calulando_Beta.py

# -*- coding: utf-8 -*-
"""
Calculando Beta
Autor: Guillermo Izquierdo
Este código es para fines educativos

"""
import matplotlib
import pandas_datareader as pdr
import matplotlib.pyplot as plt
import statsmodels.api as sm
import datetime
import numpy as np
matplotlib.style.use('ggplot')

#Definimos una fecha de análisis
end = datetime.datetime(2017,11,29).isoformat()
start = datetime.datetime(2017,2,1).isoformat()


index = pdr.get_data_yahoo('^DJI', start=start, end=end)
index_close = index['Close'] #Seleccionamos la columna de cierre

stock = pdr.get_data_yahoo('TSLA', start=start, end=end)
stock_close = stock['Close'] #Seleccionamos la columna de cierre

#Calculamos los retornos diarios
index = index_close.pct_change().dropna().values
stock = stock_close.pct_change().dropna().values

#Definimos el modelo usando stats models
x = sm.add_constant(index)
model = sm.OLS(stock,x)
results = model.fit()
beta = results.params[1]
alpha = results.params[0]
vector = stock * beta + alpha
#Validamos el modelo usando polifit de numpy
z = np.polyfit(index, stock, 1)
#Imprimimos los resultados
print(results.summary())
print(z)
print('La Beta de nuestro modelo es:', beta)
#Graficamos nuestro modelo de regresión por OLS
plt.figure()
plt.scatter(stock, index, color='r')
plt.plot(stock, vector, color='b')
plt.title('Beta')
plt.show()