【推薦書籍】
統計學(含概要)歷屆試題詳解、
統計學:重點觀念與題解(上) 、統計學:重點觀念與題解(下) 、計量經濟學與財務工程、
統計學精選666題
【推薦課程】
行動版、數位課程
從事股票交易的投資者,一個常用的交易方式是根據過去的資訊(例如技術分析等),猜測未來股價的走向。但這種方法可以適用的前提是股票報酬過去的統計性質,與未來的統計性質是一致或者是相似的,這樣才可以透過鑑往知來的方式擬定交易策略。但時間序列的資料中,其統計性質(例如平均、標準差等統計測量數)通常具有因時而異 (time-varying) 的特色。所謂的因時而異,指的是統計性質不是固定的。嚴謹的因時而異定義需用到時間序列的單根 (unit root),單根的內容我會在計量經濟的課程中介紹到,但這裡使用更通俗的方式介紹因時而異的概念。舉例來說,假使某個股的報酬率在不同時點的平均與標準差(可利用樣本的統計量作為衡量)是類似的,那其統計性質是穩定的。但若其在不同時點的平均與標準差有明顯的不同,則可能存在因時而異的統計性質。
以下使用台灣 50 中權重佔比最高的 5 檔個股的近 5 年日報酬資料進行分析,首先分別計算在個年份的樣本平均數與標準差。可以看出,無論是在平均或者是標準差,在不同年份之間的值有顯著的差異。但考慮到平均與標準差可能受到大盤的影響,因此亦考慮到與大盤連動的 Beta 值作為分析。雖然 Beta 值之差異程度不如平均與標準差這樣的巨大,但也是有顯著的差異。最後提醒各位同學,進行時間序列資料的分析時,務必要考慮可能存在的因時而異的統計性質,方能提供有效的統計推論。
2017 - 2021 年的日報酬率平均(單位: %)
台積電 | 聯發科 | |
---|---|---|
2017 年 | 0.0966 | 0.1259 |
2018 年 | -0.0072 | -0.1011 |
2019 年 | 0.1593 | 0.2734 |
2020 年 | 0.1921 | 0.2128 |
2021 年 | 0.0612 | 0.1916 |
鴻海 | 聯電 | 富邦金 | |
---|---|---|---|
2017 年 | 0.0505 | 0.0904 | -0.0024 |
2018 年 | -0.2119 | -0.0951 | -0.0305 |
2019 年 | 0.1032 | 0.1577 | -0.0058 |
2020 年 | 0.0054 | 0.4298 | 0.0031 |
2021 年 | 0.0505 | 0.1321 | 0.2408 |
2017 - 2021 年的日報酬率標準差(單位: %)
台積電 | 聯發科 | |
---|---|---|
2017 年 | 0.9863 | 1.9103 |
2018 年 | 1.7034 | 2.3028 |
2019 年 | 1.3959 | 1.8150 |
2020 年 | 1.8930 | 2.8162 |
2021 年 | 1.4793 | 2.5573 |
鴻海 | 聯電 | 富邦金 | |
---|---|---|---|
2017 年 | 1.4090 | 1.6357 | 0.8982 |
2018 年 | 1.6976 | 1.9787 | 1.0848 |
2019 年 | 1.4967 | 1.6928 | 0.9279 |
2020 年 | 1.7090 | 2.7616 | 1.4870 |
2021 年 | 2.0239 | 2.7694 | 1.8085 |
2017 - 2021 年的 Beta 值
台積電 | 聯發科 | |
---|---|---|
2017 年 | 0.4017 | 0.1275 |
2018 年 | 0.4839 | 0.2512 |
2019 年 | 0.4105 | 0.1677 |
2020 年 | 0.6108 | 0.3095 |
2021 年 | 0.5703 | 0.2603 |
鴻海 | 聯電 | 富邦金 | |
---|---|---|---|
2017 年 | 0.2661 | 0.0741 | 0.2885 |
2018 年 | 0.3624 | 0.2275 | 0.6223 |
2019 年 | 0.2690 | 0.1812 | 0.3590 |
2020 年 | 0.5766 | 0.1953 | 0.6930 |
2021 年 | 0.3388 | 0.2641 | 0.3277 |