Fama-French 3요인 모형
Fama-French 모형은 자산 수익률을 설명하기 위해 CAPM에 두 개의 추가 요인을 더합니다:
$$ R_{P} = RF + \beta_{M}(R_{M}-RF)+b_{SMB} \cdot SMB + b_{HML} \cdot HML + \alpha $$
- SMB: 소형주 수익률에서 대형주 수익률을 뺀 요인 (Small Minus Big)
- \(b_{SMB}\): SMB 요인에 대한 익스포저
- HML: 가치주(고) 수익률에서 성장주(저) 수익률을 뺀 요인 (High Minus Low)
- \(b_{HML}\): HML 요인에 대한 익스포저
- \(\alpha \): 다른 어떤 요인으로도 설명되지 않는 성과
- \(\beta_{M}\): 광의의 시장 포트폴리오에 대한 베타
FamaFrenchData DataFrame은 워크스페이스에 준비되어 있으며, 이번 연습 문제에서 사용할 HML과 SMB 요인이 열로 포함되어 있어요.
이 연습은 강의의 일부입니다
Python으로 시작하는 포트폴리오 리스크 관리
연습 안내
Portfolio_Excess를Market_Excess,SMB,HML의 함수로 설명하는 회귀 모형을 정의하세요.FamaFrench_fit에서 보정된 결정계수(adjusted r-squared) 값을 추출하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)