5-faktormodellen
År 2015 utvidgade Fama och French sin tidigare 3-faktormodell med två ytterligare faktorer:
- RMW: Lönsamhet
- CMA: Investering
RMW-faktorn representerar avkastningen för bolag med hög rörelsemarginal jämfört med bolag med låg rörelsemarginal, och CMA-faktorn representerar avkastningen för bolag med aggressiva investeringsstrategier jämfört med mer konservativa bolag.
Objektet FamaFrenchData finns tillgängligt i din arbetsyta och innehåller faktorerna RMW och CMA utöver de tidigare faktorerna.
Den här övningen är en del av kursen
Introduktion till portföljriskhantering i Python
Övningsinstruktioner
- Använd det du lärt dig från tidigare övningar för att definiera regressionsmodellen
FamaFrench5_modelförPortfolio_Excessmot de ursprungliga 3 Fama-French-faktorerna (Market_Excess,SMB,HML) samt de två nya faktorerna (RMW,CMA). - Anpassa regressionsmodellen och lagra resultaten i
FamaFrench5_fit. - Extrahera det justerade R²-värdet och tilldela det till
regression_adj_rsq.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)