CAPM ile beta hesaplama

Hisse senedi getirilerini modellemenin birçok yolu vardır, ancak Capital Asset Pricing Model (Sermaye Varlıklarını Fiyatlama Modeli) ya da kısaca CAPM, en bilinenlerinden biridir:

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

$E(R_{P}) - RF$: Bir hisse ya da P portföyünün beklenen getirisi eksi risksiz getiri (aşırı getiri)
$E(R_{M}) - RF$: Geniş piyasa portföyü B'nin beklenen getirisi eksi risksiz getiri (aşırı getiri)
$RF$: Bölgesel risksiz faiz oranı
$\beta_{{P}}$: Piyasa portföyü B'ye karşı portföy betası (maruziyet)

Analizi gerçekleştirmek için .ols(formula, data) model nesnesi üzerinde statsmodels.formula.api içinden .fit() metodunu çağırabilir ve sonuçları incelemek için analiz nesnesi üzerinde .summary() metodunu kullanabilirsin.

FamaFrenchData DataFrame'i çalışma alanında hazır ve bu egzersiz için gerekli verileri içeriyor.

Bu egzersiz, kursun bir parçasıdır

Python ile Portföy Risk Yönetimine Giriş

Kursa Göz Atın

Egzersiz talimatları

Önce statsmodels.formula.api modülünü smf olarak içe aktar.
Portfolio_Excess değişkenini Market_Excess'in bir fonksiyonu olarak açıklayan bir regresyon modeli tanımla.
Uydurulmuş regresyon modelinin düzeltilmiş R-kare değerini çıkar ve yazdır.
Portföyünün piyasa betasını çıkar.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)

Kodu Düzenle ve Çalıştır