利用python和CAPM理论对股票量化分析

最新推荐文章于 2024-06-23 22:08:54 发布

树狗

最新推荐文章于 2024-06-23 22:08:54 发布

阅读量5.6k

点赞数 1

分类专栏：金融文章标签： CAPM python

本文链接：https://blog.csdn.net/weixin_42152885/article/details/80239226

版权

本文使用Python的tushare库获取股票数据，通过CAPM（资本资产定价模型）理论，对美的集团股票进行量化分析。通过散点图观察到风险溢价的相关性，并使用最小二乘法进行线性回归，拟合CAPM模型，得到相关系数和R-squared值，揭示股票收益与市场收益之间的关系。

摘要由CSDN通过智能技术生成

#资本资产进价模型(CAPM)---利用美的集团做实证
#Rp=Rf+β*(E(Rm)-Rf)+ε
#cmd---pip install tushare
#载入股指数据
import tushare as ts
mydf_sz=ts.get_hist_data('sz',start='2017-01-01',end='2018-5-7')
mydf_sh=ts.get_hist_data('sh',start='2017-01-01',end='2018-5-7')
mydf_sh_md=ts.get_hist_data('000333',start='2017-01-01',end='2018-5-7')
mydf_sh_md.p_change
mydf_sh.p_change

import pandas as pd
sh_md_merge=pd.merge(pd.DataFrame(mydf_sh.p_change),pd.DataFrame(mydf_sh_md.p_change),left_index=True,right_index=True,how='inner')

#计算日无风险利率
Rf_annual=0.0385#以2017年中国一年期的国债利率为无风险利率
Rf_daily=(1+Rf_annual)**(1/365)-1##年利率转化为日利率

#计算风险溢价:Ri-Rf
risk_premium=sh_md_merge-Rf_daily
risk_premium.head()

#画出两个风险溢价的散点图，查看相关性
import matplotlib.pyplot as plt
plt.scatter(risk_pr