Jarry1-CSDN博客

原创反转因子与流动性因子的构建，参照Fama-French五因子方法

流动性因子：流动性因子构建过程为：首先根据t年6月底上市公司的流通市值进行排序，分为大公司（B）和小公司（S）两组，然后再根据t-1年年底上市公司的流动性比率进行排序，非流动性（Amihud指标,前面有计算方法）最高的前30%记为I组，流动性比率中间40%记为M组，非流动性最低的前30%记为L组，每一年分一次组。最后计算出非流动性因子IML。setwd("e:/R/tail risk/day/sp")setwd("e:/R/tail risk/month")r1<-read_excel("

2020-06-21 10:45:13 3416 1

原创 Amihud非流动性指标计算

参考Amihud（2002）关于流动性的度量方法:setwd("e:/R/tail risk/day/tvn")# 读取上市公司日收益数据r1<-read_excel("r1.xlsx",sheet = 1);r2<-read_excel("r2.xlsx",sheet = 1)r3<-read_excel("r3.xlsx",sheet = 1);r4<-read_excel("r4.xlsx",sheet = 1)rr1<-read_excel("rr1.xls

2020-06-21 10:45:00 7481 1

原创（随机微分方程）SDE模拟股价变化

library("readr")library("dplyr")library(PerformanceAnalytics)setwd("e:/R/tail risk/day/sp")# 利用GBM模型模拟万科A股价变化sp1<-read.csv("sp1.csv")%>%select(1,2,5)wka<-filter(sp1,Stkcd==2&Trdmnt<=20181231&Trdmnt>=20180101)%>%select(-1)%&g

2020-06-18 14:18:02 1556

原创 R语言心得笔记（实时更新）

write.csv(r1,"bb.csv",row.names = FALSE)#分组求加权平均也可以这样：a2b3111<-a2b31%>%group_by(AC)%>%summarise(SY=weighted.mean(Mretwd, Msmvosd))# 从回归中取数字的范例 as.matrix(lm(eMretwd~ecm,y5)$coefficients)[2]summary(lm(rje~rme,r10))$adj.r.squaredsummary(lm(r

2020-06-18 14:17:53 822

原创对我国16家上市银行破产风险特征因素研究

#季度数据##银行特征与系统性风险library("readr")library("readxl")library("dplyr")library(stringr)library(PerformanceAnalytics)library(plm)setwd("e:/R/tail risk/day/finance")rf1<-read.csv("rf1.csv")listf<-read_excel("listf.xlsx",sheet = 1)%>%select(-2)

2020-06-18 14:17:43 756

原创比较我国金融机构：银行部门、证券部门、信托部门和保险部门的破产风险（根据中信行业分类）

比较不同金融机构间的系统性风险# 利用指数收益率作为市场收益率 library("readr")library("readxl")library("dplyr")library(stringr)library(PerformanceAnalytics)library(gcookbook)library(ggplot2)library(reshape2)library(ggpubr)setwd("e:/R/tail risk/day/finance")varp<-0.05# 读

2020-06-18 14:17:31 403

原创利用3年日数据检验尾部风险测度（基于风险调整收益）

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

2020-06-18 14:17:16 396 1

原创上市公司尾部风险测度检验（基于Fama-French α 检验）部二

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

2020-06-18 14:17:03 306

原创上市公司尾部风险测度检验（基于Fama-French α 检验）部一

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

2020-06-18 14:16:39 401

原创上市公司尾部风险测度检验（基于风险调整收益率）部三

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

2020-06-18 14:16:25 306

原创上市公司尾部风险测度检验（基于风险调整收益率）部二

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

2020-06-18 14:16:08 216

原创上市公司尾部风险测度检验（基于风险调整收益率）部一

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,"

2020-06-18 14:15:54 675

原创 Fama-French 五因子 2*2回归分析(初学R语言)

五因子规模-账面市值比分组简单一次分组滚动循环分组分组加权平均：简单一次分组data()getwd()setwd("e:/R/data")rm(O)ri<-merge(r1,r2,by="SJ")rii<-merge(ri,r3,by="SJ")write.csv(a1b1p,"a1b1p.csv",row.names=FALSE)remove(o)setwd("e:/R/data")library("readxl")library("dplyr")library("

2020-06-18 14:15:33 1496 3

nlccc的博客