Dynamische stock Beta berekenen
Stel, Elon Musk is je idool en je overweegt om in Tesla-aandelen te investeren. Als scherpzinnige portfoliomanager doe je eerst je huiswerk door de Tesla stock Beta door de jaren heen te bekijken. Beta is een maatstaf voor de volatiliteit van een aandeel ten opzichte van de markt, en geeft een indicatie van beleggingsrisico.
Onthoud dat je de aandelenvolatiliteit, de marktvolatiliteit (S&P 500 als proxy) en hun rendementscorrelatie nodig hebt om Beta te berekenen. De correlatie kan worden berekend op basis van gestandaardiseerde residuen.
De geschatte modelvolatiliteit is al ingeladen voor Tesla in teslaGarch_vol en voor de S&P 500 in spGarch_vol. Daarnaast zijn de gestandaardiseerde modelresiduen ingeladen in respectievelijk teslaGarch_resid en spGarch_resid.
Deze oefening maakt deel uit van de cursus
GARCH-modellen in Python
Oefeninstructies
Bereken de correlatiecoëfficiënt tussen Tesla en de S&P 500 met behulp van de gestandaardiseerde residuen uit de gefitte GARCH-modellen (
teslaGarch_resid,spGarch_resid).Bereken de Tesla stock Beta met de volatiliteit van Tesla (
teslaGarch_vol), de volatiliteit van de S&P 500 (spGarch_vol) en decorrelationdie je in de vorige stap hebt berekend.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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()