P11-Python金融数据分析｜套利定价模型APT
- APT模型是计算单一股票的预期收益率并且确定哪些因素对这些股票的价格变化具有影响力。
- APT模型和CAPM模型对比，APT模型的
- 优点：考虑了更多因素，能够更准确地解释资产价格波动的原因，
- 缺点：如何确定因子和因子敏感度等问题
- 最小二乘回归分析和APT模型的关系？
- 最小二乘回归分析是 一种用于估计自变量和因子之间的关系统计方法。
- $$ Y = b_0 + b_1X_1 + e $$
- Y表示因变量，
- X1表示自变量
- b0和b1是线性回归模型的参数
- e是误差项
- 可以帮助我们分析b0和b1的值。
- APT模型也是一种多因子线性回归模型， APT目标是找到一组因子。
- 总结：
- 最小二乘回归分析用来评估单个因素对资产收益率的影响
- APT模型来估计多个因素对资产收益率的影响
- 截距 是一个常数项，它用来计算模型的预测值，使预测的更加准确。
- <aside> 🏅 如果数据集中的因变量和自变量之间有很强的正相关关系，那么截距可能会相对较小，因为当自变量增加时，因变量的值也会相应增加。
- </aside>
