Obliczanie dynamicznego współczynnika Beta akcji
Załóżmy, że Elon Musk jest twoim idolem i rozważasz inwestycję w akcje Tesli. Jako wnikliwy zarządzający portfelem postanawiasz rzetelnie sprawdzić, jak kształtował się współczynnik Beta akcji Tesli na przestrzeni lat. Beta to miara zmienności akcji względem rynku, która może służyć jako wskaźnik ryzyka inwestycyjnego.
Aby obliczyć współczynnik Beta, potrzebujesz zmienności akcji, zmienności rynku (jako przybliżenia używamy S&P 500) oraz korelacji ich stóp zwrotu. Korelację można wyznaczyć na podstawie standaryzowanych reszt modelu.
Dopasowane przez model wartości zmienności zostały wczytane wcześniej: dla Tesli w zmiennej teslaGarch_vol, a dla S&P 500 w zmiennej spGarch_vol. Standaryzowane reszty modelu są dostępne odpowiednio w zmiennych teslaGarch_resid i spGarch_resid.
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Instrukcje do ćwiczenia
Oblicz współczynnik korelacji między Teslą a S&P 500, korzystając ze standaryzowanych reszt dopasowanych modeli GARCH (
teslaGarch_resid,spGarch_resid).Oblicz współczynnik Beta akcji Tesli, używając zmienności Tesli (
teslaGarch_vol), zmienności S&P 500 (spGarch_vol) oraz zmiennejcorrelationwyznaczonej w poprzednim kroku.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()