用Python实现资本资产定价模型(CAPM)

news2025/3/31 14:26:13

使用 Python 计算资本资产定价模型(CAPM)并获取贝塔系数(β)。

步骤 1:导入必要的库
import pandas as pd
import yfinance as yf
import statsmodels.api as sm
import matplotlib.pyplot as plt
步骤 2:定义参数并下载数据
# 设置参数
RISKY_ASSET = 'AMZN'       # 风险资产(亚马逊股票)
MARKET_BENCHMARK = '^GSPC' # 市场基准(标普500指数)
START_DATE = '2014-01-01'  # 开始日期
END_DATE = '2018-12-31'    # 结束日期

# 从雅虎财经下载数据
df = yf.download([RISKY_ASSET, MARKET_BENCHMARK],
                 start=START_DATE,
                 end=END_DATE,
                 adjusted=True,  # 使用调整后的收盘价(包含股息和拆股)
                 progress=False)  # 关闭下载进度条

print("前5行数据:\n", df.head())
步骤 3:处理数据并计算收益率
# 提取调整后的收盘价并重命名列
prices = df['Adj Close'].rename(columns={RISKY_ASSET: 'asset', MARKET_BENCHMARK: 'market'})

# 重采样为月度数据,取每月最后一天的收盘价
monthly_prices = prices.resample('M').last()

# 计算简单收益率(月度)
returns = monthly_prices.pct_change().dropna()

print("月度收益率数据:\n", returns.head())

 

步骤 4:计算贝塔系数(β)​

方法一:协方差与方差之比

# 计算协方差矩阵
covariance_matrix = returns.cov()
covariance = covariance_matrix.iloc[0, 1]  # 资产与市场的协方差

# 计算市场方差
market_variance = returns['market'].var()

# 计算贝塔系数
beta = covariance / market_variance
print(f"贝塔系数(协方差法): {beta:.4f}")

方法二:线性回归

# 准备回归数据(市场收益为自变量X,资产收益为因变量y)
X = returns['market']          # 自变量(市场收益)
y = returns['asset']           # 因变量(资产收益)
X = sm.add_constant(X)         # 添加截距项

# 拟合线性回归模型
model = sm.OLS(y, X).fit()

# 输出回归结果
print(model.summary())

# 提取贝塔系数
beta_regression = model.params['market']
print(f"贝塔系数(回归法): {beta_regression:.4f}")
步骤 5:处理非零无风险利率(示例)​

方法一:从雅虎财经获取 13 周国债利率(^IRX)​

# 下载国债利率数据
df_rf = yf.download('^IRX', start=START_DATE, end=END_DATE)

# 转换为月度数据(取每月最后一个值)
rf_monthly = df_rf.resample('M').last()['Close'] / 100  # 转换为小数形式

# 计算月无风险利率(假设90天期限)
n_days = 90  # 13周国债的期限
rf = (1 / (1 - rf_monthly * n_days / 360)) ​** (1 / n_days)  # 日利率
rf_monthly_rate = (rf ​** 30) - 1  # 转换为月利率

# 绘制无风险利率趋势
rf_monthly_rate.plot(title='Risk-Free Rate (13-Week Treasury Bill)')
plt.ylabel('Monthly Rate')
plt.show()

方法二:从 FRED 获取 3 个月国债利率(TB3MS)​

import pandas_datareader.data as web

# 下载 FRED 数据
rf = web.DataReader('TB3MS', 'fred', start=START_DATE, end=END_DATE)

# 转换为月利率(年利率转为月复利)
rf_monthly_rate = (1 + rf / 100) ​** (1/12) - 1

# 绘制结果
rf_monthly_rate.plot(title='Risk-Free Rate (3-Month Treasury Bill)')
plt.ylabel('Monthly Rate')
plt.show()

步骤 6:使用无风险利率调整的 CAPM

# 假设已获取无风险利率 rf_monthly_rate(与 returns 时间索引对齐)
# 计算超额收益
risk_free_rate = rf_monthly_rate.squeeze()  # 确保形状匹配
excess_returns = returns.sub(risk_free_rate, axis=0)

# 准备回归数据(市场超额收益为X,资产超额收益为y)
X_excess = excess_returns['market']
y_excess = excess_returns['asset']
X_excess = sm.add_constant(X_excess)  # 添加截距项

# 拟合模型
model_excess = sm.OLS(y_excess, X_excess).fit()
print(model_excess.summary())

QWQ

  • 贝塔系数(β)​:若 β = 1.67,表示亚马逊股票的波动性比市场高 67%。
  • 截距项(Alpha)​:若截距接近零且不显著,说明资产收益完全由市场风险溢价解释。

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2324496.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Linux进程管理之子进程的创建(fork函数)、子进程与线程的区别、fork函数的简单使用例子、子进程的典型应用场景、父进程等待子进程结束后自己再结束

收尾 进程终止:子进程通过exit()或_exit()终止,父进程通过wait()或waitpid()等待子进程终止,并获取其退出状态。?其实可以考虑在另一篇博文中来写 fork函数讲解 fork函数概述 fork() 是 Linux 中用于创建新进程的系统调用。当…

妙用《甄嬛传》中的选妃来记忆概率论中的乘法公式

强烈推荐最近在看的不错的B站概率论课程 《概率统计》正课,零废话,超精讲!【孔祥仁】 《概率统计》正课,零废话,超精讲!【孔祥仁】_哔哩哔哩_bilibili 其中概率论中的乘法公式,老师用了《甄嬛传…

【MySQL篇】事务管理,事务的特性及深入理解隔离级别

目录 一,什么是事务 二,事务的版本支持 三,事务的提交方式 四,事务常见操作方式 五,隔离级别 1,理解隔离性 2,查看与设置隔离级别 3,读未提交(read uncommitted&a…

项目实战-角色列表

抄上一次写过的代码: import React, { useState, useEffect } from "react"; import axios from axios; import { Button, Table, Modal } from antd; import { BarsOutlined, DeleteOutlined, ExclamationCircleOutlined } from ant-design/icons;const…

26_ajax

目录 了解 接口 前后端交互 一、安装服务器环境 nodejs ajax发起请求 渲染响应结果 get方式传递参数 post方式传递参数 封装ajax_上 封装ajax下 了解 清楚前后端交互就可以写一些后端代码了。小项目 现在写项目开发的时候都是前后端分离 之前都没有前端这个东西&a…

Kafka中的消息是如何存储的?

大家好,我是锋哥。今天分享关于【Kafka中的消息是如何存储的?】面试题。希望对大家有帮助; 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 在 Kafka 中,消息是通过 日志(Log) 的方式进行存储的。…

Altium Designer——同时更改多个元素的属性(名称、网络标签、字符串标识)

右键要更改的其中一个对象,选择查找相似… 进入到筛选界面,就是选择你要多选的对象的共同特点(名字、大小等等),我这里要更改的是网络标签,所以我选择Text设置为一样。 点击应用就是应用该筛选调节&#…

当模板方法模式遇上工厂模式:一道优雅的烹饪架构设计

当模板方法模式遇上工厂模式:一道优雅的烹饪架构设计 模式交响曲的实现模板方法模式搭建烹饪骨架(抽象类)具体菜品(子类) 工厂模式 模式协作的优势呈现扩展性演示运行时流程控制 完整代码 如果在学习 设计模式的过程中…

企业级知识库建设:自建与开源产品集成的全景解析 —— 产品经理、CTO 与 CDO 的深度对话

文章目录 一、引言二、主流产品与方案对比表三、自建方案 vs. 开源产品集成:技术路径对比3.1 自建方案3.2 开源产品集成方案 四、结论与个人观点 一、引言 在当今数据驱动的商业环境中,构建高质量的知识库已成为企业数字化转型的关键一环。本博客分别从…

vue3项目配置别名

vue3项目配置别名 src别名的配置TypeScript 编译配置如果出现/别名引入报找不到的问题 src别名的配置 在开发项目的时候文件与文件关系可能很复杂,因此我们需要给src文件夹配置一个别名!!! // vite.config.ts import {defineCon…

[ C语言 ] | 从0到1?

目录 认识计算机语言 C语言 工欲善其事必先利其器 第一个C语言代码 这一些列 [ C语言 ] ,就来分享一下 C语言 相关的知识点~ 认识计算机语言 我们说到计算机语言,语言,就是用来沟通的工具,计算机语言呢?就是我们…

[Mac]利用Hexo+Github Pages搭建个人博客

由于我这台Mac基本没啥环境,因此需要从零开始配置,供各位参考。 注意⚠️:MacBook (M4)使用/bin/zsh作为默认Shell,其对应的配置文件为~/.zshrc 参考文档: HEXO系列教程 | 使用GitHub部署静态博客HEXO | 小白向教程 文…

Qt在IMX6ULL嵌入式系统中图片加载问题排查与解决

Qt在IMX6ULL嵌入式系统中图片加载问题排查与解决(保姆级教学!) 在使用Qt开发IMX6ULL嵌入式系统的过程中,我遇到了图片加载的常见问题。本文将分享问题排查的详细过程和解决方案,希望能帮助遇到类似困难的开发者。 问题…

界面控件Telerik和Kendo UI 2025 Q1亮点——AI集成与数据可视化

Telerik DevCraft包含一个完整的产品栈来构建您下一个Web、移动和桌面应用程序。它使用HTML和每个.NET平台的UI库,加快开发速度。Telerik DevCraft提供完整的工具箱,用于构建现代和面向未来的业务应用程序,目前提供UI for ASP.NET MVC、Kendo…

pycharm终端操作远程服务器

pycharm项目已经连接了远程服务器,但是打开终端,却依旧显示的是本地的那个环境,也就是说没有操作远程的那个环境。只能再使用Xshell去操作远程环境,很麻烦,找了下教程。 来源:https://blog.csdn.net/maolim…

接口测试中数据库验证,怎么解决?

在接口测试中,通常需要在接口调用前后查询数据库,以验证接口操作是否正确影响了数据库状态。​这可以通过数据库断言来实现,PyMySQL库常用于连接和操作MySQL数据库。​通过该库,可以在测试中执行SQL语句,查询或修改数据…

Playwright从入门到实战:比Selenium更快的数据爬取案例实战

摘要 Playwright 是微软开源的下一代浏览器自动化工具,凭借其高性能、跨浏览器支持和现代化设计,迅速成为 Web 自动化领域的热门选择。本文将从 安装配置 开始,通过 实战演练 展示其核心功能,并与 Selenium 深度对比,…

day1_Flink基础

文章目录 Flink基础今日课程内容目标为什么要学Flink技术更新迭代市场需求 流式计算批量计算概念特点 批量计算的优势和弊端流式计算生活中流场景流式计算的概念 Flink简介Flink历史Flink介绍 Flink架构体系已学过的框架技术Flink架构 Flink集群搭建Flink的集群模式Standalone模…

使用FastExcel时的单个和批量插入的问题

在我们用excel表进行插入导出的时候,通常使用easyexcel或者FastExcel,而fastexcel是easy的升级版本,今天我们就对使用FastExcel时往数据库插入数据的业务场景做出一个详细的剖析 场景1 现在我们数据库有一张组织表,组织表的字段…

交换技术综合实验

一、实验拓扑 二、实验要求 内网IP地址使用172.16.0.0/16分配。 SW1和SW2之间互为备份。 VRRP/STP/VLAN/Eth-trunk均使用。 所有PC通过DHCP获取IP地址。 ISP只能配置IP地址。 所有电脑可以正常访问ISP路由器。 三、实验步骤 基于172.16.0.0/16进行划分 172.16.2.0/24&…