Stata: 实时估计个股的贝塔(beta)系数

查看原文

其他

Stata: 实时估计个股的贝塔(beta)系数

Original 连玉君 Stata连享会 2020-02-10

作者：连玉君

Stata 现场培训报名中……
点击底部【阅读原文】查看推文中的链接并下载相关资料
连玉君-2018暑期Stata研讨班(7.23-8.2)

目的

使用 cntrade 命令下载个股和指数日资料，合并后估计 CAPM 模型，以便得到个股的贝塔(beta)系数，进而对个股的 贝塔(beta)系数 进行统计分析。

1. 下载个股交易资料

1.1 下载方法

只需输入如下命令即可下载 贵州茅台 自上市起至昨日的日交易数据，下载后的数据自动存储于当前工作路径下，名称为 “600519.dta”：

cntrade 600519

数据详情如下：

1.2 Stata 范例

. global id="600519"    //600519  贵州茅台
. cntrade $id
. global nn = stknme[1]   //股票简称

*-股价时序图
. use "$id.dta", clear
. tsset date  //设定为时间序列变量
. tsline clsprc ,  ///
    xlabel(,angle(60)) subtitle("$nn $id")
. graph export "$out\price_$id.png", replace

输出图片为：

2. 下载指数数据

2.1 基本下载方法

只需在 cntrade 命令后附加 index 选项即可下载如下指数：

000001 The Shanghai Composite Index (上证综合指数).
000300 CSI 300 Index (沪深 300).
399001 Shenzhen Component Index (深成指).

例如：

2.2 批量下载多个指数并做进一步处理

foreach i in "399001" "000001" "000300" {
  cntrade `i', index
  rename rmt retmkt_`i'  //更该指数收益名称，便于与个股合并
  save index_`i'.dta, replace
  erase `i'.dta
}

2.3 Stata 范例：沪深 300 时序图

* 调用其中一个指数数据：
. use index_000300.dta, clear // 沪深300指数
. tsset date
. tsline clsprc ,  ///
    xlabel(,angle(60)) subtitle("沪深300指数")

3. 合并个股和指数数据

. use "index_399001.dta", clear
. merge 1:1 date using "$id.dta", nogen
. gen year = year(date)
. order date year index* stk* ret*
. save "merge_$id.dta", replace

4. 估计 CAPM 模型

4.1 基本模型

. use "merge_$id.dta", clear
. reg rit retmkt

结果如下：

4.2 散点图和拟合情况

#delimit ;
. twoway 
 (scatter rit retmkt if year<2008&abs(retmkt)<0.4,  
  xline(0,lp(dash) lc(red)) 
  yline(0,lp(dash) lc(red)) msize(*0.2))
 (lfit rit retmkt);
. graph export "$out\scatter_$id.png", replace    ;
#d cr

4.3 分时段估计

1998-2007

global yr = 2008 reg rit retmkt if year<$yr //&abs(retmkt)<0.4 // OLS aaplot rit retmkt if e(sample), /// xline(0,lp(dash) lc(red)) /// yline(0,lp(dash) lc(red)) msize(*0.6) /// title("$nn ($id) 的 Beta 系数, 1998-2007") /// xtitle("市场指数收益率(深成指)") graph export "$out\aaplot_$id_b$yr.png", replace regfit, f(%4.2f) tvalue //呈现拟合方程

.   regfit, f(%4.2f) tvalue   //呈现拟合方程

rit =  0.00 + 0.61*retmkt_399001
       (3.90) (20.44)
       N = 1466, R2 = 0.22, adj-R2 = 0.22
Note: t-value in parentheses

2008-2018

. reg rit retmkt if year>=$yr //&abs(retmkt)<0.4  // OLS
. aaplot rit retmkt if e(sample),  ///
    xline(0,lp(dash) lc(red)) ///
    yline(0,lp(dash) lc(red)) msize(*0.6)    ///
    title("$nn ($id) 的 Beta 系数, 2008-2017") ///
    xtitle("市场指数收益率(深成指)")
. graph export "$out\aaplot_$id_a$yr.png", replace
. regfit, f(%4.2f) tvalue   //呈现拟合方程

.   regfit, f(%4.2f) tvalue   //呈现拟合方程        

rit =  0.00 + 0.54*retmkt_399001
       (2.44) (28.93)
       N = 2490, R2 = 0.25, adj-R2 = 0.25
Note: t-value in parentheses

5. 分析个股 Beta 系数变化特征

5.1 逐年回归

. bysort year: reg rit retmkt, noheader

逐年回归: 更为简洁的处理方法

. statsby _b[retmkt], by(year) ///
    saving("beta_data.dta", replace): ///
    reg rit retmkt

变化趋势

  *-变化趋势      
    preserve
    use "beta_data.dta", clear
    keep if _stat!=.
    qui sum year
    local byr = r(min)
    local eyr = r(max)
    list
    #d ;
    twoway connect _stat year,  
           yline(1, lpattern(dash) lcolor(red*0.3)) 
           xlabel(`byr'(2)`eyr')
           ylabel(,angle(0) format(%2.1f)) 
           subtitle("$nn ($id) 的Beta系数")
           ytitle("beta") xtitle("");
    #d cr
    graph export "$out\beta $nn $id.png", replace
  restore

附：完整命令

*         =============================
*         
*          Stata 连享会: 证券分析系列 
*
*                 2. Beta 系数
* 
*         =============================

*-注意：执行后续命令之前，请先执行如下命令
  global path "d:\cnstock\beta"  //只需修改自路径即可，其他文件夹会自动生成
  cd $path
  cap mkdir data
  cap mkdir refs
  cap mkdir out
  cap mkdir adofiles  
  global D    "$path\data"      //范例数据
  global R    "$path\refs"      //参考文献
  global out  "$path\out"       //图形和表格结果
  adopath +   "$path\adofiles"  //添加外部命令所在路径  
  cd $D

  set scheme s2color 

/*    
*------------------
*- 0 安装外部命令
*------------------

  *-设定安装外部路径的位置
    net set ado "$path\adofiles"
    net set other "$D"  //外部命令附带的 example datasets 等存放于此

  *-安装外部命令
    ssc install cntrade, replace //下载个股和市场指数实时数据, SJ 14(2):381--388
    ssc install openall, replace //批量合并
    ssc install aaplot, replace 
    ssc install regfit, replace  
*/



*---------------------
*- 1 下载个股交易资料
*---------------------

  *-请输入股票代码
  *-股票代码查询
    view browse "http://quote.stockstar.com/stock/stock_index.htm"
    *-部分股票代码
/*
    global id="000002"    //000002  万科
    global id="600028"    //600028  中石化
    global id="000527"    //000527  美的电器,已经退市
    global id="000651"    //000651  格力电器 
    global id="000429"    //000429  粤高速A  
    global id="000541"    //000541  佛山照明  
    global id="000596"    //000596  古井贡酒  
    global id="000799"    //000799  酒鬼酒  
    global id="600048"    //600048  保利地产 2006年07月31日
    global id="600115"    //600115  东方航空 
    global id="600085"    //600085  同仁堂
    global id="600249"    //600249  两面针
    global id="300398"    //300398  飞凯材料    2014年10月09日
    global id="603799"    //603799  华友钴业,2015年01月29日
    global id="300431"    //300431  暴风影音, 2015年03月24日
*/

    global id="600519"    //600519  贵州茅台

    cntrade $id
    global nn = stknme[1]   //股票简称

    use "$id.dta", clear
    tsset date  //设定为时间序列变量
    *-股价时序图
    tsline clsprc , xlabel(,angle(60)) subtitle("$nn $id")
    graph export "$out\price_$id.png", replace

*------------------
*- 2 下载指数数据
*------------------    

  *  -Index Codes and Index Names:
  *
  *   000001   The Shanghai Composite Index (上证综合指数).
  *   000300   CSI 300 Index (沪深 300).
  *   399001   Shenzhen Component Index (深成指).

    foreach i in "399001" "000001" "000300" {
      cntrade `i', index
      rename rmt retmkt_`i'
      save index_`i'.dta, replace
      erase `i'.dta
    } 

/* 调用其中一个指数数据：
    use index_000300.dta, clear // 沪深300指数
    tsset date
    tsline clsprc , xlabel(,angle(60)) subtitle("沪深300指数")
*/

*-----------------------
*- 3 合并个股和指数数据
*-----------------------

   use "index_399001.dta", clear

   merge 1:1 date using "$id.dta", nogen

   gen year = year(date)
   order date year index* stk* ret*

   save "merge_$id.dta", replace


*---------------------------------
*- 4 估计CAPM模型并分析 Beta 系数
*---------------------------------

*-估计CAPM模型

  use "merge_$id.dta", clear
  *winsor2 reti, replace  // winsor 处理
  reg rit retmkt

  #delimit ;
  twoway 
    (scatter rit retmkt if year<2008&abs(retmkt)<0.4,  
       xline(0,lp(dash) lc(red)) 
         yline(0,lp(dash) lc(red)) msize(*0.2))
      (lfit rit retmkt);
  #d cr    

    // 图示拟合情况    
    global yr = 2008
    reg rit retmkt if year<$yr //&abs(retmkt)<0.4  // OLS

    aaplot rit retmkt if e(sample), xline(0,lp(dash) lc(red)) ///
            yline(0,lp(dash) lc(red)) msize(*0.6) ///  
            title("$nn ($id) 的 Beta 系数, 1998-2007") ///
            xtitle("市场指数收益率(深成指)")
    graph export "$out\aaplot_$id_b$yr.png", replace    

    regfit, f(%4.2f) tvalue   //呈现拟合方程

    reg rit retmkt if year>=$yr //&abs(retmkt)<0.4  // OLS
    aaplot rit retmkt if e(sample), xline(0,lp(dash) lc(red)) ///
            yline(0,lp(dash) lc(red)) msize(*0.6)    ///
            title("$nn ($id) 的 Beta 系数, 2008-2017") ///
            xtitle("市场指数收益率(深成指)")
    graph export "$out\aaplot_$id_a$yr.png", replace

    regfit, f(%4.2f) tvalue   //呈现拟合方程    


    *-逐年回归
    bysort year: reg rit retmkt, noheader

    *-逐年统计
    statsby _b[retmkt], by(year) saving("beta_data.dta", replace): ///
          reg rit retmkt

    *-变化趋势      
    preserve
      use "beta_data.dta", clear
      keep if _stat!=.
      qui sum year
      local byr = r(min)
      local eyr = r(max)
      list
      #d ;
      twoway connect _stat year,  
             yline(1, lpattern(dash) lcolor(red*0.3)) 
             xlabel(`byr'(2)`eyr')
             ylabel(,angle(0) format(%2.1f)) 
             subtitle("$nn ($id) 的Beta系数")
             ytitle("beta") xtitle("");
      #d cr
      graph export "beta $nn $id.wmf", replace
    restore     
  *--------------------------over------------------------

关于我们

【Stata 连享会(公众号：StataChina)】由中山大学连玉君老师团队创办，旨在定期与大家分享 Stata 应用的各种经验和技巧。
公众号推文同步发布于【简书-Stata连享会】和【知乎-连玉君Stata专栏】。可以在简书和知乎中搜索关键词Stata或Stata连享会后关注我们。
点击推文底部【阅读原文】可以查看推文中的链接并下载相关资料。
Stata 现场培训报名中

联系我们

欢迎赐稿： 欢迎将您的文章或笔记投稿至Stata连享会(公众号: StataChina)，我们会保留您的署名；录用稿件达五篇以上，即可免费获得 Stata 现场培训 (初级或高级选其一) 资格。
意见和资料： 欢迎您的宝贵意见，您也可以来信索取推文中提及的程序和数据。
招募英才： 欢迎加入我们的团队，一起学习 Stata。合作编辑或撰写稿件五篇以上，即可免费获得 Stata 现场培训 (初级或高级选其一) 资格。
联系邮件： StataChina@163.com

往期精彩推文 Stata连享会推文列表
连玉君-2018暑期Stata研讨班(7.23-8.2)

点击底部【阅读原文】查看推文中的链接并下载相关资料

Stata 现场培训报名中…… （北京 | 山西 | 广东）

《鱿鱼游戏2》今天下午四点开播，网友无心上班了，导演悄悄剧透

跟着南通住建局学“朝令夕改”

宾曰语云被法学教授投诉：严重侵权，“违法犯罪”！

当“上帝”变为“老天爷”

京东Plus的隐藏特权，很多会员都没领取，白交了会员费...

Stata: 实时估计个股的贝塔(beta)系数

目的

1. 下载个股交易资料

1.1 下载方法

1.2 Stata 范例

2. 下载指数数据

2.1 基本下载方法

2.2 批量下载多个指数并做进一步处理

2.3 Stata 范例：沪深 300 时序图

3. 合并个股和指数数据

4. 估计 CAPM 模型

4.1 基本模型

4.2 散点图和拟合情况

4.3 分时段估计

1998-2007

2008-2018

5. 分析个股 Beta 系数变化特征

5.1 逐年回归

逐年回归: 更为简洁的处理方法

变化趋势

附：完整命令

关于我们

联系我们

往期精彩推文 Stata连享会推文列表

您可能也对以下帖子感兴趣

《鱿鱼游戏2》今天下午四点开播，网友无心上班了，导演悄悄剧透

跟着南通住建局学“朝令夕改”

宾曰语云被法学教授投诉：严重侵权，“违法犯罪”！

当“上帝”变为“老天爷”

京东Plus的隐藏特权，很多会员都没领取，白交了会员费...

生成图片，分享到微信朋友圈

Stata: 实时估计个股的贝塔(beta)系数

目的

1. 下载个股交易资料

1.1 下载方法

1.2 Stata 范例

2. 下载指数数据

2.1 基本下载方法

2.2 批量下载多个指数并做进一步处理

2.3 Stata 范例：沪深 300 时序图

3. 合并个股和指数数据

4. 估计 CAPM 模型

4.1 基本模型

4.2 散点图和拟合情况

4.3 分时段估计

1998-2007

2008-2018

5. 分析个股 Beta 系数变化特征

5.1 逐年回归

逐年回归: 更为简洁的处理方法

变化趋势

附：完整命令

关于我们

联系我们

往期精彩推文 Stata连享会推文列表

您可能也对以下帖子感兴趣