เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

โมเดล Fama-French 3 ปัจจัย

โมเดล Fama-French เพิ่มปัจจัยอีก 2 ตัวเข้าไปในโมเดล CAPM เพื่ออธิบายผลตอบแทนของสินทรัพย์:

$$ R_{P} = RF + \beta_{M}(R_{M}-RF)+b_{SMB} \cdot SMB + b_{HML} \cdot HML + \alpha $$

  • SMB: ปัจจัย Small Minus Big
  • \(b_{SMB}\): ค่าความเปิดรับต่อปัจจัย SMB
  • HML: ปัจจัย High Minus Low
  • \(b_{HML}\): ค่าความเปิดรับต่อปัจจัย HML
  • \(\alpha \): ผลการดำเนินงานที่ปัจจัยอื่น ๆ ไม่สามารถอธิบายได้
  • \(\beta_{M}\): Beta เทียบกับพอร์ตโฟลิโอตลาดรวม B

DataFrame FamaFrenchData พร้อมใช้งานใน workspace และมีคอลัมน์ HML และ SMB สำหรับแบบฝึกหัดนี้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Python เบื้องต้นสำหรับการบริหารความเสี่ยงพอร์ตการลงทุน

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดโมเดลการถดถอยที่อธิบาย Portfolio_Excess ในฐานะฟังก์ชันของ Market_Excess, SMB และ HML
  • ดึงค่า adjusted r-squared จาก FamaFrench_fit

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด