Preguntas sobre beta, correlación y covarianza

Question

Actualmente, calculo las medidas de beta, correlación y covarianza utilizando los rendimientos log normales diarios del valor A y del índice de referencia A. ¿Qué significaría si utilizara los rendimientos log normales diarios en exceso en estas pruebas? En tal caso, tengo dos definiciones hipotéticas de exceso de rentabilidad 1. rendimiento diario - rendimiento medio 2. rendimiento diario del valor A - rendimiento diario del índice de referencia A

¿Hay alguna ventaja en hacer esto?

Si estoy comparando el valor A con los puntos de referencia A, B y C, donde hay cierta correlación entre los puntos de referencia, ¿cómo podría "limpiar" esta correlación, de modo que cuando ejecute la comparación, la correlación que calcule entre el valor A y los puntos de referencia sea más clara? (Por ejemplo, la seguridad A tiene una correlación de 0,5 con el punto de referencia A, de 0,3 con el B y de 0,7 con el C, independientemente de la correlación de los puntos de referencia entre sí).

Nota: añadir la covarianza a la lista de medidas ya que juega un papel en la beta y la varianza del puerto.

Answer 1

Estoy un poco confundido por esto.

Si el "exceso de rendimientos" = diario - rendimientos medios, esto no debería cambiar ninguno de los resultados de beta, correlación o covarianza.

Si "exceso" = valor - mercado, entonces la beta debería ser 1 menor. La correlación y la covarianza deberían ser proporcionalmente más bajas, pero esencialmente sin sentido.

Sobre las correlaciones "limpias", esto es realmente difícil. Es fácil de preguntar, pero se complica rápidamente. Imagina que correlacionas a Apple con el S&P y el NASDAQ: y la correlación es del ~80% con ambos índices, que están correlacionados en un ~90% entre sí. "Limpiar" esto para tratar de decir que realmente es uno más que el otro es esencialmente tratar de inferir la causalidad de la correlación, que es un enorme campo de minas ;-)

Pero si insiste, tendría que hacer un análisis de componentes principales de sus 3 índices. Esto tomaría sus rendimientos y construiría las 3 señales cruzadas del mercado que explican los rendimientos y son independientes entre sí. La regresión de su valor con respecto a estas tres PC le proporciona (teóricamente) una beta y una atribución de rendimiento a estas diferentes señales cruzadas del mercado.