原文鏈接：http://tecdat.cn/?p=24680?

原文出處：拓端數(shù)據(jù)部落公眾號

beta 假設(shè)反映了一種工具對例如市場的風(fēng)險。但是，您可以通過各種方式估算此度量。

你可以收縮你的估計來穩(wěn)定它。另一個方面是這種風(fēng)險度量的非線性。在紅色和綠色的時間里，對市場的敏感性不相同。從結(jié)果中我們可以看到：

我們在這里看到的是，當(dāng)市場下跌時，AMZN與市場的相關(guān)性更強(qiáng)，而當(dāng)市場上漲時，相關(guān)性更弱。有相關(guān)的，也有相關(guān)的結(jié)構(gòu)。谷歌-金融的β是相關(guān)的，它可以是在整個分布中是一樣的。就像現(xiàn)在這樣，你不希望有β值等于1，它是市場下跌時 beta=0.78 和市場上漲時和beta=0.94 的平均值。如果你是長線，反過來就很好，一個符號在綠色的時間段里反彈，在糟糕的日子里只緩慢下跌。?

我嘗試了其他一些金融股，看看這是否是典型的，這是正日（紅色）和負(fù)日（藍(lán)色）系數(shù)的條形圖。

?花旗是唯一一個在市場下跌過程中具有較強(qiáng)關(guān)聯(lián)性的股票，大多數(shù)在整個分布過程中與市場具有相當(dāng)穩(wěn)定的關(guān)聯(lián)性，在這方面，摩根士丹利是不錯的，可以持有。

我們看到與 AMZN 完全相反，在下跌的日子里比在上漲的日子里更陡峭。自然地，看看使用這個標(biāo)準(zhǔn)構(gòu)建的投資組合如何表現(xiàn)。

最受歡迎的見解

1.R語言對S＆P500股票指數(shù)進(jìn)行ARIMA + GARCH交易策略

2.R語言改進(jìn)的股票配對交易策略分析SPY—TLT組合和中國股市投資組合

3.R語言時間序列：ARIMA GARCH模型的交易策略在外匯市場預(yù)測應(yīng)用

4.TMA三均線期指高頻交易策略的R語言實現(xiàn)

5.r語言多均線量化策略回測比較

6.用R語言實現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)測股票實例

7.r語言預(yù)測波動率的實現(xiàn)：ARCH模型與HAR-RV模型

8.R語言如何做馬爾科夫轉(zhuǎn)換模型markov switching model

9.matlab使用Copula仿真優(yōu)化市場風(fēng)險