酒店旅游行业股票长期贝塔系数测算与预测.docVIP

酒店旅游行业股票长期贝塔系数测算与预测 　　一、引言 　　 　　自 CAPM 模型诞生以来 ,投资组合的贝塔系数估计在金融领域逐渐占有了重要的地位。CAPM阐述了在投资者都采用马科维茨的理论下进行投资管理的条件下市场均衡状态的形成,把资产的预期收益与预期风险之间的理论关系用一个简单的线性关系表达出来,即资产的预期收益率与风险的衡量尺度贝塔系数存在线性关系。从而,贝塔系数称为衡量资产风险的标准。传统上 ,最小二乘法是最常用的估计贝塔系数的方法。这种方法暗含了贝塔系数在一段时间内不发生变化的假设。尽管这一假设并不合理,最小二乘法仍广泛应用于贝塔系数的测算。 　　Blume证明 , 组合贝塔系数的变化出现均值回归并不是组合选择偏差的缘故 , 而是组合中证券贝塔系数自身变化的结果。Blume的结论得到了学术界的广泛认可 , Brenner 和Smidt (1977) 、Fabozzi 和 Francis ( 1978) 、Francis ( 1979)后都验证了贝塔系数遵循均值回归过程. Gangemi、Robert 和 Robert (1999) 则站在国际投资者的角度 , 用摩根斯坦利全球市场指数和英、美等 18 个国家的股票市场指数进行检验 , 发现国别贝塔也遵循均值回归过程。 　　国内现有研究中涉及贝塔系数的文献相对较少关心到贝塔系数的波动情况。马喜德等证实了中国市场中股票的贝塔系数存在显著的波动现象。随后周少甫等利用一种多元 DCC2GARCH 模型对上海股市 5 只股票进行估计 ,得到了时变贝塔系数。马喜德等进一步证实了中国股票市场中股票深发展的贝塔系数波动的动态过程满足均值回归过程。 　　 　　二、贝塔系数的测算与预测的设计 　　 　　(一)研究方法 　　1.根据资本资产定价模型(CAPN), 　　?R?i=R?f+β?i(R?m-R?f) (1) 　　其中,R?i是股票的预期收益率;R?f是无风险利率;R?m为市场组合收益率;R?i为股票i的β系数。β?i大于1则表示股票 的风险高于股票市场平均风险水平;β?i小于1则表示股票 的风险低于股票市场平均风险水平;β?i等于1时就表示股票 的风险与股票市场平均风险水平相同。R?m为市场组合收益率,通常用股票市场价格指数的收益率代替。自 CAPM 模型诞生以来 ,投资组合的贝塔系数估计在金融领域逐渐占有了重要的地位。传统上 ,最小二乘??是最常用的估计方法。 　　各股票的预期收益率: 　　R??i,t?=lnP??i,t?-lnP??i,t-1?(2) 　　其中, R??i,t?是个股i的在时刻t日的收益率;R??i,t?是个股i在t时刻的收盘价;P??i,t-1?是个股i在t-1时刻的收盘价。构造每个股票的日收益率时间序列(R??i,t?)。 　　市场收益率的计算: 　　R??m,t?=lnindex?t-lnindex??t-1?(3) 　　其中,R??m,t?是t时刻的市场收益率;lnindex?t是市场组合m在t 时刻的收盘指数, lnindex??t-1?是市场组m在t-1时刻的收盘指数。构造市场价格指数的日收益率时间序列{R??m,t?}。 　　根据R?i=C+βR?m(4) 　　利用Eviews,联立{R??i,t?}和{R??m,t?}我们对 (4) 式进行最小二乘回归。即可得到各股票的长期β系数。 　　2.另外,关于β系数的均值回归问题: 　　第一步:数据分期,每30个上市日为一期,根据股票i连续30个日收益率时间序列{R?i,t?,t=1,2……30}对应上证指数或深圳成指收益率时间序列{R?m,t?,t=1,2……30} ,利用Eviews进行最小二乘回归,得到每一期t的β?i,t?,从而有{R?i,t?,t=1,2……n}。其中,n为分期的期数。 　　第二步:利用Eviews,根据{R?i,t?,t=1,2……n}? 　　β??t-1?-β?t=p-qβ?t(5)? 　　进行最小二乘回归。如果01的股票有10只。分别是:大连圣亚600593(1.044898)、国旅联合600358(1.119782)、金陵饭店601007(1.102175)、锦江股份600754(1.024105)、锦江投资600650(1.058358)、全聚德002186(1.089616)、三特索道002159(1.027677)、首旅股份600258(1.075904)、新都酒店000033(1.093425)和中青旅600138(1.139844)。长期的β系数β 　　3.表3-回归方程的拟合优度R2除了东方宾馆000524的回归方程拟合优度R2最低为0.001387,其他股票的回归方程的拟合优