嘿，我一眼就揪出你代码里的关键问题了——Beta系数的计算公式搞反了分母！

核心错误：方差的计算对象错了 #

根据Beta的定义，它的公式是：

Beta = （标的收益与大盘收益的协方差） / （大盘收益的方差）

但你代码里写的是：

variance = array.variance(sym_chg_arr) // 这里取的是标的自身的方差，完全错了！
beta = covariance / variance

这直接导致计算结果被错误地缩小（或放大），和真实Beta值偏差极大。

额外优化建议 #

除了核心公式错误，还有两个点可以优化，让结果更贴合行业常用的Beta计算逻辑：

• 控制样本窗口大小：你当前的数组会无限累积所有历史数据，计算的是"全历史Beta"，但市场上通常用滚动窗口Beta（比如最近252个交易日，对应一年的交易日数量），避免过时数据干扰。
• 数据对齐保障：使用security函数时，加上参数确保SPX数据和当前标的K线完全对齐，避免因停牌、不同交易时间导致的数据错位。

修正后的完整代码 #

//@version=4
study("滚动窗口Beta", overlay=false)

// 配置滚动窗口大小（默认252个交易日，可调整）
window_length = input(title="滚动窗口天数", type=input.integer, defval=252, minval=10)

// 当前标的日收益率
sym_change = roc(close, 1)
// 获取SPX收盘价，确保数据对齐
spx_close = security("SPX", timeframe.period, close, barmerge.gaps_off, barmerge.lookahead_off)
// SPX日收益率
spx_change = roc(spx_close, 1)

// 初始化固定大小的数组，超过窗口长度就移除最早的元素
var sym_chg_arr = array.new_float(0)
var spx_chg_arr = array.new_float(0)

array.push(sym_chg_arr, sym_change)
array.push(spx_chg_arr, spx_change)

// 保持数组长度不超过设定的窗口
if array.size(sym_chg_arr) > window_length
    array.shift(sym_chg_arr)
    array.shift(spx_chg_arr)

// 正确计算Beta：协方差 / 大盘收益的方差
covariance = array.covariance(sym_chg_arr, spx_chg_arr)
spx_variance = array.variance(spx_chg_arr)
beta = covariance / spx_variance

// 绘制结果
plot(beta, color=color.yellow, linewidth=2, histbase=0)
hline(1, "市场Beta基准", color=color.blue, linestyle=hline.style_dashed)
hline(0)

验证提示 #

修正后你可以拿一只已知Beta的股票测试，比如大盘股的Beta通常接近1，成长股可能大于1，防御股小于1，这样就能快速验证结果是否合理了。

内容的提问来源于stack exchange，提问作者whatever