國(guó)有上市商業(yè)銀行的時(shí)變貝塔預(yù)測(cè)研究

摘要：本文基于貝葉斯理論，選取國(guó)有商業(yè)銀行四支股票進(jìn)行研究，在過(guò)去貝塔的基礎(chǔ)上，運(yùn)用貝葉斯常均值折扣模型，對(duì)貝塔系數(shù)進(jìn)行預(yù)測(cè)。

關(guān)鍵詞：國(guó)有商業(yè)銀行；貝塔系數(shù)；貝葉斯理論； 預(yù)測(cè)

中圖分類(lèi)號(hào)：F832 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1001-828X（2017）012-0-02

一、引言

貝塔系數(shù)是資本資產(chǎn)定價(jià)模型中衡量系統(tǒng)性風(fēng)險(xiǎn)的參數(shù)，它描述了某資產(chǎn)相對(duì)于整個(gè)市場(chǎng)的波動(dòng)狀況。貝塔系數(shù)可以通過(guò)歷史的收益率數(shù)據(jù)估計(jì)出來(lái)，某些證券公司會(huì)定期公布貝塔系數(shù)，但公布的貝塔系數(shù)并不能度量現(xiàn)在或未來(lái)的風(fēng)險(xiǎn)。因此，必須在提高貝塔系數(shù)估計(jì)準(zhǔn)確性的基礎(chǔ)上，利用過(guò)去的貝塔，能預(yù)測(cè)未來(lái)的貝塔。

國(guó)內(nèi)外許多學(xué)者都嘗試建立模型來(lái)預(yù)測(cè)未來(lái)的貝塔。Blume認(rèn)為未來(lái)貝塔依賴(lài)于滯后一期的貝塔，和過(guò)去貝塔成線性關(guān)系。Vasicek考慮過(guò)去貝塔的先驗(yàn)分布的信息，提出對(duì)過(guò)去貝塔進(jìn)行調(diào)整的貝葉斯估計(jì)。Rossenberg引入影響貝塔系數(shù)的會(huì)計(jì)變量和市場(chǎng)變量等，建立多元回歸模型預(yù)測(cè)貝塔系數(shù)。周少甫應(yīng)用DCC-GARCH模型來(lái)獲得條件方差、條件協(xié)方差和條件相關(guān)系數(shù)，給出貝塔系數(shù)的預(yù)測(cè)公式?？梢?jiàn)，預(yù)測(cè)貝塔系數(shù)常用的方法是根據(jù)過(guò)去的信息建立模型來(lái)預(yù)測(cè)未來(lái)貝塔，但是在這些文獻(xiàn)中，即使考慮到過(guò)去信息的先驗(yàn)分布，也沒(méi)有很好的對(duì)先驗(yàn)信息進(jìn)行修正。而貝葉斯預(yù)測(cè)和傳統(tǒng)的預(yù)測(cè)模型相比，可以綜合考慮客觀信息和主觀信息，如果發(fā)生異常情況，還可對(duì)模型進(jìn)行主觀干預(yù)。

二、模型構(gòu)建及分析

1.貝葉斯常均值折扣模型

貝葉斯預(yù)測(cè)的一個(gè)重要基本思想是建立動(dòng)態(tài)線性模型，把預(yù)測(cè)分布看成是條件概率分布，根據(jù)先驗(yàn)信息求出預(yù)測(cè)分布，并運(yùn)用貝葉斯公式求得后驗(yàn)信息，在求解過(guò)程中不斷修正先驗(yàn)信息，從而求出預(yù)測(cè)數(shù)值。常均值折扣模型DLM{1，1，V，δ}表示如下：

其中。

常均值折扣模型DLM{1，1，V，δ}的遞推算法如下：

2.樣本選取與數(shù)據(jù)處理

本文選取中國(guó)農(nóng)業(yè)銀行（601288）、中國(guó)工商銀行（601398）、中國(guó)銀行（601988）、中國(guó)建設(shè)銀行（601939），選取上證綜合A股指數(shù)作為市場(chǎng)指數(shù)的代表，樣本區(qū)間為2016年1月至2017年4月。數(shù)據(jù)來(lái)源于國(guó)泰安CSMAR數(shù)據(jù)庫(kù)。

本文建模過(guò)程中所使用的數(shù)據(jù)，是個(gè)股和市場(chǎng)指數(shù)的日收益率，計(jì)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日的收盤(pán)價(jià)；Pi，t-1是股票i在t-1日的收盤(pán)價(jià)。

其中，Rm，t是市場(chǎng)指數(shù)m的日收益率；Pm，t是市場(chǎng)指數(shù)m在t日的收盤(pán)價(jià)；Pm，t-1是市場(chǎng)指數(shù)m在t-1日的收盤(pán)價(jià)。

本文通過(guò)來(lái)估計(jì)過(guò)去貝塔值，估計(jì)結(jié)果如下：

從上圖可以看出，四大銀行的貝塔系數(shù)的范圍在[0，1.2]，均值范圍在[0.4，0.6]，說(shuō)明銀行業(yè)貝塔系數(shù)差異較大，且低于市場(chǎng)風(fēng)險(xiǎn)。一般情況下，中國(guó)建設(shè)銀行（601939）、中國(guó)銀行（601988）的貝塔系數(shù)要高于中國(guó)農(nóng)業(yè)銀行（601288）和中國(guó)工商銀行（601398）。在2016年末至2017年初四大銀行的貝塔降至最低水平，然后開(kāi)始迅速上升。這可能是因?yàn)殂y行類(lèi)股票并不像房地產(chǎn)行業(yè)一直被市場(chǎng)炒作，當(dāng)其他行業(yè)有好的投資機(jī)會(huì)，市場(chǎng)資金就轉(zhuǎn)向其他行業(yè)。而且論文選取的市場(chǎng)指數(shù)上證綜合A股指數(shù)在2016年12月日收盤(pán)價(jià)大幅下降，從3427.644下降到3241.666，期間雖有小幅上升，但是銀行類(lèi)股票沒(méi)有明顯下降趨勢(shì)，反而有小幅上升，這可能導(dǎo)致貝塔系數(shù)出現(xiàn)異常值。

3.模型構(gòu)建及分析

貝葉斯常均值折扣模型，初始信息假設(shè)為m0=0.3933，C0=100，V=0.1，δ=0.8，根據(jù)前面得到的時(shí)變貝塔估計(jì)值為樣本數(shù)據(jù)，得到2016-2017年我國(guó)四大銀行貝塔系數(shù)預(yù)測(cè)結(jié)果，如表所示：

從貝葉斯常均值折扣模型預(yù)測(cè)結(jié)果，可以得到以下結(jié)論：

（1）用貝葉斯常均值折扣模型來(lái)預(yù)測(cè)貝塔系數(shù)，由誤差率可得到平均絕對(duì)百分比誤差，中國(guó)農(nóng)業(yè)銀行（601288）的平均絕對(duì)百分比誤差是0.4818、中國(guó)工商銀行（601398）的平均絕對(duì)百分比誤差是3.2071、中國(guó)銀行（601988）的平均絕對(duì)百分比誤差是0.7466，中國(guó)建設(shè)銀行（601939）的平均絕對(duì)百分比誤差是2.5659，平均絕對(duì)百分比誤差均小于5，模型擬合結(jié)果較好。

（2）用貝葉斯常均值折扣模型預(yù)測(cè)2017年5月的貝塔值分別為： 0.3712、0.2606、0.5719、0.4823。由此可知，當(dāng)大盤(pán)市場(chǎng)波動(dòng)1%時(shí)，四支國(guó)有銀行類(lèi)股票波動(dòng)0.5%，四支國(guó)有商業(yè)銀行類(lèi)股票的系統(tǒng)性風(fēng)險(xiǎn)較低，抵御風(fēng)險(xiǎn)的能力較強(qiáng)。

參考文獻(xiàn)：

[1]Sharpe. Capital asset prices： A theory of market equilibrium under conditions of risk[J]. Journal of Finance， 1964，19：425-442.

[2]Marshall E. Blume. On the assessment of risk.[J].The Journal of Finance，1971，26（1）：1-10.

[3]Oldrich A. Vasicek. A note on using cross-sectional information in Bayesian estimation of security betas.[J].The Journal of Finance，1973，28（5）：1233-1239.

[4]Barr Rosenberg， Walt Mckibben. The prediction of systematic and specific risk in common stocks[J]. The Journal of Financial and Quantitative Analysis， 1973，8（2）：317-333.

[5]周少甫，杜福林.上海股市時(shí)變貝塔系數(shù)的估計(jì)[J].統(tǒng)計(jì)與決策，2005，11：17-19.

作者簡(jiǎn)介：楊青青（1991-），女，河南安陽(yáng)人，西安工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，碩士，主要從事公司理財(cái)研究。