O modelo de 3 fatores de Fama-French
O modelo de Fama-French adiciona, de forma clássica, dois fatores ao CAPM para descrever os retornos dos ativos:
$$ R_{P} = RF + \beta_{M}(R_{M}-RF)+b_{SMB} \cdot SMB + b_{HML} \cdot HML + \alpha $$
- SMB: o fator small minus big (pequenas menos grandes)
- \(b_{SMB}\): exposição ao fator SMB
- HML: o fator high minus low (alto menos baixo)
- \(b_{HML}\): exposição ao fator HML
- \(\alpha \): desempenho não explicado por outros fatores
- \(\beta_{M}\): beta em relação ao portfólio amplo de mercado B
O DataFrame FamaFrenchData está disponível no seu ambiente de trabalho e contém os fatores HML e SMB como colunas para este exercício.
Este exercício faz parte do curso
Introdução ao Gerenciamento de Risco de Portfólio em Python
Instruções do exercício
- Defina um modelo de regressão que explique
Portfolio_Excesscomo função deMarket_Excess,SMBeHML. - Extraia o R-quadrado ajustado de
FamaFrench_fit.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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)