论文部分内容阅读
股票收益率的可预测性是资产定价研究中的核心问题。尽管越来越多的学者承认股票收益率可以预测,但如何寻找一种有效的适合我国股市特点的金融资产定价工具,却一直困扰着我国学术界。 60年代中期出现的资本资产定价模型(CAPM)是第一个关于金融资产定价的均衡模型,同时也是第一个可进行计量检验的金融资产定价模型,它导致了金融理论的一场革命,具有重大的历史意义。CAPM的中心特点是:只有系统风险才在股票定价中起作用,股票的收益与股票系统风险的量度β成正比。国内外学者对CAPM模型作过大量的研究。目前,普遍认为该模型基本符合市场的实际,但仍发现了一些与市场不符的证据。本文试图对传统的CAPM模型加以改进。 本文通过对传统CAPM模型精度不高原因的分析,从两方面对传统CAPM模型进行了改进。一:在传统的CAPM模型中引入系统偏度、系统峰度等高阶矩,发展和推广CAPM模型,使之成为一个包含有较高阶矩的更一般化的模型。二:考虑β系数的时变性。用多元GARCH模型进行时间序列分析。把传统的CAPM模型发展成时变CAPM模型。本文的目的在于找到适合我国股市特点的金融资产定价工具,指导证券投资。 在实证部分,对样本进行了严格的统计性质检验后,本文建立了两种改进的CAPM模型,进行了数据拟合实验及样本外的中、短期预测。依据实证结果,作者对传统CAPM模型、高阶矩CAPM模型和时变CAPM模型的效果好坏进行了对比分析。本文的主要结论如下: 1、高阶矩的引入有利于提高预测精度。 2、金融时间序列具有相当的惯性,在时变CAPM模型中,我们采用GARCH模型能够很好地捕捉到金融时间序列的这一特点。 3、GARCH模型的预测精度有限,但是对于中、短期的收益率还是有较好的预测能力。 4、时变CAPM模型较高阶矩CAPM模型,具有更高的预测精度。 关键词:CAPM模型;系统偏度;系统峰度;条件CAPM模型;多元GARCH模型;时变β系数;