Dynamická beta v řízení portfolia

GARCH modely v Pythonu

Chelsea Yang

Data Science Instructor

Co je beta

  • Beta akcie:

měřítko volatility akcie vůči trhu jako celku

  • Systematické riziko:

část rizika, kterou nelze diverzifikovat

GARCH modely v Pythonu

Beta v řízení portfolia

Měření investičního rizika

Tržní beta = 1: slouží jako benchmark

Beta > 1: akcie nese vyšší riziko než trh

Beta < 1: akcie nese nižší riziko než trh

GARCH modely v Pythonu

Beta v modelu CAPM

  • Odhad rizikové prémie akcie

CAPM: model oceňování kapitálových aktiv

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

  • $E(R_s)$: požadovaná výnosnost akcie
  • $R_f$: bezriziková sazba (např. státní dluhopisy)
  • $E(R_m)$: očekávaný výnos trhu (např. S&P 500)
  • $E(R_m)- R_f$: tržní prémie
GARCH modely v Pythonu

Dynamická beta s modelem GARCH

$Beta$ = $\rho$ * $\sigma$_stock / $\sigma$__market

Graf bety

GARCH modely v Pythonu

Výpočet dynamické bety v Pythonu

1). Výpočet korelace mezi S&P 500 a akcií

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). Výpočet dynamické bety akcie

stock_beta = correlation * (stock_gm.conditional_volatility / 
                            sp500_gm.conditional_volatility)
GARCH modely v Pythonu

Pojďme procvičovat!

GARCH modely v Pythonu

Preparing Video For Download...