BETA. ¿Qué es la Beta en Finanzas?

• Acerca de
• Últimas entradas

Victor A.Rico

Diplomado en Ciencias Empresariales y Operador del Mercado Español de Futuros y Opciones

Últimas entradas de Victor A.Rico (ver todo)

• Medidas de Forma : Asimetría - enero 3, 2025
• Medidas Estadísticas de Dispersión Relativa - junio 11, 2024
• Modelos SARIMA(Arima Estacionales).¿Qué son y cómo usarlos para Predecir? - enero 4, 2024

🔹 La beta es un concepto usado mucho en finanzas y estadística.

Este término es un coeficiente que indica el grado de variabilidad de la rentabilidad de una acción con respecto a la rentabilidad de su índice de referencia.

Es muy común que lo veamos en periódicos económicos donde se pone éste valor para ver la relación de los fondos de inversión con los índices u otros productos financieros. 📊

Además de ésto es también usual en estadística y econometría siendo parte de múltiples de modelos.

💶 Dentro del trading lo podemos usar para relacionar diferentes activos,por ejemplo para crear estrategias de arbitraje como la cointegración o multicointegración.

En éste vídeo tenéis un ejemplo práctico muy interesante para aprender a calcular la beta. ⬇️⬇️

CÓDIGO EN R STUDIO

## Beta FOREX


####  #######

#install.packages("quantmod")
library(quantmod)
#install.packages("tseries")
library(tseries)
#install.packages("fImport")
library(fImport)



# DESCARGA DE DATOS
# UTILIZAMOS 2 DIVISAS

#getFX("EUR/USD")
#getFX("GBP/USD")
#getFX("USD/CHF")
#getFX("AUD/USD")


#DATOS FRED

GBPUSD<-fredSeries("DEXUSUK",from="2010-01-01",to="2019-10-23")
USDCHF<-fredSeries("DEXSZUS",from="2010-01-01",to="2019-10-23")
EURUSD<-fredSeries("DEXUSEU",from="2010-01-01",to="2019-10-23") 


# Regresión Lineal para sacar betas

# 1 Hacemos los logaritmos de las series

#y = log(EURUSD)
#x = log(GBPUSD)

y= diff(log(EURUSD )) #variable dependiente
x= diff(log(GBPUSD))  #regresor o independiente

plot(EURUSD,type="l")
plot(GBPUSD,type="l")

library(tseries)

## REGRESION PARA 2 ACTIVOS 

modelo=lm(y~x)  # regresión lineal
modelo
summary(modelo)

# Beta = Pendiente del modelo

beta=coef(modelo)
beta


# 

cov(x,y)/var(x)


tabla<-data.frame(x,y)

#plot(tabla$GBP.USD,tabla$EUR.USD,ylab="EURUSD",xlab="GBPUSD")
plot(tabla$DEXUSUK,tabla$DEXUSEU,ylab="EURUSD",xlab="GBPUSD")
abline(modelo)




#Ventana mÓVIL DE SERIE BETA 

m<-(EURUSD)
nm<-(GBPUSD)

m<-y
nm<-x

vent<- 30
vent2<- vent-1




beta=c()
for(i in vent:length(m))
{f=lm(m[(i-vent2):i]~nm[(i-vent2):i])  
beta[i]=coef(f)[2]}

plot(beta,type="l")



BETA<-na.omit(beta)
BETA

hist(BETA)




#############



USDCHF<-fredSeries("DEXSZUS",from="2016-01-01",to="2019-10-23") 

EURUSD<-fredSeries("DEXUSEU",from="2010-01-01",to="2019-10-23") 

# retornos USDCHF

rUSDCHF= diff(log(USDCHF)) #muestra


x= rUSDCHF*100

plot(rUSDCHF,type="l")

#hist(rUSDCHF,breaks = 30)

#distribucion de frecuencias

#Debera instalar el paquete que vamos a llamar

install.packages("fdth")

library(fdth) # carga la extensión fdth (para el calculo de distribución de frecuencias.

## 

x<-na.omit(rUSDCHF@.Data)

distribucion <- fdt(x,breaks="Sturges") # calcula la distribución de frecuencias utilizando la regla Sturge

distribucion

#frecuencia absoluta
#frecuencia relativa
#frecuencia acumulada

hist(x, breaks=30)