歷史數據
計算 beta 係數時的最佳實踐
我想知道如何選擇回報的“頻率”（每日、每月等）、“時間框架”（1 年或 3 年或 5 年的歷史數據等）、基準（與投資組合相同或特定的投資組合）等參數每種資產的市場等 - 即 AAPL.US 和 ^GSPC.US、LUX.MI 和 FTSEMIB.MI）在計算給定資產相對給定基準（即 AAPL.US 和 ^GSPC.US）的 beta 係數時用簡單的線性回歸模型。
不同的數據提供者顯示相同資產的不同貝塔係數，那麼是否有可能與個人“投資期限”相關的最佳實踐？
從通過 CAPM 估計收益的角度來看，請記住這一點，以獲得更好的均值變異數投資組合優化。
一種被廣泛接受的估計 Beta 的方法是 Vasicek (1973) 方法，它通過線性回歸計算 Beta 的初步估計值，然後將其“縮小”（調整）到 1 以補償 OLS Beta 往往太高的事實橫截面中的極端（離 1 太遠）。我認為這是標準。
最近，Ivo Welch 發表了一種相對簡單的新方法，他聲稱優於包括 Vasicek 方法在內的多種其他方法。它有可能成為一個新的標準。他的論文是Simpler Better Market Betas（SSRN 連結），其中包含對先前已知的計算 Beta 方法的詳盡（有點令人筋疲力盡）討論。
這裡沒有單一的答案，因為 beta 只是一個統計數據。不要讓定性金融世界告訴你 beta 是（或不是）。Beta 在公司財務中的表述可能有所不同——所以要了解你的聽眾。
超過 3 個月的 Beta 變化會更快，而 5 年的 Beta 變化會更慢。您需要考慮您要回答的問題，並從那裡決定什麼對您的問題是正確的。