如何用R线性回归计算金融Beta与Theta(时间衰减)及结果解读

一、现有系数的解读 #

你的理解完全正确：

• priceA的系数（0.1959）就是你定义的Beta：在保持months_past不变的前提下，priceA每增加1个单位，priceY平均上涨0.1959个单位。
• months_past的系数（-56.2）就是你定义的Theta：在保持priceA不变的前提下，每经过1个月，priceY平均下跌56.2个单位。
  两个变量的Pr(>|t|)值都远小于0.05，说明系数的统计显著性很高。

二、计算priceA上涨1%时priceY的变动系数 #

要得到priceA变动1%对应的priceY变动幅度，有两种常用方法：

方法1：对数变换后回归 #

这是最直接的方式，对priceA和priceY取对数后做回归，此时log(priceA)的系数就是弹性系数，可直接解读为：priceA上涨1%，priceY平均上涨约Z%（变动幅度较小时近似度极高）。

R代码示例：

# 对priceY和priceA取自然对数后回归
lmS9_log = lm(log(priceY) ~ months_past + log(priceA), data = S9)
summary(lmS9_log)

查看结果中log(priceA)的Estimate值，就是你需要的Z。

方法2：利用现有回归结果计算点弹性 #

如果不想重新拟合模型，可以结合现有Beta系数和变量均值计算点弹性，它表示在变量均值水平上的百分比变动关系：
公式：弹性 = Beta * (priceA均值 / priceY均值)

R代码示例：

# 计算变量均值（忽略缺失值）
mean_priceA = mean(S9$priceA, na.rm = TRUE)
mean_priceY = mean(S9$priceY, na.rm = TRUE)

# 提取现有回归的Beta系数
beta_coef = coef(lmS9)["priceA"]

# 计算弹性
price_elasticity = beta_coef * (mean_priceA / mean_priceY)
print(price_elasticity)

输出的数值就是在均值水平下，priceA上涨1%时priceY上涨的百分比。

内容的提问来源于stack exchange，提问作者Nick Chubb