毕业代码-基于贝叶斯动态线性模型分析CAPM的系统风险时变性

最新推荐文章于 2022-12-27 18:15:00 发布

weixin_45691603

最新推荐文章于 2022-12-27 18:15:00 发布

阅读量260

点赞数

本文链接：https://blog.csdn.net/weixin_45691603/article/details/116897961

版权

这篇毕业论文利用贝叶斯动态线性模型（Bayesian Dynamic Linear Model, DLM）对资本资产定价模型（Capital Asset Pricing Model, CAPM）中的系统风险进行了时变性分析。通过R语言编程，提取了多个股票（如中信证券、招商银行等）相对于市场回报率的残差，并进行了贝叶斯滤波、更新V、Wa和Wβ参数。通过MCMC诊断和轨迹图展示了估计参数的稳定性，并进行了平滑估计和滤波估计，对比了不同股票的β系数变化，揭示了其在时间序列上的动态特性。" 20194011,1035322,面向对象与函数式编程：OOP VS. FP VS. AOP 深度解析,"['OOP', 'FP', 'AOP', '并发编程']

摘要由CSDN通过智能技术生成

毕业论文代码
capm1<-ts(read.csv(“capm1.csv”,header = TRUE),
start=c(2010,12),frequency=12)*100
ZhongXinZQ<-capm1[,“中信证券”]-capm1[,“MONRFRET”]
ZSbank<-capm1[,“招商银行”]-capm1[,“MONRFRET”]
HengRui<-capm1[,“恒瑞医药”]-capm1[,“MONRFRET”]
GZmaotai<-capm1[,“贵州茅台”]-capm1[,“MONRFRET”]
YLgufen<-capm1[,“伊利股份”]-capm1[,“MONRFRET”]
PingAn<-capm1[,“中国平安”]-capm1[,“MONRFRET”]

y<-capm1[,1:6]-capm1[,“MONRFRET”]
market<-capm1[,“MARKET”]-capm1[,“MONRFRET”]
m<-NCOL(y)
rm(“capm1”)

delta0<-delta2<-3
delta1<-100
V0<-(delta0^2)*diag(c(102,100^2,102,100^2,102,100^2))
Wa0<-(delta1)*diag(0.01^2,6)
Wβ0<-(delta2^2)*diag(c(52,50^2,52,50^2,52,50^2))

#gibbs sampling
MC<-30000
n<-nrow(y)
gibbsTheta<-array(0,dim=c(n+1,12,MC-1))
gibbsV<-array(0,dim=c(6,6,MC))
gibbsWa<-array(0,dim=c(6,6,MC))
gibbsWβ<-array(0,dim=c(6,6,MC))
m=NCOL(y)
#set up the model
CAPM<-dlmModReg(market)
CAPM $F F < - C A P M$ FF %x% diag(m)
CAPM $G G < - C A P M$ GG %x% diag(m)
CAPM $J F F < - C A P M$ JFF %x% diag(m)
CAPM $W < - C A P M$ W %x% matrix(0,m,m)
CAPM $m 0 < - r e p (0, 2 * m) C A P M$ C0<-diag(1e6,nr=2*m)
CAPM $V<-gibbsV[,,1]<-V0/(delta0^2) gibbsWa[,,1]<-Wa0/(delta1^2) gibbsWβ[,,1]<-Wβ0/(delta2^2) CAPM$