查看: 125|回复: 3

关于beta系数的一个牛角尖问题

[复制链接]
论坛徽章:
18
机器学习徽章
日期:2016-09-22 11:36:18R研习者初级
日期:2016-06-23 11:34:31R研习者中级
日期:2016-11-17 15:56:17推荐系统徽章
日期:2016-09-01 09:59:00spark徽章
日期:2017-03-02 16:21:40矩阵计算徽章
日期:2017-01-18 16:16:29Hadoop研习者初级
日期:2016-09-29 15:17:14python徽章
日期:2018-12-27 15:34:57python徽章
日期:2018-12-27 15:34:50python徽章
日期:2018-11-16 14:11:04金融徽章
日期:2018-09-13 15:38:56股票徽章
日期:2018-08-24 10:51:37
发表于 2019-9-8 22:25 | 显示全部楼层 |阅读模式

方法

学了CAPM的课程,发现任意一个asset的beta系数有两种计算方法:
1. asset的超额收益 / market的超额收益
2. asset收益与market收益的协方差 / market收益的方差

第2种方法只需要统计asset的历史收益收益和market的历史收益;第1种方法需要知道无风险利率
理论上两种方法算出来的beta系数应该一样,那么是否可以据此倒推无风险利率呢?

rf = ( E(ri) - beta * E(rm)) / (1-beta)



回复

使用道具 举报

论坛徽章:
5
R研习者中级
日期:2015-06-10 11:35:22数据陷阱解读徽章
日期:2015-08-13 15:21:46R研习者中级
日期:2018-03-01 16:41:49股票徽章
日期:2018-08-30 15:33:52Web课程徽章
日期:2019-07-18 14:40:09
发表于 2019-9-14 17:35 | 显示全部楼层
楼主的想法很重要。无套利原则的一个重要等价性结论就是无风险收益率,假如存在2个不同的无风险收益率,那么一定存在套利!
您这个发现很新意,不妨将这个倒推的定义为该股票的隐含无风险收益率(类似期权定价里面由B-S公式反推的隐含波动率一样),然后将所有股票都计算一次,得到的应该不一样,甚至差异很大,这样套利机会就可能发掘出来了。近期我也是思考这个问题,将无风险收益率计算作为重点钻牛角尖的研究(当然只是个人兴趣的业余活动),突破书本框框限制,寻找大的套利机会。
回复 支持 1 反对 0

使用道具 举报

论坛徽章:
14
金融徽章
日期:2018-03-01 16:43:15python徽章
日期:2019-07-18 14:39:53python徽章
日期:2019-03-21 17:51:37股票徽章
日期:2018-12-06 15:36:30机器学习徽章
日期:2018-11-29 14:52:05股票徽章
日期:2018-11-22 15:36:24机器学习徽章
日期:2018-11-16 14:11:57人工智能徽章
日期:2018-09-21 16:50:20股票徽章
日期:2018-08-30 15:33:52python徽章
日期:2018-06-21 17:15:38python徽章
日期:2018-06-07 16:21:43统计徽章
日期:2018-04-02 15:22:17
发表于 2019-9-13 07:56 | 显示全部楼层
rf无风险利率是一个可以理解成固定的一个常数。老师说过,这个一般用LIBOR。不过,现在有些投行也改了。所以,倒算这个应该不用的吧?
回复 支持 反对

使用道具 举报

论坛徽章:
14
金融徽章
日期:2018-03-01 16:43:15python徽章
日期:2019-07-18 14:39:53python徽章
日期:2019-03-21 17:51:37股票徽章
日期:2018-12-06 15:36:30机器学习徽章
日期:2018-11-29 14:52:05股票徽章
日期:2018-11-22 15:36:24机器学习徽章
日期:2018-11-16 14:11:57人工智能徽章
日期:2018-09-21 16:50:20股票徽章
日期:2018-08-30 15:33:52python徽章
日期:2018-06-21 17:15:38python徽章
日期:2018-06-07 16:21:43统计徽章
日期:2018-04-02 15:22:17
发表于 2019-9-13 07:57 | 显示全部楼层
我觉得,这个beta倒是通过这些公式算出来。主要是通过参数算beta,而不是通过beta倒推rf。
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 新浪微博登陆

本版积分规则

 

GMT+8, 2019-10-15 07:00 , Processed in 0.307098 second(s), 42 queries .