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

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

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

一、引言

貝塔系數(shù)是資本資產(chǎn)定價模型中衡量系統(tǒng)性風(fēng)險的參數(shù)，它描述了某資產(chǎn)相對于整個市場的波動狀況。貝塔系數(shù)可以通過歷史的收益率數(shù)據(jù)估計出來，某些證券公司會定期公布貝塔系數(shù)，但公布的貝塔系數(shù)并不能度量現(xiàn)在或未來的風(fēng)險。因此，必須在提高貝塔系數(shù)估計準(zhǔn)確性的基礎(chǔ)上，利用過去的貝塔，能預(yù)測未來的貝塔。

國內(nèi)外許多學(xué)者都嘗試建立模型來預(yù)測未來的貝塔。Blume認(rèn)為未來貝塔依賴于滯后一期的貝塔，和過去貝塔成線性關(guān)系。Vasicek考慮過去貝塔的先驗(yàn)分布的信息，提出對過去貝塔進(jìn)行調(diào)整的貝葉斯估計。Rossenberg引入影響貝塔系數(shù)的會計變量和市場變量等，建立多元回歸模型預(yù)測貝塔系數(shù)。周少甫應(yīng)用DCC-GARCH模型來獲得條件方差、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)測公式?？梢?，預(yù)測貝塔系數(shù)常用的方法是根據(jù)過去的信息建立模型來預(yù)測未來貝塔，但是在這些文獻(xiàn)中，即使考慮到過去信息的先驗(yàn)分布，也沒有很好的對先驗(yàn)信息進(jìn)行修正。而貝葉斯預(yù)測和傳統(tǒng)的預(yù)測模型相比，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)測的一個重要基本思想是建立動態(tài)線性模型，把預(yù)測分布看成是條件概率分布，根據(jù)先驗(yàn)信息求出預(yù)測分布，并運(yùn)用貝葉斯公式求得后驗(yàn)信息，在求解過程中不斷修正先驗(yàn)信息，從而求出預(yù)測數(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

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

本文建模過程中所使用的數(shù)據(jù)，是個股和市場指數(shù)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(shù)m的日收益率；Pm，t是市場指數(shù)m在t日的收盤價；Pm，t-1是市場指數(shù)m在t-1日的收盤價。

本文通過來估計過去貝塔值，估計結(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]，說明銀行業(yè)貝塔系數(shù)差異較大，且低于市場風(fēng)險。一般情況下，中國建設(shè)銀行（601939）、中國銀行（601988）的貝塔系數(shù)要高于中國農(nóng)業(yè)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?yàn)殂y行類股票并不像房地產(chǎn)行業(yè)一直被市場炒作，當(dāng)其他行業(yè)有好的投資機(jī)會，市場資金就轉(zhuǎn)向其他行業(yè)。而且論文選取的市場指數(shù)上證綜合A股指數(shù)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(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)前面得到的時變貝塔估計值為樣本數(shù)據(jù)，得到2016-2017年我國四大銀行貝塔系數(shù)預(yù)測結(jié)果，如表所示：

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

（1）用貝葉斯常均值折扣模型來預(yù)測貝塔系數(shù)，由誤差率可得到平均絕對百分比誤差，中國農(nóng)業(yè)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(shè)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(jié)果較好。

（2）用貝葉斯常均值折扣模型預(yù)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(dāng)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(yè)銀行類股票的系統(tǒng)性風(fēng)險較低，抵御風(fēng)險的能力較強(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.上海股市時變貝塔系數(shù)的估計[J].統(tǒng)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(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，碩士，主要從事公司理財研究。