Stata实验——计算个股“上海机场“的市场模型和CAPM模型的β值

最新推荐文章于 2023-11-11 09:00:00 发布
最新推荐文章于 2023-11-11 09:00:00 发布
阅读量6.9k 收藏 65
点赞数 7
分类专栏： 金融科技 文章标签： stata 数据分析
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/weixin_45980783/article/details/107286010
版权

一、简介

  1. 这是基于我上一篇的博文《StataIC——线性回归计算个股的β值》传送门的例子总结。
  2. 博主是一个普普通通的大学生，没有很厉害的技术，写的内容都是不太正经的偏小白简单的，写的也是学校教过的知识消化后自己的见解，不是很学术研究的博文。
  3. 配置：Window 7旗舰版+64位操作系统+StataIC 14（64-bit）
  4. 这篇博文是博主的期末作业，之所以以图片形式上传就是避免抄袭。如果有博主的师弟师妹找到这篇博文，博主想和你说这份实验报告很简单，你只需要把实验课视频好好看一遍，根据老师的教导下载好数据跟着我的步骤一步步来即可。所以不要抄！！

二、实验内容

在这里插入图片描述

三、实验步骤和结果

1.股票基本面信息

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
（2）
在这里插入图片描述
（3）
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
禁止抄袭！！

Chan_pikxxx
关注
  • 7
    点赞
  • 踩
  • 65
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
解释线性Beta系数以及机器学习中的特征重要性-研究论文
05-20
机器学习回归模型缺乏传统线性对等模型的可解释性。 基于树和森林的模型具有功能重要性，是概率向量，指示每个预测变量对模型结果的影响。 本简短说明描述了如何解释相应线性模型的beta系数，以便可以将它们直接与机器学习中的功能重要性进行比较。
在对比中，选择股票投资，2020年30%收益预期
放眼长期，稳中求进；知行合一，日拱一卒
11-30 614
风险提示：股市有风险，投资需谨慎，杠杆更要慎重再慎重。 这周在思考2020年的规划，写到股票投资时，感觉这一部分，浓缩了我亲自操盘，股票投资2年以来最新最核心的心得体会。 所以就单独摘录，提前发表出来。 核心观点：在对比中，选择股票投资 2层含义 第1层：我的投资原则，专注股市，退出其它。 其它投资渠道，坑的很，要选择股票。 虽然股票也很坑，但是标的多，信息较为透明，总有适...
机器学习与线性回归
最新发布
2301_80100415的博客
11-11 317
线性回归是一种广泛用于统计学和机器学习中的回归分析方法，用于建立自变量（特征）与因变量（目标）之间的线性关系模型。线性回归的基本原理是寻找一条直线（或者在多维情况下是一个超平面），以最佳地拟合训练数据，使得模型的预测与真实观测值之间的误差最小化。下面我们来详细解释线性回归的基本原理和假设。其中：是因变量（需要预测的值）。是自变量（特征），可以是一个或多个。是截距（模型在自变量都为0时的预测值）。是回归系数，表示自变量对因变量的影响程度。线性回归的目标是找到合适的回归系数 ，以最小化模型的预测误差。
ACIS内核和parasolid内核的来龙去脉与比较—转载
abewpc的专栏
01-04 6178
 1 交互图形系统的诞生 　　1946年研制成功的第一台电子计算机ENIAC是以数值运算为目的，而将计算机应用于生成图形和精密加工要滞后一段时间。1950年，美国麻省理工学院（简称MIT）在旋风Ⅰ型计算机显示器上生成了简单图形，接着又参与了美国国防部战术防空系统SAGE的研制。为了保护美国本土不受敌方远程轰炸机携带核弹的突然侵袭，设想在美国各地布置一百多个雷达站，将监测到的敌机进袭航迹用通信网
StataIC——线性回归计算个股的β值
weixin_45980783的博客
07-11 1万+
一、简介 这是一篇关于线性回归的基本操作，用月度收益率数据以及其所在市场的市场收益率数据，通过StataIC软件求得个股的β系数 博主是一个普普通通的大学生，没有很厉害的技术，写的内容都是不太正经的偏小白简单的，写的也是学校教过的知识消化后自己的见解，不是很学术研究的博文。 配置：Window 7旗舰版+64位操作系统+StataIC 14（64-bit） 二、参数解释 1. β值的含义 β值衡量系统性风险 β=1，表示该单项资产的风险收益率与市场组合平均风险收益率呈同比例变化； β>1，
计算个股CAPM模型和Fama-French五因子模型（by Stata16MP）
m0_46441797的博客
04-25 1万+
实验要求： 选择5只在上交所上市交易的股票的月度收益率（近10年）； 对每只股票估计CAPM模型和Fama-French五因子模型，解释估计量的金融含义； 从两个模型的估计结果，你能得到哪些结论？ step1：获得实验数据 method1：通过url下载（网易财经提供的数据） 浦发银行 http://quotes.money.163.com/service/chddata.html?code=0600000&end=20201231&fields=TCLOSE;HIGH;LOW;
【经济模型】CAPM模型实例验证
zhouhy0903的博客
02-08 8529
test
Stata:实时估计个股贝塔(beta)系数
Stata连享会
07-26 2416
原文链接：https://www.lianxh.cn/news/91c6eb281c709.html 目录 目的 1. 下载个股交易资料 1.1 下载方法 1.2 Stata 范例 2. 下载指数数据 2.1 基本下载方法 2.2 批量下载多个指数并做进一步处理 2.3 Stata 范例：沪深 300 时序图 3. 合并个股和指数数据 4. 估计 CAPM 模型 4.1 基本模型 4.2 散点图和拟合情况 4.3 分时段估计 5. 分析个股 Beta
CAPM模型
weixin_41018487的博客
04-22 4414
获取任一股票数据，建立CAPM模型，估计基于CAPM模型的预期收益率与实际收益率，结果以图形的形式展示。import tushare as tsimport pandas as pdimport statsmodels.api as smmydf=ts.get_hist_data('sz',ktype='W',start='2016-01-01',end='2017-01-01')mydf.p_c...
Stata: 实时估计个股贝塔(beta)系数
Stata连享会
05-31 2万+
作者：连玉君 (知乎 | 简书 | 码云) Stata 现场培训报名中 目的 使用 cntrade 命令下载个股和指数日资料，合并后估计 CAPM 模型，以便得到个股的贝塔(beta)系数，进而对个股的 贝塔(beta)系数 进行统计分析。 1. 下载个股交易资料 1.1 下载方法 只需输入如下命令即可下载 贵州茅台 自上市起至昨日的日交易数据，下载后的数据...
stata随机前沿模型命令包（包含sfmodel.ado和sfpan.ado）
10-10
在用stata软件做随机前沿模型时，需要使用一些外部命令（比如sfmodel），有些外部命令不太容易找得到，本资源包含随机前沿模型的外部命令包（ado文件），非常实用。
五因子do文档.zip_Fama——French五因子模型_littlej9b_stata_分组描述性检验
09-24
statat代码，五因子模型分析，账面市值比、规模效应、盈利能力、投资风格
Fama-French三因子模型数据和Stata代码（2000-2020年）
04-16
Fama-French三因子模型数据和Stata代码（2000-2020年）
事件研究法的stata实现代码（一般市场模型）
05-07
本代码是自己编写的用于实现事件研究法的stata代码，按照使用最为广泛的一般市场模型编制而成，充分考虑了交易日与日历日的区别及影响，并涵盖个股AR的t检验。
Stata17 MPSEBE（包含常用模型代码和熵值法计算代码）.txt
06-26
Stata17 MPSEBE（包含常用模型代码和熵值法计算代码）.txt
StataIC——数据描述性统计分析、平稳性检验、平稳化
热门推荐
weixin_45980783的博客
07-10 4万+
一、简介 1.本篇博文是一篇关于线性回归的基本操作；时间序列的平稳性检验、协整检验和误差修正模型等的博文。 2.博主是一个普普通通的大学生，没有很厉害的技术，写的内容都是不太正经的偏小白简单的，写的也是学校教过的知识消化后自己的见解，不是很学术研究的博文。 3.配置：Window 7旗舰版+64位操作系统+StataIC 14（64-bit） 二、数据描述性统计分析 1.导入数据 (1)打开StataIC软件，在软件的上栏目中找到下图圈出的图标，那个图标就是导入数据的入口 (2)点进去之后，StataIC
StataIC——协整检验与误差修正模型
weixin_45980783的博客
07-10 3万+
一、简介 这篇博文是在博主写的上一篇《StataIC——数据描述性统计分析、平稳性检验、平稳化》的基础上的建立的，这篇博文主要是做协整检验和误差修正模型。 本篇博文是一篇关于线性回归的基本操作；时间序列的平稳性检验、协整检验和误差修正模型（在下一篇博文里延续）等的博文。 博主是一个普普通通的大学生，没有很厉害的技术，写的内容都是不太正经的偏小白简单的，写的也是学校教过的知识消化后自己的见解，不是很学术研究的博文。 配置：Window 7旗舰版+64位操作系统+StataIC 14（64-bit） 二、协
StataIC——短面板数据分析（以检验啤酒税将降低交通死亡率的假说为例）
weixin_45980783的博客
11-20 2万+
一、面板数据与模型 1.面板数据分类 （1）短面板（N>T）和长面板(N<T) （2）动态面板(解释变量包含被解释变量的滞后值）和静态面板 （3）平衡面板（每个个体在相同的时间内都有观测值）和非平衡面板 2.面板数据模型 （1）非观测效应模型（存在不可观测的个体效应模型） 固体效应模型（fixed effects model,fe） 随机效应模型 (random effects model,re) 选择fe还是re，用hausman检验。Help hausman查看用法，例如
Stata实验——关于我国GDP增长率和CONS增长率
weixin_45980783的博客
07-11 8982
一、简介 这是基于我上两篇的博文《StataIC——数据描述性统计分析、平稳性检验、平稳化》和《StataIC——协整检验与误差修正模型》的例子总结。 博主是一个普普通通的大学生，没有很厉害的技术，写的内容都是不太正经的偏小白简单的，写的也是学校教过的知识消化后自己的见解，不是很学术研究的博文。 配置：Window 7旗舰版+64位操作系统+StataIC 14（64-bit） 这篇博文是博主的期末作业，之所以以图片形式上传就是避免抄袭。如果有博主的师弟师妹找到这篇博文，博主想和你说这份实验报告很简单，你
σ和β收敛模型stata
07-14
### 回答1： 在Stata中，σ收敛模型表示对数线性模型中的因变量的方差（即误差项的方差）随着解释变量的增加而变化的过程。σ收敛模型可以帮助我们理解变量之间的方差是否随着解释变量的变大或变小而增加或减少。 为了估计σ收敛模型，可以使用命令"areg"来进行固定效应模型的估计。这个命令可以估计固定效应模型中解释变量对因变量方差的影响。 在Stata中，β收敛模型表示解释变量对因变量的系数估计值是否随着样本量的增加而趋于稳定。β收敛模型可以帮助我们理解解释变量对因变量的影响是否存在真正的效应，而不是仅仅是由于抽样误差所导致的。 为了估计β收敛模型，可以使用命令"reg"来进行线性回归模型的估计。通过检验系数的置信区间或进行假设检验，可以判断解释变量的系数是否具有统计显著性，并进一步判断估计值是否收敛。 总结来说，在Stata中，σ和β收敛模型可以帮助我们理解解释变量对因变量的方差和系数估计值的影响是否随着样本量的增加稳定下来。通过估计这些收敛模型，我们可以更好地理解变量之间的关系和因果关系的确定性。 ### 回答2： 在Stata软件中进行σ和β收敛模型分析是统计学中常用的方法之一。这里的σ指的是标准差，β则表示系数。σ和β收敛模型是一种多元线性回归模型，用于描述一个或多个自变量对因变量的影响程度。 对于σ收敛模型，它主要用于测量模型中的误差项与实际数据之间的偏差程度。在Stata中，我们可以使用回归命令（reg）来进行σ收敛模型分析。首先，我们需要确保自变量和因变量的数据已经加载到Stata中，并执行回归命令。命令的输出结果中会包含误差项的标准差（σ）。通过σ的大小可以判断模型的拟合优度，σ越小说明模型的拟合效果越好。 而β收敛模型则是用来分析自变量对因变量的影响程度。在Stata中，我们可以使用回归命令（reg）来计算出每个自变量对应的β系数。β系数表示因变量在自变量改变一个单位时的变化情况。β系数的正负表示相关性的方向，而β系数的数值大小则表示相关性的强弱。我们可以通过检验β系数的显著性来判断自变量对于因变量是否有统计学意义的影响。 通过对σ和β收敛模型的分析，我们能够更好地理解自变量与因变量之间的关系，并作出相应的推断和预测。同时，Stata软件提供了丰富的统计工具和命令，可以方便地进行模型分析，从而帮助研究者更深入地挖掘数据背后的信息。 ### 回答3： σ和β都是用来评估统计模型拟合效果的指标，可以在Stata中进行计算和评估。下面将分别介绍σ和β在Stata中的应用和计算方法。 σ是指残差的标准差，也被称为模型的拟合优度指标。它用来衡量模型中的观测值与模型预测值之间的差异程度。在Stata中，可以通过计算模型残差的标准差来得到σ的值。通常使用命令“predict r, residuals”计算模型残差，并使用命令“summ r”来查看残差的统计特征，其中包括标准差。 β是指模型参数的估计值，也被称为回归系数。它用来衡量自变量对因变量的影响程度。在Stata中，可以通过拟合回归模型来获取β的值。一般使用命令“regress y x”进行回归分析，其中y代表因变量，x代表自变量。回归模型的结果将包括估计的回归系数β。 通过比较不同模型的σ和β，可以评估它们的拟合效果和自变量对因变量的影响程度。一般情况下，较小的σ值表示模型具有较好的拟合效果；而较大的β值表示自变量对因变量有较大的影响。 总而言之，σ和β都是用来评估统计模型拟合效果的指标。在Stata中，可以通过计算模型的残差标准差来获得σ的值，通过拟合回归模型来获得β的值。通过比较不同模型的σ和β可以评估其拟合效果和自变量对因变量的影响程度。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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