Calcul du bêta avec le CAPM
Il existe plusieurs façons de modéliser les rendements boursiers, mais le Capital Asset Pricing Model (CAPM) est l'un des plus connus :
$$ E(R_{P}) - RF = \beta_{{P}}(E(R_{M})-RF)\ $$
- \(E(R_{P}) - RF\) : Le rendement espéré excédentaire d'une action ou d'un portefeuille P
- \(E(R_{M}) - RF\) : Le rendement espéré excédentaire du portefeuille de marché large B
- \(RF\) : Le taux sans risque régional
- \(\beta_{{P}}\) : Le bêta du portefeuille P, c'est-à-dire son exposition, au portefeuille de marché large B
Vous pouvez appeler la méthode .fit() de statsmodels.formula.api sur un objet modèle .ols(formula, data) pour effectuer l'analyse, puis la méthode .summary() sur l'objet d'analyse pour examiner les résultats.
Le DataFrame FamaFrenchData est disponible dans votre espace de travail et contient les données nécessaires pour cet exercice.
Cette activité fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions de l’exercice
- D'abord, vous devrez importer
statsmodels.formula.apisous le nomsmf. - Définissez un modèle de régression qui explique
Portfolio_Excessen fonction deMarket_Excess. - Extrayez et affichez le R carré ajusté du modèle de régression ajusté.
- Extrayez le bêta de marché de votre portefeuille.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import statsmodels.formula.api
import ____ as ____
# Define the regression formula
CAPM_model = smf.ols(formula=____, data=FamaFrenchData)
# Print adjusted r-squared of the fitted regression
CAPM_fit = CAPM_model.fit()
print(CAPM_fit____)
# Extract the beta
regression_beta = CAPM_fit____
print(regression_beta)