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（点击文末“阅读原文”获取完整代码数据）。

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。

相关视频

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。

getSymbols




for (i in 1:l){

dat0 = getSymbols

rt\[,i\] = dt\[,4\]/dt\[,1\] - 1

}

lal = lm

plot abline

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。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。