没有合适的资源?快使用搜索试试~ 我知道了~
Fama-MacBeth回归python代码的实现
需积分: 0 18 下载量 191 浏览量
2023-05-16
11:18:51
上传
评论
收藏 11KB DOCX 举报
温馨提示
试读
1页
Fama-MacBeth回归是一种经济学中常用的回归分析方法,用于研究金融市场中各种因素对股票收益率的影响。该方法最早由美国经济学家Eugene Fama和James MacBeth在1973年提出,被广泛运用于证券投资、资产定价等领域。具体而言,Fama-MacBeth回归将时间序列上的截面数据分别进行回归分析,得到每个时间点上的回归系数。然后再对这些时间点上的回归系数进行截面分析,以获得更加准确和稳健的参数估计值。这种方法可以避免单一时间点上数据的不稳定性和缺乏代表性,从而提高了分析结果的可靠性。Fama-MacBeth回归具有很好的理论基础和实践应用,被广泛应用于金融学研究和投资实践中。
资源推荐
资源详情
资源评论
import pandas as pd
import statsmodels.api as sm
# 导入数据集
data = pd.read_csv('data.csv')
# 定义自变量和因变量
y = data['asset_return']
x1 = data['market_return']
x2 = data['mkt_cap']
x3 = data['book_to_market']
x4 = data['profit_factor']
x5 = data['investment_factor']
# 进行截面回归
intercept = pd.DataFrame([1]*len(data))
X = pd.concat([intercept, x1, x2, x3, x4, x5], axis=1)
model = sm.OLS(y,X).fit()
params = model.params
# 计算时间序列回归的系数
ts_params = []
for i in range(len(data)):
sub_data = data.iloc[i]
y_i = sub_data['asset_return']
x1_i = sub_data['market_return']
x2_i = sub_data['mkt_cap']
x3_i = sub_data['book_to_market']
x4_i = sub_data['profit_factor']
x5_i = sub_data['investment_factor']
beta_i = params[0] + params[1]*x1_i + params[2]*x2_i + params[3]*x3_i + params[4]*x4_i +
params[5]*x5_i
ts_params.append(beta_i)
# 输出结果
print("Fama-MacBeth 回归的系数:")
print("市场超额收益率: ", params[1])
print("市值: ", params[2])
print("账面市值比: ", params[3])
print("盈利因子: ", params[4])
print("投资因子: ", params[5])
print(" 时间序列回归的结果:")
print(ts_params)
资源评论
明天是个好天气~
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功