Dynamiczna beta w zarządzaniu portfelem

Modele GARCH w Pythonie

Chelsea Yang

Data Science Instructor

Czym jest beta

  • Beta akcji:

miernik zmienności akcji względem rynku ogólnego

  • Ryzyko systematyczne:

część ryzyka, której nie można zdywersyfikować

Modele GARCH w Pythonie

Beta w zarządzaniu portfelem

_Ocena ryzyka inwestycyjnego _

Beta rynkowa = 1: punkt odniesienia

Beta > 1: akcja jest bardziej ryzykowna niż rynek ogólny

Beta < 1: akcja jest mniej ryzykowna niż rynek ogólny

Modele GARCH w Pythonie

Beta w modelu CAPM

  • Szacowanie premii za ryzyko akcji

CAPM: Model wyceny aktywów kapitałowych

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

  • $E(R_s)$: wymagana stopa zwrotu z akcji
  • $R_f$: stopa wolna od ryzyka (np. obligacje skarbowe)
  • $E(R_m)$: oczekiwana stopa zwrotu rynku (np. S&P 500)
  • $E(R_m)- R_f$: premia rynkowa
Modele GARCH w Pythonie

Dynamiczna beta z modelem GARCH

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

Wykres bety

Modele GARCH w Pythonie

Obliczanie dynamicznej bety w Pythonie

1). Oblicz korelację między S&P500 a akcją

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). Oblicz dynamiczną betę dla akcji

stock_beta = correlation * (stock_gm.conditional_volatility / 
                            sp500_gm.conditional_volatility)
Modele GARCH w Pythonie

Czas na ćwiczenia!

Modele GARCH w Pythonie

Preparing Video For Download...