建立中国石化(600028)CAPM模型

财务的自我修养，微信公众号:机智出品(jizhjchupin)

一、系统环境：

Windows7+Python3.6+Jupyter Notebook

二、目标：

以近两年中国石化(600028)的收益率作为CAPM模型中的Ri，上证指数(000001)收益率作为Rm，计算中国石化Beta、Alpha值。2016年一年期国债利率为2.13%。

三、过程：

step 1：需要的库

import pandas as pd
import tushare as ts
import matplotlib.pyplot as plt
import statsmodels.api as sm

step 2：获取中国石化和上证指数数据并处理

#tushare获取市场数据
mktcd=ts.get_hist_data('sh',start='2015-10-01',end='2017-10-01')
mktret=pd.Series(mktcd.p_change.values,index=pd.to_datetime(mktcd.index))
mktret.name='mktret'
snp=ts.get_hist_data('600028',start='2015-10-01',end='2017-10-01')
snp.index=pd.to_datetime(snp.index)
snpret=pd.Series(snp.p_change.values,index=pd.to_datetime(snp.index))
snpret.name='snpret'

step 3：合并收益率并计算风险溢酬

ret=pd.merge(pd.DataFrame(mktret),
            pd.DataFrame(snpret),
            left_index=True,right_index=True,how='inner')
#计算无风险收益率
rf=1.0213**(1/360)-1
#计算股票超额收益率和市场风险溢酬
Eret=ret-rf

step 4：绘制两者收益率散点图

plt.scatter(Eret.values[:,0],Eret.values[:,1])
plt.title('SNP return and market return')
plt.show()

SNP return and market return.png

step 4：拟合CAPM模型

OLS()函数进行拟合

model=sm.OLS(Eret.snpret[1:],sm.add_constant(Eret.mktret[1:]))
result=model.fit()
result.summary()

OLS Regression Results

Variable:	snpret	squared:	0.468
Model:	OLS	Adj. R-squared:	0.467
Method:	Least Squares	F-statistic:	427.8
Date:	Mon, 02 Oct 2017	Prob (F-statistic):	1.22e-68
Time:	17:08:22	Log-Likelihood:	-645.24
No. Observations:	488	AIC:	1294.
Df Residuals:	486	BIC:	1303.
Df Model:	1
No. Observations:	488
Df Residuals:	486

	coef	std err	t	P>|t|	[0.025	0.975]
const	0.0295	0.041	0.715	0.475	-0.051	0.110
mktret	0.7018	0.034	20.684	0.000	0.635	0.768

Omnibus:	83.061	Durbin-Watson:	1.907
Prob(Omnibus):	0.000	Jarque-Bera (JB):	186.530
Skew:	0.897	Prob(JB):	3.13e-41
Kurtosis:	5.440	Cond. No.	1.22

四、结果：

根据OLS拟合结果，近两年中国石化与上证指数的关系为：
Ri-Rf=0.0295+0.7018(Rm-Rf)+ε
可根据该模型预估中国石化预期收益率。

机智出品.jpg