模型 的卡尔曼滤波分析，模
10、型的设定选用了随机游走、随机系数以及均值回复模型。研究结果表明：(1)深市各行业贝塔系数均具有不稳定性；(2)深市各行业贝 塔系数均具有时变性；(3)在所考察的模型中，深市十三个行业中有十个行业的 贝塔系数用均值回复模型拟合效果最优，其余三个行业的贝塔系数使用随机系 数模型拟合效果最优，而随机游走模型不适合用于对行业贝塔系数进行拟合。 各个行业的贝塔系数的均值呈现出不等于 1 且不相等的结果，但是大多数行业 的系统性风险都大于市场风险；(4)与静态贝塔系数模型相比，动态贝塔系数模 型的预测误差更小。 本论文从实证的视角考察了深市各行业贝塔系数的不稳 定性和时变性，说明了传统 CAPM 的局限性
11、，这为 CAPM 理论和应用的进一步研 究提供了有力的实证参考依据。 在传统资本资产定价模型(CAPM)中，系统性风险完全是通过贝塔(Beta)系数来 体现的。传统 CAPM 是单期的均衡模型，所描述的系统性风险是静态风险，并没 有考虑到实际投资者所做的投资策略是不断改变的，无法衡量资本资产市场中 的动态均衡，具有明显的局限性。 本文使用深圳股市的行业指数、综合指数 分别计算行业收益率和市场收益率，在此基础上对贝塔系数的稳定性和时变性 进行研究，试图回答以下主要问题：(1)各行业的系统风险是否能用不变的静态 贝塔系数来衡量；(2)如果贝塔系数不稳定，能否将静态的 CAPM 转化为动态的 CAP
12、M；(3)动态的系统风险是否可以很好的被模拟和预测。其中贝塔系数稳定性 的判定使用了基于 OLS 的残差检验、基于滚动回归的贝塔系数检验和基于递推 回归的 CUSUMSQ 统计量分析；贝塔系数时变性的判定使用了基于状态空间模型 的卡尔曼滤波分析，模型的设定选用了随机游走、随机系数以及均值回复模型。研究结果表明：(1)深市各行业贝塔系数均具有不稳定性；(2)深市各行业贝 塔系数均具有时变性；(3)在所考察的模型中，深市十三个行业中有十个行业的 贝塔系数用均值回复模型拟合效果最优，其余三个行业的贝塔系数使用随机系 数模型拟合效果最优，而随机游走模型不适合用于对行业贝塔系数进行拟合。 各个行业的贝塔
13、系数的均值呈现出不等于 1 且不相等的结果，但是大多数行业 的系统性风险都大于市场风险；(4)与静态贝塔系数模型相比，动态贝塔系数模 型的预测误差更小。 本论文从实证的视角考察了深市各行业贝塔系数的不稳 定性和时变性，说明了传统 CAPM 的局限性，这为 CAPM 理论和应用的进一步研 究提供了有力的实证参考依据。 在传统资本资产定价模型(CAPM)中，系统性风险完全是通过贝塔(Beta)系数来 体现的。传统 CAPM 是单期的均衡模型，所描述的系统性风险是静态风险，并没 有考虑到实际投资者所做的投资策略是不断改变的，无法衡量资本资产市场中 的动态均衡，具有明显的局限性。 本文使用深圳股市的行
14、业指数、综合指数 分别计算行业收益率和市场收益率，在此基础上对贝塔系数的稳定性和时变性 进行研究，试图回答以下主要问题：(1)各行业的系统风险是否能用不变的静态贝塔系数来衡量；(2)如果贝塔系数不稳定，能否将静态的 CAPM 转化为动态的 CAPM；(3)动态的系统风险是否可以很好的被模拟和预测。其中贝塔系数稳定性 的判定使用了基于 OLS 的残差检验、基于滚动回归的贝塔系数检验和基于递推 回归的 CUSUMSQ 统计量分析；贝塔系数时变性的判定使用了基于状态空间模型 的卡尔曼滤波分析，模型的设定选用了随机游走、随机系数以及均值回复模型。研究结果表明：(1)深市各行业贝塔系数均具有不稳定性；(
15、2)深市各行业贝 塔系数均具有时变性；(3)在所考察的模型中，深市十三个行业中有十个行业的 贝塔系数用均值回复模型拟合效果最优，其余三个行业的贝塔系数使用随机系 数模型拟合效果最优，而随机游走模型不适合用于对行业贝塔系数进行拟合。 各个行业的贝塔系数的均值呈现出不等于 1 且不相等的结果，但是大多数行业 的系统性风险都大于市场风险；(4)与静态贝塔系数模型相比，动态贝塔系数模 型的预测误差更小。 本论文从实证的视角考察了深市各行业贝塔系数的不稳 定性和时变性，说明了传统 CAPM 的局限性，这为 CAPM 理论和应用的进一步研 究提供了有力的实证参考依据。 在传统资本资产定价模型(CAPM)中
16、，系统性风险完全是通过贝塔(Beta)系数来 体现的。传统 CAPM 是单期的均衡模型，所描述的系统性风险是静态风险，并没 有考虑到实际投资者所做的投资策略是不断改变的，无法衡量资本资产市场中 的动态均衡，具有明显的局限性。 本文使用深圳股市的行业指数、综合指数 分别计算行业收益率和市场收益率，在此基础上对贝塔系数的稳定性和时变性 进行研究，试图回答以下主要问题：(1)各行业的系统风险是否能用不变的静态 贝塔系数来衡量；(2)如果贝塔系数不稳定，能否将静态的 CAPM 转化为动态的 CAPM；(3)动态的系统风险是否可以很好的被模拟和预测。其中贝塔系数稳定性 的判定使用了基于 OLS 的残差检验、基于滚动回归的贝塔系数检验和基于递推 回归的 CUSUMSQ 统计量分析；贝塔系数时变性的判定使用了基于状态空间模型 的卡尔曼滤波分析，模型的设定选用了随机游走、随机系数以及均值回复模型。研究结果表明：(1)深市各行业贝塔系数均具有不稳定性；(2)深市各行业贝 塔系数均具有时变性；(3)在所考察的模型中
