1. 收益率
定义时期
t
(从时刻
R(t)=P(t+Δt)+d(t)P(t)
该资产的 收益率是:
rr(t)=R(t)−1
还可以计算出无风险资产(例如,期限为 Δt 的国库券)的总收益 RF 和收益率 iF 。之后定义资产的 超额收益率为:
r(t)=R(t)−RF(t)
或者:
r(t)=rr(t)−if(t)
2. 统计相关
简要计算均值、标准差、方差、协方差和相关系数,简要讨论它们的标准误。
假设有股票
n
的一组超额收益率观测值序列,记为
— 股票
n
的平均收益率(样本均值)记为
r¯n=(1T)⋅∑t=1Trn(t)
— 样本方差为:
Var{rn}=(1T−1)⋅∑t=1T[rn(t)−r¯n]2
— 样本标准差为:
Std{rn}=Var{rn}−−−−−−−√
注意在计算方差时用的是 T−1 而不是 T ,这是因为在总体均值和总体方差同时未知时(此时必须先估计样本均值),只有
后续为不同资产之间的相关性。假设我们有另一只资产 m 的超额收益率序列
那么资产 n 和资产
Cov{rn,rm}=(1T−1)⋅∑t=1T[rn(t)−r¯n]⋅[rm(t)−r¯m]
(注: Cov{rn,rn}=Var{rn},Cov{rn,rm}=Cov{rm,rn} )
资产 n 和资产
Corr{rn,rm}=Cov{rn,rm}Std{rn}⋅Std{rm}
3. 标准误
统计量的标准误是其估计偏差的标准差。标准误是对估计精度的基本度量。假设估计偏差服从正态分布,那么样本均值的标准误为:
SE{r¯}=Std{r}T−−√
样本标准差的标准误近似为:
SE{Std{r}}≈Std{r}2⋅T−−−−√
样本方差的标准误近似为:
SE{Var{r}}≈Var{r}⋅2T−−√
在大样本量(即 T 很大)的情形下,上述近似估计结果将随样本量的增大而越来越精确。
4. 简单线性回归
在估计资产的贝塔值时,可用到最简单的回归:用资产超额收益率对市场超额收益率回归。
简单线性回归(ordinary least squares,OLS)选取使 残差平方和(sum of squared errors,ESS)最小的 αn 和 βn 作为估计值:
ESS=∑t=1Tϵ2n(t)
βn 的估计值为:
βn=Cov{rn,rmkt}Var{rmkt}
αn 的估计值为(残差项取最小后被忽略):
αn=r¯n−βn⋅r¯mkt
上述方程中使用均值、方差和协方差的样本估计值。一般都用 βn 的估计值式子来定义贝塔,但其中的 方差和 协方差要换成根据 协方差矩阵计算出的预测值。
回归 R2 的定义如下:
R2=1−Var{ϵn}Var{rn}
另外一个关于 回归的有用结果是“ 残差项 ϵn(t) 与市场的超额收益率 rmkt(t) 是不相关的”:
Cov{rmkt,ϵn}=0
更一般的回归分析可以包含更多的独立变量(解释变量),并使用加权残差平方和。但是, 基本原则不变——选取使(加权)残差平方和最小的模型参数作为估计值。回归分析产生的残差与独立变量(解释变量)是不相关的。 R2 的定义依旧不变。