论文部分内容阅读
有效运转的资本市场需要大量的投资者基于准确的信息对股票价值进行准确的评估。根据公司金融理论，股票的价值取决于两大因素：股票所带来的现金流和股票的要求收益率。作为描述股票要求收益率和股票风险之间关系的基础理论，资产资本资产定价模型(CAPM)是上个世纪60年代由美国学者威廉·夏普(William Sharpe)、林特纳(John Lintner)、特里诺(Jack Treynor)和莫辛(Jan Mossin)等人在现代投资组合理论的基础上发展起来的，是现代金融市场价格理论的支柱，广泛应用于投资决策和公司理财领域。CAPM模型的核心因子是个股的β系数，即在只有不可分散风险的前提下，个股的必要收益率对市场组合的收益率变化的敏感度。
而近半个世纪以来的实证研究表明，基于很多强假定的CAPM模型在实际中并不能验证历史的投资收益。为了更好地进行实证研究，人们循着CAPM的思路提出了单因素模型和多因子模型，用以刻画实际中的资产收益率，这些模型也有各自意义下的β系数。
在利用因素模型对资产收益率的时间序列进行分析时，人们又发现：模型对收益率的预测能力在不同时期有着明显的不同。预测值和实际值的误差有时很大，有时又很小。这意味着资产收益率序列存在着某种异方差性。为了考察变量的方差怎样随着时间变化而变化，计量经济学提出了变量的条件方差或变量波动性模型--(广义)自回归条件异方差模型(ARCH和GARCH)，用来弥补传统的变量的条件均值模型的缺点。它包括了均值方程和方差方程两个方程，可广泛应用于金融时间序列分析中。
金融资产的收益应当与其系统风险成正比，因此可以认为股票收益率的生成依赖于其条件方差(用于测量风险)的某个函数，在上述均值方程中加入条件方差项后得到的模型被称为GARCH-M模型。
上述模型都假设模型参数在样本期内不发生变化，而实际上近年来，我国由于股市改革、各种各样的外界冲击和政策变化等因素的影响，股市结构正在逐渐发生变化，也即个股的β系数具有不稳定性。因此，需要考虑采用可变参数模型。在计量经济学的工具中，可以选用状态空间模型对这种时变参数建立模型，并运用卡尔曼滤波法对其时变特征进行捕捉。
本文以中国股市十大行业的龙头个股为分析样本，选取它们的每日收盘价和上证指数每日收盘价分别计算个股收益率和市场收益率，在单指数模型基础上引入ARCH-M对个股贝塔系数作出估计。随后，采用状态空间模型对B系数的时变特征进行建模，并运用卡尔曼滤波技术对模型进行估计，得到了十支个股β系数的卡尔曼平滑序列图。
研究结果表明：(1)利用GARCH模型能较好地对证券市场个股收益率进行描述；(2)选取的十大个股的贝塔系数存在时变性，程度或轻或重；(3)状态空间模型能较好地描述时变贝塔的特征；(4)大部分个股的贝塔系数都围绕着1上下波动，说明中国股市的龙头个股的系统性风险已接近市场风险，它们或将成为市场稳定的关键力量。