貝塔繫數

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

(重定向自Β系数)

貝塔繫數(Beta Coefficient)

目錄

貝塔繫數概述

  貝塔繫數(Beta Coefficient)是一種評估證券系統性風險的工具,用以度量一種證券或一個投資證券組合相對總體市場的波動性。在股票基金等投資術語中常見。

  貝塔繫數是統計學上的概念,它所反映的是某一投資對象相對於大盤的表現情況。其絕對值越大,顯示其收益變化幅度相對於大盤的變化幅度越大;絕對值越小,顯示其變化幅度相對於大盤越小。如果是負值,則顯示其變化的方向與大盤的變化方向相反;大盤漲的時候它跌,大盤跌的時候它漲。由於我們投資於投資基金的目的是為了取得專家理財的服務,以取得優於被動投資於大盤的表現情況,這一指標可以作為考察基金經理降低投資波動性風險的能力。 在計算貝塔繫數時,除了基金的表現數據外,還需要有作為反映大盤表現的指標。

貝塔繫數的計算

  貝塔繫數利用回歸的方法計算。貝塔繫數為1即證券的價格與市場一同變動。貝塔繫數高於1即證券價格比總體市場更波動。貝塔繫數低於1(大於0)即證券價格的波動性比市場為低。

  貝塔繫數的計算公式

公式為:\beta_a = \frac{\mbox{Cov}(r_a,r_m)}{\sigma_m^2}

其中Cov(ra,rm)是證券 a 的收益與市場收益的協方差{\sigma_m^2}是市場收益的方差

因為:

Cov(ra,rm) = ρamσaσm

所以公式也可以寫成:

\beta_a = \rho_{am} \cdot \frac{\sigma_a}{\sigma_m}

其中ρam為證券 a 與市場的相關係數σa為證券 a 的標準差;σm為市場的標準差。

據此公式,貝塔繫數並不代表證券價格波動與總體市場波動的直接聯繫。

不能絕對地說,β越大,證券價格波動(σa)相對於總體市場波動(σm)越大;同樣,β越小,也不完全代表σa相對於σm越小。

甚至即使β = 0也不能代表證券無風險,而有可能是證券價格波動與市場價格波動無關(ρam = 0),但是可以確定,如果證券無風險(σa),β一定為零。

貝塔繫數應用

  貝塔繫數反映了個股對市場(或大盤)變化的敏感性,也就是個股與大盤的相關性或通俗說的“股性”。可根據市場走勢預測選擇不同的貝塔繫數的證券從而獲得額外收益,特別適合作波段操作使用。當有很大把握預測到一個大牛市或大盤某個大漲階段的到來時,應該選擇那些高貝塔繫數的證券,它將成倍地放大市場收益率,為你帶來高額的收益;相反在一個熊市到來或大盤某個下跌階段到來時,你應該調整投資結構以抵禦市場風險,避免損失,辦法是選擇那些低貝塔繫數的證券。

  為避免非系統風險,可以在相應的市場走勢下選擇那些相同或相近貝塔繫數的證券進行投資組合。比如:一支個股貝塔繫數為1.3,說明當大盤漲1%時,它可能漲1.3%,反之亦然;但如果一支個股貝塔繫數為-1.3%時,說明當大盤漲1%時,它可能跌1.3%,同理,大盤如果跌1%,它有可能漲1.3%。

  貝塔繫數是反映單個證券或證券組合相對於證券市場系統風險變動程度的一個重要指標。通過對貝塔繫數的計算,投資者可以得出單個證券或證券組合未來將面臨的市場風險狀況.通常貝塔繫數是用歷史數據來計算的,而歷史數據計算出來的貝塔繫數是否具有一定的穩定性,將直接影響貝塔繫數的應用效果。利用CHOW檢驗方法對我國證券市場已經實現股份全流通上市公司進行檢驗後發現,大部分上市公司在實現股份全流通後,其貝塔繫數並沒有發生顯著的改變,用貝塔繫數進行系統風險的預測可靠性還是相當高的。

本條目對我有幫助818
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您認為本條目還有待完善,需要補充新內容或修改錯誤內容,請編輯條目

評論(共42條)

提示:評論內容為網友針對條目"貝塔繫數"展開的討論,與本站觀點立場無關。
218.88.116.* 在 2009年1月27日 01:46 發表

very good!

回複評論
218.19.190.* 在 2009年4月7日 15:52 發表

thank you

回複評論
219.148.54.* 在 2009年6月17日 00:44 發表

thanks!!

回複評論
98.218.234.* 在 2009年6月18日 11:02 發表

貝塔繫數是統計學上的概念,是一個在+1至-1之間的數值, Who says beta is between -1 and 1?

回複評論
219.237.134.* 在 2009年10月8日 13:00 發表

很有用,謝謝!

回複評論
130.102.0.* 在 2009年10月23日 18:02 發表

98.218.234.* 在 2009年6月18日 11:02 發表

貝塔繫數是統計學上的概念,是一個在+1至-1之間的數值, Who says beta is between -1 and 1?

beta繫數怎麼可能只在-1 和1 之間?

回複評論
117.15.58.* 在 2009年11月23日 00:21 發表

beta繫數確實不只在1到-1之間 我們應該把β值控制在2左右

回複評論
58.41.121.* 在 2009年11月28日 16:59 發表

Correlation coefficient is between -1 and +1. Do not mistake it with beta

回複評論
121.33.188.* 在 2009年12月2日 13:04 發表

THK

回複評論
218.82.204.* 在 2009年12月4日 21:42 發表

非常清晰

回複評論
61.161.67.* 在 2009年12月17日 22:27 發表

58.41.121.* 在 2009年11月28日 16:59 發表

Correlation coefficient is between -1 and +1. Do not mistake it with beta

right

回複評論
221.0.171.* 在 2010年1月22日 10:51 發表

thanks

回複評論
221.1.223.* 在 2010年1月24日 15:44 發表

請問樓主:若市場的風險溢價是7.5%,無風險利率是4%.某股票的期望收益是19%,該股票的貝塔繫數。謝謝

回複評論
Antonioge (討論 | 貢獻) 在 2010年2月25日 16:11 發表

貝塔繫數=2

回複評論
Antonioge (討論 | 貢獻) 在 2010年2月25日 16:12 發表

(0.19-0.14)/.075=貝塔繫數=2

回複評論
Antonioge (討論 | 貢獻) 在 2010年2月25日 16:14 發表

130.102.0.* 在 2009年10月23日 18:02 發表

beta繫數怎麼可能只在-1 和1 之間?

很正常~該股票的風險大於整個市場組合風險~

回複評論
Antonioge (討論 | 貢獻) 在 2010年2月25日 16:14 發表

221.1.223.* 在 2010年1月24日 15:44 發表

請問樓主:若市場的風險溢價是7.5%,無風險利率是4%.某股票的期望收益是19%,該股票的貝塔繫數。謝謝

2

回複評論
219.234.81.* 在 2010年4月21日 18:53 發表

beta繫數如何轉化為實物資產中的beta繫數? 應用於求NPV時侯,設定的貼現率

回複評論
Spilley (討論 | 貢獻) 在 2010年9月30日 12:04 發表

Beta並不完全代表資產組合的風險與市場風險的比值,而是跟兩者的相關係數有關,因此Beta的大小並不一定說明資產組合的風險相對於市場風險的大小。

回複評論
Vulture (討論 | 貢獻) 在 2010年10月1日 00:10 發表

Spilley (討論 | 貢獻) 在 2010年9月30日 12:04 發表

Beta並不完全代表資產組合的風險與市場風險的比值,而是跟兩者的相關係數有關,因此Beta的大小並不一定說明資產組合的風險相對於市場風險的大小。

謝謝Spilley的修改、補充和完善。

回複評論
218.70.109.* 在 2010年11月5日 22:23 發表

如果我需要求出a股票的貝塔繫數,同時又不知道股票 a 與市場的相關係數該怎麼做呢?謝謝!

回複評論
218.106.181.* 在 2010年11月14日 23:45 發表

真牛,上面的英文討論更牛。思路非常清晰。

我還想問一個問題,對於同一隻股票,在不同的Rm情況下,其beta值是否相同?

回複評論
58.24.121.* 在 2011年1月3日 16:29 發表

130.102.0.* 在 2009年10月23日 18:02 發表

beta繫數怎麼可能只在-1 和1 之間?

他把beta繫數和相關係數搞混了

回複評論
蓝以名状 (討論 | 貢獻) 在 2011年5月18日 13:40 發表

221.1.223.* 在 2010年1月24日 15:44 發表

請問樓主:若市場的風險溢價是7.5%,無風險利率是4%.某股票的期望收益是19%,該股票的貝塔繫數。謝謝

2

回複評論
蓝以名状 (討論 | 貢獻) 在 2011年5月18日 13:42 發表

218.106.181.* 在 2010年11月14日 23:45 發表

真牛,上面的英文討論更牛。思路非常清晰。

我還想問一個問題,對於同一隻股票,在不同的Rm情況下,其beta值是否相同?

當然不同。都是CAPM里的參數,牽一發動全身好不好

回複評論
蓝以名状 (討論 | 貢獻) 在 2011年5月18日 13:49 發表

蓝以名状 (討論 | 貢獻) 在 2011年5月18日 13:42 發表

當然不同。都是CAPM里的參數,牽一發動全身好不好

當然,前提是其他參數不變,僅僅討論Rm變化對beta的影響。

回複評論
范小二 (討論 | 貢獻) 在 2011年11月24日 10:42 發表

Antonioge (討論 | 貢獻) 在 2010年2月25日 16:12 發表

(0.19-0.14)/.075=貝塔繫數=2

A risk premium is the minimum amount of money by which the expected return on a risky asset must exceed the known return on a risk-free asset, in order to induce an individual to hold the risky asset rather than the risk-free asset. it's not portfolio beta

回複評論
124.114.96.* 在 2011年12月9日 15:49 發表

兩組數據互為參照計算出的貝塔繫數分別為0.9和0.4,如何理解?

回複評論
222.247.126.* 在 2012年1月2日 00:55 發表

98.218.234.* 在 2009年6月18日 11:02 發表

貝塔繫數是統計學上的概念,是一個在+1至-1之間的數值, Who says beta is between -1 and 1?

統計學的是相關係數,只是貝塔繫數和相關係數的計算公式一樣罷了,但它們所取得對象是不同的。

回複評論
Ne statement (討論 | 貢獻) 在 2012年2月18日 20:08 發表

58.24.121.* 在 2011年1月3日 16:29 發表

他把beta繫數和相關係數搞混了

同意..... "beta繫數怎麼可能只在-1 和1 之間? " 此人怎一個2了得....純沒學過數學的..

回複評論
121.14.162.* 在 2012年3月26日 11:14 發表

ra跟rm如何得知?

回複評論
218.28.247.* 在 2012年6月10日 10:02 發表

各位大神,beta繫數為零所代表的意義是什麼

回複評論
59.50.85.* 在 2012年6月30日 21:51 發表

b的缺陷?不是教材上講CAPM很難求出的貝塔?

回複評論
182.85.252.* 在 2012年10月30日 19:07 發表

我想問一下公式法和線性回歸計算出來的β繫數是否會完全一致?會出現誤差的可能嗎?

回複評論
213.30.139.* 在 2013年2月5日 21:49 發表

同問,用BA IIplus的統計工具表計算,算出的beta是0.177,但是公式法算出的是1.5。Rf這裡是0。是不是因為樣本量太少出現的誤差??

回複評論
202.50.49.* 在 2014年7月18日 15:55 發表

Working

回複評論
李冬 (討論 | 貢獻) 在 2014年12月30日 22:46 發表

請問一下這個貝塔繫數它是怎樣得出來的?

回複評論
103.44.32.* 在 2015年5月27日 21:00 發表

估算公司股票 beta 時, 如何得到合理的 market risk risk of return,用於來計算標準差? 看哪些數據來源是比較合理的? 非常苦惱 望解答。謝謝

回複評論
116.9.67.* 在 2016年11月22日 14:53 發表

貝塔繫數小於零是什麼情況?

回複評論
12.150.236.* 在 2016年11月27日 17:51 發表

116.9.67.* 在 2016年11月22日 14:53 發表

貝塔繫數小於零是什麼情況?

與市場的波動方向相反

回複評論
94.119.96.* 在 2017年2月28日 23:32 發表

218.28.247.* 在 2012年6月10日 10:02 發表

各位大神,beta繫數為零所代表的意義是什麼

證券價格波動與市場波動因素無關 但仍有存在風險的可能

回複評論
狒狒 (討論 | 貢獻) 在 2019年4月5日 16:30 發表

218.28.247.* 在 2012年6月10日 10:02 發表

各位大神,beta繫數為零所代表的意義是什麼

大盤的走勢特定證券沒有連帶影響

回複評論

發表評論請文明上網,理性發言並遵守有關規定。

MBA智库
打开APP

以上内容根据网友推荐自动排序生成