- 博客(13)
- 收藏
- 关注
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<
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
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人