p-Werte und Koeffizienten
Du kannst das Attribut .pvalues an einem gefitteten smf.ols-Regressionsmodell verwenden, um die p-Werte für jeden Koeffizienten abzurufen.
In der Regel gelten p-Werte unter 0,05 als statistisch signifikant.
Koeffizienten lassen sich über das Attribut .params aus dem gefitteten Regressionsobjekt extrahieren.
In diesem Beispiel würde ein statistisch signifikanter negativer SMB- („Small Minus Big“-)Koeffizient auf eine Faktor-Exposure in Large-Cap-Aktien hindeuten, während ein positiver Koeffizient auf eine Exposure in Small-Cap-Aktien hinweist.
Das gefittete Regressionsmodell FamaFrench_fit aus der vorherigen Übung ist in deinem Workspace verfügbar.
Diese Übung ist Teil des Kurses
Einführung in das Portfoliorisikomanagement mit Python
Anleitung zur Übung
- Extrahiere den p-Wert für
'SMB'. - Extrahiere den Regressionskoeffizienten für
'SMB'.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Extract the p-value of the SMB factor
smb_pval = FamaFrench_fit.____
# If the p-value is significant, print significant
if smb_pval < 0.05:
significant_msg = 'significant'
else:
significant_msg = 'not significant'
# Print the SMB coefficient
smb_coeff = FamaFrench_fit.____
print("The SMB coefficient is ", smb_coeff, " and is ", significant_msg)