Model Penentuan Harga Aset Modal (CAPM) – Menggunakan Python – Menuju AI – Teknologi, Sains, dan Teknik Terbaik

Penulis: Jayashree domala

Visualisasi Data, Pemrograman

Model Penentuan Harga Aset Modal (CAPM) – Menggunakan Python

Panduan untuk mengetahui tentang CAPM dan mengimplementasikannya dengan Python.

Foto oleh Maxim Hopman (Unsplash)

Apa itu CAPM?

Model penetapan harga aset modal (CAPM) sangat banyak digunakan dan dianggap sebagai konsep yang sangat fundamental dalam berinvestasi. Ini menentukan hubungan antara risiko dan pengembalian aset yang diharapkan, khususnya saham.

Apa persamaan CAPM?

CAPM ditentukan dengan rumus berikut:

dimana ‘i’ adalah saham individu

r (i)

β (i) = beta dari ‘i’

r (m)

α (i)

β dari saham ‘i’ memberi tahu kita tentang risiko saham akan menambah portofolio dibandingkan dengan pasar. β = 1 artinya saham tersebut sejalan dengan pasar.

Menurut CAPM, nilai α diharapkan nol dan sangat acak dan tidak dapat diprediksi.

Persamaan yang terlihat di atas berbentuk y = mx + b dan oleh karena itu dapat diperlakukan sebagai bentuk regresi linier.

Bagaimana cara menerapkannya dengan Python?

→ Instal paket

Paket scipy akan digunakan. Ini memiliki fungsi untuk menghitung regresi linier. Bersamaan dengan itu, panda diimpor untuk menangani data dan datanya diperoleh menggunakan datareader pandas. Visualisasi dilakukan melalui matplotlib.

>>> dari statistik impor scipy
>>> impor panda sebagai pd
>>> impor pandas_datareader sebagai web
>>> impor tanggal waktu
>>> impor matplotlib.pyplot sebagai plt
>>>% matplotlib sebaris

→ Data

Tanggal mulai dan berakhir ditentukan dan analisis dilakukan dalam interval itu sendiri.

>>> mulai = datetime.datetime (2013,1,1)
>>> akhir = datetime.datetime (2016,1,1)

Dapatkan data untuk pasar seperti ‘SPY’ (SPDR S&P 500).

>>> df_spy = web.DataReader (‘SPY’, ‘yahoo’, start, end)
>>> df_spy.head ()

Selanjutnya diperoleh data untuk suatu saham. Stok yang digunakan disini adalah Facebook.

>>> df_fb = web.DataReader (‘FB’, ‘yahoo’, start, end)
>>> df_fb.head ()

→ Visualisasikan

Menurut CAPM, harus ada hubungan antara kinerja saham dan kinerja pasar yang akan dilihat kedepannya.

>>> df_fb[‘Close’].plot (label = ‘Facebook’, figsize = (10,8))
>>> df_spy[‘Close’].plot (label = ‘SPY’)
>>> plt.legend ()

→ Statistik

Dilihat dari plotnya, sepertinya kinerja saham meniru kinerja pasar. Jadi secara statistik mereka bisa dibandingkan. Hasil kumulatif ditemukan.

>>> df_fb[‘Cumu’] = df_fb[‘Close’]/ df_fb[‘Close’].loc[0]
>>> df_spy[‘Cumu’] = df_spy[‘Close’]/ df_spy[‘Close’].loc[0]
>>> df_fb[‘Cumu’].plot (label = ‘Facebook’, figsize = (10,8))
>>> df_spy[‘Cumu’].plot (label = ‘SPY’)
>>> plt.legend ()

Pendapatan harian juga ditentukan.

>>> df_fb[‘daily_ret’] = df_fb[‘Close’].pct_change (1)
>>> df_spy[‘daily_ret’] = df_spy[‘Close’].pct_change (1) >>> plt.scatter (df_fb[‘daily_ret’], df_spy[‘daily_ret’])

Scatter plot menunjukkan bahwa ada hubungan antara return harian saham dan pasar.

→ Menemukan nilai alfa dan beta

Nilai alfa dan beta ditemukan dengan menggunakan paket statistik scipy dan memanggil fungsi regresi liniernya. Saat menemukan pengembalian harian, baris pertama memiliki nilai NaN dan oleh karena itu saat melewati kolom untuk regresi linier, semuanya dari baris pertama dipertimbangkan.

>>> LR = stats.linregress (df_fb[‘daily_ret’].loc[1:], df_spy[‘daily_ret’].loc[1:]) >>> LR
LinregressResult (kemiringan = 0.14508921572501682, intersep = 0.0002066678439426573, rvalue = 0.41761756846081083, pvalue = 2.8903149350900316e-33, stderr = 0.011496201726453189)

Model regresi linier dibangun. Ini memiliki 5 nilai yang dapat diperoleh melalui pembongkaran tuple. Kelima nilai tersebut adalah beta, alpha, rvalue, pvalue dan standard error.

>>> beta, alfa, r_val, p_val, std_err = LR >>> beta
0.14508921572501682 >>> alfa
0,0002066678439426573

Perhatikan bahwa CAPM mengatakan bahwa alpha mendekati nol, itu juga dapat dilihat di sini. Dan nilai beta tinggi jika saham berperilaku seperti pasar. Oleh karena itu, nilai beta sangat rendah di sini karena tidak banyak hubungan di antara keduanya.

Lihat buku catatan di sini.

Hubungi saya: LinkedIn

Lihat pekerjaan saya yang lain: GitHub

Capital Assets Pricing Model (CAPM) – Menggunakan Python awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Towards AI

Leave a Reply