中国股市β系数多尺度特性研究.docVIP

中国股市β系数多尺度特性研究 　　摘要： 本文提出一种基于小波方差和小波协方差的β系数估计方法，并通过小波方差和小波协方差的多尺度分解估计出不同尺度上的风险系数，用该方法对中国证券A股市场分行业及投资组合的β系数进行了多尺度估计分析。实证结果表明，我国股市具有复杂的多尺度波动的特征，不同时间尺度上证券市场所表现出的风险不一样，短期投资的风险主要表现在高频波动，投资者应当考虑低尺度下的β系数，而长期投资风险主要表现为低频波动，应当考虑大尺度下的β系数。 Abstract： This paper presents β coefficient estimation method based on wavelet variance and wavelet covariance， and estimates the risk coefficient on different scales through multi-scale decomposition of wavelet variance and wavelet covariance， then uses this method to carry on multi-scale analysis for China securities A-share market branch industry and the investment portfolios coefficient. The empirical results show that China’s stock markethas the characteristics of complex multi-scale fluctuations， stock market riskson different time scales exhibits different risk. The risk of short-term investments mainlyin the high-frequency fluctuations， investors should consider a low scales β coefficient， while long-term investment risk mainly forlow-frequency fluctuations， investors should consider a large scales β coefficient. 关键词： β系数；小波分析；多尺度分解；小波方差；小波协方差 Key words： β coefficient；wavelet analysis；multi-scale decomposition；wavelet variance；wavelet covariance 中图分类号：F832.5 文献标识码：A 文章编号：1006-4311（2014）14-0019-04 0 引言 资本资产定价模型（Capital Asset Pricing Model，CAPM）是金融经济学的重要定价理论，它在金融产品定价、基金业绩评价等方面都得到了广泛的应用。β系数作为这一模型中用于衡量资产系统性风险的指标，在整个模型的运用中始终a处于核心的地位。但由于β系数具有不稳定和时变的特征，投资者在依据传统CAMP模型进行资产管理时受到了很大的限制。3 中国股市β系数的多尺度特性分析 3.1 样本数据的选取 本文的研究对象均选自上证180指数的成分股，该指数中的成分股是在所有A股股票中抽取最具市场代表性的180只样本股票，基本能反映出上海证券市场的概貌和运行情况，能够作为投资评价尺度及金融衍生产品基础的基准指数。 研究时间自2005年1月4日至2009年12月31日，剔除节假日共1216个交易日，250个交易周。在样本股票筛选过程中，将股票交易起始日在2005年1月4日之后的股票予以剔除，同时，将连续停牌导致周收益率数据缺失严重的股票也剔除掉。最终获得上证180指数成分股中的100只股票做为研究样本。 3.3 分行业β系数的多尺度特性 Rosenberg和Mckibben（1973）研究发现，不同行业股票的β系数之间存在持续的差异。Francis（1979）的研究表明，基础产业（钢铁、生产资料等）、杠杆型企业、高科技中小企业具有较高的β系数，而日常消费性企业具有较低的β系数。朱晓青等（2007）研究表明我国股市大部分行业β系数具有时序稳定性，而所有行业的β系数都不具有预测稳定性。后有更多的学者在其研究中将不同的行业倾向于具有不同的风险这一事实反映了出来。我们将从多尺度分析角度进行实证分析。 各行业从D7至D