Il modello a 3 fattori di Fama-French
Il modello di Fama-French aggiunge due fattori al CAPM per descrivere i rendimenti degli asset:
$$ R_{P} = RF + \beta_{M}(R_{M}-RF)+b_{SMB} \cdot SMB + b_{HML} \cdot HML + \alpha $$
- SMB: il fattore small minus big (piccole meno grandi)
- \(b_{SMB}\): esposizione al fattore SMB
- HML: il fattore high minus low (alto meno basso)
- \(b_{HML}\): esposizione al fattore HML
- \(\alpha \): performance non spiegata dagli altri fattori
- \(\beta_{M}\): beta rispetto al portafoglio di mercato ampio B
Il DataFrame FamaFrenchData è disponibile nel tuo workspace e contiene i fattori HML e SMB come colonne per questo esercizio.
Questo esercizio fa parte del corso
Introduzione alla gestione del rischio di portafoglio in Python
Istruzioni dell'esercizio
- Definisci un modello di regressione che spieghi
Portfolio_Excessin funzione diMarket_Excess,SMBeHML. - Estrai il valore di r-quadro aggiustato da
FamaFrench_fit.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)