Dynamische Aktien-Beta berechnen
Angenommen, Elon Musk ist dein Idol und du überlegst, in Tesla-Aktien zu investieren. Als pfiffige:r Portfoliomanager:in willst du sorgfältig prüfen, wie sich die Tesla-Aktien-Beta über die Jahre entwickelt hat. Beta misst die Volatilität einer Aktie im Verhältnis zum Markt und kann als Maß für Anlagerisiken dienen.
Zur Berechnung von Beta brauchst du die Aktienvolatilität, die Marktvolatilität (S&P 500 als Proxy) und ihre Renditekorrelation. Die Korrelation kann aus standardisierten Residuen berechnet werden.
Die modellierte (angepasste) Volatilität wurde für Tesla in teslaGarch_vol und für den S&P 500 in spGarch_vol vorab geladen. Zusätzlich sind die standardisierten Modellresiduen in teslaGarch_resid bzw. spGarch_resid vorhanden.
Diese Übung ist Teil des Kurses
GARCH-Modelle in Python
Anleitung zur Übung
Berechne den Korrelationskoeffizienten zwischen Tesla und dem S&P 500 mithilfe der standardisierten Residuen aus den angepassten GARCH-Modellen (
teslaGarch_resid,spGarch_resid).Berechne die Tesla-Aktien-Beta mithilfe der Tesla-Volatilität (
teslaGarch_vol), der S&P-500-Volatilität (spGarch_vol) und der im vorherigen Schritt berechnetencorrelation.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Compute correlation between SP500 and Tesla
correlation = np.corrcoef(____, ____)[0, 1]
# Compute the Beta for Tesla
stock_beta = ____ * (____ / ____)
# Plot the Beta
plt.title('Tesla Stock Beta')
plt.plot(stock_beta)
plt.show()