Python中利用scipy库进行最小二乘回归分析（金融相关）

壹玄-

已于 2024-03-10 12:55:28 修改

阅读量966

点赞数

分类专栏：金融数据分析文章标签： scipy 回归数据挖掘

于 2022-09-21 20:35:32 首次发布

本文链接：https://blog.csdn.net/weixin_56671379/article/details/126973172

版权

金融数据分析专栏收录该内容

1 篇文章 0 订阅

订阅专栏

资本资产定价模型的一个研究焦点是证券市场线，证券市场线表示资产对于β系数的期望收益。风险相同时，投资者总是期望更高的收益，证券定价高于证券市场线时出现证券价值低估，相反及高估。

证券市场收益率ri=α+βrm，其中rm为同期市场收益率，利用scipy库的stats模块对资本资产定价模型进行最小二乘回归分析。具体代码如下

from scipy import stats
stock_return=[0.065,0.0265,-0.0593,-0.001,0.0346]# ri
mkt_return=[0.055,-0.09,-0.041,0.045,0.022]# rm
result=stats.linregress(stock_return,mkt_return)
# 线性回归，证券市场线ri=α+βrm
print(result.slope,result.intercept)

输出结果为：

0.5077431878770808 -0.008481900352462384
#前者为斜率后者为截距

scipy.stats.Lineregress函数可以输出回归线的斜率、截距、相关系数、假设检验的p值和估算值的标准误差。

LinregressResult(slope=0.5077431878770808, 
                 intercept=-0.008481900352462384, 
                 rvalue=0.38455905003823676, 
                 pvalue=0.5227155239089462, 
                 stderr=0.7036705543221569)

上图是Lineregerss的输出完整结果，其中slope代表斜率，intercept代表截距，rvalue代表皮尔逊相关系数r，pvalue代表假设检验的p值，stderr代表标准误差。