重新审视贝塔指标对回报的预测效果如何?

资本资产定价模型 (CAPM) 在 20 世纪 60 年代和 1970 年代发展起来后,金融研究人员开始测试该理论模型在现实世界中的实际效果。

随着计算能力的不断增强和数据访问的增加,20 世纪 80 年代成为衡量 CAPM 有效性的关键时代,分析师探索了 beta 在预测未来回报方面的有效性。

令人惊讶的是,人们普遍认为贝塔的回报预测能力相当弱。

自 CAPM 出现以来的 60 多年里,该模型和贝塔值在这几十年中的预期回报率如何?为了找到答案,我们分析了在 NYSE 和 NASDAQ 交易的每家公司,并使用月度回报和 12 个月滚动计算,根据其系统风险 (beta) 构建了公司投资组合

如果一家公司的贝塔值低于 0.5,它将被分配到低贝塔投资组合。贝塔值大于 1.5 的公司被分配到其高贝塔值对应的公司。

使用这些分组,我们研究了投资组合在接下来的一年中的表现——包括中位数和市值加权。然后每年根据新的贝塔计算重建投资组合。


高贝塔投资组合回报中值 低贝塔投资组合回报中值 高贝塔投资组合市场加权回报 低贝塔投资组合市场加权回报 符合 CAPM 的年份百分比
20世纪70年代 14.9% 2.5% 14.3% 3.5% 80%
20世纪80年代 13.0% 14.4% 12.1% 18.1% 40%
20世纪90年代 18.7% 12.6% 22.6% 13.4% 70%
2000年代 15.2% 8.9% 10.7% 5.2% 80%
2010年代 14.7% 9.0% 13.3% 12.5% 91%

事实证明,20 世纪 80 年代对于 Beta 来说是一个糟糕的时期。按年化计算,十年来低贝塔投资组合的表现平均比高贝塔投资组合高 6 个百分点,回报率分别为 18.14% 和 12.12%

然后,我们检查了在整个十年中按顺序反映 CAPM 预测的年份的百分比。CAPM 仅在 10 年中的四年内准确预测了回报。也就是说,正市场回报年份应对应于高贝塔值击败低贝塔投资组合,负市场回报年份应对应于低贝塔值击败高贝塔投资组合。这意味着 CAPM 在这段时间内的表现比随机游走更差,这有助于解释为什么那个时代的研究人员对该模型如此怀疑。

但 20 世纪 80 年代在某种程度上是个例外。随着几十年的发展,贝塔值和 CAPM 成为更好的预测指标。从2010年到2020年,CAPM在这11年中有10年是正确的。

事实上,自 20 世纪 80 年代以来的每十年,高贝塔投资组合的年化收益率都比低贝塔投资组合略高 5 个百分点。也就是说,高贝塔投资组合的平均回报率为 15.53%,而低贝塔投资组合的平均回报率为 10.34%。

总而言之,结果表明,贝塔值对于未来回报的预测并不像人们通常认为的那么糟糕。20 世纪 80 年代对于 Beta 和 CAPM 来说是一个糟糕的时期,但自那十年以来,Beta 一直是未来回报的良好预测者。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/74008.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年8月15日 00:07
下一篇 2023年8月15日 00:35

相关推荐

  • RIA 友好的退休保障人寿保险策略(第二部分)

    在本系列的第一部分中,我承诺推出一项退休策略,其优点值得投资顾问界广泛采用。让我们深入研究这种方法的令人信服的案例。 图1 各方都同意:我们面临危机。 背景:未解决的危机 美国的退休保障危机引起了两党的关注,伯尼·桑德斯、本·卡森、伊丽莎白·沃伦、马可·卢比奥、兰德·保罗和帕蒂·默里等关键人物都强调了危机的紧迫性。甚至以 ChatGPT 为代表的人工智能也强…

    2024年4月3日
    33700
  • 将美元化提升到一个新的水平:这里是使用美元作为当地货币的国家情况

    阿根廷总统大选可能决定该国是否采用美元作为本国货币。
    但一位顶级分析师表示,由于围绕其货币的民族主义,这种情况不太可能发生。
    其他几个国家,包括巴拿马和津巴布韦,都采用了美元。

    2023年6月22日
    15400
  • 背离和其他技术警告

    尽管多头仍然完全控制着市场走势,但分歧和其他技术警告表明,变得更加谨慎可能是谨慎的做法。 2020年 1 月,我们讨论了为何要获利了结并降低投资组合的风险。当时市场正在飙升,没有理由担心。然而,仅仅一个多月后,随着“大流行”的到来,市场大幅下跌。虽然当时没有证据表明会发生这样的事件,但市场非常活跃,只需要一个触发器就可以引发调整。 “当你与投资组合管理团队坐…

    2024年4月7日
    11600
  • 实施不足阻碍因素战略

    金融界投入了大量精力来寻找可能表明证券前瞻性表现或投资组合风险属性的新因素。 虽然这项研究可以帮助我们更好地理解资产定价并提供更好的表现的可能性,但它往往假设市场连续、交易自由和流动性无限。 很少有研究关注从业者的困境:交易成本和不连续交易等摩擦导致的实施不足。这些现实生活中的摩擦可能会削弱智能贝塔和因子策略的表现。与资产管理费一起,它们是实时结果与纸面投资…

    2024年6月29日
    2200
  • 北京大学金融时间序列分析讲义第13章:线性时间序列案例学习—汽油价格

    这一章用三个实例来详细讲解如何用R语言和线性时间序列模型分析实际数据,并展现线性时间序列模型的适用性与局限性。 数据为: 1997-01-06到2010-09-27的美国普通汽油价格周数据; 1880年1月到2010年8月全球温度异常值的月度数据; 美国失业率月度数据,包括首次申领失业救济金人数的序列以及不包括的序列。 这些数据是持续更新的,也反映了全球或美…

    2023年7月24日
    22700

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部