预测BETA提高投资收益率(申银万国,袁英杰等)

袁英杰边慎提云涛2007.9.12预测Beta提升投资效率预测Beta提升投资效率2007年金融工程秋季研讨会2引言：为什么要预测Beta值？•准确地预测Beta值，可以准确地评判一个投资组合未来的风险和收益。•准确地预测Beta值，可以提前选择投资策略，保证投资组合的目标收益或者提高投资组合收益。2007年金融工程秋季研讨会3主要内容1.预测方法介绍2.研究思路3.实证结果4.基础变量法的进一步研究2007年金融工程秋季研讨会41.1Beta的计算方法•最小二乘回归法：其中，是股票的收益率，是指数的收益率，分别是回归的系数。IsRR*βα+=sRIRβα,2007年金融工程秋季研讨会51.2历史估计法•过去一段时间的beta值作为未来一段时间的beta预测值，即：其中，是未来beta的预测值，是历史的beta值。1ˆ−=ttββtβˆ1−tβ2007年金融工程秋季研讨会61.3均值回复法•长期来看，Beta值序列有向某个固定值（长期均值）靠近的趋势，即：其中：是未来beta的预测值，是历史的beta值，是系数，表示beta值的回归速度。tβˆ1−tβba,1ˆ−+=ttbaββ00.20.40.60.811.21.41.62000-6-12000-12-12001-6-12001-12-12002-6-12002-12-12003-6-12003-12-12004-6-12004-12-12005-6-12005-12-12006-6-1采掘(申万一级)00.20.40.60.811.21.41.61.822000-6-12000-12-12001-6-12001-12-12002-6-12002-12-12003-6-12003-12-12004-6-12004-12-12005-6-12005-12-12006-6-1北京城建数据来源：申银万国证券研究所图1：行业beta历史走势图2：个股beta历史走势2007年金融工程秋季研讨会71.4基础变量法•未来的Beta值不但与历史Beta值有关，而且与公司的基本特征以及公司的行业及部门类别有关，即：其中：是未来beta的预测值，是历史的beta值，是系数，是基础变量，是它的系数。∑++=−iiittFcba1ˆββtβˆ1−tβba,iFic00.511.522.531591317212529333741454953576165697377预测beta实际beta图3：均值回复法预测beta与实际beta数据来源：申银万国证券研究所2007年金融工程秋季研讨会8主要内容1.预测方法介绍2.研究思路3.实证结果4.基础变量法的进一步研究2007年金融工程秋季研讨会92.1研究思路•以beta预测步骤为主线,研究遇到的问题•选择估计beta值的样本数据：周还是月？•估计预测模型参数：横截面还是时间序列？•预测对象：组合还是个股的beta？•基础变量法的进一步研究：基础变量、横截面样本数据的选择1.计算历史beta3.计算预测beta2.估计预测模型参数图4：beta预测步骤资料来源：申银万国证券研究所2007年金融工程秋季研讨会102.2预测效果指标•拟合优度：•平均误差：•预测误差的标准差：•套保效率（百分比）=100-100*套保后收益的标准差/套保前收益的标准差∑∑−−=222)()ˆ(ββββR∑=−=niiinME1)ˆ(1ββ∑=−−=niiiMEnSDE12)ˆ(1ββ2007年金融工程秋季研讨会112.3基础变量法•基础变量的选择标准:足够的解释能力和很强的逻辑关系，同时要考虑到数据的准确性和获得的便利性•本文中我们将涉及到表1中给出的基础变量资料来源：申银万国证券研究所表1：基础变量变量名含义变量名含义MarkUp区间价格涨幅DebtRatio资产负债率PE市盈率EPS每股收益PB市净率ROE净资产收益率FloatMarketValue流通市值Profit区间净利润增幅2007年金融工程秋季研讨会12主要内容1.预测方法介绍2.研究思路3.实证结果4.基础变量法的进一步研究2007年金融工程秋季研讨会133.1样本数据•研究对象：23个申万一级和79个二级行业作为行业研究对象；满足2000年前上市并且目前是沪申300指数的成份股的185个公司作为个股研究对象。•样本时间区间：从2000年1月4日到2007年7月1日，共有371个周和90个月。•样本数据内容：包括行业和个股研究对象的周、月的复权后收盘价数据和相应的基础变量数据，根据按照复权后的收盘价计算得到对数收益率作为收益率数据。•基准指数：SW300指数代替HS300指数。2007年金融工程秋季研讨会143.2周数据还是月数据?•在计算beta时，我们首先面临选择：周数据还是月数据？•研究对象：申万一级、二级行业；选用2001-2006年的数据；按年计算beta值。•结论：1.月或者周数据对beta值的计算影响不大2.月数据计算的beta值稳定性较差3.周数据预测的效果好于月数据2007年金融工程秋季研讨会15申万一级行业：周、月数据影响不大•平均来看，选择周、月数据对计算beta没有大的影响•月数据计算出的的beta值得波动较大图5：申万一级行业的周、月数据的年beta的均值及标准差数据来源：申银万国证券研究所00.20.40.60.811.21.4农林牧渔采掘化工黑色金属有色金属建筑建材机械设备电子元器件交运设备信息设备家用电器食品饮料纺织服装轻工制造医药生物公用事业交通运输房地产金融服务商业贸易餐饮旅游信息服务综合平均值（周）标准差（周）平均值（月）标准差（月）2007年金融工程秋季研讨会16申万二级行业：周、月数据影响不大图6：申万二级行业的周、月数据的年beta的均值及标准差•平均来看，选择周、月数据对计算beta值没有大的影响•月数据计算出的大多数行业的beta值得波动较大数据来源：申银万国证券研究所00.20.40.60.811.21.41.61.8林业饲料煤炭开采化工新材料化学制品橡胶金属新材料建筑装饰仪器仪表其他电子器件非汽车交运设备汽车整车白色家电食品制造服装造纸医疗器械电力水务航空运输水路运输房地产开发银行贸易酒店计算机应用综合平均值（周）标准差（周）平均值（月）标准差（月）2007年金融工程秋季研讨会17预测效果:周数据好于月数据00.050.10.150.20.250.3基础变量法均值回复法历史估计法误差的标准差（月）误差的标准差（周）平均误差（月）平均误差（周）00.10.20.30.4基础变量法均值回复法历史估计法误差的标准差（月）误差的标准差（周）平均误差（月）平均误差（周）图7：申万一级行业图8：申万二级行业•平均误差：月数据大于周数据•误差的标准差：月数据大于周数据数据来源：申银万国证券研究所2007年金融工程秋季研讨会183.3模型参数的估计:横截面还是时间序列?•时间序列数据是指按时间排列的某个证券或者行业的数据•横截面数据是指相同时刻不同证券组成的样本数据•采用周数据，以20周为一个周期计算beta，对340-359周的beta进行预测表2：两种数据模型对比资料来源：申银万国证券研究所时间序列数据横截面数据估计参数所需样本数据单个股票的多组历史数据序列多个证券或者行业的2组历史数据模型预测能力预测单个证券或者行业的beta预测多个证券或者行业的beta预测模型数量每个证券或者行业一个预测模型只需一个预测模型2007年金融工程秋季研讨会19横截面数据有效性较大•采用基础变量法，并选用横截面数据预测beta模型的有效性较大•基础变量对不同个股的影响差别很大，可能造成预测beta模型的有效性较小表3：不同类型样本数据的模型的2R资料来源：申银万国证券研究所横截面数据时间序列数据基础变量法均值回复法基础变量法均值回复法申万一级行业0.65520.00040.31120.0940申万二级行业0.48550.10240.30760.0670个股0.13070.00310.33800.07712007年金融工程秋季研讨会20预测效果比较：横截面数据胜出•选用横截面数据时,预测的误差比时间序列小•选用横截面数据时,预测误差的波动性比时间序列小数据来源：申银万国证券研究所图9：行业和股票平均误差ME图10：行业和股票预测误差的标准差SDE说明：Fcs、Fts分别表示基础变量法采用横截面数据、时间序列数据；Arcs、Arts分别表示均值回复法预采用横截面数据、时间序列数据。0.140.230.450.180.250.440.330.400.530.250.310.540.000.100.200.300.400.500.60申万一级行业申万二级行业个股FcsArcsFtsArts-0.14-0.110.300.020.060.280.440.420.270.300.320.27-0.20-0.100.000.100.200.300.400.50申万一级行业申万二级行业个股FcsArcsFtsArts2007年金融工程秋季研讨会213.4预测对象:组合还是个股?•从个股样本中随机选择其中的40只股票，按等股票份数构建一个股票组合•beta值采用50个周数据计算，选择2004年－2006年的数据，预测2006年beta2007年金融工程秋季研讨会22组合预测效果好于个股资料来源：申银万国证券研究所表4：组合与个股预测效果•组合beta的预测效果比个股beta的预测效果好•组合套保效率比个股高15周beta预测值的误差beta预测值套保效率基础变量法均值回归法历史估计法基础变量法均值回归法历史估计法组合0.02-0.120.0236.90%36.40%36.91%个股的均值0.020.030.0215.22%15.42%14.32%个股的方差0.430.420.5310.08%9.68%9.69%10周组合0.13-0.010.1338.05%38.63%38.09%个股的均值0.120.130.128.59%8.75%7.69%个股的方差0.980.971.0615.46%15.00%15.58%2007年金融工程秋季研讨会23预测的有效时间：周期的1/7或者1/3资料来源：申银万国证券研究所说明：套保效率为负值表示套保后波动率增加•预测作用的时间长度为15周和7周时，组合beta的预测误差较小续表47周beta预测值的误差beta预测值套保效率基础变量法均值回归法历史估计法基础变量法均值回归法历史估计法组合0.05-0.090.0532.69%32.53%32.71%个股的均值0.000.01-0.01-1.60%-1.86%-4.37%个股的方差1.361.371.4456.02%55.73%60.58%4周组合0.220.080.2147.83%49.55%47.91%个股的均值-0.010.00-0.01-41.13%-41.34%-44.32%个股的方差1.151.161.2598.04%98.07%98.37%2007年金融工程秋季研讨会243.5其他考虑方面：市场上升、下降阶段-0.2-0.100.10.20.30.4基础变量法均值回复法历史估计法下降期误差标准差上升期误差标准差下降期平均误差上升期平均误差-0.3-0.2-0.100.10.20.30.40.50.6基础变量法均值回复法历史估计法下降期误差标准差上升期误差标准差下降期平均误差上升期平均误差图11：申万一级行业图12：申万二级行业•上升阶段：预测平均误差小，误差标准差大•下降阶段：预测平均误差大，误差标准差小数据来源：申银万国证券研究所2007年金融工程秋季研讨会25主要内容1.预测方法介绍2.研究思路3.实证结果4.基础变量法的进一步研究2007年金融工程秋季研讨会264.1基础变量选取：增加基础变量提高模型的解释能力说明：V2表示选择基础变量是价格涨幅，v3、v4、v5表示依次增加市盈率、市净率、流通市值数据来源：申银万国证券研究所图13：预测模型的2R•申万一级行业的平均由0.16提高到了