คำนวณ Beta ของหุ้นแบบไดนามิก
สมมติว่า Elon Musk คือบุคคลที่คุณชื่นชม และกำลังพิจารณาลงทุนในหุ้น Tesla ในฐานะผู้จัดการพอร์ตโฟลิโอที่รอบคอบ คุณจึงตัดสินใจตรวจสอบค่า Beta ของหุ้น Tesla ในช่วงหลายปีที่ผ่านมาก่อน Beta เป็นตัวชี้วัดความผันผวนของหุ้นเมื่อเทียบกับตลาด ซึ่งใช้เป็นเครื่องประเมินความเสี่ยงในการลงทุนได้
สิ่งที่ต้องใช้ในการคำนวณ Beta ได้แก่ ความผันผวนของหุ้น ความผันผวนของตลาด (ใช้ S&P 500 เป็นตัวแทน) และสหสัมพันธ์ของผลตอบแทน โดยสหสัมพันธ์สามารถคำนวณได้จาก standardized residuals
ค่าความผันผวนที่ได้จากโมเดลถูกโหลดไว้แล้ว สำหรับ Tesla อยู่ใน teslaGarch_vol และสำหรับ S&P 500 อยู่ใน spGarch_vol นอกจากนี้ standardized residuals ของโมเดลถูกโหลดไว้ใน teslaGarch_resid และ spGarch_resid ตามลำดับ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
GARCH Models ใน Python
คำแนะนำการฝึกหัด
คำนวณสัมประสิทธิ์สหสัมพันธ์ระหว่าง Tesla และ S&P 500 โดยใช้ standardized residuals จากโมเดล GARCH ที่ fit แล้ว (
teslaGarch_resid,spGarch_resid)คำนวณ Beta ของหุ้น Tesla โดยใช้ความผันผวนของ Tesla (
teslaGarch_vol), ความผันผวนของ S&P 500 (spGarch_vol) และค่าcorrelationที่คำนวณได้จากขั้นตอนก่อนหน้า
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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()