Obliczanie bety za pomocą CAPM

Istnieje wiele sposobów modelowania stóp zwrotu z akcji, jednak Capital Asset Pricing Model, czyli CAPM, jest jednym z najpopularniejszych:

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

$E(R_{P}) - RF$: Nadwyżkowa oczekiwana stopa zwrotu z akcji lub portfela P
$E(R_{M}) - RF$: Nadwyżkowa oczekiwana stopa zwrotu z szerokiego portfela rynkowego B
$RF$: Regionalna stopa wolna od ryzyka
$\beta_{{P}}$: Beta portfela, czyli ekspozycja na szeroki portfel rynkowy B

Aby przeprowadzić analizę, wywołaj metodę .fit() z biblioteki statsmodels.formula.api na obiekcie modelu .ols(formula, data). Wyniki możesz przeanalizować, używając metody .summary() na obiekcie wynikowym.

DataFrame FamaFrenchData jest dostępny w twoim środowisku roboczym i zawiera dane potrzebne do tego ćwiczenia.

To ćwiczenie jest częścią kursu

Wprowadzenie do zarządzania ryzykiem portfela w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Na początku zaimportuj statsmodels.formula.api jako smf.
Zdefiniuj model regresji, który wyjaśnia Portfolio_Excess jako funkcję zmiennej Market_Excess.
Wyodrębnij i wyświetl skorygowane R-kwadrat dopasowanego modelu regresji.
Wyodrębnij betę rynkową swojego portfela.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)

Edytuj i uruchom kod