伊泰股份贝塔系数的测算

1、估计伊泰股份公司的贝塔系数 一、理论基础 自 C A P M 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。 C A P M 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。 贝塔系数是衡量单一资产或资产组合系 统

2、性风险的重要参考，被广泛应用于投资风险评估 通过测算和预测贝塔系数， 可以预测证券未来风险以做出正确的投资决策 估测贝塔系数的方法众多，其中 应用最广泛的是最小二乘法，基于一段时间内贝塔系数不发生变化的假设上的 布鲁纳和施密特、斐波司和弗朗西斯分别于 1977 年、1978 年和 1979 年验证了 贝塔系数遵循均值回归过程， 甘杰米、 罗伯特则从国际投资者的视角出发， 基于 摩根斯坦利全球市场指数和英、美等国家的股票市场指数进行检验分析, 最终得 出贝塔系数也是遵循均值回归过程的。 资产的预期报酬率由于受风险因子的影响， 导致实现的报酬并不稳定， 这些 因子主要分为系统风险和个别风险。 系统

3、风险是指资产受宏观经济、 市场波动等 整体性因素影响而发生的价格波动。 这种风险是无法在组合投资中被分散掉的那 部分风险，是所有投资于证券市场的投资者均要承担的由市场共同因素所影响的 风险。换句话说，就是股票与大盘之间的连动性，系统风险比例越高，连动性越 强。与系统风险相对的就是个别风险，即由公司因素所导致的价格波动。 而B则 体现了特定资产的价格对整体经济波动的敏感性。 既然一项资产的期望报酬率取决于它的系统风险， 那么如何测算系统风险就 成了关键。通常使用贝塔系数作为度量一项资产系统风险的指标。B值所反映的 是某一投资对象相对于大盘的表现情况。 其绝对值越大， 显示其收益变化幅度相 对于大

4、盘的变化幅度越大； 绝对值越小， 显示其变化幅度相对于大盘越小。 如果 是负值， 则显示其变化的方向与大盘的变化方向相反； 大盘涨的时候它跌， 大盘 跌的时候它涨。B值可能大于、等于或小于 1（也可能是负值）。当B =1时，表示 该资产的风险收益率与市场组合平均风险收益率呈同比例变化，其风险情况与市 场投资组合的风险情况一致，即当市场的报酬变动1% ,对应资产的报酬也会变 动1%（正向或反向视B正负号而定）。同理，当B 1时，说明该单项资产的风险 收益率高于市场组合平均风险收益率，则该单项资产的风险大于整个市场投资组 合的风险；当B 1）被加入到一个平均风险组合（B P）中,则组合风险将会提高

5、；反之, 被加入到一个平均风险组合中，则组合风险将会降低。所以,一种股票的B值可以 度量该股票整个组合风险的贡献，B值可以作为对这一股票风险程度的一个大致 度量。 （一）根据资本资产定价模型 其中，Ri是股票的预期收益 I I) 、贝塔系数的测算与预测的设计 （CAPN）, 率;Rf是 无风险利 率;Rm为市场组合收益 率;Ri为股票i的贝塔系数。贝塔i大于1则表示股票的风险高于股票市场 平均风险水平；贝塔i小于1则表示股票 的风险低于股票市场平均风险水平； 贝塔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。 Rm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CAPh模型

6、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,最小二法 /? . = fnJ hP- ）f 釘 是最常用的估计方法。各股票的预期收益率八 “ 其中,Ri , t 是个股i的在时刻t日的收益率；Ri , t 是个股i在t时刻的 收盘价;Pi , 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（Ri , t） 。市场收益率的计算： ft = h index k imf exf 3 / IfH I Ininde 其中,Rm t是t时刻的市场收益率； xt是市场组合m在t时刻的收盘指数，ln i nd e xt - 1是市场组m 1时刻的收盘

7、指数。构造市场价格指数的日收益率时间序列 Rm, t。根据 (4) 利用 E v ie w s , 联立 Ri , t 和 Rm, t 我 们对（4）式进行最小二乘回归。即可得到各股票的长期贝塔系数。 （二）关于贝塔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 , 230对应上证指数或深圳成指收 益 率时间序列 Rm, t , t = 1 , 230 , 利用E v ie w s进行最小二 乘回归，得到每一期t的贝塔i , t ,从而有 R i , t , t = 1 , 2n 。 其中,n为分期的期数。第二

8、步：利用E v ie w s , 根据 R i , t , t = 1 , 2n 卩一卩进行最小二乘回归。如果0 p, q 1曲(臟)4 1朋年召月 4如 芳弹祐 O.OSW 0r 127*749 测哲月 6.130 MI2.O6 0131743 0.12972264 腐八 | 阳恥 2ML75 -0Ji842 -0JJ814O947 2009 V?.1! JJ40 277.43 0鳩518 3（朋年10月 6.+R5 辭出 Olfflifl 0.0?7g64RS6 KXwi II JJ S.477 JI95 5 C.307I7 0.UMi7M?9 20仞辛12月 K.S49 S27TJ4 0

9、0)2 OrD2S6pfc!9 20101 M RJ71 29 胆,29 -fl.CkVGi -OJffffi珈3, ：il 1: 2 I 9.190 S053.94 n.imu 0.02095SI54 2010範月 9J29 31WJI O.(H5I25 (.0IS7JU47 为心年4/ 5:544 2S70.61 0.?95744 -0.fi76710055 wjois/l 4J54 2S9115 -U.2L4MS -0.(70(I377J 如悄年胡 4.827 239S37 IJ.l(K6Sf) -CuO7475M7fc 3010的月 5,395 为恥 0.11767 Q.OW7O521

10、6 20Io4pH .512 2638J noeir87 2010 年 9 5.683 2655.66 0.031023 (10063892& 2010年10月 7.052 2978.83 0.240894 0.12169103 2010 年 11丿j 6.985 2820.18 J.009501 -0.055259166 2010年12月 7.135 28OS.O8 0.021475 -0.(XM290506 2011年1片 6.999 2790.69 -0.019061 -0.006192844 2011年2月 6.838 2905.05 -4).023003 0040979113 201

11、1年3月 7.030 2928.11 0.02807R 000793 为01 2011 年4 6.977 2911.5! -0.007539 -0.005669186 2011年5月 6.812 2743.47 -0.023649 -0.057715756 2011犖6月 5.M3 2762. OS 0.077951 0.00678338 2011年7月 6.334 2701.73 0.084032 -0.021849476 2011年材 5.699 2567.34 -000253 -0.049742202 2011年9冃 5.060 2359.22 -0.112125 -0.08I06U4R

12、 201H M0J 5.570 2468.25 0.100791 00462 心 27 201 5.244 2333.41 -0.058528 -0.054629798 201 Hr 12 JI 4.973 2199.42 -0.051678 -0.057422399 2012年 if 5.090 2292.61 0.023527 ().042370261 2012 年 5.649 2428.49 0.109825 0.05926S6H 2012年3月 5.341 2262.79 -0.054523 4).0682317 2012年4冃 5.7% 23%.32 0.068339 0059011

13、221 2012年5月 5.220 232.23 -0.085174 -0.011X)52914 2012年6冃 5.616 2225.43 0.081609 -0.061882701 2012 年 7F 5.324 2103.63 0.208643 -0.0547309% 2012年8月 5.446 204732 0.022915 0.026672942 2012 年 9” 5.398 2CM6.17 -0.008814 0.01S76494 2012* f 10) 5.434 2068.88 0.006669 -O.(XK287915 2012 出 r iu 5.572 1980.12 0

14、.0253% 4).(X1290244 2012年12月 5.689 2269. B 0.02D998 0145955801 图1 .6 Dependent Variable Y Method: Least Squares Date: 03/05/13 Time: 13:06 Sample： 2008M01 2012M12 Included observations: 60 Coefficient Std. Errort-Statistic Prob. c 0.043708 0.0145842.997012 0.0040 X 1.352458 0.1651718.188244 0.0000 R-squared 0.536176 Meandepende ntva 0.030380 Adjusted R-squared 0.528179 S.D. dependent var 0.163431 S of rggression