用收缩估计股票beta系数回归分析Microsoft收益率风险

简介: 用收缩估计股票beta系数回归分析Microsoft收益率风险

配对交易提出的问题之一是股票的贝塔值相对于市场的不稳定估计。这是一个可能的解决方案的建议,这并不是真正的解决方案。

看看下图:

Microsoft的滚动系数(回归:MSFT~SPY)- 120 天的窗口,纯蓝色是使用完整样本估计的 beta

我们可以看到截距并没有太大的波动,这确实意味着如果市场不波动,MSFT 也不会。然而,beta在稳定的市场(贝塔 = 1)和中性(贝塔 = 0)之间波动。


01

02

03

04




当然,随着窗口的缩短,事情会变得更加不稳定,120 天大致意味着最近的 6 个月,这并不短。也许我们可以在长期(稳定)估计和短期估计之间找到一个折衷方案。

一种方法是简单地平均两个估计值。另一种是使用收缩估计的方式对它们进行平均。但现在,这种方法的一个简单解释是平均计算 X 矩阵中的离散度,在我们的例子中,它只是市场收益和截距,当前周期是否波动?可以使用 X 矩阵的奇异值分解来给出解释。

我们得到一个新的 beta 估计值,它是短期和长期估计值的平均值。我们需要决定应用多少收缩。我们有一个参数,称为超参数,它决定了要应用的收缩量,低数字意味着对长期估计的拉动较小,而一个高的数字意味着对长期的拉动较大,因此对短期估计的权重较小。结果是:

你可以看到,你应用的缩减量越大,估计值就越接近它的长期值。将超参数取为0.1将防止β值波动到负值区域,但仍为可能的结构性变化留出一些空间。你可以用这个方案来调和不稳定的估计程序和常识性的论点,例如,可能在这段时间内β值确实是负的,但这有意义吗?可能你的估计值变成负的,只是因为你想允许结构性变化,这是一件好事,这导致了 "不那么直观 "的估计。

以下代码包含一个函数,用于绘制您自己的数据,将希望查看的时间范围、窗口长度和股票代码作为输入。

ret <<- matrix # 收益矩阵
for (i in 1:l){
dat0 = (getSymbols
ret<<- dat - 1
}
for (i in 1:(n-w)){
bet0\[i\]  = lm
bet1\[i\]  = lm
}
btt <<- lm$coef\[2\] # 我们以后需要它作为一个先验平均数
plot
abline
legend
plotbe
Aok <- 0.01 #又称正则化参数
A = Amoink*diag(2)
# 你可以尝试用不同的值来代替对角线
prbeta
poet = matrix
for (i in 2:(n-wl)){ 
bet0\[i\]  = lm$coef\[1\]
bet1\[i\]  = lm$coef\[2\]
x = cbind
post\[i,\] = solve
}
plot(postbet
lines

注意:

这个想法与“岭回归”有关,也可以看作是一种半贝叶斯方法,其中先验的均值等于长期估计。

相关文章
|
7月前
|
数据可视化 Python
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测标准普尔指数 S&P500时间序列
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测标准普尔指数 S&P500时间序列
120 11
|
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
|
数据挖掘 数据建模
R语言指数加权模型EWMA预测股市多变量波动率
R语言指数加权模型EWMA预测股市多变量波动率
R语言指数加权模型EWMA预测股市多变量波动率
|
7月前
|
算法 Linux
R语言随机波动率(SV)模型、MCMC的Metropolis-Hastings算法金融应用:预测标准普尔SP500指数
R语言随机波动率(SV)模型、MCMC的Metropolis-Hastings算法金融应用:预测标准普尔SP500指数
|
7月前
R语言多变量广义正交GARCH(GO-GARCH)模型对股市高维波动率时间序列拟合预测
R语言多变量广义正交GARCH(GO-GARCH)模型对股市高维波动率时间序列拟合预测
|
7月前
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
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
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
|
7月前
|
数据可视化
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化(下)
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化(下)
|
7月前
|
存储 数据可视化 数据挖掘
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化(上)
R语言马科维茨Markowitz均值-方差(风险投资模型)分析最优投资组合数据预期收益率可视化
|
7月前
样条曲线分段线性回归模型piecewise regression估计个股beta值分析收益率数据
样条曲线分段线性回归模型piecewise regression估计个股beta值分析收益率数据
|
7月前
|
数据挖掘
指数加权模型EWMA预测股市多变量波动率时间序列
指数加权模型EWMA预测股市多变量波动率时间序列