Bèta berekenen met CAPM

Er zijn veel manieren om aandelenrendementen te modelleren, maar het Capital Asset Pricing Model (CAPM) is een van de bekendste:

$$ E(R_{P}) - RF = \beta_{{P}}(E(R_{M})-RF)\ $$

$E(R_{P}) - RF$: Het verwachte extra rendement van een aandeel of portefeuille P
$E(R_{M}) - RF$: Het verwachte extra rendement van de brede marktportefeuille B
$RF$: De regionale risicovrije rente
$\beta_{{P}}$: Portefeuillebèta, of blootstelling, aan de brede marktportefeuille B

Je kunt de methode .fit() uit statsmodels.formula.api aanroepen op een .ols(formula, data)-modelobject om de analyse uit te voeren, en de methode .summary() op het analyseobject om de resultaten te bekijken.

De DataFrame FamaFrenchData is beschikbaar in je werkruimte en bevat de juiste gegevens voor deze oefening.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuillerisicobeheer in Python

Cursus bekijken

Oefeninstructies

Importeer eerst statsmodels.formula.api als smf.
Definieer een regressiemodel dat Portfolio_Excess verklaart als functie van Market_Excess.
Haal de aangepaste r-kwadraat van het gefitte regressiemodel op en print deze.
Haal de markt-bèta van je portefeuille op.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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)

Code bewerken en uitvoeren