最近我们被客户要求撰写关于非线性回归的研究报告,包括一些图形和统计输出。
相关视频:非线性模型原理与R语言多项式回归、局部平滑样条、 广义相加模型GAM分析
非线性模型原理与R语言多项式回归、局部平滑样条、 广义相加模型GAM分析
,时长05:41
Beta 假设反映了一种工具对例如市场的风险。但是,您可以通过各种方式估算此度量。
你可以收缩你的估计来稳定它。另一个方面是这种风险度量的非线性。在红色和绿色的时间里,对市场的敏感性不相同。从结果中我们可以看到:
plot('AMZN' main="AMZN接近于市场收益率的收益率",xlab="市场收益率",pch=20, axes = F)ng <- l1coef[2]-l1coef[3]ps <- l1coef[2]
我们在这里看到的是,当市场下跌时,AMZN与市场的相关性更强,而当市场上涨时,相关性更弱。有相关的,也有相关的结构。谷歌-金融的β是相关的,它可以是在整个分布中是一样的。就像现在这样,你不希望有β值等于1,它是市场下跌时 beta=0.78 和市场上涨时和beta=0.94 的平均值。如果你是长线,反过来就很好,一个符号在绿色的时间段里反弹,在糟糕的日子里只缓慢下跌。
我尝试了其他一些金融股,看看这是否是典型的,这是正日(红色)和负日(蓝色)系数的条形图。
for (i in 1:l){geSybols(symi], from=tart, o=endut.asign = )# 白天的平均价格prv[1:ltdt0,),i]=avp}pol <- ifese(e[,'SPY']>0,ret['SP'],0)for (i in 1:(l-1)){ # 最后一个是市场,因此 l-1。o[i,] <- noibe}# 颜色col1 col2barpot(co[,1,add=T)
花旗是唯一一个在市场下跌过程中具有较强关联性的股票,大多数在整个分布过程中与市场具有相当稳定的关联性,在这方面,摩根士丹利是不错的,可以持有。
我们看到与 AMZN 完全相反,在下跌的日子里比在上涨的日子里更陡峭。自然地,看看使用这个标准构建的投资组合如何表现。