Factormodellen

Introductie tot portefeuille-analyse in Python

Charlotte Werger

Data Scientist

Factoren om prestaties te verklaren

Factoren worden gebruikt voor risicobeheer.
Factoren helpen prestaties te verklaren.
Factormodellen relateren factoren aan portefeuillerendementen.
Er bestaan empirische factormodellen, getest op historische data.
Het Fama-French 3-factorenmodel is bekend.

Fama-French multifactormodel

$ $

$ R_{pf} = \alpha + \beta_m MKT + \beta_s SMB + \beta_h HML $
MKT is het overrendement van de markt, d.w.z. $R_m - R_f$
SMB (Small Minus Big) is een omvangsfactor
HML (High Minus Low) is een waardefactor

Opfrisser regressiemodel

Een lijn fitten op punten met lineaire regressie

Verschil tussen beta en correlatie

Tabel die beta vergelijkt met correlatie

Regressiemodel 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

De regressiesamenvatting

# Print out the summary statistics
model.summary()

Samenvatting lineair regressiemodel

Snel betas ophalen

# 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 'Gevoeligheden van actieve rendementen voor factoren:
                \nF1: %f\nF2: %f' %  (b1, b2)

Gevoeligheden van actieve rendementen voor factoren:
F1: -0.0381
F2: 0.9858

Laten we oefenen!

Introductie tot portefeuille-analyse in Python