Calculer un bêta d’action dynamique
Supposons qu’Elon Musk soit votre modèle et que vous envisagiez d’investir dans des actions Tesla. En bon gestionnaire de portefeuille, vous décidez de faire preuve de diligence en examinant l’évolution du bêta de l’action Tesla au fil des années. Le bêta mesure la volatilité d’une action par rapport au marché et peut servir d’indicateur du risque d’investissement.
Rappelez-vous que vous avez besoin de la volatilité de l’action, de la volatilité du marché (S&P 500 en guise de proxy) et de leur corrélation des rendements pour calculer le bêta. La corrélation peut être obtenue à partir des résidus standardisés.
Les volatilités ajustées par le modèle ont été préchargées pour Tesla dans teslaGarch_vol, et pour le S&P 500 dans spGarch_vol. De plus, les résidus standardisés du modèle sont préchargés dans teslaGarch_resid et spGarch_resid respectivement.
Cet exercice fait partie du cours
Modèles GARCH en Python
Instructions
Calculez le coefficient de corrélation entre Tesla et le S&P 500 en utilisant les résidus standardisés des modèles GARCH ajustés (
teslaGarch_resid,spGarch_resid).Calculez le bêta de l’action Tesla à l’aide de la volatilité de Tesla (
teslaGarch_vol), de la volatilité du S&P 500 (spGarch_vol) et decorrelationcalculée à l’étape précédente.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()