主要内容GydF4y2Ba

利用SUR估计资本资产定价模型GydF4y2Ba

打开生活的脚本GydF4y2Ba

这个例子展示了如何使用计量经济学工具箱™VAR模型框架来实现资本资产定价模型(CAPM)。GydF4y2Ba

CAPM模型描述了资产和市场价格之间的共同变动。在此框架下，单个资产的回报与整个市场的回报呈线性相关（详情请参见GydF4y2Ba[92]GydF4y2Ba,GydF4y2Ba[139]GydF4y2Ba,GydF4y2Ba[181]GydF4y2Ba）.也就是说，给定一个市场中所有股票的回报序列(GydF4y2Ba MGydF4y2Ba TGydF4y2Ba )以及无风险资产的回报(GydF4y2Ba CGydF4y2Ba TGydF4y2Ba )， CAPM模型用于回报系列GydF4y2Ba JGydF4y2Ba (GydF4y2Ba RGydF4y2Ba JGydF4y2Ba )是GydF4y2Ba

RGydF4y2Ba JGydF4y2Ba TGydF4y2Ba -GydF4y2Ba CGydF4y2Ba TGydF4y2Ba =GydF4y2Ba A.GydF4y2Ba JGydF4y2Ba +GydF4y2Ba BGydF4y2Ba JGydF4y2Ba (GydF4y2Ba MGydF4y2Ba TGydF4y2Ba -GydF4y2Ba CGydF4y2Ba TGydF4y2Ba )GydF4y2Ba +GydF4y2Ba εGydF4y2Ba JGydF4y2Ba TGydF4y2Ba

对所有的资产GydF4y2Ba JGydF4y2Ba =GydF4y2Ba 1.GydF4y2Ba ,GydF4y2Ba .GydF4y2Ba .GydF4y2Ba .GydF4y2Ba ,GydF4y2Ba NGydF4y2Ba 在市场上。GydF4y2Ba

A.GydF4y2Ba =GydF4y2Ba [GydF4y2Ba A.GydF4y2Ba 1.GydF4y2Ba .GydF4y2Ba .GydF4y2Ba .GydF4y2Ba A.GydF4y2Ba NGydF4y2Ba ]GydF4y2Ba ′GydF4y2Ba 是一个GydF4y2Ba NGydF4y2Ba 1的向量GydF4y2Ba资产αGydF4y2Ba这应该是零，调查资产Alpha显著远离零的资产很有意义。GydF4y2Ba BGydF4y2Ba =GydF4y2Ba [GydF4y2Ba BGydF4y2Ba 1.GydF4y2Ba .GydF4y2Ba .GydF4y2Ba .GydF4y2Ba BGydF4y2Ba NGydF4y2Ba ]GydF4y2Ba ′GydF4y2Ba 是一个GydF4y2Ba NGydF4y2Ba 1的向量GydF4y2Ba资产贝塔GydF4y2Ba指定被建模资产与市场之间的共同运动程度。元素的解释GydF4y2Ba JGydF4y2Ba 的GydF4y2Ba BGydF4y2Ba 是GydF4y2Ba

  • 如果GydF4y2Ba BGydF4y2Ba JGydF4y2Ba =GydF4y2Ba 1.GydF4y2Ba ，然后是资产GydF4y2Ba JGydF4y2Ba 与市场同向波动，即与市场正相关。GydF4y2Ba

  • 如果GydF4y2Ba BGydF4y2Ba JGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 1.GydF4y2Ba ，然后是资产GydF4y2Ba JGydF4y2Ba 走势相反，但与市场波动相同，即与市场负相关。GydF4y2Ba

  • 如果GydF4y2Ba BGydF4y2Ba JGydF4y2Ba =GydF4y2Ba 0GydF4y2Ba ，然后是资产GydF4y2Ba JGydF4y2Ba 与市场无关。GydF4y2Ba

一般来说:GydF4y2Ba

  • sGydF4y2Ba 我GydF4y2Ba GGydF4y2Ba NGydF4y2Ba (GydF4y2Ba BGydF4y2Ba JGydF4y2Ba )GydF4y2Ba 确定资产相对于市场的移动方向，如前面所述。GydF4y2Ba

  • |GydF4y2Ba BGydF4y2Ba JGydF4y2Ba |GydF4y2Ba 是决定资产波动性大小的因素GydF4y2Ba JGydF4y2Ba 是相对于市场的。例如，如果GydF4y2Ba |GydF4y2Ba BGydF4y2Ba JGydF4y2Ba |GydF4y2Ba =GydF4y2Ba 1.GydF4y2Ba 0GydF4y2Ba ，然后是资产GydF4y2Ba JGydF4y2Ba 是市场波动的10倍。GydF4y2Ba

加载和处理数据GydF4y2Ba

加载财务工具箱中包含的CAPM数据集™.GydF4y2Ba

负载GydF4y2BaCAPMuniverseGydF4y2BavarWithNaNs =资产(任何(isnan(数据),1))GydF4y2Ba
瓦维森斯=GydF4y2Ba1x2电池GydF4y2Ba{'AMZN'}{'GOOG'}GydF4y2Ba
dateRange=datestr（[日期（1）日期（结束）]）GydF4y2Ba
日期范围=GydF4y2Ba2x11字符数组GydF4y2Ba‘2000年1月3日’‘2005年11月7日’GydF4y2Ba

的变量GydF4y2Ba数据GydF4y2Ba是一个1471×14的数字矩阵，包含一组12只股票（第1列至第12列）、一项无风险资产（第13列）和整个市场（第14列）的每日回报率。回报率从2000年1月3日至2005年11月7日进行测量。GydF4y2Ba阿姆兹GydF4y2Ba和GydF4y2Ba谷歌GydF4y2Ba在抽样过程中进行了首次公开募股，因此缺少价值。GydF4y2Ba

为响应和预测序列分配变量。GydF4y2Ba

Y = bsxfun (@minus、数据(:1:12),数据(:,14));X = Data(:，13) - Data(:，14);大小的(T, n) = (Y)GydF4y2Ba
T=1471GydF4y2Ba
n=12GydF4y2Ba

YGydF4y2Ba是由无风险回报调整的1471×12回报矩阵。GydF4y2BaXGydF4y2Ba是由无风险回报调整的市场回报的1471乘1向量。GydF4y2Ba

建立多元时间序列模型GydF4y2Ba

创建一个GydF4y2Ba瓦姆GydF4y2Ba描述CAPM模型的模型对象。您必须指定响应级数的数目和自回归多项式的程度。GydF4y2Ba

Mdl=varm（n，0）；GydF4y2Ba

MdlGydF4y2Ba是一个GydF4y2Ba瓦姆GydF4y2Ba描述所需CAPM模型特征的模型对象。GydF4y2Ba

多元时间序列模型的估计GydF4y2Ba

通过CAPM型号规格(GydF4y2BaMdlGydF4y2Ba)，回应系列(GydF4y2BaYGydF4y2Ba)，以及预测数据(GydF4y2BaXGydF4y2Ba)GydF4y2Ba估计GydF4y2Ba。请求返回估计的多元时间序列模型和估计的系数标准误差。GydF4y2Ba估计GydF4y2Ba使用期望条件最大化（ECM）算法最大化可能性。GydF4y2Ba

[EstMdl，ESTCOFFSEMDL]=估计值（Mdl，Y，GydF4y2Ba“X”GydF4y2Ba, X);GydF4y2Ba

EstMdlGydF4y2Ba具有与相同的结构GydF4y2BaMdlGydF4y2Ba但是GydF4y2BaEstMdlGydF4y2Ba包含参数估计。GydF4y2BaEstCoeffSEMdlGydF4y2Ba是包含参数估计的估计标准误差的结构数组。GydF4y2BaEstCoeffSEMdlGydF4y2Ba:GydF4y2Ba

  • 包含有偏差的最大似然标准误差。GydF4y2Ba

  • 不包括期内协方差的估计标准误差。GydF4y2Ba

分析系数估计GydF4y2Ba

显示回归估计，他们的标准误差，他们的GydF4y2BaTGydF4y2Ba统计数据,GydF4y2BaPGydF4y2Ba-默认情况下，软件估计、存储和显示最大可能性的标准误差。GydF4y2Ba

结果=总结（EstMdl）；结果表GydF4y2Ba
ans=GydF4y2Ba24×4表GydF4y2Ba值StandardError TStatistic PValue ___________ _____________ __________ __________ Constant(1) 0.0044305 0.0013709 3.2319 0.0012298 Constant(2) 0.00016934 0.0012625 0.13413 0.8933 Constant(3) -0.00039977 0.00072318 -0.5528 0.5804 Constant(4) -0.00067309 0.00070971 -0.9484 0.34293 Constant(5) 0.00018643 0.001389 0.13421 0.89324 Constant(6)0.0046034 0.0014338 3.2107 0.0013242常量(7)0.0015126 0.00088576 1.7077 0.087697常量(8)-0.00022511 0.00050184 -0.44856 0.65375常量(9)0.00020429 0.00072638 0.28124 0.77853常量(10)0.00016834 0.00042152 0.39937 0.68962常量(11)0.0004766 0.00086392 0.55167 0.58118常量(12)0.00083861 0.00093527 0.89665 0.3699 Beta(1,1)1.385 0.20647 6.708 1.9727e-11 Beta(2,1) 1.4067 0.19016 7.3974 1.3886e-13 Beta(3,1) 1.0482 0.10892 9.6237 6.353e-22 Beta(4,1) 0.84687 0.10689 7.9226 2.3256e-15⋮GydF4y2Ba

响应系列6有一个重要的资产alpha。GydF4y2Ba

sigASymbol=资产（6）GydF4y2Ba
西格森波尔=GydF4y2Ba1 x1单元阵列GydF4y2Ba{“google”}GydF4y2Ba

因此GydF4y2Ba谷歌GydF4y2Ba具有可开发的经济属性。GydF4y2Ba

所有资产beta均大于3。这表明所有资产均与市场显著相关。GydF4y2Ba

然而,GydF4y2Ba谷歌GydF4y2Ba资产贝塔系数约为GydF4y2Ba0.37GydF4y2Ba，而所有其他资产beta均大于或接近1。这表明GydF4y2Ba谷歌GydF4y2Ba约占市场波动的37%原因是GydF4y2Ba谷歌GydF4y2Ba当市场经历波动性水平运动时，价值稳定且几乎持续升值。GydF4y2Ba

有关更多细节和替代分析，请参见GydF4y2Ba缺失数据的资本资产定价模型GydF4y2Ba.GydF4y2Ba

另见GydF4y2Ba

物体GydF4y2Ba

功能GydF4y2Ba

相关的话题GydF4y2Ba

计量经济学工具箱文件GydF4y2Ba

金宝app

用MATLAB建模金融风险的实用指南GydF4y2Ba

用MATLAB建模金融风险的实用指南GydF4y2Ba

下载电子书GydF4y2Ba