El modelo de 3 factores de Fama-French
El modelo de Fama-French añade de forma conocida dos factores adicionales al modelo CAPM para describir los rendimientos de los activos:
$$ R_{P} = RF + \beta_{M}(R_{M}-RF)+b_{SMB} \cdot SMB + b_{HML} \cdot HML + \alpha $$
- SMB: El factor small minus big (pequeñas menos grandes)
- \(b_{SMB}\): Exposición al factor SMB
- HML: El factor high minus low (altas menos bajas)
- \(b_{HML}\): Exposición al factor HML
- \(\alpha \): Rendimiento no explicado por otros factores
- \(\beta_{M}\): Beta respecto a la cartera amplia de mercado B
El DataFrame FamaFrenchData está disponible en tu espacio de trabajo y contiene los factores HML y SMB como columnas para este ejercicio.
Este ejercicio forma parte del curso
Introducción a la gestión del riesgo de cartera en Python
Instrucciones del ejercicio
- Define un modelo de regresión que explique
Portfolio_Excessen función deMarket_Excess,SMByHML. - Extrae el valor de r-cuadrado ajustado de
FamaFrench_fit.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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)