上市公司尾部风险测度检验（基于风险调整收益率）部一

最新推荐文章于 2020-06-18 14:17:16 发布
最新推荐文章于 2020-06-18 14:17:16 发布
阅读量675 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Jarry1/article/details/106830697
版权

读取上市公司收益率数据

# 用EVT方法计算得到的尾部贝塔值("readr")
library("readr")
library("readxl")
library("dplyr")
library(stringr)
library(PerformanceAnalytics)
setwd("e:/R/tail risk/month")
r8<-read.csv("r8.csv")
r<-data.frame(Trdmnt=as.numeric(str_replace_all(r8$Trddt,"-","")) ,r8)%>%select(-3)%>%tbl_df() # 读取个股市场日数据
y<-read_excel("y.xlsx",sheet = 1) ## 个股月收益率
ywf<-read_excel("ywf.xlsx",sheet = 1)%>%select(-2,-4) ## 无风险月收益率
y1<-slice(y,-(1L:2L))%>%select(-4)
# mode(r3$Trdmnt)
y2<-as.numeric(str_replace_all(y1$Trdmnt,"-",""))
y3<-left_join(data.frame(y1,y2)%>%select(-2)%>%rename(Trdmnt= y2),ywf,by="Trdmnt")
y4<-y3[,c(1,4,2,3,5)]%>%filter(Mretwd!="NA")
write.csv(y4,"y4.csv",row.names = FALSE)
y4<-read.csv("y4.csv")
y4<-mutate(y4,eMretwd=Mretwd-Nrrmtdt/100)
ys<-read_excel("ys.xlsx",sheet = 1)%>%slice(-(1L:2L))%>%filter(Markettype==5)%>%select(-1) ## 市场月收益率
ys<-data.frame(Trdmnt=as.numeric(str_replace_all(ys$Trdmnt,"-","")) ,ys)%>%select(-2) 
y6<-left_join(y4,ys,by="Trdmnt")
write.csv(y6,"y6.csv",row.names = FALSE)
y6<-read.csv("y6.csv") 
y6<-mutate(y6,ecm=Cmretwdos-Nrrmtdt/100)
load("r.RData")
listd<-read.csv("listd.csv");listy<-read.csv("listy.csv")
r<-left_join(r,listd,by="Stkcd")
y5<-read.csv("y6.csv")%>%tbl_df()# 读取个股市场月数据
y5<-left_join(y5,listy,by="Stkcd")
sy<-read_excel("sy.xlsx")%>%tbl_df()
wy<-read_excel("wy.xlsx")%>%tbl_df()
varp<-0.05
#

利用类似Fama-Macbeth滚动方法检验

a0b1=numeric();a1b1=numeric();a2b1=numeric();a3b1=numeric();a4b1=numeric()
a0b2=numeric();a1b2=numeric();a2b2=numeric();a3b2=numeric();a4b2=numeric()
a0c1=numeric();a1c1=numeric();a2c1=numeric();a3c1=numeric();a4c1=numeric()
a0c2=numeric();a1c2=numeric();a2c2=numeric();a3c2=numeric();a4c2=numeric()
a0d1=numeric();a1d1=numeric();a2d1=numeric();a3d1=numeric();a4d1=numeric()
a0d2=numeric();a1d2=numeric();a2d2=numeric();a3d2=numeric();a4d2=numeric()
a0e1=numeric();a1e1=numeric();a2e1=numeric();a3e1=numeric();a4e1=numeric()
a0e2=numeric();a1e2=numeric();a2e2=numeric();a3e2=numeric();a4e2=numeric()
a0g1=numeric();a1g1=numeric();a2g1=numeric();a3g1=numeric();a4g1=numeric()
a0g2=numeric();a1g2=numeric();a2g2=numeric();a3g2=numeric();a4g2=numeric()
a0f1=list(NA,NA,NA,NA,NA);a1f1=list(NA,NA,NA,NA,NA);a2f1=list(NA,NA,NA,NA,NA);a3f1=list(NA,NA,NA,NA,NA);a4f1=list(NA,NA,NA,NA,NA)
a0f2=list(NA,NA,NA,NA,NA);a1f2=list(NA,NA,NA,NA,NA);a2f2=list(NA,NA,NA,NA,NA);a3f2=list(NA,NA,NA,NA,NA);a4f2=list(NA,NA,NA,NA,NA)

# 月度滚动
for(i in 0:20){
  for(h in 0:11){
    r1<-filter(r,Trdmnt>=(19950101+100*h+10000*i),Trdmnt<(19980101+100*h+10000*i))
    # 筛选出上市时期不大于5年窗口期第一个交易日的股票
    r1<-filter(r1,List<=min(r1$Trdmnt))
    k<-round(nrow(distinct(r1,Trdmnt))*varp)
    r2<-distinct(r1,Trdmnt,.keep_all = TRUE)%>%transmute(rme=Cdretwdos-Nrrdaydt/100,rme=-rme)%>%arrange(rme)
    r3<-slice(r2,(nrow(distinct(r1,Trdmnt))-k+1):n())
    r4<-transmute(r3,lrme=log(rme));a<-sum(r4)       
    α1<-1/k*a-log(as.numeric(slice(r2,nrow(distinct(r1,Trdmnt))-k))) #得出 Hill estimator
    r5<-mutate(r1,rje=-(Dretwd-Nrrdaydt/100),rme=-(Cdretwdos-Nrrdaydt/100))
    b<-group_by(r5,Stkcd)%>%arrange(rme)%>%slice(n()-round(n()*varp))%>%select(Stkcd,rme)%>%rename(frme=rme) #市场VAR
    f<-group_by(r5,Stkcd)%>%arrange(rje)%>%slice(n()-round(n()*varp))%>%select(Stkcd,rje)%>%rename(frje=rje) #个股VAR
    e<-group_by(r5,Stkcd)%>%summarise(k=round(n()*varp)) # 也可以求出k值
    # 检验分组正确性 ff<-filter(r5,Stkcd==2)%>%arrange(rje)
    # 有时用slice选择行会出错，可以用filter。
    c<-left_join(r5,f,by="Stkcd")%>%left_join(b,by="Stkcd")
    c1<-mutate(c,t=ifelse(rje>frje&rme>frme,1,0),tt=ifelse(rme>frme,1,0))
    c2<-group_by(c1,Stkcd)%>%summarise(τ=sum(t)/sum(tt)) 
    varm<-b
    varj<-f
    d<-left_join(c2,varj,by="Stkcd")%>%left_join(varm,by="Stkcd")%>%mutate(tβ=(τ^α1)*frje/frme)%>%select(-(2:4))%>%arrange(desc(tβ))
    y6<-filter(y5,Trdmnt==(199801+h+100*i))
    
    a0b1[i*12+(h+1)]=mean(inner_join(y6,slice(d,1:(n()/5)),by="Stkcd")$eMretwd)
    a1b1[i*12+(h+1)]=mean(inner_join(y6,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd)
    a2b1[i*12+(h+1)]=mean(inner_join(y6,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd)
    a3b1[i*12+(h+1)]=mean(inner_join(y6,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd)
    a4b1[i*12+(h+1)]=mean(inner_join(y6,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd)
    
    a0b2[i*12+(h+1)]=weighted.mean(inner_join(y6,slice(d,1:(n()/5)),by="Stkcd")$eMretwd,inner_join(y6,slice(d,1:(n()/5)),by="Stkcd")$Msmvosd)
    a1b2[i*12+(h+1)]=weighted.mean(inner_join(y6,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd,inner_join(y6,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$Msmvosd)
    a2b2[i*12+(h+1)]=weighted.mean(inner_join(y6,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd,inner_join(y6,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$Msmvosd)
    a3b2[i*12+(h+1)]=weighted.mean(inner_join(y6,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd,inner_join(y6,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$Msmvosd)
    a4b2[i*12+(h+1)]=weighted.mean(inner_join(y6,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd,inner_join(y6,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$Msmvosd)
    
    #加入capm 的收益：
    y55<-filter(y5,Trdmnt>=(199501+h+100*i),Trdmnt<(199801+h+100*i))
    # 筛选出上市时期不大于5年窗口期第一个交易日的股票
    y55<-filter(y55,List<=min(y55$Trdmnt))
    dd<-group_by(y55,Stkcd)%>%filter(n()>=24)%>%summarise(β=as.matrix(lm(eMretwd~ecm)$coefficients)[2])%>%filter(β!="NA")
    y7<-left_join(y6,dd,by="Stkcd")%>%filter(β!="NA")%>%mutate(eMretwd=eMretwd-ecm*β)
    
    a0d1[i*12+(h+1)]=mean(inner_join(y7,slice(d,1:(n()/5)),by="Stkcd")$eMretwd)
    a1d1[i*12+(h+1)]=mean(inner_join(y7,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd)
    a2d1[i*12+(h+1)]=mean(inner_join(y7,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd)
    a3d1[i*12+(h+1)]=mean(inner_join(y7,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd)
    a4d1[i*12+(h+1)]=mean(inner_join(y7,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd)
    
    a0d2[i*12+(h+1)]=weighted.mean(inner_join(y7,slice(d,1:(n()/5)),by="Stkcd")$eMretwd,inner_join(y7,slice(d,1:(n()/5)),by="Stkcd")$Msmvosd)
    a1d2[i*12+(h+1)]=weighted.mean(inner_join(y7,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd,inner_join(y7,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$Msmvosd)
    a2d2[i*12+(h+1)]=weighted.mean(inner_join(y7,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd,inner_join(y7,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$Msmvosd)
    a3d2[i*12+(h+1)]=weighted.mean(inner_join(y7,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd,inner_join(y7,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$Msmvosd)
    a4d2[i*12+(h+1)]=weighted.mean(inner_join(y7,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd,inner_join(y7,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$Msmvosd)
    
    #FF3因子的结果：
    y8<-left_join(y55,sy,by="Trdmnt")
    ddd<-group_by(y8,Stkcd)%>%filter(n()>=24)%>%summarise(β=as.matrix(lm(eMretwd~mkt+smb+hml)$coefficients)[2],
                                                           SMB=as.matrix(lm(eMretwd~mkt+smb+hml)$coefficients)[3],
                                                           HML=as.matrix(lm(eMretwd~mkt+smb+hml)$coefficients)[4])
    ddd1<-filter(ddd,β!="NA",SMB!="NA",HML!="NA")
    y8<-left_join(y6,sy,by="Trdmnt")
    y9<-left_join(y8,ddd1,by="Stkcd")%>%filter(β!="NA",SMB!="NA",HML!="NA")
    y10<-mutate(y9,eMretwd=eMretwd-mkt*β-smb*SMB-hml*HML)
    
    a0e1[i*12+(h+1)]=mean(inner_join(y10,slice(d,1:(n()/5)),by="Stkcd")$eMretwd)
    a1e1[i*12+(h+1)]=mean(inner_join(y10,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd)
    a2e1[i*12+(h+1)]=mean(inner_join(y10,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd)
    a3e1[i*12+(h+1)]=mean(inner_join(y10,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd)
    a4e1[i*12+(h+1)]=mean(inner_join(y10,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd)
    
    a0e2[i*12+(h+1)]=weighted.mean(inner_join(y10,slice(d,1:(n()/5)),by="Stkcd")$eMretwd,inner_join(y10,slice(d,1:(n()/5)),by="Stkcd")$Msmvosd)
    a1e2[i*12+(h+1)]=weighted.mean(inner_join(y10,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd,inner_join(y10,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$Msmvosd)
    a2e2[i*12+(h+1)]=weighted.mean(inner_join(y10,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd,inner_join(y10,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$Msmvosd)
    a3e2[i*12+(h+1)]=weighted.mean(inner_join(y10,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd,inner_join(y10,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$Msmvosd)
    a4e2[i*12+(h+1)]=weighted.mean(inner_join(y10,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd,inner_join(y10,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$Msmvosd)
    
    #FF5因子的结果：
    yy8<-left_join(y55,wy,by="Trdmnt")
    ddd2<-group_by(yy8,Stkcd)%>%filter(n()>=24)%>%summarise(α=as.matrix(lm(eMretwd~mkt+smb+hml+rmw+cma)$coefficients)[1],
                                                             β=as.matrix(lm(eMretwd~mkt+smb+hml+rmw+cma)$coefficients)[2],
                                                             SMB=as.matrix(lm(eMretwd~mkt+smb+hml+rmw+cma)$coefficients)[3],
                                                             HML=as.matrix(lm(eMretwd~mkt+smb+hml+rmw+cma)$coefficients)[4],
                                                             RMW=as.matrix(lm(eMretwd~mkt+smb+hml+rmw+cma)$coefficients)[5],
                                                             CMA=as.matrix(lm(eMretwd~mkt+smb+hml+rmw+cma)$coefficients)[6])
    ddd3<-filter(ddd2,β!="NA",SMB!="NA",HML!="NA",RMW!="NA",CMA!="NA")
    yy8<-left_join(y6,wy,by="Trdmnt")
    yy9<-left_join(yy8,ddd3,by="Stkcd")%>%filter(β!="NA",SMB!="NA",HML!="NA",RMW!="NA",CMA!="NA")
    yy10<-mutate(yy9,eMretwd=eMretwd-mkt*β-smb*SMB-hml*HML-rmw*RMW-cma*CMA)%>%select(1:8)
    
    a0g1[i*12+(h+1)]=mean(inner_join(yy10,slice(d,1:(n()/5)),by="Stkcd")$eMretwd)
    a1g1[i*12+(h+1)]=mean(inner_join(yy10,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd)
    a2g1[i*12+(h+1)]=mean(inner_join(yy10,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd)
    a3g1[i*12+(h+1)]=mean(inner_join(yy10,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd)
    a4g1[i*12+(h+1)]=mean(inner_join(yy10,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd)
    
    a0g2[i*12+(h+1)]=weighted.mean(inner_join(yy10,slice(d,1:(n()/5)),by="Stkcd")$eMretwd,inner_join(yy10,slice(d,1:(n()/5)),by="Stkcd")$Msmvosd)
    a1g2[i*12+(h+1)]=weighted.mean(inner_join(yy10,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$eMretwd,inner_join(yy10,slice(d,(n()/5*1+1):(n()/5*(1+1))),by="Stkcd")$Msmvosd)
    a2g2[i*12+(h+1)]=weighted.mean(inner_join(yy10,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$eMretwd,inner_join(yy10,slice(d,(n()/5*2+1):(n()/5*(2+1))),by="Stkcd")$Msmvosd)
    a3g2[i*12+(h+1)]=weighted.mean(inner_join(yy10,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$eMretwd,inner_join(yy10,slice(d,(n()/5*3+1):(n()/5*(3+1))),by="Stkcd")$Msmvosd)
    a4g2[i*12+(h+1)]=weighted.mean(inner_join(yy10,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$eMretwd,inner_join(yy10,slice(d,(n()/5*4+1):(n()/5*(4+1))),by="Stkcd")$Msmvosd)
    
    ###根据月末流通市值排序大小：
    ms<-max(slice(group_by(arrange(y55,Trdmnt),Stkcd),n())$Trdmnt)
    y11<-filter(y5,Trdmnt==ms)%>%select(1,3)
    y12<-left_join(d,y11,by="Stkcd")%>%filter(Msmvosd!="NA")%>%arrange(Msmvosd)
    
    for(l in 0:4){
      a0f1[[l+1]][i*12+(h+1)]=mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*0+1):(n()/5*(0+1))),-Msmvosd),by="Stkcd")$eMretwd)
      a1f1[[l+1]][i*12+(h+1)]=mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*1+1):(n()/5*(1+1))),-Msmvosd),by="Stkcd")$eMretwd)
      a2f1[[l+1]][i*12+(h+1)]=mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*2+1):(n()/5*(2+1))),-Msmvosd),by="Stkcd")$eMretwd)
      a3f1[[l+1]][i*12+(h+1)]=mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*3+1):(n()/5*(3+1))),-Msmvosd),by="Stkcd")$eMretwd)
      a4f1[[l+1]][i*12+(h+1)]=mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*4+1):(n()/5*(4+1))),-Msmvosd),by="Stkcd")$eMretwd)
      
      a0f2[[l+1]][i*12+(h+1)]=weighted.mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*0+1):(n()/5*(0+1))),-Msmvosd),by="Stkcd")$eMretwd,
                                            inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*0+1):(n()/5*(0+1))),-Msmvosd),by="Stkcd")$Msmvosd)
      a1f2[[l+1]][i*12+(h+1)]=weighted.mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*1+1):(n()/5*(1+1))),-Msmvosd),by="Stkcd")$eMretwd,
                                            inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*1+1):(n()/5*(1+1))),-Msmvosd),by="Stkcd")$Msmvosd)
      a2f2[[l+1]][i*12+(h+1)]=weighted.mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*2+1):(n()/5*(2+1))),-Msmvosd),by="Stkcd")$eMretwd,
                                            inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*2+1):(n()/5*(2+1))),-Msmvosd),by="Stkcd")$Msmvosd)
      a3f2[[l+1]][i*12+(h+1)]=weighted.mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*3+1):(n()/5*(3+1))),-Msmvosd),by="Stkcd")$eMretwd,
                                            inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*3+1):(n()/5*(3+1))),-Msmvosd),by="Stkcd")$Msmvosd)
      a4f2[[l+1]][i*12+(h+1)]=weighted.mean(inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*4+1):(n()/5*(4+1))),-Msmvosd),by="Stkcd")$eMretwd,
                                            inner_join(yy10,select(slice(arrange(slice(y12,(n()/5*l+1):(n()/5*(l+1))),desc(tβ)),(n()/5*4+1):(n()/5*(4+1))),-Msmvosd),by="Stkcd")$Msmvosd)}}}
Jarry1
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
上市公司尾部风险测度检验（基于风险调整收益率）部三
nlccc的博客
06-18 306
进一步挑选出市场月收益率处于极端损失时间范围 # 左右尾分布： ## 1月： ys<-distinct(y5,Trdmnt,.keep_all = TRUE)%>%filter(Trdmnt>=199801&Trdmnt<=201812)%>%arrange(ecm) ##季度化月收益： ys1<-distinct(y5,Trdmnt,.keep_all = TRUE)%>%filter(Trdmnt>=200001&Trdmnt<=2
上市公司尾部风险测度检验（基于Fama-French α 检验）部二
nlccc的博客
06-18 306
挑选出样本范围内市场月收益率处于计算损失的时间 # 左右尾分布： ## 月收益率： ys<-distinct(y5,Trdmnt,.keep_all = TRUE)%>%filter(Trdmnt>=199601&Trdmnt<=201812)%>%arrange(ecm) ##季度化月收益： ys1<-distinct(y5,Trdmnt,.keep_all = TRUE)%>%filter(Trdmnt>=200001&Trdmnt&lt
Hill统计量-用于描述尾部数据
12-19
使用POT方法描绘尾部超过阈值的样本分布情况时，可计算Hill统计量并绘制Hill图。
上市公司尾部风险测度检验（基于Fama-French α 检验）部一
nlccc的博客
06-18 401
library("readr") library("readxl") library("dplyr") library(stringr) library(PerformanceAnalytics) setwd("e:/R/tail risk/month") load("r.RData") listd<-read.csv("listd.csv");listy<-read.csv("listy.csv") r<-left_join(r,listd,by="Stkcd") y5<-read
利用3年日数据检验尾部风险测度（基于风险调整收益）
nlccc的博客
06-18 396
此部份为经过前期的数据分析后，得到了显著结果的方法 library("readr") library("readxl") library("dplyr") library(stringr) library(PerformanceAnalytics) setwd("e:/R/tail risk/month") load("r.RData") listd<-read.csv("listd.csv");listy<-read.csv("listy.csv") r<-left_join(r,lis
上市公司尾部风险测度检验（基于风险调整收益率）部二
nlccc的博客
06-18 216
检验分组后三因子、五因子风险调整收益率 # 直接生成表格 m1=numeric();m2=numeric();m3=numeric();m4=numeric();m5=numeric();m6=numeric() for(o in 1:2){ for(i in 1:5){ m1[i+(o-1)*12]=mean(lapply(paste0("a",0:4,"b",o),get)[[i]])} m1[i+(o-1)*12+1]=mean(lapply(paste0("a",0:4,"b",o
论文研究-罕见灾难风险和股市收益——基于我国个股横截面尾部风险的实证分析.pdf
09-20
论文研究-罕见灾难风险和股市收益——基于我国个股横截面尾部风险的实证分析.pdf,  本文从个股横截面数据提取尾部风险作为时变罕见灾难风险的代理指标,实证分析了罕见灾难风险作为定价因子对我国股市收益的预测能力和横截面收益的解释能力.基于中国 A 股市场 1997-2013 年横截面日收益率数据,利用极值理论和尾部幂指数分布统计量,提取动态尾部风险指标,实证研究表明:1)尾部风险对我国一个月、半年、一年和两年股市收益率具有显著的预测效果;2)尾部风险对于我国股市横截面收益也具有显著的解释能力,尾部风险因子载荷系数大的投资组合所获得的风险补偿显著大于尾部风险因子载荷系数小的投资组合.此外,实证分析还发现尾部风险同宏观经济变量有着显著地反向关系,这进一步验证了尾部风险作为罕见灾难风险度量的合理性.
基于神经网络分位数回归的VaR金融风险测度.pdf
09-27
神经网络分位数回归（Quantile Regression Neural Network，QRNN）是一种基于神经网络的分位数回归方法，通过将神经网络与分位数回归结合，解决了传统VaR风险测度方法中的两个难题：尾部风险测度和非线性关联模式。...
基于Copula函数的汇率风险测度
01-16
基于Copula函数的汇率风险测度，黄跃卫，陈权宝，本文通过运用Copula函数分析了英镑/美元和欧元/美元汇率的尾部相关性。实证结果表明英镑/美元和欧元/美元存在着很强的正的尾部相关�
论文研究 - 新型失真风险度量及其以VaR为重点的尾部渐近性
05-29
失真风险度量因其吸引人的特性而广泛用于金融和保险应用中。 我们提出了三种方法来构造新的一类失真函数和度量。 该方法包括堆肥方法，混合方法和基于copula理论的方法。 我们还研究了VaR和其他变形风险度量的尾部...
论文研究-基于ES-TV的贷款承诺极端风险测度模型.pdf
09-20
继而通过修正尾部波动率，并利用期望短缺原理，构建了衡量贷款承诺极端风险的ES-TV测度模型. 该模型兼顾极端损益及其波动性，能更全面反映极端风险. 最后对X银行贷款承诺组合管理进行了实证分析.
（补基础）数据分析系列：假设检验的基础知识
jliang3的博客
06-17 9140
JunLiang数据科学家联盟 目录： 0x00 前言 0x01 基本思想 0x02 检验方向 拒绝域（拒绝域是由显著性水平围成的区域） 1.双尾检验 2.单尾检验 0x03 一类错误和二类错误 0x04 假设检验的步骤 0x0FF 总结 0x00 前言 我们经常会遇到这样的问题： 在ABTest中，怎么衡量实验结果是否显著？置信度是多少？ 两组销售数据，如何判断一组...
向量自回归模型VS风险价值模型(VAR&VaR)
weixin_30247307的博客
06-05 1237
单从外观上看，VAR&VaR两个模型很容易混淆，但就模型方法和用处两者截然不同，R语言作为数据分析的有力工具，其函数包库中包含各种各样的统计模型。通过vars包可以调用向量自回归模型，通过PerformanceAnalytics包的VaR函数可以调用风险价值模型。 模型简介 library(vars) 向量自回归模型(Vector Autoregression),简称VAR模型，是...
18章 资产收益率和风险
小锅铲的温柔
09-13 1028
目录   1、资产收益率 2、期间收益率 3、预期收益率 4、实际收益率 5、单期简单收益率 6、k期简单收益率 7、R语言计算简单收益率： 8、年化收益率 9、单期连续复利收益率 10、多期连续复利收益率 11、收益图 12、下行风险 13、最大回撤 1、资产收益率 2、期间收益率 3、预期收益率 不是实际得到的收益率，在购买资产之前，预估未来可获得的...
R语言——相关系数矩阵可视化（大全）
热门推荐
qq_41969000的博客
04-22 1万+
相关系数分析在很多领域都有涉及，而可视化则是对其结果最好的体现。
R语言blotter包回测实例
一人一花
08-26 3115
下面使用Faber策略，对招商银行历史数据进行回测。 Faber策略是个非常简单的战术资产配置方法： 如果月收盘价高于10月均线，买入； 如果月收盘价低于10月均线，卖出。 （忽略交易成本和滑点） http://static.squarespace.com/static/510654e4e4b0c3c708391d25/t/51dad95ee4b084dcc6296bad/13732969
《量化金融R语言高级教程》一2.2　在R中建模
weixin_33696822的博客
05-02 597
本节书摘来异步社区《量化金融R语言高级教程》一书中的第2章，第2.2节，作者： 【匈牙利】Edina Berlinger（艾迪娜•伯林格） , 等 译者： 高蓉 责编： 胡俊英，更多章节内容可以访问云栖社区“异步社区”公众号查看。 2.2　在R中建模 在接下来的部分中，我们将会学习在R的帮助下如何实现先前讲过的模型。 2.2.1　数据选择 在第4章大数据...
【R】【课程笔记】07 分位数回归与VaR（ES）计算
空明远
06-10 8383
本文是课程《数据科学与金融计算》第7章的学习笔记，主要介绍计算VaR/ES风险测度的各种方法和极值理论等，用于知识点总结和代码练习，Q&A为问题及解决方案。
指数ETF基金的组合分析方法初探
evilqliang的博客
02-22 368
本文在Creative Commons许可证下发布 试想一下，大多数基金“推荐”的配置策略都假设某种股票/债券组合。如果我们想寻求成本最小收益最高的组合（以yahoo finance上的数据来分析，因为美国股市数据更容易获得）。那么什么才是一个好的组合成为了我们的问题？指数基金包括几乎所有的股票和债券。几乎包含了美国股票及债券市场的组成的四种ETF是VTI、VXUS、BND、BNDX。让...
利用尾部风险VaR对股票收益率进行预测的相关文献综述
最新发布
06-10
VaR（Value at Risk）是一种常用的风险测度方法，通常用于金融领域对市场风险的测度与管理。利用VaR对股票收益率进行预测的相关文献较为丰富，以下是一些相关文献综述： 1. "Value at Risk and Expected Tail Loss: Estimating the Extremes of Stock Returns"，作者为Glen McLeod和William Remus，发表于2002年。该文献介绍了利用VaR和Expected Tail Loss（ETL）对股票收益率进行预测的方法，并对比了两种方法的优劣。 2. "Forecasting Stock Market Returns by Combining Forecasts from Different Methods"，作者为Antonio Rubia和Trino-Manuel Ñíguez，发表于2010年。该文献提出了一种基于VaR的预测方法，通过将来自不同方法的预测结果进行组合，提高了预测的准确性。 3. "Modeling and Forecasting the Volatility of the S&P 100 Index using GARCH Models and Value-at-Risk"，作者为Jin Zhang和Haiming Liu，发表于2016年。该文献利用GARCH模型和VaR方法对S&P 100指数的波动率进行建模和预测，并探讨了VaR在预测中的应用。 4. "A Comparison of VaR Estimation Methods for Stock Market Returns"，作者为Kathleen M. Auerbach和David R. Peterson，发表于2004年。该文献比较了不同的VaR估计方法在股票收益率预测中的表现，并提供了一种基于Monte Carlo模拟的VaR估计方法。 5. "Value-at-Risk Estimation and Forecasting with the Generalized Autoregressive Score Model: Evidence from Emerging and Developed Stock Markets"，作者为Hernando Vargas，发表于2006年。该文献利用广义自回归得分模型（GAS模型）和VaR方法对新兴市场和发达市场的股票收益率进行预测，结果表明该方法在预测上的表现优于其他方法。 总之，利用VaR对股票收益率进行预测的方法具有一定的实用性和优越性，但在具体应用中需要结合实际情况选择合适的VaR估计方法和模型。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值