Het Fama-French 3-factorenmodel

Het Fama-French-model voegt twee extra factoren toe aan het CAPM-model om rendementen te beschrijven:

$$ R_{P} = RF + \beta_{M}(R_{M}-RF)+b_{SMB} \cdot SMB + b_{HML} \cdot HML + \alpha $$

SMB: De small minus big-factor
$b_{SMB}$: Blootstelling aan de SMB-factor
HML: De high minus low-factor
$b_{HML}$: Blootstelling aan de HML-factor
$\alpha $: Prestatie die niet door andere factoren wordt verklaard
$\beta_{M}$: Beta ten opzichte van het brede marktportefeuille B

De FamaFrenchData-DataFrame is beschikbaar in je werkruimte en bevat de HML- en SMB-factoren als kolommen voor deze oefening.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuillerisicobeheer in Python

Cursus bekijken

Oefeninstructies

Definieer een regressiemodel dat Portfolio_Excess verklaart als functie van Market_Excess, SMB en HML.
Haal de aangepaste R-kwadraatwaarde (adjusted r-squared) op uit FamaFrench_fit.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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)

Code bewerken en uitvoeren