R语言分位数回归预测筛选有上升潜力的股票

现在,分位数回归已被确立为重要的计量经济学工具。

由Kaizong Ye,Liao Bao撰写

与均值回归(OLS)不同,目标不是给定x的均值,而是给定x的一些分位数。您可以使用它来查找具有良好上升潜力的股票

您可能会认为这与股票的beta有关,但是beta与OLS相关,并且是对称的。

如果市场出现上涨,高beta股票将获得上行波动的收益,但对称地,当市场下跌时,您可能会遭受巨额亏损。

使用下图最好地理解分位数回归的用法:

绘制的是股票收益。蓝线是OLS拟合值,红线是分位数(80%和20%)拟合值。

在上部面板中,您可以看到,当市场上涨时(X轴上的正值很高),Y轴上的分散很大。当市场下跌时,相对的分散程度而言较大。在底部面板中,情况相反。当市场上涨时,您“非常了解”股票会发生什么,但是当市场处于下跌时,股票收益的不确定性就会降低。考虑到其他因素,您希望投资组合中包含高位股票。当市场上涨时,它们收益很好,但同时在下跌的过程中提供相对的确定性。

以下代码读取股票行情,并找到最佳比率,即:上行时分散度高,而下行时分散度低:


课程

R语言数据分析挖掘必知必会

从数据获取和清理开始,有目的的进行探索性分析与可视化。让数据从生涩的资料,摇身成为有温度的故事。

立即参加


dat0 = getSymbols(sy[1], src="yahoo", from=start, to=end, 
 auto.assign = F, warnings = FALSE,symbol.lookup = F)

#查询最近365天:
dat <- gtint(sym = c(tickers,"SPY"),365) 
# 将样品划分成两部分


ins <- n/2
# 在0.2和0.8之间查找斜率 


Tau = c(.2,.8)

for (j in 1:(l-1)
for (i in 1:length(Tau)
  qslope[i,j] = rq(dat$ret[2:ins,j~dat$ret[2:ins,l, tau = Tau[i])$coef[2]

 
# 确定哪些股票有用:



dat$ret <- dat$ret[,rat0<2 & rat0>(-2)]
 
## 画图

plot(dat$ret[1:ins,which.max(rat)]~dat$ret[1:ins,l]
 
plot(dat$ret[1:n,which.min(rat)]~dat$ret[1:n,l],
title(nam)

我们使用样本的前半部分来选择我们要使用的股票。假设我们以最差的比率做空股票,并以最佳的比率做多股票。


R语言时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格

阅读文章


dat$p <- dat$p[,rat0<2 & rat0>(-2)]
plot(dat$p[1:ins,l]/dat$p[1,l], ty = "l", ylim = c(.8,1.5),

plot(dat$p[ins:n,l]/dat$p[ins,l], ty = "l", ylim = c(.8,1.5), xlab = "样本外时期",)

从结果可以看到模型有较好的表现。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

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

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds