R语言基于线性回归的资本资产定价模型(CAPM)

资本资产定价模型(CAPM) 是用于确定是否在一个特定资产的投资是值得的。

由Kaizong Ye,Liao Bao撰写

本质上,问题是:“该资产的回报是否值得投资?”

在本教程中,我们将应用CAPM模型,使用多元回归模型查看特定股票是否值得投资。

CAPM:公式

经济学就是权衡取舍。根据CAPM公式,基本上将股票或任何类型的资产类别与相对无风险的资产(通常是政府债券)进行比较,因为这些资产的违约概率非常低。CAPM公式如下

  • E(Ri)是期望收益率。
  • Rf是无风险资产,通常是政府债券。
  • βi 系数反映了单个证券与整体市场组合的联动性,用来衡量单个证券的风险。
  • E(Rm)-Rf被认为是 风险溢价

我们可以用下图以图形方式表示CAPM模型

在 证券市场线(SML)上的有效组合或者是单一的无风险资产或行是无风险资产与市场组合的组合。因此,资本市场线不能解释所有的单一证券或者是只有风险证券组合的期望收益率和风险之间的关系。


热门课程

R语言数据分析挖掘必知必会

面对扑面而来的数据浪潮,包含Google、Facebook等国际企业,都已采用R语言进行数据分析

探索课程

我们的目标是使用线性回归找到βi的值。

数据

我们将使用数据来查找每只股票的beta。

根据我们的数据,我们有六只股票,我们必须决定这些股票是否值得投资。不幸的是,由于我们必须首先将数据转换为公式(1),因此我们不能仅仅拟合回归模型。我们将必须根据已有变量来计算新变量。


python用线性回归预测股票价格

阅读文章


我们需要计算每只股票的风险溢价E(Rm)-Rf。


随时关注您喜欢的主题


我们看一下股票(msft)的散点图。

值得注意的是,风险溢价越高,期望收益就应该越大。否则,投资具有期望低回报的高风险资产并不是明智之举,因为这会导致损失。

拟合模型

现在我们可以开始拟合我们的回归模型。首先,我们必须将数据分为训练集和测试集。

我们如何解释风险溢价的价值?风险溢价越高,资产的波动性或风险就越大,因此,投资者应获得可证明资产风险合理的回报,以弥补损失。

现在我们已经估计了beta,可以使用公式(1)计算每只股票的期望收益。

拟合回归线


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498