R语言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

原文链接:http://tecdat.cn/?p=25675 一只 股票的_beta_值通常意味着它与市场的关系,当市场变动 1%时,我们期望股票会发生多少百分比的变动。
市场,是一个有点模糊的概念,像往常一样,我们使用标准普尔500指数进行近似计算。上述关系(以下简称β)对交易和风险管理的许多方面是不利的。已经确定的是,波动率对于上涨的市场和下跌的市场有不同的动态。我们无论如何都要使用回归来估计贝塔值,所以对于希望拟合这种不对称性的投资者来说,分段线性回归是合适的。
这个想法很简单,我们将数据集分成两个(或更多)部分,并分别、逐块或 _分段_估计每个部分。这个简单的想法可以用复杂的符号和代码来实现。
为了说明,我使用 Microsoft 股市收益率数据(MSFT)。
我对不同收益率估计了不同的β值,正日在零以上,负日在零以下,所以零是我们的突破点。(这个突破点在学术术语中被称为 "结",为什么是 "结 "呢?因为它把两部分联系在一起。) 下面的图显示了结果。

getSymbolsfor (i in 1:l){dat0 = getSymbolsrt\[,i\] = dt\[,4\]/dt\[,1\] - 1}lal = lmplot abline

R语言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
文章图片
也许β值一直都是一样的,直到极端的负值,只有说当市场急剧下降时,关系才会改变。这属于结构性变化的范畴。我考虑沿轴线的点的网格,并建立一个模型,在每个点上有一个断点,断点前有一个斜率,断点后有一个斜率。我寻找整个样本的平方误差之和的最小值,所以我把两个模型的平方误差相加。下图显示了结果。
plot(ret\[,1\]~ret\[,2\] segments grid1 grid2 ## 注意这里(ret\[,2\]

R语言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
文章图片

在最优模型上进行网格搜索
好吧,数据说突破点不是零,但几乎为零,运气不好,所有这些工作,我问你什么?好吧,为了使用正确的 _贝塔_ ,你现在要做的就是决定是熊市还是牛市......应该是轻而易举的事。感谢阅读,代码如下所示。
数据显示,结点不是零,但几乎是零,为了使用正确的β值,你现在要做的就是决定,这是一个熊市还是一个牛市,谢谢阅读。
R语言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
文章图片

最受欢迎的见解
1.R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究
2.R语言时变参数VAR随机模型
3.R语言估计时变VAR模型时间序列的实证研究
4.R语言基于ARMA-GARCH过程的VAR拟合和预测
5.GARCH(1,1),MA以及历史模拟法的VaR比较
6.R语言用向量自回归(VAR)进行经济数据脉冲响应
7.R语言实现向量自动回归VAR模型
8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
【R语言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】9.R语言VAR模型的不同类型的脉冲响应分析

    推荐阅读