R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))

原文链接:http://tecdat.cn/?p=25860 什么是尾部相关性?假设市场出现了属于最差 5% 的日子的回撤:
R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片

有人可以问,鉴于市场处于蓝色区域,特定股票下跌的概率是多少?
我们都了解股票相对于市场的贝塔系数、股票相对于市场的敏感性(例如标准普尔 500 指数)的概念。尾部相关性的概念类似,因为它是股票对市场回撤的敏感性。如果每次市场下跌,股票下跌,那将意味着两件事:
1. 鉴于市场已经下跌,股票下跌的概率是 100%。
2. 股票对市场下跌非常敏感
直观地认为,这样的方法会与高beta 值相伴而行。但这并不是一对一的。很有可能的是,与另一只低beta 的股票相比,高beta 的股票对下跌的敏感度较低。
形式上,股票左尾对市场左尾的相关性定义为:
(1) R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片

其中 Q 是分位数,这取决于您如何定义尾部,在我们的示例中为 5%。从概率来看,如果两个事件是独立的,那么看到这两个事件的概率是每个事件概率的乘积:
(2) R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片

其中 A 是事件: R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片
, B 是事件 R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片
。根据经验,我们所做的估计只是简单地计算位于股票 5% 临界值以下的点数,对于位于市场 5% 以下的每个点。这个函数使用这个概念来衡量两个时间序列之间的尾部相关性:

# cc参数定义了尾部。默认为5%。co<- function{# 如果两个序列不在同一长度上,则停止。if(length!=length(sb)){stop }TT <- length(# 计算有多少是低于5%的ind0 <- ifelse ind <- which# 鉴于序列a低于5%(意味着有缩减),计算序列b中有多少个ind1 <- sum(ifelse(reb

让我们拉出 10 只 ETF,看看 beta 与尾部相关性度量有何不同。我们拉动股票代码并转换为每周收益。
sym l=length end dat0 = (getSymbols n = NROWw0 <- NULLfor (i in 1:l){dat0 = getSymbols w1 <- weeklyReturn w0 <- cbind }

【R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))】现在我们计算 beta 和尾部相关性度量,并绘制它。
pr <- bet <- NULLfor(i in 1:(l-1)){bet\[i\] <- lm pr\[i\] <- cortr }barplot

R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片

蓝线是 R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片
这是我们对两个完全(尾部)独立序列的期望。
用简单的计量经济学对尾部相关性建模,可以考虑使用回归设置。使用无截距回归同样可以达到第二张图表的底部面板:
(3) R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片

其中, R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片
是事件 A 发生时股票出现回撤的指标函数。看一看:
fiquan <- quantile indl <- ifelse betdpe <- NULLfor(i in 1:(l-1)){fivuan <- quantile indk <- ifelse betence\[i\] <- lm$coef\[1\]}

R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片


因此,我们可以使用我们对回归的了解并将分析扩展到多变量案例,而不是使用困难的多维 copula 和收敛问题。在不仅有B的缩减,而且有C和D的缩减的情况下,我们看到A的缩减有多大可能。
不足和展望 – 我们可以进行推断,但不使用回归系数的通常 STD,因为它是指标回归.
– 我们还必须包括交互项,以使推理有效。
– 我们用更新的回归方法来改进估计;套索lasso、bagging等
最后,我想知道 XLU(公用事业)ETF 的情况如何,为什么尾部相关性相对于 beta 而言看起来很弱,以及与 XLY(消费者自由裁量权)相比,情况有何不同。
plot lines(lowess, lwd = 2, col = 4)

R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片

我们的估计对一些极端观察很敏感。也许稳健的回归会提供更稳定的估计,因此这是另一个可能的扩展。
R语言分析股市相关结构(用回归估计股票尾部相关性(相依性、依赖性))
文章图片

最受欢迎的见解
1.R语言多元Logistic逻辑回归 应用案例
2.面板平滑转移回归(PSTR)分析案例实现分析案例实现")
3.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)
4.R语言泊松Poisson回归模型分析案例
5.R语言回归中的Hosmer-Lemeshow拟合优度检验
6.r语言中对LASSO回归,Ridge岭回归和Elastic Net模型实现
7.在R语言中实现Logistic逻辑回归
8.python用线性回归预测股票价格
9.R语言如何在生存分析与Cox回归中计算IDI,NRI指标

    推荐阅读