Modelli fattoriali

Introduzione all'analisi di portafoglio in Python

Charlotte Werger

Data Scientist

Usare i fattori per spiegare la performance

I fattori si usano per gestire il rischio.
I fattori aiutano a spiegare la performance.
I modelli fattoriali collegano i fattori ai rendimenti del portafoglio.
Esistono modelli fattoriali empirici testati su dati storici.
Il modello Fama-French a 3 fattori è molto noto.

Modello multifattoriale di Fama-French

$ $

$ R_{pf} = \alpha + \beta_m MKT + \beta_s SMB + \beta_h HML $
MKT è l’extra-rendimento del mercato, cioè $R_m - R_f$
SMB (Small Minus Big) è il fattore dimensione
HML (High Minus Low) è il fattore valore

Ripasso del modello di regressione

Adattare una retta ai dati con la regressione lineare

Differenza tra beta e correlazione

Tabella che confronta beta e correlazione

Modello di regressione in Python

import statsmodels.api as sm

# Define the model
model = sm.OLS(factor_data['sp500'],
               factor_data[['momentum','value']]).fit()

# Get the model predictions
predictions = model.predict(factor_data[['momentum','value']])

b1, b2 = model.params

Output del riepilogo della regressione

# Print out the summary statistics
model.summary()

Riepilogo del modello di regressione lineare

Ottenere i beta in fretta

# Get just beta coefficients from linear regression model
b1, b2 = regression.linear_model.OLS(df['returns'], 
                          df[['F1', 'F2']]).fit().params

# Print the coefficients 
print('Sensitivities of active returns to factors:'
      '\nF1: %f\nF2: %f' % (b1, b2))

Sensitivities of active returns to factors:
F1: -0.0381
F2: 0.9858

Ayo berlatih!

Introduzione all'analisi di portafoglio in Python