التحليل المالي العام في بيثون (الجزء 3)

حول الانحدار الخطي

• Y = المتغير التابع (النتيجة / التنبؤ / التقدير)
• C = ثابت (تقاطع ص)
• M = منحدر خط الانحدار (منحدر أو ميل الخط المقدر ؛ وهو المبلغ الذي يزداد به Y في المتوسط ​​إذا زدنا X بمقدار وحدة واحدة)
• X = متغير مستقل (المتنبئ المستخدم في التنبؤ Y)

نسبة بيتا

• يشير الصفر إلى عدم وجود ارتباط بين الأسهم والمؤشر
• تشير الوحدة إلى أن السهم لديه نفس تقلبات المؤشر
• أكثر من واحد - يشير إلى ربحية أعلى (وبالتالي المخاطر) للسهم من المؤشر
• أقل من واحد - مخزون أقل تقلبًا من المؤشر

ممارسة

# 
import pandas as pd
import yfinance as yf
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm

# 
ticker = ['AFLT.ME','IMOEX.ME']
stock = yf.download(ticker)

#    
all_adj_close = stock[['Adj Close']]

#   
all_returns = np.log(all_adj_close / all_adj_close.shift(1))

#      
aflt_returns = all_returns['Adj Close'][['AFLT.ME']].fillna(0)

#      
moex_returns = all_returns['Adj Close'][['IMOEX.ME']].fillna(0)


#   DataFrame

return_data = pd.concat([aflt_returns, moex_returns], axis=1)[1:]
return_data.columns = ['AFLT.ME', 'IMOEX.ME']


#      X  y
X = sm.add_constant(return_data['IMOEX.ME'])
y = return_data['AFLT.ME']


#  
model_moex = sm.OLS(y,X).fit()

#  
print(model_moex.summary())

sp_500 = yf.download('^GSPC')
fb = yf.download('FB')

#    
fb = fb.resample('BM').apply(lambda x: x[-1])
sp_500 = sp_500.resample('BM').apply(lambda x: x[-1])

monthly_prices = pd.concat([fb['Close'], sp_500['Close']], axis=1)
monthly_prices.columns = ['FB', '^GSPC']

monthly_returns = monthly_prices.pct_change(1)
clean_monthly_returns = monthly_returns.dropna(axis=0)  

X = clean_monthly_returns['^GSPC']
y = clean_monthly_returns['FB']

X1 = sm.add_constant(X)

model_fb_sp_500 = sm.OLS(y, X1)

results_fb_sp_500 = model_fb_sp_500.fit()
print(results_fb_sp_500.summary())

from scipy import stats
slope, intercept, r_value, p_value, std_err = stats.linregress(X, y)

print(slope)

1.0568997978702754

• مربع R ، وهو معامل التحديد ويأخذ القيم من 0 إلى 1. كلما كانت قيمة المعامل أقرب إلى 1 ، كلما كان الاعتماد أقوى ؛
• صفة R- مربع - مربع R المعدل حسب عدد المشاهدات وعدد درجات الحرية ؛
• خطأ معياري - الخطأ المعياري لتقدير المعامل ؛
• P> | t | - p- قيمة أقل من 0.05 تعتبر ذات دلالة إحصائية ؛
• 0.025 و 0.975 هي القيم الدنيا والعليا لفاصل الثقة.
• إلخ