非线性回归beta系数估算股票市场的风险分析亚马逊股票和构建投资组合

简介: 非线性回归beta系数估算股票市场的风险分析亚马逊股票和构建投资组合

Beta 假设反映了一种工具对市场的风险。但是,您可以通过各种方式估算此度量。

你可以收缩你的估计来稳定它。另一个方面是这种风险度量的非线性。在红色和绿色的时间里,对市场的敏感性不相同。从结果中我们可以看到:

plot('AMZN' main="AMZN接近于市场收益率的收益率",
     
     xlab="市场收益率",pch=20, axes = F)
ng <- l1coef\[2\]-l1coef\[3\]
ps <- l1coef\[2\]

我们在这里看到的是,当市场下跌时,AMZN与市场的相关性更强,而当市场上涨时,相关性更弱。有相关的,也有相关的结构。谷歌-金融的β是相关的,它可以是在整个分布中是一样的。就像现在这样,你不希望有β值等于1,它是市场下跌时 beta=0.78 和市场上涨时和beta=0.94 的平均值。如果你是长线,反过来就很好,一个股票在绿色的时间段里反弹,在糟糕的日子里只缓慢下跌。


我尝试了其他一些金融股,看看这是否是典型的,这是正日(红色)和负日(蓝色)系数的条形图。

for (i in 1:l){
    geSybols(symi\], from=tart, o=endut.asign = )
   # 白天的平均价格
   prv\[1:ltdt0,),i\]=avp
  
}
pol <- ifese(e\[,'SPY'\]>0,ret\['SP'\],0)
for (i in 1:(l-1)){ # 最后一个是市场,因此 l-1。
  
   o\[i,\] <- noibe
  
}
# 颜色
col1 
col2
barpot(co\[,1,add=T)

花旗是唯一一个在市场下跌过程中具有较强关联性的股票,大多数在整个分布过程中与市场具有相当稳定的关联性,在这方面,摩根士丹利是不错的,可以持有。

我们看到与 AMZN 完全相反,在下跌的日子里比在上涨的日子里更陡峭。自然地,看看使用这个标准构建的投资组合如何表现。

相关文章
|
3月前
均值回归策略在A股ETF市场获利的可能性
【9月更文挑战第24天】均值回归策略是一种量化交易方法,依据资产价格与平均价格的关系预测价格变动。在A股ETF市场中,该策略可能带来收益,但需考虑市场复杂性和不确定性。历史数据显示某些ETF具有均值回归特征,但未来表现不确定,投资者应结合技术与基本面分析,合理决策并控制风险。
技术心得记录:概率统计13——二项分布与多项分布
技术心得记录:概率统计13——二项分布与多项分布
|
7月前
|
机器学习/深度学习 安全
R语言逻辑回归Logistic选股因素模型交易策略及沪深300指数实证
R语言逻辑回归Logistic选股因素模型交易策略及沪深300指数实证
|
7月前
|
存储 数据挖掘
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列
|
7月前
|
数据可视化 Python
R语言无套利区间模型期货期现研究:正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
R语言无套利区间模型期货期现研究:正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
|
7月前
|
数据可视化
数据分享|R语言Copula对债券的流动性风险时间序列数据进行度量
数据分享|R语言Copula对债券的流动性风险时间序列数据进行度量
|
7月前
|
数据可视化 数据库管理
R语言宏观经济学:IS-LM曲线可视化货币市场均衡
R语言宏观经济学:IS-LM曲线可视化货币市场均衡
|
7月前
|
算法 数据可视化 数据挖掘
R语言指数平滑预测法分析南京出租车打车软件空载率时间序列补贴政策可行性
R语言指数平滑预测法分析南京出租车打车软件空载率时间序列补贴政策可行性
|
7月前
|
数据可视化 测试技术
R语言几何布朗运动GBM模拟股票价格优化建立期权定价用概率加权收益曲线可视化
R语言几何布朗运动GBM模拟股票价格优化建立期权定价用概率加权收益曲线可视化
|
7月前
|
存储 数据可视化
Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险/收益可视化
Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险/收益可视化
Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险/收益可视化