君，已阅读到文档的结尾了呢~~
capm模型,capm,capm模型的应用,capm公式,capm模型的推导过程,capm模型公式,apt模型,资本市场线,贝塔系数,apt capm
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口推荐这篇日记的豆列
······工具类服务
编辑部专用服务
作者专用服务
动态CAPM模型的估计和比较
本文首先使用CUSUM检验考察了CAPM模型中贝塔值的稳定性，然后使用三类不同的方法对动态的贝塔值进行了估计，最终我们考察了不同方法所估计贝塔值的关系，并对各种方法进行了比较。　　
我们的实证结果显示CAPM模型中的贝塔值确实具有随时间变化的性质。我们所使用三类估计模型为：GARCH类模型，Schwert和Seguin的扩展市场模型和卡尔曼滤波方法。我们在GARCH类模型中引入了四种最新的多元GARCH估计技术：Wang&Yao方法、EWMA、DCC-GARCH和IC-GARCH，而在卡尔曼滤波估计中，我们对贝塔的变化规律做AR(1)和随机游走两种设定，而SS扩展市场模型我们则继续沿用Schwert和Seguin(1990)的设定。　　
尽管各个的模型都捕捉到了贝塔的变化，但是不同模型得到的结果相差很大，这通过直观的贝塔估计图或者相关系数都可以得到验证。我们引入样本内预测误差对模型进行比较，通过比较结果我们可以看到卡尔曼滤波方法尤其是AR(1)设定结构的卡尔曼滤波方法要优于其他动态贝塔估计方法，而与简单市场模型相比，Wang&Yao方法、SS扩展市场模型和卡尔曼滤波都取得了更好的预测效果。
学科专业：
授予学位：
学位授予单位：
导师姓名：
学位年度：
本文读者也读过
相关检索词
万方数据知识服务平台--国家科技支撑计划资助项目（编号：2006BAH03B01）(C)北京万方数据股份有限公司
万方数据电子出版社}