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

Einführung in das Portfoliorisikomanagement mit Python

Kurs anzeigen

Anleitung zur Übung

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 Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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