Regresión utilizando los precios de cierre cíclicos del S&P500

Question

Estoy intentando averiguar cómo reacciona el S&P500 ante el cambio en los sentimientos alcistas de la gente y el cambio en la asignación de la gente en acciones. La proporción alcista y la asignación de acciones son mis variables explicativas (en porcentaje) y el precio de cierre mensual del S&P500 es mi variable independiente. A continuación se muestra un ejemplo de mis datos:

cabeza(sp500)
Fecha SP500 Acciones alcistas
1 2016-07-30 100 51 25
2 2016-08-30 109 40 32
3 2016-09-30 107 42 29

Si detraigo los precios mensuales de mi S&P500 utilizando la función loess() en R y obtengo los componentes cíclicos, ¿cómo interpretaría los coeficientes en el modelo de regresión? Si el coeficiente para Acciones fuera 3, ¿significaría que por cada aumento del 1% en la asignación a acciones, los precios del S&P500 aumentarían 3 puntos? Dado que los precios tienen una tendencia negativa, creo que estoy interpretando mal las unidades del resultado de la regresión, especialmente para la variable independiente.

Answer 1

Comentarios rápidos:

• Es casi seguro que los precios de las acciones no estacionario . Si intentas hacer una regresión con un proceso que contiene un raíz unitaria probablemente no estarás estimando lo que crees que estás estimando. Yo personalmente no entiendo lo que estás haciendo con los precios de las acciones y loess .

• Generalmente cuando se trabaja con acciones etc..., se trabaja con:

  • Devoluciones: $ R_t = \frac{S_t + D_t}{S_{t-1}}$ donde $D_t$ incluye todas las distribuciones y $S_t$ es el precio de la cigüeña.

  • Vuelve el registro: $r_t = \log R_t = \log\left(S_t + D_t \right) - \log S_{t-1}$

    También puede tener algún ratio como el de dividendos respecto al precio, el de beneficios respecto al precio o algún otro que sea estacionario.

• El momento es muy importante. Hay que ser meticulosamente preciso en cuanto a la sincronización de las variables y ajustar lo que se hace a la pregunta que se formula.

  • Por ejemplo, si se hace una regresión entre la rentabilidad de las acciones en enero y el resultado de una encuesta a finales de enero, un resultado estadísticamente significativo podría deberse a que la gente reacciona a la rentabilidad de las acciones. (por ejemplo, si la pregunta de la encuesta de finales de enero fuera "¿cuánto ha subido el mercado?)
  • Si estás tratando de predecir los rendimientos en el tiempo $t$ es engañoso tener información a la derecha de su regresión que no está disponible en el momento $t$ .