共计 1221 个字符，预计需要花费 4 分钟才能阅读完成。
原文链接：http://tecdat.cn/?p=25675
一只 股票的_beta_值通常意味着它与市场的关系，当市场变动 1% 时，咱们冀望股票会产生多少百分比的变动。
市场，是一个有点含糊的概念，像平常一样，咱们应用规范普尔 500 指数进行近似计算。上述关系（以下简称 β）对交易和风险管理的许多方面是不利的。曾经确定的是，稳定率对于上涨的市场和上涨的市场有不同的动静。咱们无论如何都要应用回归来预计贝塔值，所以对于心愿拟合这种不对称性的投资者来说，分段线性回归是适合的。
这个想法很简略，咱们将数据集分成两个（或更多）局部，并别离、逐块或 _分段_预计每个局部。这个简略的想法能够用简单的符号和代码来实现。
为了阐明，我应用 Microsoft 股市收益率数据 (MSFT)。
我对不同收益率预计了不同的 β 值，正日在零以上，负日在零以下，所以零是咱们的突破点。(这个突破点在学术术语中被称为 “ 结 ”，为什么是 “ 结 “ 呢？因为它把两局部分割在一起。) 上面的图显示了后果。
getSymbols
for (i in 1:l){
dat0 = getSymbols
rt\[,i\] = dt\[,4\]/dt\[,1\] - 1
}
lal = lm
plot abline兴许 β 值始终都是一样的，直到极其的负值，只有说当市场急剧下降时，关系才会扭转。这属于结构性变动的领域。我思考沿轴线的点的网格，并建设一个模型，在每个点上有一个断点，断点前有一个斜率，断点后有一个斜率。我寻找整个样本的平方误差之和的最小值，所以我把两个模型的平方误差相加。下图显示了后果。
plot(ret\[,1\]~ret\[,2\]
segments
grid1
grid2
## 留神这里（ret\[,2\]<grid2\[i\]），是指标函数
for (i in 1:length(gid2) ) {
rneg <-lm
rpos <-lm
d\[i\]<- summary
}
plot
text
points
在最优模型上进行网格搜寻
好吧，数据说突破点不是零，但简直为零，运气不好，所有这些工作，我问你什么？好吧，为了应用正确的 _贝塔_，你当初要做的就是决定是熊市还是牛市 …… 应该是轻而易举的事。感激浏览，代码如下所示。
数据显示，结点不是零，但简直是零，为了应用正确的 β 值，你当初要做的就是决定，这是一个熊市还是一个牛市，谢谢浏览。
最受欢迎的见解
1.R 语言基于 ARMA-GARCH-VaR 模型拟合和预测实证钻研
2.R 语言时变参数 VAR 随机模型
3.R 语言预计时变 VAR 模型工夫序列的实证钻研
4.R 语言基于 ARMA-GARCH 过程的 VAR 拟合和预测
5.GARCH（1,1），MA 以及历史模拟法的 VaR 比拟
6.R 语言用向量自回归（VAR）进行经济数据脉冲响应
7.R 语言实现向量主动回归 VAR 模型
8.R 语言随机搜寻变量抉择 SSVS 预计贝叶斯向量自回归（BVAR）模型
9.R 语言 VAR 模型的不同类型的脉冲响应剖析
