Das Fama-French-3-Faktoren-Modell

Das Fama-French-Modell ergänzt das CAPM um zwei weitere Faktoren, um Renditen von Anlagen zu erklären:

$$ R_{P} = RF + \beta_{M}(R_{M}-RF)+b_{SMB} \cdot SMB + b_{HML} \cdot HML + \alpha $$

SMB: Der Small-minus-Big-Faktor
$b_{SMB}$: Exposure gegenüber dem SMB-Faktor
HML: Der High-minus-Low-Faktor
$b_{HML}$: Exposure gegenüber dem HML-Faktor
$\alpha $: Performance, die durch keine anderen Faktoren erklärt wird
$\beta_{M}$: Beta zum breiten Marktportfolio B

Der DataFrame FamaFrenchData ist in deinem Workspace verfügbar und enthält die Faktoren HML und SMB als Spalten für diese Übung.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in das Portfoliorisikomanagement mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Definiere ein Regressionsmodell, das Portfolio_Excess als Funktion von Market_Excess, SMB und HML erklärt.
Extrahiere den adjustierten R-Quadrat-Wert aus FamaFrench_fit.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import statsmodels.formula.api
import statsmodels.formula.api as smf 

# Define the regression formula
FamaFrench_model = smf.ols(formula='____', data=FamaFrenchData)

# Fit the regression
FamaFrench_fit = FamaFrench_model.fit()

# Extract the adjusted r-squared
regression_adj_rsq = ____
print(regression_adj_rsq)

Code bearbeiten und ausführen