Model 5-czynnikowy
W 2015 roku Fama i French rozszerzyli swój poprzedni model 3-czynnikowy, dodając dwa kolejne czynniki:
- RMW: Rentowność
- CMA: Inwestycje
Czynnik RMW reprezentuje zwroty spółek o wysokiej rentowności operacyjnej w porównaniu ze spółkami o niskiej rentowności, natomiast czynnik CMA reprezentuje zwroty spółek agresywnie inwestujących w porównaniu z tymi, które przyjmują bardziej zachowawcze podejście.
Obiekt FamaFrenchData jest dostępny w twoim środowisku i zawiera czynniki RMW oraz CMA obok dotychczasowych czynników.
To ćwiczenie jest częścią kursu
Wprowadzenie do zarządzania ryzykiem portfela w Pythonie
Instrukcje do ćwiczenia
- Korzystając z wiedzy zdobytej w poprzednich ćwiczeniach, zdefiniuj model regresji
FamaFrench5_modeldla zmiennejPortfolio_Excesswzględem pierwotnych 3 czynników Famy i Frencha (Market_Excess,SMB,HML) oraz dwóch nowych czynników (RMW,CMA). - Dopasuj model regresji i zapisz wyniki w
FamaFrench5_fit. - Wyodrębnij skorygowaną wartość R-kwadrat i przypisz ją do zmiennej
regression_adj_rsq.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import statsmodels.formula.api
import statsmodels.formula.api as smf
# Define the regression formula
FamaFrench5_model = smf.ols(formula='Portfolio_Excess ~ Market_Excess + SMB + HML ____ ', data=FamaFrenchData)
# Fit the regression
FamaFrench5_fit = ____
# Extract the adjusted r-squared
regression_adj_rsq = ____
print(regression_adj_rsq)