Obliczanie współczynnika beta przy użyciu kowariancji
Beta jest kluczowym składnikiem wielu modeli finansowych i miarą ryzyka systematycznego, czyli ekspozycji na szeroki rynek. W modelu CAPM beta jest jednym z dwóch podstawowych czynników.
Historyczną betę można szacować na kilka sposobów. W tym ćwiczeniu użyjesz prostego wzoru opartego na kowariancji i wariancji względem benchmarkowego portfela rynkowego:
$$ \beta_P = \frac{Cov(R_P, R_B)}{Var(R_B)} $$
- \(\beta_P\): beta portfela
- \(Cov(R_P, R_B)\): kowariancja między portfelem (P) a benchmarkowym indeksem rynkowym (B)
- \(Var(R_B)\): wariancja benchmarkowego indeksu rynkowego
DataFrame FamaFrenchData jest dostępny w twoim środowisku pracy i zawiera dane potrzebne do tego ćwiczenia.
To ćwiczenie jest częścią kursu
Wprowadzenie do zarządzania ryzykiem portfela w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate the co-variance matrix between Portfolio_Excess and Market_Excess
covariance_matrix = FamaFrenchData[['Portfolio_Excess', 'Market_Excess']]____
# Extract the co-variance co-efficient
covariance_coefficient = covariance_matrix.iloc[0, 1]
print(covariance_coefficient)