β系数作为衡量系统性风险的重要指标,在风险管理和投资分析中发挥了重要作用。传统CAPM资本资产定价模型在研究β系数时采用收益率的方差度量风险,将其定义为未来的不确定性,即可能存在正收益,也可能出现负收益,理性投资者对两种结果持相同态度。在实际投资过程中,投资者往往更厌恶下行风险,同时我国股市近来也一直处于低迷状态,因而本文重点讨论股票市场下行风险中的系统性风险,即下行β系数的估计。下行风险的度量方式有多种,半方差可以满足投资者关于风险的真实想法,在险价值(VaR,CVaR)等可直观地得到不同概率下对应的最大损失,极值理论(EVT)可通过描述尾部的分布去估计极端尾部风险。以上方法重点针对下行风险整体分布,而忽略了具体的系统性风险影响因素。本文将传统β系数与半方差理论、VaR等理论相结合,从沪深300指数随机选取60支股票作为样本,计算不同方法对应的下行β系数。其中,在利用VaR估计下行β系数时,采用阈值模型(POT)中重要的Hill估计量描述尾部指数,并通过放宽参数k的选择范围计算不同下行风险水平对应的系统性风险。实证研究结果显示大部分股票的下行β系数高于传统β系数,利用半方差模型得到的下行β系数会随着目标收益率的取值不同发生变化,当目标收益率取值为上一期收益率时,所得结果与基于VaR-Hill模型(参数k/n=10%)得到的下行β系数值差异较小。当k/n参数值不断缩小时,少数股票会因股票本身特性或样本尾部数据量过少出现下行β系数为0的情况,一部分股票会因极端情况下损失率过高导致下行β系数值大幅度上升,即当VaR-Hill模型中k/n参数值过小时将会导致下行β系数估计结果失真,无法反映在正常下行风险情况下的系统性风险。相较于传统β系数,半方差模型和VaR-Hill模型可根据股票市场真实的风险状态选择参数,如目标收益率、风险概率和阈值,分析个股与整体市场的联动性,确定相应的系统性风险。此外在β系数的稳健性检验中,转移矩阵结果显示短期内下行β系数保持较好的稳定性,当滞后期超过一年或更长时间,部分股票的下行β系数才会出现更多的波动,因而可通过利用历史数据估计下行β系数并对个股未来的短期系统性风险进行预判。