大約有多少比例的股票波動可以由市場走勢來解釋？
假設我們將股票的每日（對數）收益分解為貝塔乘以市場走勢加上一個特殊部分。如果這是事前完成的，市場成分與異質部分解釋了多少比例的變異數？我正在更多地尋找其他人的經驗法則/經驗，例如，基於標準普爾 1500 指數中的美國股票。另一種說法是“什麼是（平均/經驗法則/預期/花園品種）皮爾遜相關性股票收益與市場收益之間的係數？”
2011 年 8 月的 Axioma 研究論文，使用多種風險模型進行卓越的投資組合管理……不僅適用於 Quants，我相信完全回答了你的問題。請注意第 8 頁頂部的圖表。他們比較了從 2008 年 1 月到 2009 年 1 月的中等水平基本面和統計因素模型。在此期間開始時，他們發現大約 30% 的主動風險來自共同的基本面因素（如a % 的變異數），其餘由股票特定因素解釋。統計因素的相應數字為 40%。在 2008-2009 年危機期間，基本面因素的這一數字高達 50%，統計因素的這一數字接近 70%。本文中包含的其他研究表明，對於他們的短期風險模型，這些數字會更高。我猜想，共同風險比例最近下降到與 2008 年初相似的水平，甚至可能低於更長時期的水平。
我相信在過去 3 年左右的時間裡 $ R^2 $ 使用中等水平基本面因素模型，實際回報對模型回報的回歸在 30s % 的低位，這與他們的數據大體一致，意味著共同風險比例在 2009 年和 2010 年繼續下降。
**附錄：**先前的研究涉及 $ R^2 $ 每日回報，這是您問題的本質。然而，一些額外的研究表明，每月 $ R^2 $ 高得多，目前約為 60%，並且一段時間以來一直呈上升趨勢。1995 年 $ R^2 $ 一直低於 20%。2000 年為 20-30%，在危機期間偶爾會增加到 40% 以上。即使在相對平靜的 2000 年代中期 $ R^2 $ 一直在 30% 到 40% 之間。
今天很多人都在談論股票存在“相關性泡沫”，但考慮到這些趨勢持續了多長時間，我會驚訝地發現 $ R^2 $ 很快就會跌至接近 1990 年代的水平。從今以後，我認為我們可以依靠至少 40% (30%) 的月（日）回報歸因於各種廣泛的因素，可能要高得多。
順便說一句，除了整個市場本身，最重要的因素是行業、規模、動力和波動性。