Beräkna beta med CAPM

Det finns många sätt att modellera aktieavkastning, men Capital Asset Pricing Model, eller CAPM, är en av de mest välkända:

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

$E(R_{P}) - RF$: Den förväntade överavkastningen för en aktie eller portfölj P
$E(R_{M}) - RF$: Den förväntade överavkastningen för den breda marknadsportföljen B
$RF$: Den regionala riskfria räntan
$\beta_{{P}}$: Portföljens beta, det vill säga exponeringen mot den breda marknadsportföljen B

Du kan anropa metoden .fit() från statsmodels.formula.api på ett .ols(formula, data)-modellobjekt för att utföra analysen, och metoden .summary() på analysobjektet för att granska resultaten.

DataFrame:en FamaFrenchData finns tillgänglig i din arbetsmiljö och innehåller de data som behövs för den här övningen.

Den här övningen är en del av kursen

Introduktion till portföljriskhantering i Python

Visa kurs

Övningsinstruktioner

Börja med att importera statsmodels.formula.api som smf.
Definiera en regressionsmodell som förklarar Portfolio_Excess som en funktion av Market_Excess.
Extrahera och skriv ut det justerade R²-värdet för den anpassade regressionsmodellen.
Extrahera portföljens marknadsbeta.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod