[发明专利]一种融合宏观经济政策因素的宏微观动态混合β估计方法

说明书

本发明公开了一种融合宏观经济政策因素的宏微观动态混合β估计方法，包括：先把系统性风险分拆为先验信息部分与传统交易信息部分，对于先验系统性风险部分，把先验系统性风险定义为一个关于宏微观因素的风险函数，然后通过考察各因素对先验系统性风险的影响从而代回计算得到风险函数值，即先验系统性风险，再通过收缩方法，结合先验信息和股票交易信息，计算得到后验系统性风险，即为宏微观混合β。本发明方法把宏观周期因素和企业微观因素与系统性风险结合起来，去除市场异象等噪声因素从而提高估测准确度。

技术领域

本发明涉及经济领域，特别涉及一种融合宏观经济周期与企业生命周期因素的动态混合β估计方法。

背景技术

本发明创造技术基础为资本资产定价模型CAPM。基于发达国家市场的主流文献研究表明，对CAPM的检验发现证券市场线存在着过平的现象：也即长期内α(超额风险溢价)显著为正，而系统性风险β的回归系数(市场超额收益率或市场风险价格)过低。此后大量研究主要在两个方面进行拓展，尝试准确度量系统性风险β：截面因子角度的尝试与时间维度(时变性)的拓展。

一些文献认为系统性风险估计结果过低而长期超额风险溢价为正可能是因为CAPM遗漏了一些风险因子，并试图通过增加截面因子解释该现象。这主要基于两个理论维度展开。一是传统金融的维度，即认为长期内α显著为正是由于漏了某些系统性风险因素，使得单纯从市场指数计算出的β不能完全代表系统性风险，从而造成β系数过低。丁志国、苏治、赵晶(2012)在理论分析与实证分析中发现将企业微观特征变量作为导致β系数异变的原因，尤其是股票组合的β系数，不具有说服力，并且发现美国与英国市场中宏观经济变量与时变β系数不具有关联性，这些结论由于其选取了多国资本市场进行分析，没有关注中国市场的特殊性，因而与我国市场情况存在一定差异。已有文献对中国市场系统性风险的影响因素进行研究并得到相反的结论，发现影响系统性风险的组成部分主要有宏观因素与企业特征变量及所处行业。邓可斌，曾海舰(2014)发现融资约束是系统性风险中重要组成部分，是外生于市场体系的系统性风险，而企业股权性质、企业规模又影响融资约束。田利辉等(2014)直接指出政策干预是加剧系统性风险的重要原因，并指出我国股票市场长期处于从计划体制经济转向市场经济的转型期，计划经济色彩与证监会为配合国家政策而实施的监管均影响股市系统性风险。胡盈，吴冲锋(2011)从资产链角度，把系统性风险β分解为公司资产增值过程中的风险与公司资产在金融市场中受市场影响的风险，实质上公司资产增值过程中的风险受宏观经济周期与企业生命周期决定，这一风险实质上是宏观经济与企业特质对系统性风险β的总影响，而第二部分风险就是市场风险。俞乔，刘家鹏(2013)在发生系统性风险下，采用考虑公共政策及其风险管控作用的动态逆势投资策略能较好地规避系统性风险。而实质上，考虑动量效应或公共政策效应的策略可以规避系统性风险，说明动量效应与公共政策是系统性风险中的组成部分。

增加截面因子提高CAPM解释能力的另一个理论维度是行为金融的角度，即认为投资者的情绪因素是解释股票收益率的重要原因，从而造成β因子的解释力过低。无论是哪个维度研究，均体现在对β因子外的其他因子挖掘和补充上，其后出现的三因子、四因子以及五因子等模型，都是对CAPM在因子解释力上的拓展。Fama and French(1992,1993)发现并证明除了市场风险外，风险与收益的关系与规模效应、账面市值比效应均有关，并提出在市场超额收益率因子基础上加入规模因子与账面市值比因子的FF三因子模型。在截面因子拓展的基础上，行为金融的相关因素也加入到CAPM或截面拓展的CAPM中。Jegadeesh andTitman(1993)发现资本市场中存在动量效应，Carhart(1997)从资本市场的动量效应(又称“惯性效应”，即股票收益率延续原有运动方向，一般表现为一段时间内的历史收益率高的股票在未来收益率也会高于历史收益率低的股票)中提取出动量因子，并加入到三因子模型中，拓展为四因子模型。Fama and French(2015)在三因子模型基础上加入盈利能力因子与投资风格因子，构建了五因子模型。国内也有一些研究在行为金融维度探讨了系统性风险的截面测度投资者情绪因素会影响系统性风险。另外国内也有一些研究着眼于动量投资策略的检验，发现动量投资策略可以规避系统性风险(李腊生等，2016)。