Faktorové modely

Introduction to Portfolio Analysis in Python

Charlotte Werger

Data Scientist

Využití faktorů k vysvětlení výkonnosti

Faktory slouží k řízení rizika.
Faktory pomáhají vysvětlit výkonnost.
Faktorové modely propojují faktory s výnosy portfolia.
Existují empirické faktorové modely testované na historických datech.
Fama French 3faktorový model je známý faktorový model.

Vícerozměrný model Fama French

$ $

$ R_{pf} = \alpha + \beta_m MKT + \beta_s SMB + \beta_h HML $
MKT je nadměrný výnos trhu, tj. $R_m - R_f$
SMB (Small Minus Big) – faktor velikosti
HML (High Minus Low) – hodnotový faktor

Připomenutí regresního modelu

Proložení datových bodů přímkou pomocí lineární regrese

Rozdíl mezi beta a korelací

Tabulka porovnávající beta a korelaci

Regresní model v Pythonu

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

Výstup souhrnu regrese

# Print out the summary statistics
model.summary()

Souhrn lineárního regresního modelu

Rychlé získání koeficientů beta

# 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

Pojďme si procvičit!

Introduction to Portfolio Analysis in Python