考虑非对称风险效应与结构变动的已实现Beta的预测研究.pdf

摘要

系统性风险的度量和预测一直以来都是学术界广泛关注的话题，有效的估计和预

测系统性风险对于个人资产管理和国家金融系统进一步完善都尤为重要。过去常用资

本资产定价模型（CAPM）估计系统性风险，即Beta，然而CAPM计算出的Beta无法

完整的刻画出资产特征层面上的变化所带来的风险时变特征，对此本文引入Andersen

等（2006）提出的已实现Beta估计方法解决上述问题，并作为本文的研究对象。

针对已实现Beta的预测，本文选取美股标普500成分股2007年至2019年13年间

的5分钟高频数据，构建日度已实现Beta，并通过Geweke和Porter‐Hudak（1983）提

出的GPH算法证实了日度已实现Beta具有纯长记忆性特征。接着本文结合投资者受限

于杠杆的使用和对风险的厌恶，以及外部宏观环境的冲击二者对于已实现Beta的影响，

提出了一种考虑非对称风险效应和结构变动因子的长记忆性异质自回归（HAR）模型，

同时引入最小绝对收缩和选择算子回归（LASSO）的方法对预测因子进行动态筛选防

止过拟合问题的发生，建立出LHARARE.SB模型。其中非对称风险效应的量化用到的是

Bollerslev等（2021）和Ang等（2006）提出的四种已实现semi-Betas和上行下行已实

现Betas，结构变动因子的提取则基于累计和统计量（CUSUM）下的迭代累积平方和

（ICSS）算法。由于股票常以投资组合的形式出现，本文基于非重叠Beta排序的方法

构建出组合的日度已实现Beta，并将改进后的模型与差分平稳模型、短记忆性模型以

及其他长记忆性模型对组合的日度已实现Beta从数值精度和经济价值两个角度进行样

本外预测能力对比分析，其中数值精度分析方法选择上采用了损失函数评价法、模型

置信集检验（MCS）检验以及Diebold-Mariano（DM）检验三种方法，经济价值分析

则围绕事后创造的投资利差和事前风险中性组合的构建来评价。最后从调整样本外预

测窗口、替换不同频率的数据以及预测不同行业已实现beta三个方面进行稳健性检验。

通过实证得到以下结论：（1）长记忆性模型在对日度已实现Beta的样本外预测表

现优于短记忆性模型以及差分平稳模型；（2）考虑非对称风险效应以及结构变动的影

响能够提高对日度已实现Beta的样本外预测效果，并有助于提高投资利差及构造出市

场风险中性组合；（3）LASSO方法不仅从动态角度解析了各预测因子的重要性并有选

择性地进行筛选，解决了过拟合的问题，还提高了HAR族模型的预测精度与经济价值。

关键词：已实现Beta；结构变动；非对称风险效应；HAR模型；预测；LASSO回归

Abstract

Theestimationandforecastofsystemicriskhavealwaysbeenatopicofwideconcernin

theacademiccircle,whichisnotonlyparticularlysignificantforoptimizingtheindividualasset

managementbutalsothefurtherimprovementofnationalfinancialsystem.Inthepast,the

capitalassetpricingmodel(CAPM)hasbeencommonlyusedtoestimatesystemicrisk,i.e.

Beta.However,theBetacomputedbyCAPMcannotfullydepictthetime-varyingproperties

ofriskbroughtbychangesinassetcharacteristics.Hence,inthispaper,weintr