全球专业中文经管百科,由121,994位网友共同编写而成,共计436,017个条目

指數模型

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

  我們將將單一證券的風險簡單的分為兩部分:市場風險系統風險)和公司特有風險。相應地將證券收益率寫成包含系統風險和公司特有風險的形式,而其中的系統風險可以用主要證券指數的收益來作為一般代表,我們稱這樣的收益率公式為指數模型

目錄

指數模型的一般形式

  我們把證券的持有期收益寫成:

  ri = E(ri) + m + ei.............(1)

  從而簡要地將巨集觀經濟因素與公司特有因素區分開。

  式中:

  • E(ri)——證券持有期期初的期望收益;
  • m——證券持有期間非預期的巨集觀事件對證券收益的影響;
  • ei——證券持有期間非預期的公司特有事件對證券收益的影響。

  mei都具有零期望值,因為他們都是非預期事件的影響,根據定義其平均值必然為零。

  如果我們記巨集觀因素的非預測成分為F,記證券i對巨集觀經濟事件的敏感度為βi,則證券i的收益的巨集觀成分為mi = βiF,則(1)式變成:

  ri = E(ri) + βiF + ei............(2)

  如果我們用主要證券指數,如標準普爾500指數作為巨集觀因素的一般代表時,就可得到與單因素模型類似的等式,這就是單指數模型,也就是我們將要討論的指數模型的一般代表。

指數模型的風險溢價形式

  根據指數模型,我們可以把實際的或已實現的證券收益區分成巨集觀(系統)的與微觀(公司特有)的兩部分。我們把每個證券的收益率寫成三個部分的總和:

項目 記號
  1. 如果市場是中性的,即市場超額收益rmrf為零時的股票期望收益率
  2. 隨整個市場運動的收益成分,βi是證券對市場運動的敏感度
  3. 與這個證券(公司特有)相關的非預期事件形成的非預期成分

αi
βi(rmrf)
ei

  股票持有期超額收益可寫成:

  rirf = αi + βi(rmrf) + ei

  我們用大寫的R代表超過無風險收益超額收益,把這個等式改寫成:

  Ri = αi + βiRm + ei

指數模型的風險的衡量

  我們考慮單個證券的方差,有:

  \begin{cases}\sigma_i^2 &=Cov(R_i,R_i)\\&=Cov(\alpha_i+\beta_iR_m+e_i,\alpha_i+\beta_iR_m+e_i)\\&=Cov(\beta_iR_m,\beta_iR_m)+Cov(e_i,e_i)\\&=\beta_i^2\sigma_m^2+\sigma^2(e_i)\end{cases}

  上式可做如下解釋:αi為一確定值,其與其它變數的協方差均為零;ei為公司特有成分,獨立於系統風險,即eiRm的協方差為零。從而得到上式。

協方差

  我們考慮兩個證券的協方差,有:

  \begin{cases}Cov(R_i,R_j)&=Cov(\alpha_i+\beta_iR_m+e_i,\alpha_j+\beta_jR_m+e_j)\\&=Cov(\beta_iR_m,\beta_jR_m)\\&=\beta_i\beta_j\sigma_m^2\end{cases}

  與前述方差的解釋一致,而且有兩公司的特有風險不相關,即存在Cov(ei,ej) = 0

指數模型與風險分散化

指数模型与风险的分散化
放大
指數模型與風險的分散化

  由夏普首先建立的指數模型也提供了資產組合風險分散化的另一個視角。假定我們選擇有n個證券的等權重資產組合。每個證券的超額收益率由下式給出:

  Ri = αi + βiRm + ei

  相似地,我們可以把股票資產組合的超額收益寫成:

  Rp = αp + βpRm + ep................(3)

  現在我們說明,隨著資產組合中的股票數量的增加,歸因於非市場因素的風險部分將變得越來越小。這部分風險被分散掉了。相比較,市場風險依然存在,無論資產組合的股票數量有多少。

  我們註意到等權重的假定(即\omega_i=\frac{1}{n}),從而有:

  \begin{cases}R_p=\sum_{i=1}^n \omega_iR_i&=\frac{1}{n}\sum_{i=1}^n R_i\\ &=\frac{1}{n}\sum_{i=1}^n (\alpha_i+\beta_iR_m+e_i)\\ &=\frac{1}{n}\sum_{i=1}^n\alpha_i+(\frac{1}{n}\sum_{i=1}^n \beta_i)R_m+\frac{1}{n}\sum_{i=1}^n e_i \end{cases}………………(4)

  比較上式與(3)式,我們可得到:

  資產組合對市場的敏感度為:\beta_p=\frac{1}{n}\sum_{i=1}^n \beta_i

  資產組合有一個常數的非市場收益成分:\alpha_p=\frac{1}{n}\sum_{i=1}^n \alpha_i

  和零均值變數:e_p=\frac{1}{n}\sum_{i=1}^n e_i

  資產組合的方差為:\sigma_p^2=\beta_p^2\sigma_m^2+\sigma^2(e_p)

  我們定義資產組合方差的系統風險成分為依賴於市場運動的部分為\beta_p^2\sigma_m^2,它也依賴於單個證券的敏感度繫數。這部分風險依賴於資產組合的貝塔的\sigma_m^2,不管資產組合分散化程度如何都不會改變。無論持有多少股票,它們在市場中暴露的一般風險將反映在資產組合的系統風險中。

  相比較,資產組合方差的非系統風險成分是σ2(ep),它來源於公司特有成分ei。因為這些ei是獨立的,都具有零期望值,所以可以由平均法則得出這樣的結論:隨著越來越多的股票加入到資產組合中,公司特有風險傾向於被分散掉,非市場風險越來越小,這些風險被認為是可分散的。這一點可說明如下。

  因為ei是獨立的,有:

  \sigma^2(e_p)=\sum_{i=1}^n (\frac{1}{n})^2\sigma^2(e_i)=\frac{1}{n}\bar\sigma^2(e)

  式中,\bar\sigma^2(e)為公司特有方差的均值。由於這一均值獨立於n,所以當n變大時,σ2(ep)就變得小得可以忽略了。

  總而言之,隨著分散化程度的加強,資產組合的方差接近於系統方差。系統方差定義為市場因素的方差乘以資產組合敏感繫數的平方\beta_p^2。可見如下示意圖。

指數模型與資本資產定價模型

  由指數模型,有:

  \begin{cases}Cov(R_i,R_m)&=Cov(\alpha_i+\beta_iR_m+e_i,R_m)\\ &=Cov(\alpha_i,R_m)+Cov(\beta_iR_m,R_m)+Cov(e_i,R_m)\\&=\beta_i\sigma^2_m\end{cases}

  在上式中,我們註意到αi是一個常量,因而Covi,Rm) = 0;而公司特有的成分獨立於整個市場的成分,因而Cov(ei,Rm) = 0。從而有:

  \beta_i=\frac{Cov(R_i,R_m)}{\sigma^2_m}

  由\begin{cases}R_i=r_i-r_f\\ R_m=r_m-r_f\end{cases}

  知:Cov(Ri,Rm) = Cov(ri,rm)

  得:\beta_i=\frac{Cov(R_i,R_m)}{\sigma^2_m}=\frac{Cov(r_i,r_m)}{\sigma^2_m}=\beta_i^',式中\beta_i^'資本資產定價模型中的貝塔繫數

  這說明指數模型與資本資產定價模型中的貝塔具有相同的含義。

本條目對我有幫助120
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,請編輯條目投訴舉報

本条目由以下用户参与贡献

Galie,Cabbage,鲈鱼,KAER,吕宁,Lin.

評論(共11條)

提示:評論內容為網友針對條目"指數模型"展開的討論,與本站觀點立場無關。
219.239.227.* 在 2010年4月30日 21:09 發表

寫得非常好,比百度知道不知道強多少倍

回複評論
58.60.63.* 在 2011年1月4日 00:08 發表

比百度強

回複評論
cong (討論 | 貢獻) 在 2011年10月13日 01:30 發表

牛X的網站,比我們CFA講的清楚

回複評論
219.142.14.* 在 2013年6月23日 09:51 發表

比博迪的投資學都清楚,太有用了。如果能加上用指數模型構建最優風險組合的部分就perfect了~

回複評論
115.231.71.* 在 2014年10月23日 10:41 發表

比博迪的投資學寫的清楚,投資學上看了半天沒看懂,在這一下就懂了

回複評論
211.65.214.* 在 2016年2月25日 22:13 發表

非常感謝

回複評論
222.67.17.* 在 2018年4月21日 12:41 發表

後面那一段"指數模型與資本資產定價模型"真的精彩。

回複評論
痛平分 (討論 | 貢獻) 在 2019年5月25日 20:47 發表

覺得翻譯水平、內容面把握的卻是比博迪的書要簡明易懂。

回複評論
39.155.141.* 在 2019年7月31日 20:06 發表

確實比博迪的書都寫得清楚,博迪寫一大堆還不知道到底想幹嘛,看這個直接就動了

回複評論
Jeffery (討論 | 貢獻) 在 2020年8月3日 22:57 發表

非常清晰

回複評論
M id d043b495ee27e72f9e5734a23123f442 (討論 | 貢獻) 在 2021年7月21日 16:28 發表

 想問問非系統風險分散化那裡,等於1/n 特有方差均值怎麼推導出來的?數學不大好就這裡看不明白

回複評論

發表評論請文明上網,理性發言並遵守有關規定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号