時間序列
指數成分股的平均貝塔係數為 0.60
我有澳大利亞所有普通股指數（由 491 家公司組成）的 300 個成分的 1 年時間序列數據。失踪的公司大多是較小的公司。
我執行市場模型 $ R_{it} = a_i + b_i R_{mt} + e_t $ 為了 $ i \in {1,…,300} $ . 然後我拿 $ \textrm{mean}(\hat{b}_i) $ 它等於 $ 0.60 $ .
這是一個問題，它不是大約 $ 1.0 $ ? $ 0.6 $ 似乎有點低。是 AORD 是市值加權的潛在解釋，但我採用的是未加權平均值 $ \hat{b}_i $ .
當閱讀“股市崩盤、公司特徵和股票收益”時，人們的擔憂會加劇，這與納斯達克的平均值相似，平均市場模型斜率估計為 1.20（但他們使用 CRSP）。
所有數據均來自 Datastream。
我所做的是從 Datastream 獲取多個索引的組成數據。我為數據流中的每個索引
P、PI和RI數據類型製作了 3 個組成數據集。我還從多個來源（Datastream 和 Yahoo Finance）獲得了指數級價格數據。我還得到了每周和每天的數據。最後，即使在市值加權之後，我總是得出 0.6-0.9 的平均市場模型貝塔值。在 2004 年之前，平均 beta 始終在 0.6 左右，在 2008 年左右通常在 0.7-0.9 左右（所有 1 到 8 年的估計視窗）。
我的主管說他在使用 EUROSTOXX 600 時遇到了這個問題，而他和他的合著者能夠使平均 beta 達到 1.0 的唯一方法是使用一個巨大的估計視窗（30 年）和市值權重。
所以我想當我使用更短的視窗和更差的捨入時，這不是什麼大問題（因為 All ords 有很多小股票交易到 3 dp 數據流切斷）。