R语言分析ROE与股票收益的关系

简介: R语言分析ROE与股票收益的关系

全文链接:http://tecdat.cn/?p=32829

分析师:Yujia Shen


影响股票收益的因子一直是研究者与投资者关注的问题。虽然已有超过1000个因子被提出与确认,但它们的长期影响力及如何导致收益变化并未被研究透彻点击文末“阅读原文”获取完整代码数据


本项目选择研究ROE在长期对股票收益的作用。


研究理念:


根据ROE大小将所有股票分成10组并在每个时段进行重组,一共追踪10年,画出10条时间序列线来总结长期股票收益表现。

 

数据准备:


从中国经济金融研究数据库(CSMAR)下载A股2012至2022每季度的收益和净资产回报率,每季度根据ROE大小把所有股票分为10组并标记每支股票所属组合。以第一支与最后一支举例:

image.png

image.png

平均投资组合价值:

 


运用R语言spread() & gather()函数去除停止交易的数据。新增一列附上每只股票上一季度的净资产收益率,在每个投资组合内取所有股票的加权平均得到组合净资产收益率。

 

重要图表展示:


1. 投资组合 10 年回报:

image.png

从中可看到明显共同波动趋势,而高ROE组合整体收益更高。


点击标题查阅往期内容


R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列


01

02

03

04


2. 平均收益柱状图:

image.png

从柱状图中可以看出最高ROE组合平均收益显著高于其余组合,整体关系为高ROE,高回报。

3. t 统计量、p值、标准差

image.png

越往后的投资组合t值越大而p值越小,证明更显著。最高ROE组合平均收益约为最低组合收益的6倍。

4. 累计超额收益:

image.png

最高ROE的累计超额收益同样显著高于其余组合,再次证明ROE的积极作用。


原因探究:


ROE是一个很好的财务指标,因为它包含了直接来自财务报表的统计数据。净资产收益率衡量的是盈利能力,它越高,说明公司管理层从其股本中创造收入和增长的效率越高。ROE直接反映财务业绩及财政状况,能更好点明公司创造价值能力并预示未来发展状况。


对比研究:


除了用ROE作为指标,我另外还直接以股票收益分组进行同样的过程。我发现高收益股票投资组合在长期却呈现低平均收益与累计超额收益,最高收益组合的平均收益甚至为负。图如下:

image.png

image.png

高收益代表高风险,这警示投资者不能只看短期表现,要预测长期收益。故选择更好的指标来权衡股票非常重要,如ROE,P/B ratio等。


项目结果


高ROE投资组合长期收益更高,ROE是很好的盈利能力指标。但同时要注意潜在风险:高ROE可能是由低股本、过度负债、负净收入和负股本驱动的,这预示着公司潜在的问题,故投资一定要综合考量公司的整体价值。同时,与ROE有高相关性的指标也值得未来研究。

相关文章
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
19天前
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
40 3
|
2月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
R语言在数据科学中的应用实例:探索与预测分析
【8月更文挑战第31天】通过上述实例,我们展示了R语言在数据科学中的强大应用。从数据准备、探索、预处理到建模与预测,R语言提供了完整的解决方案和丰富的工具集。当然,数据科学远不止于此,随着技术的不断发展和业务需求的不断变化,我们需要不断学习和探索新的方法和工具,以更好地应对挑战,挖掘数据的潜在价值。 未来,随着大数据和人工智能技术的普及,R语言在数据科学领域的应用将更加广泛和深入。我们期待看到更多创新的应用实例,为各行各业的发展注入新的动力。
|
3月前
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
6月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
6月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
3月前
|
资源调度 数据挖掘
R语言回归分析:线性回归模型的构建与评估
【8月更文挑战第31天】线性回归模型是统计分析中一种重要且实用的工具,能够帮助我们理解和预测自变量与因变量之间的线性关系。在R语言中,我们可以轻松地构建和评估线性回归模型,从而对数据背后的关系进行深入的探索和分析。
|
3月前
|
机器学习/深度学习 数据采集
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证
上述介绍仅为简要概述,每个模型在实施时都需要仔细调整与优化。为了实现高度精确的预测,模型选择与调参是至关重要的步骤,并且交叉验证是提升模型稳健性的有效途径。在真实世界的房价预测问题中,可能还需要结合地域经济、市场趋势等宏观因素进行综合分析。
67 3
|
6月前
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)