非线性回归beta系数估算股票市场的风险分析亚马逊股票和构建投资组合

于 2021-12-13 17:19:00 发布
阅读量240 收藏
点赞数
文章标签： 回归 r语言 数据挖掘 人工智能 机器学习
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/tecdat/article/details/129393481
版权

原文链接：http://tecdat.cn/?p=24680 

Beta 假设反映了一种工具对市场的风险。但是，您可以通过各种方式估算此度量。

你可以收缩你的估计来稳定它。另一个方面是这种风险度量的非线性。在红色和绿色的时间里，对市场的敏感性不相同。从结果中我们可以看到：

plot('AMZN' main="AMZN接近于市场收益率的收益率",
     
     xlab="市场收益率",pch=20, axes = F)

ng <- l1coef\[2\]-l1coef\[3\]

ps <- l1coef\[2\]

628a6fc10dd2cfd8edc5512ba3915e7e.png

ff9bc403445793154da113103aedd262.png

5a3e1e13f8def4fb9cd715aeec9f9454.png

c816aa6476d0051d64a7585200a5c4c2.png

我们在这里看到的是，当市场下跌时，AMZN与市场的相关性更强，而当市场上涨时，相关性更弱。有相关的，也有相关的结构。谷歌-金融的β是相关的，它可以是在整个分布中是一样的。就像现在这样，你不希望有β值等于1，它是市场下跌时 beta=0.78 和市场上涨时和beta=0.94 的平均值。如果你是长线，反过来就很好，一个股票在绿色的时间段里反弹，在糟糕的日子里只缓慢下跌。 

点击标题查阅往期内容

55fa6deab80e3c2a1b909e42b650072d.jpeg

R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列

outside_default.png

左右滑动查看更多

outside_default.png

01

9dfe9e5af727795b5506140cca3acaca.jpeg

02

1f6bafbaa3111b76445b8d5e075bd668.jpeg

03

f4cf9550acb244439a3eca9e2814b84d.jpeg

04

4e0af9cbfffd1116a6e3b5cb00e580ef.jpeg

我尝试了其他一些金融股，看看这是否是典型的，这是正日（红色）和负日（蓝色）系数的条形图。

for (i in 1:l){
    geSybols(symi\], from=tart, o=endut.asign = )
   # 白天的平均价格

   prv\[1:ltdt0,),i\]=avp
  
}



pol <- ifese(e\[,'SPY'\]>0,ret\['SP'\],0)




for (i in 1:(l-1)){ # 最后一个是市场，因此 l-1。
  
   o\[i,\] <- noibe
  
}

# 颜色

col1 

col2

barpot(co\[,1,add=T)

c73d6f9e61691b4c41d2430c9f4a9cc9.png

花旗是唯一一个在市场下跌过程中具有较强关联性的股票，大多数在整个分布过程中与市场具有相当稳定的关联性，在这方面，摩根士丹利是不错的，可以持有。

5b3fcc3e9629ae8cad51e5985b9bbc74.png

我们看到与 AMZN 完全相反，在下跌的日子里比在上涨的日子里更陡峭。自然地，看看使用这个标准构建的投资组合如何表现。

e11f7c5827b0eaf18d7047e1881f3652.png

本文摘选《R语言非线性回归beta系数估算股票市场的风险分析亚马逊AMZN股票和构建投资组合》，点击“阅读原文”获取全文完整资料。

点击标题查阅往期内容

MATLAB用COPULA模型进行蒙特卡洛(MONTE CARLO)模拟和拟合股票收益数据分析

python中的copula：Frank、Clayton和Gumbel copula模型估计与可视化

R语言中的copula GARCH模型拟合时间序列并模拟分析

matlab使用Copula仿真优化市场风险数据VaR分析

R语言多元Copula GARCH 模型时间序列预测

R语言Copula函数股市相关性建模：模拟Random Walk(随机游走)

R语言实现 Copula 算法建模依赖性案例分析报告

R语言ARMA-GARCH-COPULA模型和金融时间序列案例

R语言基于copula的贝叶斯分层混合模型的诊断准确性研究

R语言COPULA和金融时间序列案例

matlab使用Copula仿真优化市场风险数据VaR分析

matlab使用Copula仿真优化市场风险

R语言多元CopulaGARCH模型时间序列预测

R语言Copula的贝叶斯非参数MCMC估计

R语言COPULAS和金融时间序列

R语言乘法GARCH模型对高频交易数据进行波动性预测

R语言GARCH-DCC模型和DCC（MVT）建模估计

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测

R语言时间序列GARCH模型分析股市波动率

R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测

matlab实现MCMC的马尔可夫转换ARMA - GARCH模型估计

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测

使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略

R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模

R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析

R语言多元Copula GARCH 模型时间序列预测

R语言使用多元AR-GARCH模型衡量市场风险

R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格

R语言用Garch模型和回归模型对股票价格分析

GARCH（1,1），MA以及历史模拟法的VaR比较

matlab估计arma garch 条件均值和方差模型

R语言ARMA-GARCH-COPULA模型和金融时间序列案例

欲获取全文文件，请点击左下角“阅读原文”。

583c5b92607f649dc31e6a204fb12a19.gif

b950c0979bdd29d18e71d0925dd59679.png

6060591f31eb9951bd41f4fa2a06e069.jpeg

7870d0890c9b53b11cf3445f083ae639.png

欲获取全文文件，请点击左下角“阅读原文”。

1495a22fdec9bdd1b76d935c4ce2b585.gif

博客
2024年B2B外贸企业出海白皮书|附200+份报告PDF汇总下载
06-10 18
无论是东南亚市场的深度耕耘，还是跨境支付的技术赋能，其核心均指向对“效率”与“信任”的重构——这既是应对当下挑战的密钥，亦是赢得长期竞争的底层逻辑。B2B跨境电商凭借76%的物流占比，成为供应链整合的核心力量，电子家电、玩具母婴、纺织等品类占货物贸易出口前三，分别达18%、17%、17%。广东以23%的企业占比位居首位，浙江、江苏、上海紧随其后，构成沿海核心带。未来拓展中，美国（11%）、日韩（10%）、新加坡（8%）等市场与越南（8%）等新兴市场形成“双轨驱动”，反映企业对风险分散与利润增长的平衡考量。
博客
Python多层LSTM优化Seq2Seq序列模型预测社交网站用户签到时空轨迹数据
06-10 403
通过均方根误差（RMSE）和决定系数（R²）评估模型表现：Seq2Seq模型的RMSE最低（0.086），R²达0.354，显著优于LSTM（RMSE=0.104，R²=0.228）和Transformer（RMSE=0.113，R²=-0.208）。清洗后的数据保存为CSV格式，并通过散点图可视化对比：原始数据分布松散且包含大量离群点（图1），清洗后的数据则集中于目标区域，有效提升后续建模的可靠性（图2）。实践表明，Seq2Seq模型在数据稀疏场景下仍能保持稳定性能，尤其适用于签到频率中等的用户群体。
博客
PySpark、Plotly全球重大地震数据挖掘交互式分析及动态可视化研究
06-05 801
Yapeng Zhao 是一名具备专业素养的数据分析师，在数据处理与分析领域积累了扎实的技术能力，其在大数据框架应用、多维数据可视化及分布式计算优化方面的实践经验，为本研究的数据处理效率提升与分析模型构建提供了重要技术支持。项目以1965-2016年全球重大地震数据集（Global Major Earthquake Dataset）为研究对象，综合运用PySpark分布式计算框架、高德地图逆地理编码服务及Plotly动态图表工具，系统性挖掘地震活动的时空规律与能量特征。中国西部因板块构造活动成为地震热点；
博客
2025中国零售渠道演变趋势报告130+份汇总解读|附PDF下载
06-04 177
图注：左图为大卖场面积缩小至标超的TOP5省份占比（山西31%、天津29%、陕西26%、河南19%、广西12%），右图为停售成衣家电的TOP5省份占比（贵州55%、湖南35%、河南34%、山西31%、重庆20%），数据来源：尼尔森IQ零售核查。：会员店以“高质选品+场景体验”构建壁垒，山姆会员店新增“健康监测体验区”，带动保健品销售增长28%；：内容电商（+31%）、折扣电商（+35%）、会员店（+25%）成为增长三驾马车，而大卖场（-10%）、母婴店（-11%）等传统业态面临结构性调整压力。
博客
视频讲解|Python图神经网络GNN原理与应用探索交通数据预测
06-03 663
全文链接 ：tecdat.cn/?p=42421分析师： JiQuan Zhao，Jiaqi Teng在数据科学的浩瀚宇宙中，我们如同孜孜不倦的探索者，不断追寻着更高效、精准的数据分析方法。从数据科学家的视角看，数据不仅是一串串数字，更是蕴含着巨大价值的宝藏，等待我们用合适的工具去挖掘（点击文末“阅读原文”获取完整智能体、代码、数据、文档）。近年来，非欧式空间数据大量涌现，传统神经网络在处理这类数据时力不从心。图神经网络（GNN）凭借其独特的设计，如邻居节点聚合、消息传递机制等，成为处理非欧式数据的有力武器
博客
2025中国企业研发数字化转型白皮书200+份汇总解读|附PDF下载
06-03 37
原文链接：tecdat.cn/?p=42414当前，数字化浪潮正重塑企业研发体系。随着云计算、AI与大数据技术的深度渗透，研发管理从传统流程驱动向数据智能驱动跃迁（点击文末“阅读原文”获取专题报告合集PDF版本）。本报告汇总解读首先勾勒行业全景，揭示硬件与软件研发管理工具的市场分野；其次聚焦SaaS赛道，解析头部企业竞争逻辑；最后结合技术趋势与企业实践，提炼适配不同场景的转型方法论。值得关注的是，报告中所有数据均来源于公开行业调研与专家访谈，力求以客观视角呈现行业真实生态。本报告汇总解读聚焦中国企业研发数字
博客
2025中国汽车全球化战略白皮书450+份汇总解读|附PDF下载
05-30 111
出口结构呈现显著转型特征：燃油车占比从2023年的59%微降至2024年的59%，纯电动车占比从30%提升至35%，插电混动与非插电混动分别从3%、2%增至5%、5%，电动化车型成为增长新引擎。报告内容涵盖欧洲、东南亚、拉美、中东、中亚等核心市场的政策环境、竞争格局及本地化策略，解析电动化、智能化浪潮下中国车企的机遇与挑战，并结合典型企业的出海实践，提炼可复制的成功经验。营销层面，借势欧洲杯、南美杯等体育IP提升曝光，如比亚迪赞助2024年欧洲杯，品牌搜索量增长300%；
博客
视频讲解|Stata和R语言自助法Bootstrap原理结合GARCH对sp500收益率数据分析
05-30 862
该实现基于 Palm (1996) 的测试，该测试通过重新分类标准化残差而不是根据它们的值（如在标准测试中），而是根据它们的大小，计算在存在非独立同分布观察的情况下的测试，计算观察到小于标准化残差的值的概率，该残差应该是相同的标准均匀分布。例如，在研究人们查看Facebook个人资料的平均时间时（如视频所示，数据呈现右偏态，且仅有21个观测值，使用传统t程序存在顾虑），自助法通过对这21个观测值进行有放回的重抽样，来模拟从总体中抽取多个样本的过程，进而估计平均时间这一统计量的分布情况。
博客
2025人形机器人行业趋势报告110+份汇总解读|附PDF下载
05-29 232
本报告汇总解读聚焦人形机器人行业前沿动态，以数据驱动的专业分析框架，整合多份权威行业研究成果，深度解析技术演进、市场格局与产业机遇。：中国脑卒中患者2876万，康复治疗率不足40%，傅利叶智能上肢康复机器人已使30%患者手部功能恢复，市场规模年增55%。：依托汽车供应链优势，2024年Q4部署1000台工厂机器人，目标售价2万美元，单台年替代工时达2000小时。：普渡机器人全球市占率23%，其送餐机器人在全球5000家餐厅部署，单台日均服务150桌，故障率<0.3%。
博客
2025企业数字与人工智能AI就绪度报告570+份汇总解读|附PDF下载
05-29 218
本报告汇总解读基于《Thoughtworks：2025企业数字与人工智能就绪度报告》及文末570+份人工智能行业研究报告的数据，以数据驱动的专业分析框架，深度解析企业在数字与人工智能领域的就绪度现状与提升路径（2024年中国AI大模型产业发展与应用研究报告 报告2025-01-22AI时代的抉择-以“信”筑基-行稳“智”远 报告2025-01-21。报告通过对全球1000家企业的调研数据，揭示了技术战略、持续改进与投资回报之间的深层关联，为企业勾勒出从战略制定到执行落地的完整图谱。
博客
消费者网络购物意向分析：调优逻辑回归LR与决策树模型在电商用户购买预测中的应用及特征重要性优化
05-29 1016
通过相关性分析和VIF值计算，删除“管理页面数”“信息页面数”“产品相关页面数”“退出率”等相关性较高的特征，保留“管理页面停留时长”“信息页面停留时长”“产品相关页面停留时长”“跳出率”“页面价值”“特殊日期”“月份”“访客类型”等特征。目标变量“是否购买”的类别分布显示，购买人数占比13.9%，未购买人数占比86.1%，类别分布不均衡。对未购买的预测效果良好（精确率92%、召回率94%、F1分数93%），但对购买的预测效果较差（精确率59%、召回率53%、F1分数56%），漏判和误判情况较为严重。
博客
Python农产品产量预测数据分析：神经网络、PCA、随机森林、模型融合建模实践
05-26 1000
文中通过Python编程语言，综合运用Pandas、Matplotlib、Seaborn等工具，结合决策树（Decision Tree）、随机森林（Random Forest）、主成分分析（PCA）等算法，系统解析环境变量与产量的关联机制，并创新性提出"数据预处理-特征工程-多模型对比"的农业数据分析范式。对"作物病害状态"（crop_disease_status）字段进行缺失值处理与序数编码，将病害程度转化为数值型变量（无病害=0，轻度=1，中度=2，重度=3）。
博客
Python用Transformer、Prophet、RNN、LSTM、SARIMAX时间序列预测分析用电量、销售、交通事故数据
05-22 927
在数据驱动决策的时代，时间序列预测作为揭示数据时序规律的核心技术，已成为各行业解决预测需求的关键工具。本文基于某咨询项目的实际需求，通过对比分析五种主流预测模型（SARIMAX、RNN、LSTM、Prophet、Transformer）在多类数据集上的表现，探讨模型选择逻辑与参数调优策略，为行业应用提供可落地的解决方案。本研究通过多场景实证分析，揭示了时间序列预测模型的“数据-模型适配法则”：没有最优模型，只有最适合特定数据特征的方案。能源消耗数据的ADF检验p值>0.05，表明非平稳，需差分处理；
博客
2025人工智能AI创新中的可观测性研究报告550+份汇总解读|附PDF下载
05-22 98
然而，随着人工智能代理能力的不断增强，其潜在的风险也不容忽视。北美地区以88%的可观测性项目成熟度领先欧洲（47%），这种差异既源于技术投入的梯度，也与监管环境、数据战略密切相关——尽管欧盟推出AI法案，但北美企业更注重模型准确性（51% vs 欧洲32%）与合规落地的量化指标。报告显示，企业在数据质量、数据管道、AI/ML模型三大核心领域的可观测性投入呈现显著分化：76%的受访者已优化或实施数据质量与管道监控项目，而模型可观测性的“优化级”占比仅23%，凸显模型全生命周期管理的技术门槛。
博客
MATLAB贝叶斯超参数优化LSTM预测设备寿命应用——以航空发动机退化数据为例
05-21 657
本方案已在某航空制造企业的发动机生产线部署，通过实时采集传感器数据并输入训练好的模型，可提前7天预测设备剩余寿命，将非计划停机时间减少35%，维护成本降低28%。结果显示，预测曲线与真实曲线在趋势与关键拐点上高度吻合，尤其在设备临近失效阶段（剩余寿命低于50时），模型能准确捕捉退化加速特征，为维护决策提供了可靠依据。其中，( N ) 为样本总数，( Y_i(t) ) 为第( i )个样本的真实剩余寿命序列，( \hat{Y}_i(t) ) 为预测序列。归一化可确保不同量纲的特征在模型训练中具有同等权重。
博客
Python谷歌商店APP评分预测：LASSO、多元线性回归、岭回归模型对比研究
05-20 910
在模型构建阶段，我们对比多元线性回归（MLR）、LASSO 回归、岭回归三种经典算法，通过严谨的模型评估指标 —— 均方误差（MSE）与决定系数（R2R2 Score），量化不同模型在 APP 评分预测中的表现差异。目前，完整的《谷歌商店 APP 评分预测项目文件》已上传至会员社群，扫码进群即可与 600 + 行业精英共同探讨技术细节，获取代码、数据集及可视化报告，一同解锁数据驱动的 APP 增长新策略。可以转换为int型。由输出结果可见，最少的评论是0条，最多的评论是7千多万条，平均数是40多万条。
博客
2025年医美行业报告60+份汇总解读|附PDF下载
05-20 218
本报告通过梳理政策监管、消费行为、机构竞争等维度，提炼关键数据指标，如华东地区居民人均可支配收入与医美机构数量的关联性、针剂正品率分布等，旨在帮助读者系统把握行业脉络，预判趋势并制定战略。报告结构上，先以 “市场全景” 勾勒行业轮廓，再以 “消费洞察” 解析需求端特征，继而从 “供给变革” 探讨机构与技术升级，最后以 “未来展望” 提出合规化与数字化解决方案。蛋壳研究院：医美能量源设备白皮书 报告2023-02-09 医疗美容行业白皮书：Z世代崛起、轻医美主导，行业正在换打法 报告2025-05-19。
博客
Python+AI提示词糖尿病预测融合模型：伯努利朴素贝叶斯、逻辑回归、决策树、随机森林、支持向量机SVM应用
05-16 1105
其中，(w_i)为特征权重，反映症状对患病风险的影响程度。原始SVM模型（线性核）准确率仅68%，经网格搜索优化（AI提示词：用RBF核和网格搜索提升SVM在医疗数据中的分类性能），选定C=100、gamma=0.1，准确率提升至97%，表明非线性核函数能有效挖掘特征间复杂关联（图10、图11）。研究团队基于真实医疗数据集，系统对比了逻辑回归（LR）、决策树（DT）、随机森林（RF）、支持向量机（SVM）和伯努利朴素贝叶斯（BNB）等算法的表现，并通过模型融合技术实现预测性能的跨越式提升。
博客
2025年全球人工智能AI信任、态度与应用研究报告530+份汇总解读|附PDF下载
05-15 349
数据显示，新兴经济体在AI使用率与信任度上显著领先：印度、尼日利亚等国的AI使用率超90%，而荷兰、日本等发达经济体仅为43%-50%。在工作场景中，58%员工定期使用AI工具，其中73%采用公共生成式AI（如ChatGPT），但仅40%企业制定了生成式AI使用政策。值得关注的是，尽管发达经济体对AI技术能力的信任度达65%，但对其安全与伦理的信任仅52%，反映出技术乐观与社会风险的认知割裂。然而，仅49%教育机构提供AI使用政策指导，20%明确禁止生成式AI，导致59%学生存在违规使用行为。
博客
Python与MySQL网站排名数据分析及多层感知机MLP、机器学习优化策略和地理可视化应用|附AI智能体数据代码
05-15 661
值得关注的是，项目中开发的「数据清洗-特征工程-模型训练-可视化反馈」闭环框架，已在实际应用中帮助客户提升关键词排名30%以上，验证了技术方案的有效性。通过关联分析热力图（图4）发现：「页面加载速度」与「移动端适配性」呈强正相关（相关系数0.82），而「关键词密度」与「用户跳出率」呈负相关（-0.65）。使用K-means算法，将网站分为「高流量高转化」「低流量高粘性」等4类，为差异化优化提供依据（AI提示词：利用K-means聚类分析网站流量特征，划分用户群体）。
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