Das 5-Faktoren-Modell
2015 erweiterten Fama und French ihr vorheriges 3-Faktoren-Modell um zwei zusätzliche Faktoren:
- RMW: Profitabilität
- CMA: Investition
Der RMW-Faktor steht für die Renditen von Unternehmen mit hoher operativer Profitabilität im Vergleich zu solchen mit niedriger operativer Profitabilität, und der CMA-Faktor steht für die Renditen von Unternehmen mit aggressiven Investitionen gegenüber solchen, die konservativer vorgehen.
Das Objekt FamaFrenchData ist in deinem Workspace verfügbar und enthält neben den bisherigen Faktoren auch die Faktoren RMW und CMA.
Diese Übung ist Teil des Kurses
Einführung in das Portfoliorisikomanagement mit Python
Anleitung zur Übung
- Nutze, was du in den vorherigen Übungen gelernt hast, und definiere das Regressionsmodell
FamaFrench5_modelfürPortfolio_Excessgegen die ursprünglichen drei Fama-French-Faktoren (Market_Excess,SMB,HML) sowie die zwei neuen Faktoren (RMW,CMA). - Fitte das Regressionsmodell und speichere die Ergebnisse in
FamaFrench5_fit. - Extrahiere den adjustierten R-Quadrat-Wert und weise ihn
regression_adj_rsqzu.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import statsmodels.formula.api
import statsmodels.formula.api as smf
# Define the regression formula
FamaFrench5_model = smf.ols(formula='Portfolio_Excess ~ Market_Excess + SMB + HML ____ ', data=FamaFrenchData)
# Fit the regression
FamaFrench5_fit = ____
# Extract the adjusted r-squared
regression_adj_rsq = ____
print(regression_adj_rsq)