기금넷 공식사이트 - 헤지 펀드 - 베타는 무슨 뜻인가요?

베타는 무슨 뜻인가요?

베타 계수는 큰 접시에 대한 투자 대상의 성과를 반영하는 통계학 개념이다. 절대값이 클수록 그 수익은 큰 접시에 비해 변화폭이 커진다. 절대값이 작을수록 변화 폭이 시장에 비해 작아진다. 음수인 경우 변경 방향이 시장과 반대임을 나타냅니다. 큰 접시가 오르면 떨어지고, 큰 접시가 떨어지면 오른다. 우리가 투자 펀드에 투자하는 목적은 전문가의 금융 서비스를 받기 위한 것이기 때문에 더 넓은 시장에서 수동적인 투자보다 더 나은 실적을 얻기 위한 것이기 때문에 이 지표는 펀드 매니저가 투자 변동의 위험 능력을 낮추는 지표로 삼을 수 있다. 베타 계수를 계산할 때 펀드의 실적 데이터 외에 시장 실적을 반영하는 지표로 사용해야 합니다.

β 계수 계산

베타 계수는 회귀법으로 계산한다. 베타 계수는 1 입니다. 즉, 증권 가격은 시장에 따라 다릅니다. 베타 계수는 1 보다 높습니다. 즉, 증권가격이 전체 시장보다 변동이 더 큽니다. 베타는 1 (0 보다 큼) 보다 낮습니다. 즉, 유가 변동률이 시장의 변동률보다 낮습니다.

β 계수 계산 공식

공식은 \ beta _ a = \ frac {\ mbox {cov} (r _ a, r _ m)} {\ sigma _ m 2} 입니다

여기서 Cov(ra, RM) 는 증권 A 의 이익과 시장 이익 사이의 공분산입니다. Sigma _ m2 는 시장 수익률의 분산입니다.

왜냐하면:

Cov(ra, rm) = ρamσaσm a σ m.

그래서 공식도 다음과 같이 쓸 수 있습니다.

\ 베타 _ a = \ rho _ {am} \ cdot \ frac {\ sigma _ a} {\ sigma _ m}

여기서 ρam 은 증권 a 와 시장 간의 상관 계수입니다. σa 는 증권 a 의 표준 편차입니다. σm 은 시장의 표준 편차입니다.

이 공식에 따르면 베타 계수는 증권 가격의 변동과 전체 시장의 변동 사이의 직접적인 관계를 나타내지 않는다.

베타가 커질수록 증권 가격 변동 (σa) 이 시장 전체 변동 (σm) 에 비해 커진다고 절대적으로 말할 수는 없다. 마찬가지로, β가 작을수록 σa 가 σ m 보다 작다는 것을 완전히 의미하지는 않습니다.

β 계수 적용

베타 계수는 시장 (또는 넓은 시장) 변화에 대한 개별 주식의 민감도를 반영합니다. 즉, 개별 주식과 넓은 시장 또는 통속적인' 주식' 의 상관관계를 반영합니다. 시장 동향 예측에 따라 베타 계수가 다른 증권을 선택하여 추가 수익을 얻을 수 있으며, 특히 밴드 작업에 적합합니다. 큰 우시장이나 큰 시세를 자신 있게 예측할 때, 베타 계수가 높은 증권을 선택해야 한다. 그것은 시장 수익률을 배가시켜 높은 수익을 가져다 줄 것이다. 반대로, 곰 시장이 도착하거나 시장의 하락 단계가 도래할 때, 베타계수가 낮은 증권을 선택하여 시장 위험을 막고 손실을 피하도록 자신의 투자 구조를 조정해야 한다.

체계적이지 않은 위험을 피하기 위해 해당 시장 추세에서 베타 계수가 같거나 유사한 증권을 선택하여 포트폴리오를 만들 수 있습니다. 예를 들어 한 주식의 베타는 1.3 입니다. 즉, 큰 시장이 1% 상승할 때 1.3% 상승할 수 있고, 그 반대의 경우도 마찬가지입니다. 그러나 한 주식의 베타 계수가-1.3% 이면 큰 시장이 1% 상승할 때 1.3% 하락할 수 있음을 의미합니다. 마찬가지로 큰 시장이 1% 떨어지면 1.3% 상승할 수 있습니다.

베타 계수는 단일 증권 또는 포트폴리오의 증권 시장 체계적 위험 변화 정도를 반영하는 중요한 지표입니다. 베타 계수를 계산함으로써 투자자는 개별 증권 또는 포트폴리오가 앞으로 직면하게 될 시장 위험 상황을 얻을 수 있습니다. 일반적으로 베타 계수는 과거 데이터에서 계산되며, 과거 데이터에서 계산된 베타 계수가 일정한 안정성을 가지고 있는지 여부는 베타 계수의 적용 효과에 직접적인 영향을 미칩니다. CHOW 검사법은 중국 증권시장에서 이미 완전 유통주식을 실현한 상장회사를 검증하는 데 쓰인다. 연구에 따르면 대부분의 상장 기업의 베타 계수는 전체 유통 후 크게 변하지 않았으며 베타 계수를 사용하여 시스템 위험의 신뢰성을 예측하는 것은 여전히 ​​매우 높습니다.