Dynamische bèta in portfoliobeheer

GARCH-modellen in Python

Chelsea Yang

Data Science Instructor

Wat is bèta

  • Aandelsbèta:

een maat voor de volatiliteit van een aandeel t.o.v. de markt

  • Systematisch risico:

het deel van het risico dat je niet kunt diversifiëren

GARCH-modellen in Python

Bèta in portfoliobeheer

Risico van een belegging inschatten

Marktbèta = 1: referentiepunt

Bèta > 1: het aandeel is risicovoller dan de markt

Bèta < 1: het aandeel is minder risicovol dan de markt

GARCH-modellen in Python

Bèta in CAPM

  • Schat de risicopremie van een aandeel

CAPM: Capital Asset Pricing Model

$E(R_s)$ = $R_f$ + $\beta $($E(R_m)- R_f$)

  • $E(R_s)$: vereiste rendement van het aandeel
  • $R_f$: risicovrije rente (bijv. Treasuries)
  • $E(R_m)$: verwacht marktrendement (bijv. S&P 500)
  • $E(R_m)- R_f$: marktpremie
GARCH-modellen in Python

Dynamische bèta met GARCH

$Beta$ = $\rho$ * $\sigma$_aandeel / $\sigma$_markt

Plot van bèta

GARCH-modellen in Python

Dynamische bèta berekenen in Python

1). Bereken de correlatie tussen S&P500 en het aandeel

resid_stock = stock_gm.resid / stock_gm.conditional_volatility
resid_sp500 = sp500_gm.resid / sp500_gm.conditional_volatility

correlation = numpy.corrcoef(resid_stock, resid_sp500)[0, 1]

2). Bereken de dynamische bèta voor het aandeel

stock_beta = correlation * (stock_gm.conditional_volatility / 
                            sp500_gm.conditional_volatility)
GARCH-modellen in Python

Laten we oefenen!

GARCH-modellen in Python

Preparing Video For Download...