国有上市商业银行的时变贝塔预测研究

国有上市商业银行的时变贝塔预测研究 摘要本文基于贝叶斯理论，选取国有商业银行四支股 票进行研究，在过去贝塔的基础上，运用贝叶斯常均值折扣 模型，对贝塔系数进行预测。 关键词国有商业银行；贝塔系数；贝叶斯理论；预 测 中图分类号F832文献识别码A文章编号 1001-828X012-0-02 一、引言 贝塔系数是资本资产定价模型中衡量系统性风险的参 数，它描述了某资产相对于整个市场的波动状况。贝塔系数 可以通过历史的收益率数据估计出来，某些证券公司会定期 公布贝塔系数，但公布的贝塔系数并不能度量现在或未来的 风险。因此，必须在提高贝塔系数估计准确性的基础上，利 用过去的贝塔，能预测未来的贝塔。 国内外许多学者都尝试建立模型来预测未来的贝塔。 Blume认为未来贝塔依赖于滞后一期的贝塔，和过去贝塔成 线性关系。Vasicek考虑过去贝塔的先验分布的信息，提出对 过去贝塔进行调整的贝叶斯估计。Rossenberg引入影响贝塔 系数的会计变量和市场变量等，建立多元回归模型预测贝塔 系数。周少甫应用DCC-GARCH模型来获得条件方差、条件 协方差和条件相关系数，给出贝塔系数的预测公式。可见， 预测贝塔系数常用的方法是根据过去的信息建立模型来预 测未来贝塔，但是在这些文献中，即使考虑到过去信息的先 验分布，也没有很好的对先验信息进行修正。而贝叶斯预测 和传统的预测模型相比，可以综合考虑客观信息和主观信 息，如果发生异常情况，还可对模型进行主观干预。 二、模型构建及分析 1 .贝叶斯常均值折扣模型 贝叶斯预测的一个重要基本思想是建立动态线性模 型，把预测分布看成是条件概率分布，根据先验信息求出预 测分布，并运用贝叶斯公式求得后验信息，在求解过程中不 断修正先验信息，从而求出预测数值。常均值折扣模型 DLM{1, 1, V, 8}表示如下 其中。 常均值折扣模型DLM{1, 1, V, 8}的递推算法如下 2.样本选取与数据处理 本文选取中国农业银行、中国工商银行、中国银行、 中国建设银行，选取上证综合A股指数作为市场指数的代 表，样本区间为2016年1月至2017年4月。数据来源于国 泰安CSMAR数据库。 本文建模过程中所使用的数据，是个股和市场指数的 日收益率，计算公式如下 其中，Ri, t是股票i的日收益率；Pi, t是股票i在t 日的收P价；Pi, t-1是股票i在t-1日的收盘价。 其中，Rm, t是市场指数m的日收益率；Pm, t是市 场指数m在t日的收盘价；Pm, t-1是市场指数m在t-1日 的收盘价。 本文通过来估计过去贝塔值，估计结果如下 从上图可以看出，四大银行的贝塔系数的范围在[0, 1.2],均值范围在[0.4, 0.6],说明银行业贝塔系数差异较大, 且低于市场风险。一般情况下，中国建设银行、中国银行的 贝塔系数要高于中国农业银行和中国工商银行。在2016年 末至2017年初四大银行的贝塔降至最低水平，然后开始迅 速上升。这可能是因为银行类股票并不像房地产行业一直被 市场炒作，当其他行业有好的投资机会，市场资金就转向其 他行业。而且论文选取的市场指数上证综合A股指数在2016 年12月日收盘价大幅下降，从3427.644下降到3241.666, 期间虽有小幅上升，但是银行类股票没有明显下降趋势，反 而有小幅上升，这可能导致贝塔系数出现异常值。 3.模型构建及分析 贝叶斯常均值折扣模型，初始信息假设为m00.3933, C0100, V0.1, 50.8,根据前面得到的时变贝塔估计值为 样本数据，得到2016-2017年我国四大银行贝塔系数预测结 果，如表所示 从贝叶斯常均值折扣模型预测结果，可以得到以下结 论 用贝叶斯常均值折扣模型来预测贝塔系数，由误差率 可得到平均绝对百分比误差，中国农业银行的平均绝对百分 比误差是0.4818、中国工商银行的平均绝对百分比误差是 3.2071、中国银行的平均绝对百分比误差是0.7466,中国建 设银行的平均绝对百分比误差是2.5659,平均绝对百分比误 差均小于5,模型拟合结果较好。 用贝叶斯常均值折扣模型预测2017年5月的贝塔值分 别为0.3712、0.2606、0.5719、0.4823。由此可知，当大 盘市场波动1时，四支国有银行类股票波动0.5,四支国 有商业银行类股票的系统性风险较低，抵御风险的能力较 强。