本站原创本文关于系数及统计学及可靠性方面的免费优秀学术论文范文，关于系数论文范文素材,与关于β系数的综述相关毕业论文的格式范文，对不知道怎么写系数论文范文课题研究的大学硕士、本科毕业论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
【摘 要 】β系数的研究与应用一直是资本市场中资产定价和风险管理理论与实践的热点,它的计算和影响因素是市场投资者进行投资决策的重要依据.本文将从对股票β值的相关性和稳定性进行分析和检验；研究不同特征股票β值的差异性；研究β系数的预测性三个研究核心方面阐述和分析β系数的研究现状.
【关 键 词 】β系数；稳定性；市场风险
一、关于β系数的稳定性研究
贝塔系数是用于衡量证券市场系统风险的一个重要概念.通过对贝塔系数的估计,投资者可以预测证券未来的市场风险.但是,贝塔系数必须要用过去的数据来估计.所以,除非贝塔系数具有相对的稳定性,否则,它就无法作为证券市场未来系统风险性的无偏差估计.
Blume于1971年在《Beta and Their Regression Tendencies》一文,研究了1926年1月到1968年6月间在纽约证券交易所上市的所有股票.他以每7年为一个时间段,用月收益率数据估计出各个时间段的β系数,然后以统计学的相关分析法为基础,对β系数的稳定性作了深入的研究,最后得出如下结论：在一个时期里估计出来的β系数是其未来估计值的有偏估计；组合规模越大,估计时间段越长,其未来的β系数越能被准确地预测.
靳云汇、李学于2000年在《中国股市β系数的实证研究》一文中,对沪深两市51种1992年以前上市的股票进行了研究,研究结果表明：股票β系数随着上市时间增加基本上趋于不稳定,利用β系数的历史数据来预测未来β系数的可靠性较差.
在关于β系数稳定性的研究中,绝大多数研究认为证券的β系数不具有稳定性,虽然可以借助于组合的方式来获得较为稳定的β系数,但对于大多数的个人投资者来讲,这意味着不能简单地用过去时期数据所估计的β系数作为当前和未来时期的预测值.
二、关于β系数的影响因素研究
从国内外的研究来看,对影响股票风险因素的研究主要集中在分析公司基本特征和行业因素这两个方面.理论上,公司规模的大小、资本结构、经营收入的周期性及公司的负债比例等基本特征的变化将改变公司的风险特性,从而影响公司所发行股票的风险.因此,学术界对公司的基本特征变量是否会影响其股票的系统性风险系数展开研究.
Beer从公司基本特征入手研究股票β值的影响因素,研究结果表明：在1947年至1956年和1957年至1965年这两个期间,纽约证券市场上307家上市公司单个股票和5种股票的组合的系统风险与盈利变动性、股利支付率、会计贝塔系数和财务杠杆这4个会计变量之间一致且显著相关；对于每个变量,组合的相关程度高于个股的相关程度；系统风险与成长性、规模和流动比率这3个会计变量之间的关系与理论假设不一致或显著无关.
Bildersee研究了1956年至1966年期间纽约证券市场制造业和零售业的71家公司的系统风险与11个会计变量之间的相互关系,最后指出了与系统风险相关的6个会计变量――负债比率、优先股与普通股的比例、销售与权益资本的比例、流动比率、市盈率的标准差、会计贝塔系数,并建立了多元线性回归模型.
Rosenberg和Marathe（1975）进一步把39个行业哑变量加入股票β值的分析模型中,来解释股票β值的差异,形成著名的集个股市场特征、公司基本因素和行业性质于一体的“罗森伯格系统”（Rosenberg’s system）.
吕长江,赵岩于2003年在《中国证券市场中Beta系数的存在性及其相关特性研究》一文中经过研究发现：中国证券市场中Beta系数并不存在显著的行业差异,但在按照是否被纳入计算成份类指数的标准将股票进行分类,即分为成份股和非成份股,这两大类股票的Beta系数存在显著的差异.
刘永涛于2004年在《上海证券市场β系数相关特性的实证研究》一文中指出：就我国目前的五行业分类方法来看,β系数在行业间的区分并不明显；在证监会的CSRC行业分类标准下,β系数在各行业的区分整体上表现出差别性,但两两之间β系数的差别不具有统计学意义.
三、关于β系数的预测性研究
由于经验研究已经证明β系数具有不稳定性,因此,如何准确地预测未来的β值就成为至关重要的问题.对未来β系数的预测主要有两条不同的思路：一是基于时间序列关系的预测；二是基于差异性影响因素的预测.
Blume于1971年在《Beta and Their Regression Tendencies》一文中指出,如果β估计值向均值回归的速度不随时间改变,就可以在估计β系数时围绕这一趋势修正估计值.他采用简单线性模型β2等于a+bβ1,来估计相邻两期β估计值之间的回归关系,用此回归关系修正对其将来值的估计.
Vasicke于1973年在《关于在证券β系数的贝叶斯估计中运用横截面信息的一项注释》一文中根据β系数的回归趋势,把贝叶斯决策方法引入β系数的估计中,提出了贝叶斯调整法.Vasicke认为仅仅依据样本的信息来估计β系数是不够的,如果能把有关β系数先验分布的资料与样本的信息结合起来,就能降低估计误差.
基于差异性影响因素的预测方法主要有基础β系数法和罗森伯格系统.基础β系数是根据公司基本特征的变化来估计未来的β系数,模型中的自变量为反映公司特征的财务和会计变量.罗森伯格（Rosenberg）在1973年和1975年以及随后的研究中,集历史β系数、个股市场特征、公司基本因素和行业特征于一体,对β系数的差异性进行研究,并据此对未来的β系数进行预测,建立了著名的“罗森伯格系统”.罗森伯格系统试图将历史β系数和基础β系数两种分析思路综合到一个模型中,以提高β系数预测的准确度.
四、总结及后期研究方向
许多西方学者从理论和实证的角度对会计变量与β系数的关系都作了深入的探讨,他们发现β系数确实和一些反映公司风险状况的会计变量有非常密切的联系,但是不同学者的研究结果并不完全一致.对于究竟哪些因素对β系数有影响作用,学术界仍存在一些争议.因此,对于这一方面的进一步研究仍是有必要的.
我国关于股票预期β系数及其影响因素的研究并不多见.从公司基本特征出发,通过实证研究,利用相关分析、多元回归分析方法研究各公司前一年度的会计变量对后一年度的β系数的影响,可以弥补以往研究的不足,同时也能为投资者和证券监管部门的决策提供理论参考和依据.