Beta Sentimen
factor.formula
Model regresi return saham individu dan indeks sentimen pasar:
Rumus perhitungan faktor sensitivitas emosional:
Dalam rumus:
- :
Return harian saham i pada hari t biasanya dihitung sebagai (harga penutupan hari ini - harga penutupan hari sebelumnya) / harga penutupan hari sebelumnya.
- :
Nilai indeks sentimen pasar pada hari t. Indeks dapat terdiri dari beberapa indikator sentimen pasar, seperti tingkat perputaran, volume perdagangan, rasio batas harga, indeks opini publik, dll.
- :
Nilai indeks sentimen pasar pada hari t-1.
- :
Istilah intersep regresi saham i mewakili return yang diharapkan dari saham ketika indeks sentimen pasar tetap tidak berubah.
- :
Beta sentimen saham i diperoleh melalui regresi deret waktu, yang mengukur dampak perubahan indeks sentimen pasar terhadap return saham. Nilai positif menunjukkan bahwa return saham cenderung naik ketika sentimen pasar naik, sedangkan nilai negatif menunjukkan sebaliknya.
- :
Istilah residual dari model regresi mewakili bagian dari return saham i pada hari t yang tidak dapat dijelaskan oleh model.
factor.explanation
Faktor sensitivitas sentimen mengukur dampak perubahan sentimen pasar terhadap return saham individu melalui model regresi deret waktu, dan menggunakan nilai absolut dari koefisien Beta yang diperoleh dari regresi untuk menegasikannya sebagai nilai faktor akhir. Tujuan dari penegasian nilai absolut adalah untuk membuat nilai faktor konsisten dengan preferensi risiko, yaitu, semakin kecil nilainya, semakin besar kemungkinan saham individu akan terpengaruh negatif oleh sentimen pasar, dan semakin tinggi risikonya. Sebaliknya, semakin besar nilai faktor, semakin kecil kemungkinan saham individu terpengaruh negatif oleh sentimen pasar, dan semakin rendah risikonya. Oleh karena itu, faktor ini dapat digunakan untuk memperkirakan risiko dan memilih saham dalam investasi kuantitatif. Dalam aplikasi praktis, Anda dapat mempertimbangkan untuk menggunakan periode lihat-balik yang lebih panjang (seperti lebih dari 60 hari perdagangan) untuk regresi deret waktu guna meningkatkan stabilitas model.