大家好，欢迎来到IT知识分享网。
CAPM & APT & FF三因子模型
因子投资基础
CAPM (资本资产定价模型)
横轴为风险（标准差sigma），纵轴为预期收益。
风险越高，收益就越高
这条C-M直线描绘的对于整个市场的收益，其对于单支股票并不适应，所以后面换了个横轴, 为单个证券对整个市场的联动性 σ i , M σ M \frac{\sigma_{i,M}}{\sigma_M} σMσi,M。
也就是CAPM公式了
E [ R i ] = R f + c o v ( R i , R M ) v a r ( R M ) ( E [ R M ] − R 0 ) c o v ( R M , R M ) v a r ( R M ) = R f + c o v ( R i , R M ) v a r ( R M ) ( E [ R M ] − R 0 ) E[R_i] = R_f +\frac{cov(R_i,R_M)}{var(R_M)} \frac{(E[R_M]-R_0)}{\frac{cov(R_M,R_M)}{var(R_M)}} = R_f +\frac{cov(R_i,R_M)}{var(R_M)}(E[R_M]-R_0) E[Ri]=Rf+var(RM)cov(Ri,RM)var(RM)cov(RM,RM)(E[RM]−R0)=Rf+var(RM)cov(Ri,RM)(E[RM]−R0)
注意这 v a r ( R ) = σ 2 ( R ) var(R)=\sigma^2(R) var(R)=σ2(R)
APT套利定价理论
截面数据 & 时间序列数据 & 面板数据
- 横截面数据，也称截面数据、静态数据，是统计学与计量经济学中的一类数据集，通过观察许多主体（如个人、公司、国家、地区等）在同一时间点或同一时间段截面上反映一个总体的一批（或全部）个体的同一特征变量的观测值。例如，经济普查数据、人口普查数据、家庭收入调查数据。横断面数据分析通常比较被选择的主体的差异。
–时间序列数据，小规模数据或者聚集数据在一系列时间点上被观测。 - 面板数据（或称纵向数据）是截面数据与时间序列数据的结合。面板数据不同于混合横截面数据（pooled cross-sectional data）。面板数据是对 同一主体的不同时间点的观测值。混合横截面数据是在不同时点从同一个大总体内部分别抽样，将所得到的数据混合起来的一种数据集。如许多关于个人、家庭和企业的调查，每隔一段时间，常常是每隔一年，重复进行一次，如果每个时期都抽取一个随机样本，那么把所得到的随机样本合并起来就给出一个混合横截面。
横截面数据可施加横截面回归，及对截面数据的回归分析。
定价误差 α \alpha α
alpha 出现的原因
如果alpha 显著不为0， 那么称之为异象（Anomaly）， 从投资的角度来说，我们就需要买入alpha显著不为0， alpha越大的资产
线性多因子模型
这里从单个时间点做分析，T时刻资产i的超额收益率 R i T R_{iT} RiT ； α i \alpha_i αi 表示第 i i i 个资产的定价误差， β i \beta_i βi表示因子暴露矩阵， λ T \lambda_T λT表示T时刻的因子收益率， ϵ i T \epsilon_{iT} ϵiT 表示T时刻的随机扰动，
Fama-French三因子模型
三因子的计算公式
利用alpha大小进行购买股票
截屏来源： https://www.youtube.com/live/Bf79VTLRjtI
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/117593.html
