我国股市行业时变β系数研究

本文主要考察了我国股市13个行业的β系数及信息的影响。研究发现市场信息和行业信息对β系数都有影响,但影响的方向和大小因行业而异。进而对这些行业的β系数的信息非对称效应产生原因进行考察。仅有部分行业的β系数的信息非对称效应可由市场利空消息或行业利空消息解释。

中国股票市场行业β系数的时变性

以33个行业股票组合为分析样本,应用CU SUM SQ统计量对β系数进行稳定性检验,结果发现中国行业股票组合普遍存在β系数不稳定性特征。采用状态空间模型直接对β系数的时变行为进行建模,平均绝对预测误差M AE和平均平方预测误差M SE表明,基于卡尔曼滤波的市场模型有更好的预测效果,中国行业股票组合系统风险系数β的时变性行为可用均值回复过程来描述。

新常态下煤电联动β系数分析

中国正处"新常态",煤炭作为困难行业其资产结构调整方向、进度备受关注。本文选取系统风险β系数,基于VAR模型,分析煤炭β与电力β间的关系。结果表明:煤炭β变化不是引起电力β变化的格兰杰原因,仅存在从电力到煤炭的单向因果关系;电力β对来自煤炭β冲击的响应较小,且不做出立即反应;煤炭β对电力行业β的贡献度不大,平稳时仅达4%;电力β对煤炭β的贡献度较大,平稳时达14%;煤炭β对电力β的敏感度不断增加,但2012年后增长停滞。此结果体现出部分煤炭企业应对"新常态"实施煤电一体化战略,但全行业结构调整尚不到位,关键问题在于低煤价。

基于多元GARCH的动态CAPM

资本资产定价模型(CAPM)是一种评估风险的重要模型,但该模型是基于静态分析,实践效用较低。文章从资本资产定价模型的理论定义入手,使用多元GARCH模型分析资产收益率的时变方差和协方差,并在此基础之上动态估计CAPM中β系数。实证结果表明,时变β系数较好的体现了风险是时变波动的状况,而且实证结果同理论和经验研究保持了一致。

高阶矩和条件CAPM模型的建立及实证分析

资本资产定价模型是现代金融理论的基本内容之一,但CAPM的实证分析结果不理想。本文从两种不同的角度对传统的CAPM模型进行了改进:一,在传统的CAPM模型中引入系统偏度、系统峰度等高阶矩,建立了高阶矩CAPM模型;二,为了描述Beta系数的变化,本文构造了MGARCH(1,1)模型,建立了条件CAPM模型。实证结果表明:高阶矩CAPM模型优于传统CAPM模型,条件CAPM模型的精度较高阶矩CAPM模型又有所提高。