國有上市商業銀行的時變貝塔預測研究

摘要：本文基于貝葉斯理論，選取國有商業銀行四支股票進行研究，在過去貝塔的基礎上，運用貝葉斯常均值折扣模型，對貝塔系數進行預測。

關鍵詞：國有商業銀行；貝塔系數；貝葉斯理論； 預測

中圖分類號：F832 文獻識別碼：A 文章編號：1001-828X（2017）012-0-02

一、引言

貝塔系數是資本資產定價模型中衡量系統性風險的參數，它描述了某資產相對于整個市場的波動狀況。貝塔系數可以通過歷史的收益率數據估計出來，某些證券公司會定期公布貝塔系數，但公布的貝塔系數并不能度量現在或未來的風險。因此，必須在提高貝塔系數估計準確性的基礎上，利用過去的貝塔，能預測未來的貝塔。

國內外許多學者都嘗試建立模型來預測未來的貝塔。Blume認為未來貝塔依賴于滯后一期的貝塔，和過去貝塔成線性關系。Vasicek考慮過去貝塔的先驗分布的信息，提出對過去貝塔進行調整的貝葉斯估計。Rossenberg引入影響貝塔系數的會計變量和市場變量等，建立多元回歸模型預測貝塔系數。周少甫應用DCC-GARCH模型來獲得條件方差、條件協方差和條件相關系數，給出貝塔系數的預測公式。可見，預測貝塔系數常用的方法是根據過去的信息建立模型來預測未來貝塔，但是在這些文獻中，即使考慮到過去信息的先驗分布，也沒有很好的對先驗信息進行修正。而貝葉斯預測和傳統的預測模型相比，可以綜合考慮客觀信息和主觀信息，如果發生異常情況，還可對模型進行主觀干預。

二、模型構建及分析

1.貝葉斯常均值折扣模型

貝葉斯預測的一個重要基本思想是建立動態線性模型，把預測分布看成是條件概率分布，根據先驗信息求出預測分布，并運用貝葉斯公式求得后驗信息，在求解過程中不斷修正先驗信息，從而求出預測數值。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.樣本選取與數據處理

本文選取中國農業銀行（601288）、中國工商銀行（601398）、中國銀行（601988）、中國建設銀行（601939），選取上證綜合A股指數作為市場指數的代表，樣本區間為2016年1月至2017年4月。數據來源于國泰安CSMAR數據庫。

本文建模過程中所使用的數據，是個股和市場指數的日收益率，計算公式如下：

其中，Ri，t是股票i的日收益率；Pi，t是股票i在t日的收盤價；Pi，t-1是股票i在t-1日的收盤價。

其中，Rm，t是市場指數m的日收益率；Pm，t是市場指數m在t日的收盤價；Pm，t-1是市場指數m在t-1日的收盤價。

本文通過來估計過去貝塔值，估計結果如下：

從上圖可以看出，四大銀行的貝塔系數的范圍在[0，1.2]，均值范圍在[0.4，0.6]，說明銀行業貝塔系數差異較大，且低于市場風險。一般情況下，中國建設銀行（601939）、中國銀行（601988）的貝塔系數要高于中國農業銀行（601288）和中國工商銀行（601398）。在2016年末至2017年初四大銀行的貝塔降至最低水平，然后開始迅速上升。這可能是因為銀行類股票并不像房地產行業一直被市場炒作，當其他行業有好的投資機會，市場資金就轉向其他行業。而且論文選取的市場指數上證綜合A股指數在2016年12月日收盤價大幅下降，從3427.644下降到3241.666，期間雖有小幅上升，但是銀行類股票沒有明顯下降趨勢，反而有小幅上升，這可能導致貝塔系數出現異常值。

3.模型構建及分析

貝葉斯常均值折扣模型，初始信息假設為m0=0.3933，C0=100，V=0.1，δ=0.8，根據前面得到的時變貝塔估計值為樣本數據，得到2016-2017年我國四大銀行貝塔系數預測結果，如表所示：

從貝葉斯常均值折扣模型預測結果，可以得到以下結論：

（1）用貝葉斯常均值折扣模型來預測貝塔系數，由誤差率可得到平均絕對百分比誤差，中國農業銀行（601288）的平均絕對百分比誤差是0.4818、中國工商銀行（601398）的平均絕對百分比誤差是3.2071、中國銀行（601988）的平均絕對百分比誤差是0.7466，中國建設銀行（601939）的平均絕對百分比誤差是2.5659，平均絕對百分比誤差均小于5，模型擬合結果較好。

（2）用貝葉斯常均值折扣模型預測2017年5月的貝塔值分別為： 0.3712、0.2606、0.5719、0.4823。由此可知，當大盤市場波動1%時，四支國有銀行類股票波動0.5%，四支國有商業銀行類股票的系統性風險較低，抵御風險的能力較強。

參考文獻：

[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.上海股市時變貝塔系數的估計[J].統計與決策，2005，11：17-19.

作者簡介：楊青青（1991-），女，河南安陽人，西安工業大學經濟管理學院，碩士，主要從事公司理財研究。